图片特征值文件优化方法、装置、终端与存储介质与流程

本发明涉及图像识别技术领域，具体涉及一种图片特征值文件优化方法、图片特征值文件优化装置、终端以及计算机可读存储介质。

背景技术：

随着图像处理技术的发展与进步，人脸识别技术作为一种高端、可靠的身份检测而可以广泛使用在出入管理、监控管理、电脑安全防范、照片搜索、atm机智能视频报警、铁路安检识别等应用中。

在进行人脸识别时，需要加载人脸图像并提取出人脸图像的特征值。现有技术中，一般是把每张人脸图像及对应的人脸图像的特征值保存到各自的文件中，同时还将人脸图像的特征值保存到数据库，例如redis中。然而，在高并发的情况下，同时对多个人脸图像进行识别时，则需要多次执行打开及关闭存储人脸图像的文件的操作，而多次打开及关闭文件，会占用处理器的资源，因而降低了人脸识别的效率；此外，将人脸特征值保存在数据库中，还需要定期对数据库进行维护，这就在一定程度上增加了人脸识别系统的的复杂性。

技术实现要素：

鉴于以上内容，有必要提出一种图片特征值文件优化方法、图片特征值文件优化装置、终端以及计算机可读存储介质，避免在人脸识别记载特征值时需要打开与关闭很多文件，从而提高了人脸识别的效率。

本发明实施例第一方面提供一种图片特征值文件优化方法，所述图片特征值文件优化方法包括：

获取原始人脸图像的特征值；

判断当前人脸识别对应的环境是否为多线程环境；

若判断结果为当前人脸识别对应的环境为多线程环境，则对所述原始人脸图像的特征值进行加锁操作；

将加锁处理后的所述原始人脸图像的特征值保存至同一文件中；

在进行人脸识别时，获取待检测的人脸图像的特征值；

打开保存所述原始人脸图像的特征值的文件；

将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，所述获取原始人脸图像的特征值包括：

采用预设人脸检测算法检测出所述原始人脸图像中的人脸轮廓；

提取所述人脸轮廓中的预设特征点；

计算所述预设特征点的特征值，作为所述原始人脸图像的特征值。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，所述判断当前人脸识别对应的环境是否为多线程环境包括:

在人脸识别过程中，获取关于所述原始人脸图像特征值的资源请求；

对所述资源请求进行解析；

根据解析结果判断所述资源请求中是否包含多线程申请请求；

若判断结果为所述资源请求中包含多线程申请请求，则判定当前人脸识别对应的环境为多线程环境。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，所述将加锁处理后的所述原始人脸图像的特征值保存至同一文件中包括：

新建一个预设格式的文件；

获取加锁处理后的所述原始人脸图像的特征值；

将加锁处理后的所述原始人脸图像的特征值按照预设排列方式保存至所述文件中。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，在所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对之前，所述方法还包括：

从多线程中筛选出一个目标线程；

在同一文件中，接收所述多线程中的目标线程申请目标锁资源的请求；

判断所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境是否处于安全状态；

若判断结果为所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境处于安全状态，则将所述目标锁资源对应的所述原始人脸图像的特征值分配给所述目标线程；

若判断结果为所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境处于非安全状态，则将所述目标线程设置为等待状态。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对包括：

在同一文件中，获取所述目标锁资源对应的所述原始人脸图像的特征值；

确定所述原始人脸图像的特征值与所述待检测的人脸图像特征值的特征距离度量值；

判断所述特征距离度量值是否小于预设距离度量值；

若判断结果为所述特征距离度量值小于所述预设距离度量值，则输出人脸识别结果。

进一步的，在本发明实施例提供的上述图片特征值文件优化方法中，所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对还包括：

