基于人工智能的辅助执法方法、装置、设备及存储介质与流程

本发明涉及智能识别领域，尤其涉及一种基于人工智能的辅助执法方法、装置、设备及存储介质。

背景技术：

当前交警执法过程中，在拦截违规车辆并对违规车辆开罚单时，需手动录入违规车辆的车牌号和驾驶人的驾驶证号等违规信息，在驾驶人出示身份证后，需由交警主观判断驾驶人与其所提供的身份证是否人证合一，客观性较低；另外，还需采用手持设备检测身份证的真实性，然后，通过该手持设备开具纸质罚单。这种由交警手动录入违规信息，人工验证人证合一并通过手持设备进行证件真实性验证和开具纸质罚单的方式，存在效率较低，需随身携带手持设备所导致的操作不方便，而且纸质罚单会导致纸资源的浪费。

技术实现要素：

本发明实施例提供一种基于人工智能的辅助执法方法、装置、设备及存储介质，以解决当前交警通过手持设备执法过程中存在效率较低、操作不方便且存在浪费纸资源的问题。

一种基于人工智能的辅助执法方法，包括：

获取客户端发送的罚单生成请求，所述罚单生成请求包括违规类型；

若所述违规类型为现场违规类型，则基于所述客户端显示的与所述现场违规类型相对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的待识别人脸图像和基于ocr扫描模块采集的身份证信息；

将所述待识别人脸图像和所述身份证信息通过预设接口发送给第三方验证平台，获取所述第三方验证平台返回的人证验证结果；

若所述人证验证结果为验证通过，则获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息和驾驶证信息；

基于所述身份证信息、违规车牌信息和所述驾驶证信息进行驾驶状态验证，获取与所述身份证信息相对应的驾驶状态信息；

获取客户端发送的违规说明，基于所述违规说明、所述违规车牌信息和所述驾驶状态信息，生成电子罚单，并将所述电子罚单和所述违规车辆图像关联存储在所述交警平台数据库中。

一种基于人工智能的辅助执法装置，包括：

罚单生成请求获取模块，用于获取客户端发送的罚单生成请求，所述罚单生成请求包括违规类型；

身份验证信息采集模块，用于若所述违规类型为现场违规类型，则基于所述客户端显示的与所述现场违规类型相对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的待识别人脸图像和基于ocr扫描模块采集的身份证信息；

人证验证结果获取模块，用于将所述待识别人脸图像和所述身份证信息通过预设接口发送给第三方验证平台，获取所述第三方验证平台返回的人证验证结果；

第一违规信息采集模块，用于若所述人证验证结果为验证通过，则获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息和驾驶证信息；

驾驶状态信息获取模块，用于基于所述身份证信息、违规车牌信息和所述驾驶证信息进行驾驶状态验证，获取与所述身份证信息相对应的驾驶状态信息；

第一电子罚单生成模块，用于获取客户端发送的违规说明，基于所述违规说明、所述违规车牌信息和所述驾驶状态信息，生成电子罚单，并将所述电子罚单和所述违规车辆图像关联存储在所述交警平台数据库中。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的辅助执法方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的辅助执法方法的步骤。

上述基于人工智能的辅助执法方法、装置、计算机设备及存储介质，在违规类型为现场违规类型的情况下，通过拍摄模块采集的待识别人脸图像和ocr扫描模块采集的身份证信息，可快速采集获取待识别人脸图像和身份证信息，无需人工手动录入；通过第三方验证平台对待识别人脸图像和身份证信息进行快速验证，获取人证验证结果，以保证驾驶人身份的真实性；基于ocr扫描模块采集的身份证信息、违规车牌信息和驾驶证信息进行驾驶状态验证，以获取驾驶状态信息，以确定驾驶人是否为不合法驾驶；然后，基于客户端发送的所述违规说明、所述违规车牌信息和所述驾驶状态信息自动快速生成电子罚单，以实现电子罚单自动生成，无需通过手持设备进行信息录入并开具纸质罚单，提高电子罚单的生成效率和操作便捷性，且可有效节省纸资源。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于人工智能的辅助执法方法的一应用环境示意图；

图2是本发明一实施例中基于人工智能的辅助执法方法的一流程图；

图3是本发明一实施例中基于人工智能的辅助执法方法的另一流程图；

图4是本发明一实施例中基于人工智能的辅助执法方法的另一流程图；

图5是本发明一实施例中基于人工智能的辅助执法方法的另一流程图；

图6是本发明一实施例中基于人工智能的辅助执法方法的另一流程图；

图7是本发明一实施例中基于人工智能的辅助执法装置的一示意图；

图8是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的基于人工智能的辅助执法方法，该基于人工智能的辅助执法方法可应用如图1所示的应用环境中。具体地，该基于人工智能的辅助执法方法应用在交警辅助执法系统中，该交警辅助执法系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于辅助交警执法，以实现快速执法并开具电子罚单，无需随身携带用于开具纸质罚单的手持设备，操作过程简单方便，即可有效避免纸张浪费。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种智能手机、平板电脑和便携式可穿戴设备上，本实施例中以应用在智能手机为例进行说明。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于人工智能的辅助执法方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

s201：获取客户端发送的罚单生成请求，罚单生成请求包括违规类型。

其中，罚单生成请求是用于触发服务器生成罚单的请求。违规类型是用于限定本次罚单生成请求所要开具的罚单的类型。该违规类型包括现场违规类型和非现场违规类型。其中，现场违规类型是驾驶人在现场违规的类型，如驾驶人酒驾被拦截时违规的类型。而非现场违规类型是指驾驶人不在现场违规的类型，例如违规停车后被交警“贴条”这种违规的类型。

s202：若违规类型为现场违规类型，则基于客户端显示的与现场违规类型相对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的待识别人脸图像和基于ocr扫描模块采集的身份证信息。

