全景视频浓缩的方法、装置、设备及存储介质与流程

本申请涉及视频监控技术领域，尤其涉及一种全景视频浓缩的方法、装置、设备及存储介质。

背景技术：

随着计算机网络、数字化视频技术的迅速发展，基于数字网络的视频监控被广泛应用于公共场所和重要设施等的安保应用中，如银行、电力、交通、安检以及军事等领域。伴随着安防监控的范围日益扩大，监控设备的数量也以惊人的速度在增加，进而产生海量的监控视频，主要有视频存储数据量大、存储周期长、占用存储空间大等特点。通过人工排查录像寻找线索的传统做法需要耗费大量人力、物力以及时间，效率极其低下。因此，在视频监控系统中，使用视频浓缩技术可以大大减少海量视频的存储空间，提高海量视频监控录像分析的利用率，充分挖掘海量监控录像中的最大价值。

全景相机拍摄的全景视频相对于普通视频来说视角更广，能够对较大场景进行全局监控。但全景相机拍摄的全景视频存在全景相机的不同摄像头之间轨迹不连续问题，如果直接使用现有的视频浓缩技术，存在将相同运动目标的运动轨迹跟踪为多个运动目标的多条运动轨迹的问题，从而浓缩后的视频与原视频不匹配，影响了全景视频浓缩的准确性。

技术实现要素：

本申请实施例提供了一种全景视频浓缩的方法、装置、设备及存储介质，以提高全景视频浓缩的准确性。

第一方面，本申请实施例提供一种全景视频浓缩的方法，包括：获取第一视频中的各预选运动目标的预选运动轨迹，所述各预选运动目标的预选运动轨迹经过分割线所对应的位置，所述第一视频是全景视频经所述分割线分割后得到的；根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过所述位置时的运动特征，并根据所述运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹；根据所述合并后的运动轨迹，获取所述全景视频浓缩后的视频。

结合第一方面，在第一方面的一种可能的实现方式中，所述各预选运动目标经过所述位置时的运动特征为如下中的任一项：沿第一方向逐渐靠近所述位置、沿第一方向逐渐远离所述位置、沿第二方向逐渐靠近所述位置、沿第二方向逐渐远离所述位置；其中，沿第一方向逐渐靠近所述位置和沿第二方向逐渐远离所述位置相匹配，沿第一方向逐渐远离所述位置和沿第二方向逐渐靠近所述位置相匹配，所述第一方向和所述第二方向相反。

结合第一方面，在第一方面的一种可能的实现方式中，根据所述运动特征，合并对应同一运动目标的预选运动轨迹，包括：根据所述运动特征、各预选运动目标经过所述位置的时间和各预选运动目标的坐标，合并对应同一运动目标的预选运动轨迹。

结合第一方面，在第一方面的一种可能的实现方式中，根据所述运动特征、各预选运动目标经过所述位置的时间和各预选运动目标的坐标，合并对应同一运动目标的预选运动轨迹，包括：对于各预选运动目标中的一个第一预选运动目标：确定与所述第一预选运动目标的运动特征相匹配、经过所述位置的时间相同且坐标与所述第一预选运动目标的第一坐标相匹配的预选运动目标为第一运动目标组；采用行人重识别算法，确定所述第一运动目标组中与所述第一预选运动目标为同一运动目标的预选运动目标；合并对应同一运动目标的预选运动轨迹。

结合第一方面，在第一方面的一种可能的实现方式中，与所述第一坐标相匹配的坐标的横坐标位于预设范围内，纵坐标与所述第一坐标的纵坐标的差值的绝对值小于或等于预设阈值。

第二方面，本申请实施例提供一种视频浓缩的装置，包括：获取模块，用于获取第一视频中的各预选运动目标的预选运动轨迹，所述各预选运动目标的预选运动轨迹经过分割线所对应的位置，所述第一视频是全景视频经所述分割线分割后得到的；合并模块，用于根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过所述位置时的运动特征，并根据所述运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹；所述获取模块，还用于根据所述合并后的运动轨迹，获取所述全景视频浓缩后的视频。