在同一文件中，获取所述目标锁资源对应的所述原始人脸图像的特征值；

确认所述原始人脸图像的特征值与所述待检测的人脸图像的特征值的特征相似度值；

判断所述特征相似度值是否大于预设相似度阈值；

若判断结果为所述特征相似度值大于所述预设相似度阈值，则输出人脸识别结果。

本发明实施例第二方面还提供一种图片特征值文件优化装置，所述图片特征值文件优化装置包括：

特征值获取模块，用于获取原始人脸图像的特征值；

线程判断模块，用于判断当前人脸识别对应的环境是否为多线程环境；

加锁执行模块，用于在判断结果为当前人脸识别对应的环境为多线程环境时，对所述原始人脸图像的特征值进行加锁操作；

特征值保存模块，用于将加锁处理后的所述原始人脸图像的特征值保存至同一文件中；

人脸识别模块，用于在进行人脸识别时，获取待检测的人脸图像的特征值；

文件打开模块，用于打开保存所述原始人脸图像的特征值的文件；

特征值比对模块，用于将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。

本发明实施例第三方面还提供一种终端，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述任意一项所述图片特征值文件优化方法。

本发明实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述图片特征值文件优化方法。

本发明实施例提供一种图片特征值文件优化方法、图片特征值文件优化装置、终端与计算机可读存储介质，获取原始人脸图像的特征值；判断当前人脸识别对应的环境是否为多线程环境；若判断结果为当前人脸识别对应的环境为多线程环境，则对所述原始人脸图像的特征值进行加锁操作；将加锁处理后的所述原始人脸图像的特征值保存至同一文件中；在进行人脸识别时，获取待检测的人脸图像的特征值；打开保存所述原始人脸图像的特征值的文件；将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。本发明将所有的原始人脸图像的特征值保存在同一个文件中，从而在进行多个人脸识别时，仅需打开所述同一个存储特征值的文件即可，而无需打开与关闭多个不同的文件，从而提高了人脸识别的效率；此外，无需将原始人脸图像的特征值保存到redis中，不需要引入redis，从而无需对redis进行定期维护，从而减少了人脸识别系统的复杂性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明第一实施方式提供的图片特征值文件优化方法的流程图。

图2是本发明一实施方式的终端的结构示意图。

图3是图2所示的终端的示例性的功能模块图。

主要元件符号说明

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅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做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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

图1是本发明第一实施方式的图片特征值文件优化方法的流程图，所述图片特征值文件优化方法可以应用于终端1，所述终端1可以是例如智能手机、笔记本电脑、台式/平板电脑、智能手表以及个人数字助理(personaldigitalassistant，pda)等智能设备。如图1所示，所述图片特征值文件优化方法可以包括如下步骤：

s101：获取原始人脸图像的特征值。

人脸图像识别包括图像处理、图像检测等重要技术，其中大部分处理都需要基于原始人脸图像进行，因此保存原始人脸图像是必要的。在本发明的至少一实施例中，所述原始人脸图像可以保存在原始人脸图像样本库中，也可以直接保存在存储器中，包括暂存在内存中，长期保存在硬盘中，或者直接保存在sd卡、闪存卡等小型快速存储器中。

优选地，在所述获取原始人脸图像的特征值之前，所述方法还包括：对所述原始人脸图像进行预处理。所述预处理包括对原始人脸图像进行大小归一化处理、光照补偿处理以及去噪处理。通过对所述原始人脸图像进行预处理，能够避免拍摄环境等外界因素对人脸识别产生的影响。

具体地，所述获取原始人脸图像的特征值包括：采用预设人脸检测算法检测出所述原始人脸图像中的人脸轮廓；提取所述人脸轮廓中的预设特征点；计算所述预设特征点的特征值，作为所述原始人脸图像的特征值。其中，所述预设人脸检测算法为预先设置的人脸检测算法。所述预设特征点为终端用户预先设置的所述原始人脸图像中的像素点位置。例如，所述预设特征点包括人脸图像中预设人脸器官所在的像素点位置，所述预设人脸器官包括眼镜、鼻子、嘴巴等，也即所述预设特征点可以为虹膜重心像素点位置、鼻子重心像素点位置与口部重心像素点位置等，在此不做限制。所述预设特征点的特征值包括形状特征值与距离特征值，所述形状特征值包括所述预设特征点的弧度值等，所述距离特征值包括所述预设特征点之间的位置值、距离值与角度值等。所述计算所述预设特征点的特征值的过程也即对人脸图像的预设特征进行特征建模的过程，通常可以使用特征提取算法实现，例如基于几何特征的方法、基于统计的方法、弹性图匹配方法、神经网络方法、支持向量基方法以及隐马尔可夫模型法等。通过对所述原始人脸图像的人脸轮廓进行确认，能够排除其他边缘性和噪声的干扰，以便精确地提取原始人脸图像中的特征点。