其中，与现场违规类型相对应的证据采集提醒信息是指用于提醒交警在现场违规类型的执法过程中需采集哪些相关信息进行身份验证或者确定电子罚单内容的信息。本实施例中，若违规类型为现场违规类型，则说明交警在执法现场发现违规车辆且驾驶人在违规现场，例如，交警在酒驾拦截处拦截到违规车辆之后，即可触发携带现场违规类型的罚单生成请求。服务器在接收到罚单生成请求之后，基于该罚单生成请求携带的违规类型获取相对应的证据采集提醒信息，并将该证据采集提醒信息发送给客户端，以使交警基于客户端显示的证据采集提醒信息采集相关信息。

由于交警执法过程中，需核实驾驶人的身份证的真实性以及驾驶人的身份证与其本人是否人证合一，以达到确定驾驶人身份的目的，因此，需采集驾驶人的人脸图像和身份证信息。具体地，交警可通过客户端的拍摄模块对驾驶人进行拍摄，以采集驾驶人对应的待识别人脸图像，并通过ocr扫描模块扫描身份证，以采集身份证信息。ocr(opticalcharacterrecognition，即光学字符识别的缩写)，是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。其中，待识别人脸图像是通过客户端的拍摄模块对驾驶人进行拍摄所采集的人脸图像。

具体地，客户端上设有具有拍摄功能的拍摄模块，可用于采集待识别人脸图像；并且，客户端上设有具有扫描功能的ocr扫描模块，可快速采集身份证信息，使得执法过程无需人工输入身份证信息，以提高身份证信息的获取效率，并保障准确率，避免输入错误。

进一步地，为了确保后续进行人证验证结果的准确性，需保证所采集到的待识别人脸图像的清晰度，因此，该基于人工智能的辅助执法方法还包括如下步骤：(1)采用拉普拉斯算子对待识别人脸图像进行锐化处理，获取锐化图像；(2)对锐化图像的像素灰度值进行方差计算，获取锐化图像的目标方差值；(3)若目标方差值大于预设阈值，则将锐化图像更新为待识别人脸图像；(4)若目标方差值不大于预设阈值，则给客户端发送重新采集图像的提醒信息。其中，预设阈值是用于评估图像的模糊度是否达到预设要求的阈值。

其中，拉普拉斯算子(laplacianoperator)是一种二阶微分算子，适用于改善因为光线的漫反射造成的图像模糊。其原理是，在摄像记录图像的过程中，光点将光漫反射到其周围区域，这种由于光的漫反射造成了图像一定程度的模糊，其模糊程度相对与正常情形下拍摄的图像来说，往往是拉普拉斯算子的常数倍。本实施例中，采用拉普拉斯算子对待识别人脸图像进行锐化处理，获取锐化图像，具体包括：采用拉普拉斯算子对待识别人脸图像进行处理，获取描述灰度突变的拉普拉斯图像，再将拉普拉斯图像与待识别人脸图像叠加从而获取锐化图像。采用拉普拉斯算子对待识别人脸图像进行锐化，不仅可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息，将待识别人脸图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留，使灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节信息。

具体地，服务器对锐化图像的像素灰度值进行方差计算，以获取其目标方差值，该目标方差值可反馈该锐化图像的模糊度。具体地，对锐化图像的像素灰度值进行方差计算具体包括：计算锐化图像中每个像素点的像素灰度值减去锐化图像的平均灰度值的平方和，再将该平方和除以像素点数量，即可获取可反映锐化图像模糊度的目标方差值。本实施例中，目标方差值越小，说明锐化图像中各像素点的像素灰度值越接近平均灰度值，则锐化图像中各像素点的像素灰度值之间差距不明显，使得图像边缘不清楚，因此，目标方差值越小，其锐化图像越模糊。

本实施例中，若锐化图像的目标方差值大于预设阈值，则认定该锐化图像的模糊度用于进行人证验证的图像所需的模糊度，因此，可将锐化图像更新为新的待识别人脸图像，从而保证待识别人脸图像的清晰度。相应地，若锐化图像的目标方差不大于预设阈值，则认定该锐化图像的模糊度没有达到用于进行人证验证的图像所需的模糊度，此时，则给客户端发送重新采集图像的提醒信息，以提醒交警重新采集待识别人脸图像。

本实施例所提供的基于人工智能的辅助执法方法中，先采用拉普拉斯算子对待识别人脸图像进行锐化处理，以获取细节比待识别人脸图像更清晰的锐化图像，从而提高图像的清晰度。然后，通过计算锐化图像的目标方差值，以体现该锐化图像的各像素点的像素灰度值之间的差异性。根据锐化图像的目标方差值与预设阈值的比较结果，实现对待识别人脸图像进行模糊度过滤，以避免采集到过于模糊的待识别人脸图像而影响后续验证结果，有利于保障待识别人脸图像的清晰度。

s203：将待识别人脸图像和身份证信息通过预设接口发送给第三方验证平台，获取第三方验证平台返回的人证验证结果。

其中，预设接口是服务器预先设置的与第三方验证平台进行信息交互的接口，该预设接口具体可以为公安系统接口。相应地，第三方验证平台可以为公安系统平台。本实施例中，服务器在获取到客户端采集的待识别人脸图像和身份证信息之后，将该待识别人脸图像和身份证信息通过公安系统接口发送给公安系统平台。公安系统平台在获取身份证信息之后，基于该身份证信息查询数据库，获取与该身份证信息相对应的身份证人脸图像；再采用预设的人脸识别算法对该身份证人脸图像和待识别人脸图像进行识别，获取人证验证结果，并将该人证验证结果通过公安系统接口发送给服务器，以使服务器获取第三方验证平台返回的人证验证结果。该人证验证结果包括人证验证通过和人证验证不通过两种类型。

s204：若人证验证结果为验证通过，则获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息和驾驶证信息。