结合第二方面，在第二方面的一种可能的实现方式中，所述各预选运动目标经过所述位置时的运动特征为如下中的任一项：沿第一方向逐渐靠近所述位置、沿第一方向逐渐远离所述位置、沿第二方向逐渐靠近所述位置、沿第二方向逐渐远离所述位置；其中，沿第一方向逐渐靠近所述位置和沿第二方向逐渐远离所述位置相匹配，沿第一方向逐渐远离所述位置和沿第二方向逐渐靠近所述位置相匹配，所述第一方向和所述第二方向相反。

结合第二方面，在第二方面的一种可能的实现方式中，所述合并模块，具体用于：根据所述运动特征、各预选运动目标经过所述位置的时间和各预选运动目标的坐标，合并对应同一运动目标的预选运动轨迹。

结合第二方面，在第二方面的一种可能的实现方式中，所述合并模块，具体用于：对于各预选运动目标中的一个第一预选运动目标：确定与所述第一预选运动目标的运动特征相匹配、经过所述位置的时间相同且坐标与所述第一预选运动目标的第一坐标相匹配的预选运动目标为第一运动目标组；采用行人重识别算法，确定所述第一运动目标组中与所述第一预选运动目标为同一运动目标的预选运动目标；合并对应同一运动目标的预选运动轨迹。

结合第二方面，在第二方面的一种可能的实现方式中，与所述第一坐标相匹配的坐标的横坐标位于预设范围内，纵坐标与所述第一坐标的纵坐标的差值的绝对值小于或等于预设阈值。

第三方面，本申请实施例提供一种视频浓缩的设备，包括：处理器和存储器。

存储器用于存储计算机可执行指令。

处理器用于执行存储器存储的计算机执行指令，使得处理器执行如第一方面的全景视频浓缩的方法。

第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质中存储有计算机执行指令，当计算机执行指令被处理器执行时用于实现如第一方面的全景视频浓缩的方法。

第五方面，本申请实施例提供了一种计算机程序产品，包括计算机执行指令，当计算机执行指令被处理器执行时用于实现如第一方面的全景视频浓缩的方法。

本申请通过获取全景视频经分割线分割后的第一视频中的各预选运动目标的预选运动轨迹，各预选运动目标的预选运动轨迹经过分割线的位置，并根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过分割线所对应的位置时的运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹，根据合并后的运动轨迹进行视频浓缩。因此，本申请中将全景视频中被分割线分开的同一运动目标的运动轨迹合并，避免了将相同运动目标的运动轨迹跟踪为多个运动目标的多条运动轨迹的问题，提高了全景视频浓缩的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的全景视频经分割线分割后的视频的示意图；

图2为本申请一实施例提供的全景视频浓缩的方法的流程图；

图3为本申请一实施例提供的全景视频浓缩的装置的示意图；

图4为本申请一实施例提供的全景视频浓缩的设备的示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

具体地，本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。本申请中术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例所涉及的全景相机是一种围绕一个固定点安装多个摄像镜头的全景相机，比如围绕全景相机的一个固定点安装6个摄像镜头，每隔60度安装一个摄像镜头，多个摄像镜头的全部视场加起来形成全景视场。

全景相机输出的视频为各摄像头拍摄内容融合而成的，可将各摄像头拍摄内容投影在球面上进行展示，投影到球面上得到的视频可称为全景视频。将全景视频沿一分割线分割后可得到第一视频，即第一视频为将该全景视频铺展至在二维平面上得到的视频。此时，在第一视频中，经过分割线所对应的位置处的运动目标会被识别成两个不同的运动目标，从而针对该运动目标会得到两个运动轨迹，从而影响了视频浓缩的准确性。

本申请中涉及的全景相机可以是普通定焦全景相机，也可以是3d定焦全景相机，还可以是广场变焦相机，在此不作限定。

图1为本申请一实施例提供的全景视频经分割线分割后的视频的示意图，如图1所示，全景视频沿分割线分割后，其中一个运动目标被分割成两个运动目标，相应地该运动目标存在两个运动轨迹。