s102：判断当前人脸识别对应的环境是否为多线程环境，若判断结果为当前人脸识别对应的环境为多线程环境，则进入步骤s103。

在本实施方式中，多线程环境是指在人脸识别时，同一个原始人脸图像的特征值会存在同时被多个线程访问的情况。所述判断当前人脸识别对应的环境是否为多线程环境包括:在人脸识别过程中，获取关于所述原始人脸图像特征值的资源请求；对所述资源请求进行解析；根据解析结果判断所述资源请求中是否包含多线程申请请求；若判断结果为所述资源请求中包含多线程申请请求，则判定当前人脸识别对应的环境为多线程环境。在判断结果为当前人脸识别对应的环境为多线程环境，则进入步骤s103。

s103：对所述原始人脸图像的特征值进行加锁操作。

在本实施方式中，当前人脸识别对应的环境为多线程环境时，对所述原始人脸图像的特征值进行加锁操作，从而保证同一个原始人脸图像的特征值一次只能被一个线程访问，其他需要访问的线程需要排队等待；在当前线程访问结束后，处于等待状态的线程再进行访问，从而避免产生混乱的问题。所述对所述原始人脸图像的特征值进行加锁操作包括对每一原始人脸图像的特征值定义锁，定义的锁与特征值的比例关系可以，但不限于按照1:1的比例进行配置。也即，同一个锁中可以包含不止一个原始人脸图像的特征值。

s104：将加锁处理后的所述原始人脸图像的特征值保存至同一文件中。

现有的方法一般是将每张原始人脸图像的特征值保存到各自的文件中，继而在加载百万级的特征值文件到内存中进行人脸识别时，需要大量的打开和关闭特征值文件，降低了人脸识别的速率。例如，在加载140万个特征值文件时，需要打开与关闭140万次文件，完成人脸识别所需的时间高达40分钟以上。

在本发明的至少一实施例中，所述将加锁处理后的所述原始人脸图像的特征值保存至同一文件中包括：新建一个预设格式的文件；获取加锁处理后的所述原始人脸图像的特征值；将加锁处理后的所述原始人脸图像的特征值按照预设排列方式保存至所述文件中。所述预设格式可以为终端用户预先设置的格式，例如，所述预设格式为xml格式。所述预设排列方式可以为按照加锁的时间顺序将所述原始人脸图像的特征值保存至文件中。在加载百万级的特征值时，只需打开一个文件，就可以读取到百万级原始人脸图像的特征值。同样加载140万个人脸图像的特征值，将140万个人脸图像的特征值写入一个文件中，完成人脸识别所需的时间为1分钟左右，从而提高了人脸识别的速率。

s105：在进行人脸识别时，获取待检测的人脸图像的特征值。

在本实施方式中，在进行人脸识别时，获取待检测的人脸图像的特征值，在所述获取待检测的人脸图像的特征值之前，所述方法还包括：对所述待检测的人脸图像进行预处理。所述预处理包括对待检测的人脸图像进行大小归一化处理、光照补偿处理以及去噪处理，通过对所述待检测的人脸图像进行预处理，能够避免拍摄环境等对人脸识别产生的影响。可以理解的是，所述获取待检测的人脸图像的特征值的方法与所述获取原始人脸图像的特征值的方法相同，在此不再赘述。