具体地，若人证验证结果为验证通过，则说明驾驶人所提供的身份证信息为其本人的真实身份证信息，以避免驾驶人冒用他人身份证以达到规避处罚目的。本实施例中，若人证验证结果为验证通过时，交警可通过客户端的拍摄模块对违规车辆进行拍摄，以采集违规车辆图像，并通过客户端的ocr扫描模块扫描违规车辆的车牌区域，以获取违规车牌信息；还通过客户端的ocr扫描模块扫描驾驶人的驾驶证，以获取驾驶证信息。该违规车辆图像可以为一张也可以为多张，依据客户端显示的证据采集提醒信息进行采集。可以理解地，若人证验证结果为验证不通过，则交警需要求驾驶人提供准确的身份证信息，以便后续执法操作。

进一步地，为了保证违规车辆图像的清晰度，以便后续进行查验或者申诉过程中识别更准确，该基于人工智能的辅助执法方法还包括如下步骤：(1)采用拉普拉斯算子对违规车辆图像进行锐化处理，获取锐化图像；(2)对锐化图像的像素灰度值进行方差计算，获取锐化图像的目标方差值；(3)若目标方差值大于预设阈值，则将锐化图像更新为违规车辆图像；(4)若目标方差值不大于预设阈值，则给客户端发送重新采集图像的提醒信息。其具体实现过程如对待识别人脸图像进行模糊过滤的过程一样，为避免重复，此处不一一赘述。

s205：基于身份证信息、违规车牌信息和驾驶证信息进行驾驶状态验证，获取与身份证信息相对应的驾驶状态信息。

具体地，服务器在获取身份证信息、违规车牌信息和驾驶证信息之后，需基于身份证信息、违规车牌信息和驾驶证信息查询交警平台数据库，以确定身份证信息与驾驶证信息是否匹配，且违规车辆信息的车辆车型和驾驶证信息中对应的准驾车型是否匹配，从而获取与该身份证信息相对应的驾驶状态信息。其中，驾驶状态信息包括合法驾驶和不合法驾驶。其中，合法驾驶是指驾驶人在驾驶证准驾车型和有效期限相符合的情况驾驶机动车。不合法驾驶，顾名思义就是指机动车驾驶人在驾驶证准驾不符和驾驶证过期没换证相对应的合法驾驶证明的情况下驾驶该机动车。该不合法驾驶具体包括无证驾驶。由于不合法驾驶是比较严重的违规情形，在交警执法过程需进行验证，以便确定相对应的处罚，从而形成与其驾驶状态信息相匹配的处罚措施(如罚款和/或扣分)。

s206：获取客户端发送的违规说明，基于违规说明、违规车牌信息和驾驶状态信息，生成电子罚单，并将电子罚单和违规车辆图像关联存储在交警平台数据库中。

其中，违规说明是指交警在现场执法过程中，根据驾驶员的行为判定其违法情况的说明。例如，交警在路面执勤过程中，经过专业的判断初步确定驾驶人触犯哪些交通法规，比如驾驶安全设施不全的车辆、逆向行驶、违反分道行驶规定、违反交通信号指示灯和酒驾等驾驶行为。然后，在采集到规车辆照片、违规车牌信息和驾驶状态信息之后，可在客户端的违规说明界面选择或者直接输入相应的违规说明，该违规说明用于说明本次处罚的的依据。

具体地，服务器中预先存储有罚单模板，该罚单模板上设置有若干待填充区域。服务器在获取违规说明之后查询相应的处罚规范，获取与违规说明相对应的罚款金额和/或扣分值；然后，将违规车牌信息、驾驶状态信息、违规说明、罚款金额和/或扣分值等信息填充到该待填充区域上，以形成电子罚单，从而实现电子罚单的自动生成。进一步地，服务器将电子罚单和违规车辆图像关联存储在交警平台数据库中，以便后续基于该电子罚单查询相应的违规车辆图像，以进行信息查验。

在获取罚单生成请求的步骤之后，基于人工智能的辅助执法方法还包括：

s207：若违规类型为非现场违规类型，则基于客户端显示的与非现场违规类型对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息。

具体地，与非现场违规类型相对应的证据采集提醒信息是指用于提醒交警在非现场违规类型的执法过程中需采集哪些相关信息以进行身份验证或者确定电子罚单内容的信息。本实施例中，若违规类型为非现场违规类型，则说明交警在执法现场发生违规车辆且驾驶人不在违规现场，例如交警发现某一车辆违规停车且车辆的驾驶人不在现场，无法对驾驶人进行身份验证，此时，触发携带非现场违规类型的罚单生成请求。服务器在接收到该罚单生成请求之后，基于该罚单生成请求中的非现场违规类型获取相对应的证据采集提醒信息，并将该证据采集提醒信息发送给客户端，以使交警基于客户端显示的证据采集提醒信息采集相关信息。该证据采集提醒信息用于提醒交警在处理非现场违规类型的执法过程，需采集违规车辆图像和违规车牌信息。采集违规车辆图像，用于保留车辆违规证据，以便后续车主申诉时有相应的证据。采集违规车牌信息，用于确定后续对违规车牌信息对应的车主进行处罚。

具体地，客户端上设有具有拍摄功能的拍摄模块，可用于采集违规车辆图像；并且，客户端上还设有具有扫描功能的ocr扫描模块，可快速采集违规车牌信息，使得执法过程无需人工输入违规车牌信息，以提高违规车牌信息的获取效率，并保障准确率，避免输出错误。

s208：获取客户端发送的违规说明，基于违规说明和违规车牌信息，生成电子罚单，并将电子罚单和违规车辆图像关联存储在交警平台数据库中。

其中，违规说明是指交警在现场执法过程中，根据驾驶员的行为判定其违法情况的说明。例如，交警在路面执勤过程中，经过专业的判断初步确定驾驶人触犯哪些交通法规，比如驾驶安全设施不全的车辆、逆向行驶、违反分道行驶规定、违反交通信号指示灯和酒驾等驾驶行为。然后，在采集到规车辆照片和违规车牌信息之后，可在客户端的违规说明界面选择或者直接输入相应的违规说明，该违规说明用于说明本次处罚的的依据。

具体地，服务器中预先存储有罚单模板，该罚单模板上设置有若干待填充区域。服务器在获取违规说明之后查询相应的处罚规范，获取与违规说明相对应的罚款金额和/或扣分值；然后，将违规车牌信息、违规说明、罚款金额和/或扣分值等信息填充到该待填充区域上，以形成电子罚单，从而实现电子罚单的自动生成。进一步地，服务器将电子罚单和违规车辆图像关联存储在交警平台数据库中，以便后续基于该电子罚单查询相应的违规车辆图像，以进行信息查验。

进一步地，在生成电子罚单之后，基于人工智能的辅助执法方法还包括：从电子罚单中提取关键信息，并将该关键信息填充在预设的罚单提醒模板的待填充区域中，以形成罚单提醒信息，并将罚单提醒信息以短信、邮件或者其他与罚单提醒模板相匹配的提醒方式发送给违规车辆的车主对应的客户端，以使车主能够及时获知该罚单提醒信息，并对电子罚单进行处理。例如，罚单提醒模板为“尊敬的xx先生/女士，您于xx月xx日有一起交通违规行为，扣分xx，罚款xx元，罚单id为xx，请您尽快处理”等，关键信息可以理解为罚单提醒模板中与待填充区域相匹配的信息。

本实施例所提供的基于人工智能的辅助执法方法中，在违规类型为现场违规类型的情况下，通过拍摄模块采集的待识别人脸图像和ocr扫描模块采集的身份证信息，可快速采集获取待识别人脸图像和身份证信息，无需人工手动录入；通过第三方验证平台对待识别人脸图像和身份证信息进行快速验证，获取人证验证结果，以保证驾驶人身份的真实性，避免人证不一的风险；基于ocr扫描模块采集的身份证信息、违规车牌信息和驾驶证信息进行驾驶状态验证，以获取驾驶状态信息，以确定驾驶人是否为不合法驾驶；然后，基于客户端发送的违规说明、违规车牌信息和驾驶状态信息自动快速生成电子罚单，以实现电子罚单自动生成，无需通过手持设备进行信息录入并开具纸质罚单，提高电子罚单的生成效率和操作便捷性，且可有效节省纸资源。在违规类型为非现场违规的情况下，直接基于客户端上传的违规说明和ocr扫描模块采集到的违规车辆信息快速生成电子罚单，无需通过手持设备进行信息录入并开具纸质罚单，提高电子罚单的生成效率和操作便捷性，且可有效节省纸资源。

进一步地，在生成电子罚单之后，还将该电子罚单、违规车辆图像和其他资料关联存储在交警平台数据库中，以便后续基于该电子罚单进行查验和申诉处理。因此，该基于人工智能的辅助执法方法还包括：获取客户端发送的罚单查询请求，罚单查询请求包括目标罚单id；基于目标罚单id查询交警平台数据库，获取与目标罚单id相对应的目标罚单和违规车辆图像。其中，罚单查询请求是用于触发服务器查询目标罚单的请求。目标罚单id是用于唯一识别所需查询的电子罚单的标识，该所需查询的电子罚单即为目标罚单。具体地，服务器根据罚单查询请求中的目标罚单id查询交警平台数据库，获取与该目标罚单id相对应的目标罚单和与目标罚单相对应的违规车辆图像，以便查验目标罚单的处罚是否合理和准确，若不合理或不准确，则可通过申诉处理流程进行更正，以维护自身合法权益。

例如，某一车主a收到一罚单提醒信息之后，将罚单提醒信息中的罚单id确定为目标罚单id，基于目标罚单id查询交警平台数据库，以便查询与目标罚单id相对应的目标罚单和相应的违规车辆图像，从而使车主对违规行为进行确认。若该目标罚单中表明车辆a于9：00在b地违规，被交警开具电子罚单；若车主有证据证明车辆a于9：00在c地出现而不在b地，则认定电子罚单有误，此时，可进行申诉处理，以维护车主自身的合法权益。

如图3所示，在生成电子罚单的步骤之后，基于人工智能的辅助执法方法还包括如下步骤：

s301：获取客户端发送的申诉处理请求，申诉处理请求包括目标罚单id、申诉处理理由和申诉处理证据。

其中，申诉处理请求是用于触发服务器进行申诉处理的请求。目标罚单是指需要进行申诉处理的电子罚单的标识，该需要进行申诉处理的电子罚单即为目标罚单。申诉处理理由是用于对目标罚单进行申诉的理由，如上实施例中，车主可以车辆a在9：00不在违规地(即b地)作为申诉处理理由。申诉处理证据是用于证据申诉处理理由真实性的证据，如上实施例中，车主可以车辆a在c地的停车记录来作为申诉处理证据。

s302：将目标罚单id、申诉处理理由和申诉处理证据发送给审核端，获取审核端上传的审核结果。

审核端是审核电子罚单的审核人员对应的客户端。具体地，服务器在收到客户端发送的申诉处理请求之后，将该申诉处理请求中的目标罚单id、申诉处理理由和申诉处理证据一并发送给审核端，以使审核端的审核人员对目标罚单id对应的目标罚单、申诉处理理由和申诉处理证据进行审核，并上传审核结果。该审核结果包括审核通过和审核不通过两种。