s106：打开保存所述原始人脸图像的特征值的文件。

在本实施方式中，在进行人脸识别时，打开保存所述原始人脸图像的特征值的文件。由于所有原始人脸图像的特征值均保存在同一个文件中，所以在进行人脸识别时，只需打开保存所述原始人脸图像的特征值的文件一次，即可读取到所有原始人脸图像的特征值。

s107：将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。

在本实施方式中，在所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对之前，所述方法还包括：从多线程中筛选出一个目标线程；在同一文件中，接收所述多线程中的目标线程申请目标锁资源的请求；判断所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境是否处于安全状态；若判断结果为所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境处于安全状态，则将所述目标锁资源对应的所述原始人脸图像的特征值分配给所述目标线程；若判断结果为所述目标线程在申请到所述目标锁资源之后，当前人脸识别对应的环境处于非安全状态，则将所述目标线程设置为等待状态。可以理解的是，当所述目标线程申请到所述目标锁资源之后，所述目标线程可以获取文件中的所述目标锁资源对应的所述原始人脸图像的特征值。

所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对包括：在同一文件中，获取所述目标锁资源对应的所述原始人脸图像的特征值；确定所述原始人脸图像的特征值与所述待检测的人脸图像特征值的特征距离度量值；判断所述特征距离度量值是否小于预设距离度量值；若判断结果为所述特征距离度量值小于所述预设距离度量值，则输出人脸识别结果。所述预设距离度量值为终端用户预先设置的。输出的人脸识别结果包括人脸识别成功与人脸识别失败。当人脸识别结果为人脸识别成功时，输出与所述待检测的人脸图像最接近的原始人脸图像。可以理解的是，若所述特征度量值均大于所述预设距离度量值，则人脸识别结果为人脸识别失败。若存在不止一个所述特征度量值小于所述预设距离度量值，则按照所述预设距离度量值与所述特征度量值的差值从小到大的排序方式，获取差值的最小值对应的原始人脸图像作为与所述待检测的人脸图像最接近的原始人脸图像。

所述将所述待检测的人脸图像特征值与保存至同一文件中的原始人脸图像特征值进行比对还包括：在同一文件中，获取所述目标锁资源对应的所述原始人脸图像的特征值；确认所述原始人脸图像的特征值与所述待检测的人脸图像的特征值的特征相似度值；判断所述特征相似度值是否大于预设相似度阈值；若判断结果为所述特征相似度值大于所述预设相似度阈值，则输出人脸识别结果。所述预设相似度阈值为终端用户预先设置的。

本发明实施例提供一种图片特征值文件优化方法，获取原始人脸图像的特征值；判断当前人脸识别对应的环境是否为多线程环境；若判断结果为当前人脸识别对应的环境为多线程环境，则对所述原始人脸图像的特征值进行加锁操作；将加锁处理后的所述原始人脸图像的特征值保存至同一文件中；在进行人脸识别时，获取待检测的人脸图像的特征值；打开保存所述原始人脸图像的特征值的文件；将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。利用本发明实施例，将所有的原始人脸图像的特征值保存在一个文件中，避免在人脸识别记载特征值时需要打开与关闭很多文件，从而提高了人脸识别的效率；且利于本发明实施例，无需将原始人脸图像的特征值保存到redis中，不需要引入redis，从而减少了系统的复杂性。

以上是对本发明实施例所提供的方法进行的详细描述。根据不同的需求，所示流程图中方块的执行顺序可以改变，某些方块可以省略。下面对本发明实施例所提供的终端1进行描述。

本发明实施例还提供一种终端1，包括存储器10、处理器30及存储在存储器10上并可在处理器30上运行的计算机程序，所述处理器30执行所述程序时实现上述任一实施方式中所述的图片特征值文件优化方法的步骤。