s303：若审核结果为审核通过，对目标罚单id对应的目标罚单进行撤回和更改处理，得到申诉成功的申诉处理结果。

具体地，若审核结果为审核通过，则基于申诉处理理由对目标罚单id对应的目标罚单进行撤回或者更改处理，以得到申诉成功的申诉处理结果。本实施例中，若申诉处理理由是针对事实性内容进行申诉，则在审核结果为审核通过时，对目标罚单id对应的目标罚单进行撤回处理，得到申诉成功的申诉处理结果。若申诉处理理由是针对处罚条款的适用进行申诉，则在审核结果为审核通过时，对目标罚单id对应的目标罚单进行更改处理，得到申诉成功的申诉处理结果。

s304：若审核结果为审核不通过，则得到申诉失败的申诉处理结果。

具体地，若审核结果为审核不通过，则说明其对目标罚单的事实性内容或者处罚条款的适用等内容进行申诉时，其所提供的申诉处理证据不足以支持其申诉处理理由，因此，直接得到申诉失败的申诉处理结果。

进一步地，在得到申诉处理结果之后，会将该申诉处理结果、申诉处理理由、申诉处理证据和目标罚单关联存储在交警平台数据库中，以实现对目标罚单进行统一管理。

本实施例所提供的基于人工智能的辅助执法方法中，基于目标罚单id、申诉处理理由和申诉处理证据获取审核端上传的审核结果，若审核结果为审核通过时，对目标罚单进行撤回或更改处理，得到申诉成功的申诉处理结果，以使申诉处理过程简单方便，无需车主到当地车管所进行撤回或更改申请，简化处理流程。

在一实施例中，如图4所示，基于身份证信息、违规车牌信息和驾驶证信息进行驾驶状态验证，获取与身份证信息相对应的驾驶状态信息，包括如下步骤：

s401：基于身份证信息和驾驶证信息查询交警平台数据库，若身份证信息与驾驶证信息匹配成功，则获取与驾驶证信息相对应的准驾车型和有效期限。

具体地，交警平台数据库中存储有已获取驾驶证的原始证件信息，原始证件信息包括驾驶人姓名、性别、国籍、地址、身份证号、出生日期、初次领证时间、准驾车型和有效期限等。本实施例中，服务器基于身份证信息中的身份证号查询交警平台数据库，获取交警平台数据库中预先存储有与身份证号相对应的原始证件信息；然后，将ocr扫描模块扫描得到的驾驶证信息与原始证件信息进行一一匹配，若所有信息均匹配成功，则该身份证信息与驾驶证信息匹配成功，以避免存在假冒驾驶证行为。最后，在身份证信息与驾驶证信息匹配成功时，获取与驾驶证信息相对应的准驾车型和有效期限，以确定该驾驶证信息对应的驾驶人可以驾驶机动车的准驾车型和有效期限。例如，c2为小型自动挡汽车，c1为小型汽车和c2等。

s402：基于违规车牌信息查询交警平台数据库，获取与违规车牌信息相对应的车辆车型。

具体地，每一车辆在上牌照过程中，需将车辆的车牌号和车辆车型等基本信息存储在交警平台数据库中，以便后续进行查验。本实施例中，服务器基于ocr扫描模块采集到的违规车牌信息查询交警平台数据库，以便可快速获取与该违规车牌信息相对应的车辆车型，例如，该车辆车型为小型汽车。

s403：若车辆车型与准驾车型匹配成功且系统当前时间在有效期限内，则得到合法驾驶的驾驶状态信息。

具体地，若违规车牌信息对应的车辆车型与驾驶证信息对应的准驾车型相匹配，则说明驾驶人在被拦截时正驾驶与准驾车型相符的车辆，而且是在驾驶证没有过期的合法驾驶证明的情况进行驾驶，此时，可得到合法驾驶的驾驶状态信息。

s404：若车辆车型与准驾车型匹配不成功和/或系统当前时间不在有效期限内，则得到不合法驾驶的驾驶状态信息。

具体地，若违规车牌信息对应的车辆车型与驾驶证信息对应的准驾车型不相匹配，或者在系统当前时间不在驾驶证信息对应的有效期限内，又或者若违规车牌信息对应的车辆车型与驾驶证信息对应的准驾车型不相匹配且系统当前时间不在驾驶证信息对应的有效期限内等情况下驾驶机动车，此时，得到不合法驾驶的驾驶状态信息，该不合法驾驶的情况具体体现为无证驾驶。

本实施例所提供的基于人工智能的辅助执法方法中，先基于身份证信息和驾驶证信息进行证证校验，以校验驾驶人是否使用假冒驾驶证进行驾驶；然后，基于违规车牌信息查询交警平台数据库，以获取对应的车辆车型，将该车辆车型与驾驶证信息对应的准驾车型进行匹配，并将系统当前时间与驾驶证信息对应的有效期限进行匹配，从而获取相对应的驾驶状态信息，从而确定该驾驶人是否为不合法驾驶，以便根据所获取的驾驶状态信息自动获取相应的处罚措施，基于该处罚措施形成相应的电子罚单。

在一实施例中，如图5所示，在获取客户端发送的罚单生成请求的步骤之前，基于人工智能的辅助执法方法还包括如下步骤：

s501：获取客户端发送的用户登录请求，用户登录请求包括用户帐号、登录验证信息和登录时间。

其中，用户登录请求是用于触发服务器进行登录验证处理的请求。用户帐号是交警辅助执法系统中的每一用户的帐号，是用户在交警辅助执法系统中的身份标识，本实施例中的用户具体是指应用该交警辅助执法系统的在职交警。该用户帐号可以是用户在用户注册过程中自行设置的账号，也可以是系统自行分配的账号。登录验证信息是指用户登录该交警辅助执法系统过程中为了进行身份验证所录入或者采集的信息。登录时间是触发该用户登录请求的时间。

s502：基于用户帐号查询交警平台数据库，获取与用户帐号相对应的注册验证信息。

其中，注册验证信息是指用户帐号注册过程中录入或者采集的用于进行身份证验证的信息，该注册验证信息与用户帐号关联存储在交警平台数据库中。具体地，服务器每获取到一用户登录请求之后，需先基于该用户帐号查询交警平台数据库，获取与该用户帐号相对应的注册验证信息，以便基于该注册验证信息和登录验证信息进行身份验证，从而保障用户帐号登录的安全性。

s503：基于登录验证信息和注册验证信息进行身份验证，若身份验证通过，则基于用户帐号查询交警执勤表，获取与用户帐号相对应的执勤时间。

其中，交警平台数据库还存储有交警执勤表，该交警执勤表用于存储每一在职交警的用户帐号相对应的执勤时间。该执勤时间是依据交警执勤表的安排，每一交警进行路面执勤时间，该路面执勤时间可以为7：00-9：00等。具体地，服务器基于登录验证信息和注册验证信息进行身份验证，且身份验证通过时，说明用户帐号对应的用户身份验证通过，此时，需基于用户帐号查询交警平台数据库中的交警执勤表，获取该用户帐号对应的用户的执勤时间，以便对应用该交警辅助执法系统的用户的执法时间进行限制。例如，某一用户帐号对应的执勤时间为7：00-9：00，若某一用户帐号对应的用户想要在20：00-22：00进行路面执勤，显然与其执勤时间不匹配，使得其执法过程可能存在程序违法或者不符合交警执法流程。

在一实施例中，登录验证信息包括登录密码，该登录密码是用户在登录过程中录入的用于进行身份验证的密码。注册验证信息包括注册密码，该注册密码是用户帐号在注册过程中录入的用于进行身份验证的密码。步骤s503中，基于登录验证信息和注册验证信息进行身份验证，若身份验证通过，具体包括如下步骤：采用字符串匹配算法对登录密码和注册密码进行匹配处理，若登录密码和注册密码匹配成功，则身份验证通过。其中，字符串匹配算法可采用但不限于本实施例所提供的knuth-morris-pratt字符串匹配算法(即kmp算法)。具体地，服务器采用预先设置的字符串匹配算法对登录密码和注册密码进行匹配处理，若登录密码和注册密码完全相同，则登录密码和注册密码匹配成功，此时，身份验证通过，可执行后续基于用户帐号查询交警执勤表，获取与用户帐号相对应的执勤时间的步骤。采用字符串匹配算法对登录密码和注册密码进行匹配处理，以完成身份验证过程计算简单方便，可有效加快登录验证的效率。

在另一实施例中，登录验证信息包括登录密码和待验证生物特征，该待验证生物特征是用户在登录过程中采集的用于进行身份验证的生物特征。注册验证信息包括注册密码和注册生物特征，该注册生物特征是用户帐号在注册过程中采集的用于进行身份验证的生物特征。步骤s503中，基于登录验证信息和注册验证信息进行身份验证，若身份验证通过，具体包括如下步骤：

(1)采用字符串匹配算法对登录密码和注册密码进行匹配处理，若登录密码和注册密码匹配成功，则密码验证通过，给客户端发送特征采集信息，获取客户端上传的待验证生物特征。

其中，字符串匹配算法可采用但不限于knuth-morris-pratt字符串匹配算法(即kmp算法)。具体地，服务器采用预先设置的字符串匹配算法对登录密码和注册密码进行匹配处理，若登录密码和注册密码完全相同，则登录密码和注册密码匹配成功，此时，密码验证通过，则客户端发送特征采集信息，以获取客户端基于该特征采集信息上传的待验证生物特征。

(2)采用相似度算法对待验证生物特征和注册生物特征进行相似度计算，获取特征相似度，若特征相似度大于相似度阈值，则身份验证通过。

其中，相似度阈值是预先设置的用于评估相似度是否达到判断为同一用户的阈值。具体地，服务器采用相似度算法对比同一种类型的待验证生物特征和注册生物特征进行相似度计算，获取特征相似度，若特征相似度大于相似度阈值，则认定待验证生物特征和注册生物特征较相似，两者对应同一用户，身份验证通过。反之，若特征相似度不大于相似度阈值，则认定待验证生物特征和注册生物特征不对应同一用户，身份验证不通过。

本实施例中，先基于登录密码和注册密码进行密码验证，在密码验证通过的前提下，再基于待验证生物特征和注册生物特征进行生物特征验证，以保证用户帐号登录的安全性，避免非法用户通过用户帐号登录交警辅助执法系统并开启执法权限的情况出现。

s504：若登录时间在执勤时间内，则开启与用户帐号相对应的执法权限，以获取客户端发送的罚单生成请求。

具体地，若用户登录请求中的登录时间在该用户帐号对应的执勤时间内，则说明该用户帐号对应的用户正在路面执勤且执勤时间符合要求，此时可允许该交警辅助执法系统的用户开户执法功能，以便开具电子罚单，则在开启执法功能之后，获取客户端发送的罚单生成请求，以保证辅助执法的合法性。