图2是本发明一实施方式的终端1的结构示意图，如图2所示，终端1包括存储器10，存储器10中存储有图片特征值文件优化装置100。所述的终端1可以是手机、平板电脑、个人数字助理等具有应用显示功能的终端1。所述图片特征值文件优化装置100可以获取原始人脸图像的特征值；判断当前人脸识别对应的环境是否为多线程环境；若判断结果为当前人脸识别对应的环境为多线程环境，则对所述原始人脸图像的特征值进行加锁操作；将加锁处理后的所述原始人脸图像的特征值保存至同一文件中；在进行人脸识别时，获取待检测的人脸图像的特征值；打开保存所述原始人脸图像的特征值的文件；将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。利用本发明实施例，将所有的原始人脸图像的特征值保存在一个文件中，避免在人脸识别记载特征值时需要打开与关闭很多文件，从而提高了人脸识别的效率；且利于本发明实施例，无需将原始人脸图像的特征值保存到redis中，不需要引入redis，从而减少了系统的复杂性。

本实施方式中，终端1还可以包括显示屏20及处理器30。存储器10、显示屏20可以分别与处理器30电连接。

所述的存储器10可以是不同类型存储设备，用于存储各类数据。例如，可以是终端1的存储器、内存，还可以是可外接于该终端1的存储卡，如闪存、sm卡(smartmediacard，智能媒体卡)、sd卡(securedigitalcard，安全数字卡)等。此外，存储器10可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器10用于存储各类数据，例如，所述终端1中安装的各类应用程序(applications)、应用上述图片特征值文件优化方法而设置、获取的数据等信息。

显示屏20安装于终端1，用于显示信息。

处理器30用于执行所述图片特征值文件优化方法以及所述终端1内安装的各类软件，例如操作系统及应用显示软件等。处理器30包含但不限于处理器(centralprocessingunit，cpu)、微控制单元(microcontrollerunit，mcu)等用于解释计算机以及处理计算机软件中的数据的装置。

所述的图片特征值文件优化装置100可以包括一个或多个的模块，所述一个或多个模块被存储在终端1的存储器10中并被配置成由一个或多个处理器(本实施方式为一个处理器30)执行，以完成本发明实施例。例如，参阅图3所示，所述图片特征值文件优化装置100可以包括特征值获取模块101、线程判断模块103、加锁执行模块105、特征值保存模块107、人脸识别模块109、文件打开模块111与特征值比对模块113。本发明实施例所称的模块可以是完成一特定功能的程序段，比程序更适合于描述软件在处理器中的执行过程。

可以理解的是，对应上述图片特征值文件优化方法中的各实施方式，终端1可以包括图3中所示的各功能模块中的一部分或全部，各模块的功能将在以下具体介绍。需要说明的是，以上图片特征值文件优化方法的各实施方式中相同的名词相关名词及其具体的解释说明也可以适用于以下对各模块的功能介绍。为节省篇幅及避免重复起见，在此就不再赘述。

特征值获取模块101可以用于获取原始人脸图像的特征值。

线程判断模块103可以用于判断当前人脸识别对应的环境是否为多线程环境。

加锁执行模块105可以用于在判断结果为当前人脸识别对应的环境为多线程环境时，对所述原始人脸图像的特征值进行加锁操作。

特征值保存模块107可以用于将加锁处理后的所述原始人脸图像的特征值保存至同一文件中。

人脸识别模块109可以用于在进行人脸识别时，获取待检测的人脸图像的特征值。

文件打开模块111可以用于打开保存所述原始人脸图像的特征值的文件。

特征值比对模块113可以用于将所述待检测的人脸图像的特征值与保存至同一文件中的原始人脸图像特征值进行比对，得到人脸识别结果。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施方式中的图片特征值文件优化方法的步骤。

所述图片特征值文件优化装置100/终端1/计算机设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。

所称处理器30可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器30是所述图片特征值文件优化装置100/终端1的控制中心，利用各种接口和线路连接整个图片特征值文件优化装置100/终端1的各个部分。

所述存储器10用于存储所述计算机程序和/或模块，所述处理器30通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述图片特征值文件优化装置100/终端1的各种功能。所述存储器10可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。

在本发明所提供的几个具体实施方式中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。

以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。