本实施例所提供的基于人工智能的辅助执法方法中，先基于与用户帐号相对应的登录验证信息和交警平台数据库中获取的注册验证信息进行身份验证，以保证用户帐号登录的安全性。然后，在身份验证通过的情况下，只给登录时间在用户帐号对应的执勤时间内的用户帐号开启相应的执法权限，以使服务器可接收客户端发送的罚单生成请求，从而基于该罚单生成请求生成相应的电子罚单，从而保证辅助执法的合法性。

在一实施例中，如图6所示，在获取客户端发送的用户登录请求的步骤之前，基于人工智能的辅助执法方法还包括：

s601：获取客户端发送的用户注册请求，用户注册请求包括用户帐号和身份证号。

其中，用户注册请求是用于触发服务器完成用户注册的请求。用户账号可以是用户在用户注册过程中自行设置的账号，也可以是系统自行分配的账号。在用户通过客户端的注册界面进行用户注册过程中，用户可在注册界面上填写其用户账号和身份证号，并点击注册按键即可触发客户端向服务器发送用户注册请求。在用户填写用户账号过程中，若用户填写的用户账号与服务器预先存储的用户账号相同，则服务器会给客户端发送提醒信息，提醒该用户账号已被注册，以使每一用户对应唯一的用户账号。

s602：基于身份证号查询交警平台数据库，判断是否存在与身份证号相对应的交警信息。

本实施例中，服务器在获取用户注册请求之后，会基于该用户注册请求中的身份证号查询交警平台数据库，以确定该身份证号对应的用户是否为在职交警，以保证应用该交警辅助执法系统的用户的合法性。可以理解地，若交警平台数据库中存在与该身份证号相对应的交警信息，则说明该身份证号对应的用户当前为交警或者曾经为交警。该交警信息具体包括但不限于身份证号、姓名、入职区域(具体为哪地的交警)、岗位状态(包括在职状态和离职状态)、入职时间和离职时间等。进一步地，交警平台数据库会实时更新其交警信息，该交警信息包括在职交警和离职交警的信息，以保证该交警辅助执法系统中存储的信息的实时性。

s603：若存在与身份证号相对应的交警信息，且交警信息中的岗位状态为在职状态，则获取客户端采集的与用户账号相对应的注册验证信息，并将用户帐号与注册验证信息关联存储在交警平台数据库。

具体地，服务器在交警平台数据库中存在与用户注册请求中的身份证号相对应的交警信息时，需查看该交警信息中的岗位状态，若该岗位状态为在职状态，则说明该身份证号对应的用户当前为交警，从而保证应用该交警辅助执法系统的每一用户均为在职交警，以保证用户应用该交警辅助执法系统进行执法的合法性。

具体地，在服务器确定存在与身份证号相对应的交警信息，且交警信息中的岗位状态为在职状态之后，服务器会通过客户端显示采集注册验证信息的信息采集界面，以便用户自主确定需录入或者采集的注册验证信息。然后，获取获取客户端采集的与用户账号相对应的注册验证信息，并将用户帐号与注册验证信息关联存储在交警平台数据库，以便基于该注册验证信息进行后续登录验证，保障用户登录的安全性。如上，该注册验证信息包括注册密码，或者注册密码和注册生物特征。

s604：若不存在与身份证号相对应的交警信息，或者交警信息中的岗位状态为离职状态，则向客户端发送注册不成功的提示信息。

具体地，服务器在交警平台数据库中不存在与用户注册请求中的身份证号相对应的交警信息时，说明该身体证号对应的用户不为交警；或者与身份证号相对应的交警信息中的岗位状态为离职状态，说明该身份证号对应的用户为交警但处于离职状态，此时，给客户端发送注册不成功的提示信息，以提示用户注册不成功。

本实施例所提供的基于人工智能的辅助执法方法中，给交警平台数据库中存在与身份证号相对应的交警信息且交警信息的岗位状态为在职状态的用户帐号进行身份注册，以采集其注册验证信息与用户帐号关联存储，以保证每一注册成功的用户帐号对应的用户进行执法的合法性。在交警平台数据库中不存在与身份证号相对应的交警信息，或者交警信息中的岗位状态为离职状态，给客户端发送注册不成功的提示信息，以避免非交警或者离职交警假冒在职交警进行注册甚至后续执法操作，影响辅助执法的合法性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于人工智能的辅助执法装置，该基于人工智能的辅助执法装置与上述实施例中基于人工智能的辅助执法方法一一对应。如图7所示，该基于人工智能的辅助执法装置包括罚单生成请求获取模块701、身份验证信息采集模块702、人证验证结果获取模块703、第一违规信息采集模块704、驾驶状态信息获取模块705、第一电子罚单生成模块706、第二违规信息采集模块707和第二电子罚单生成模块708。各功能模块详细说明如下：

罚单生成请求获取模块701，用于获取客户端发送的罚单生成请求，罚单生成请求包括违规类型。

身份验证信息采集模块702，用于若违规类型为现场违规类型，则基于客户端显示的与现场违规类型相对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的待识别人脸图像和基于ocr扫描模块采集的身份证信息。

人证验证结果获取模块703，用于将待识别人脸图像和身份证信息通过预设接口发送给第三方验证平台，获取第三方验证平台返回的人证验证结果。

第一违规信息采集模块704，用于若人证验证结果为验证通过，则获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息和驾驶证信息。

驾驶状态信息获取模块705，用于基于身份证信息、违规车牌信息和驾驶证信息进行驾驶状态验证，获取与身份证信息相对应的驾驶状态信息。

第一电子罚单生成模块706，用于获取客户端发送的违规说明，基于违规说明、违规车牌信息和驾驶状态信息，生成电子罚单，并将电子罚单和违规车辆图像关联存储在交警平台数据库中。

优选地，在罚单生成请求获取模块701之后，基于人工智能的辅助执法装置还包括：

第二违规信息采集模块707，用于若违规类型为非现场违规类型，则基于客户端显示的与非现场违规类型对应的证据采集提醒信息，获取客户端上传的基于拍摄模块采集的违规车辆图像和基于ocr扫描模块采集的违规车牌信息。

第二电子罚单生成模块708，用于获取客户端发送的违规说明，基于违规说明和违规车牌信息，生成电子罚单，并将电子罚单和违规车辆图像关联存储在交警平台数据库中。

优选地，在第一电子罚单生成模块706或者第二电子罚单生成模块708之后，基于人工智能的辅助执法装置还包括申诉处理请求获取单元、审核结果获取单元、第一申诉结果获取单元和第二申诉结果获取单元。

申诉处理请求获取单元，用于获取客户端发送的申诉处理请求，申诉处理请求包括目标罚单id、申诉处理理由和申诉处理证据。

审核结果获取单元，用于将目标罚单id、申诉处理理由和申诉处理证据发送给审核端，获取审核端上传的审核结果。

第一申诉结果获取单元，用于若审核结果为审核通过，对目标罚单进行撤回和更改处理，得到申诉成功的申诉处理结果，并将申诉处理理由和申诉处理证据与目标罚单关联存储在交警平台数据库中。

第二申诉结果获取单元，用于若审核结果为审核不通过，则得到申诉失败的申诉处理结果。

优选地，驾驶状态信息获取模块705包括证件匹配处理单元、车辆车型获取单元、第一驾驶状态获取单元和第二驾驶状态获取单元。

证件匹配处理单元，用于基于身份证信息和驾驶证信息查询交警平台数据库，若身份证信息与驾驶证信息匹配成功，则获取与驾驶证信息相对应的准驾车型和有效期限。

车辆车型获取单元，用于基于违规车牌信息查询交警平台数据库，获取与违规车牌信息相对应的车辆车型。

第一驾驶状态获取单元，用于若车辆车型与准驾车型匹配成功且系统当前时间在有效期限内，则得到合法驾驶的驾驶状态信息。

第二驾驶状态获取单元，用于若车辆车型与准驾车型匹配不成功和/或系统当前时间不在有效期限内，则得到不合法驾驶的驾驶状态信息。

优选地，在罚单生成请求获取模块701之前，基于人工智能的辅助执法装置还包括用户登录请求获取单元、注册验证信息获取单元、身份验证处理单元和执法权限开启单元。

用户登录请求获取单元，用于获取客户端发送的用户登录请求，用户登录请求包括用户帐号、登录验证信息和登录时间。

注册验证信息获取单元，用于基于用户帐号查询交警平台数据库，获取与用户帐号相对应的注册验证信息。

身份验证处理单元，用于基于登录验证信息和注册验证信息进行身份验证，若身份验证通过，则基于用户帐号查询交警执勤表，获取与用户帐号相对应的执勤时间。

执法权限开启单元，用于若登录时间在执勤时间内，则开启与用户帐号相对应的执法权限，以获取客户端发送的罚单生成请求。

优选地，登录验证信息包括登录密码和待验证生物特征，注册验证信息包括注册密码和注册生物特征。

身份验证处理单元包括密码验证处理子单元和特征验证处理子单元。

密码验证处理子单元，用于采用字符串匹配算法对登录密码和注册密码进行匹配处理，若登录密码和注册密码匹配成功，则密码验证通过，给客户端发送特征采集信息，获取客户端上传的待验证生物特征。

特征验证处理子单元，用于采用相似度算法对待验证生物特征和注册生物特征进行相似度计算，获取特征相似度，若特征相似度大于相似度阈值，则身份验证通过。

在用户登录请求获取单元之前，基于人工智能的辅助执法装置还包括用户注册请求获取单元、交警信息判断处理单元、第一注册处理单元和第二注册处理单元。

用户注册请求获取单元，用于获取客户端发送的用户注册请求，用户注册请求包括用户帐号和身份证号。

交警信息判断处理单元，用于基于身份证号查询交警平台数据库，判断是否存在与身份证号相对应的交警信息。

第一注册处理单元，用于若存在与身份证号相对应的交警信息，且交警信息中的岗位状态为在职状态，则获取客户端采集的与用户账号相对应的注册验证信息，并将用户帐号与注册验证信息关联存储在交警平台数据库。

第二注册处理单元，用于若不存在与身份证号相对应的交警信息，或者交警信息中的岗位状态为离职状态，则向客户端发送注册不成功的提示信息。

关于基于人工智能的辅助执法装置的具体限定可以参见上文中对于基于人工智能的辅助执法方法的限定，在此不再赘述。上述基于人工智能的辅助执法装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行基于人工智能的辅助执法方法的过程中应用或者形成的数据，例如违规车辆图像和电子罚单。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的辅助执法方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于人工智能的辅助执法方法的步骤，例如图2所示的步骤s201-s208，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现基于人工智能的辅助执法装置这一实施例中的各模块/单元的功能，例如图7所示的罚单生成请求获取模块701、身份验证信息采集模块702、人证验证结果获取模块703、第一违规信息采集模块704、驾驶状态信息获取模块705、第一电子罚单生成模块706、第二违规信息采集模块707和第二电子罚单生成模块708的功能，为避免重复，这里不再赘述。

在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中基于人工智能的辅助执法方法的步骤，例如图2所示的步骤s201-s208，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述基于人工智能的辅助执法装置这一实施例中的各模块/单元的功能，例如图7所示的罚单生成请求获取模块701、身份验证信息采集模块702、人证验证结果获取模块703、第一违规信息采集模块704、驾驶状态信息获取模块705、第一电子罚单生成模块706、第二违规信息采集模块707和第二电子罚单生成模块708的功能，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。