为了解决现有的视频浓缩技术直接应用于全景视频时出现的准确性不足的问题，本申请提供一种全景视频浓缩的方法，通过获取第一视频中的各预选运动目标的预选运动轨迹，各预选运动目标的预选运动轨迹经过分割线所对应的位置，第一视频是全景视频经该分割线分割后得到的；根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过分割线所对应的位置时的运动特征，并根据该运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹；根据合并后的运动轨迹，获取全景视频浓缩后的视频。

下面以具体的实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图2为本申请一实施例提供的全景视频浓缩的方法的流程图。该方法的执行主体是视频浓缩的装置，该视频浓缩的装置可以是计算机、平板电脑、笔记本电脑、服务器等智能设备的部分或者全部。如图2所示，该方法包括如下步骤：

s201：获取第一视频中的各预选运动目标的预选运动轨迹，各预选运动目标的预选运动轨迹经过分割线所对应的位置，第一视频是全景视频经该分割线分割后得到的。

s202：根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过分割线所对应的位置时的运动特征，并根据该运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹。

s203：根据合并后的运动轨迹，获取全景视频浓缩后的视频。

针对步骤s201进行如下说明：

在获取第一视频中的各预选运动目标的预选运动轨迹之前，视频浓缩装置采用分割线分割全景视频，得到第一视频，第一视频即为将全景视频展开在二维平面上的视频。

在获取到第一视频后，视频浓缩装置获取该第一视频的背景，可以通过背景建模的方法获取该第一视频中的背景，该背景即为该第一视频不含运动信息的静态物体图像。其中，获取该第一视频的背景可采用现有技术的算法，比如背景建模可采用高斯混合背景建模算法。高斯混合背景建模算法可以实现对视频帧中的像素进行前景/背景二分类，通过统计视频图像中各个点的像素值获取背景模型。

进一步地，视频浓缩装置对该第一视频进行前景目标检测，得到该第一视频中的各运动目标，在本实施例中得到的该第一视频中的各运动目标可称为原始运动目标。采用跟踪算法对该第一视频中的原始运动目标进行跟踪，得到该第一视频中的各原始运动目标的运动轨迹。

具体地，可以通过现有技术中的算法实现前景目标检测，比如只需一眼(youonlylookonce，yolo)算法。yolo算法是基于深度学习的端到端的实时目标检测算法，yolo将目标区域预测和目标类别预测整合于单个神经网络模型中，实现在准确率较高的情况下快速进行目标检测与识别。

进一步地，可以通过现有技术中的算法实现各原始运动目标的运动轨迹的获取，比如采用卡尔曼滤波算法和匈牙利算法获取各原始运动目标的运动轨迹。具体地，获取运动目标后，计算运动目标的特征信息，包括运动质心和外接矩形，使用上述特征信息初始化卡尔曼滤波器，如初始化为0。用卡尔曼滤波器对下一帧中对应的目标区域进行预测，当下一帧到来时，在预测区域内使用匈牙利算法进行目标匹配，得到各原始运动目标的运动轨迹。

进一步地，在获取到该第一视频中的各原始运动目标的运动轨迹后，从该第一视频中的各原始运动目标的运动轨迹中获取各原始运动目标中的各预选运动目标的预选运动轨迹，其中，各预选运动目标的预选运动轨迹经过分割线所对应的位置。也可以说，各原始运动目标中运动轨迹经过该分割线所对应的位置的运动目标为预选运动目标。

针对步骤s202进行如下说明：

在获取到各预选运动目标的预选运动轨迹后，根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过分割线所对应的位置时的运动特征。在一种方式中，运动特征可为如下中的任一项：沿第一方向逐渐靠近分割线所对应的位置、沿第一方向逐渐远离分割线所对应的位置、沿第二方向逐渐靠近分割线所对应的位置、沿第二方向逐渐远离分割线所对应的位置；其中，沿第一方向逐渐靠近分割线所对应的位置和沿第二方向逐渐远离分割线所对应的位置相匹配，沿第一方向逐渐远离分割线所对应的位置和沿第二方向逐渐靠近分割线所对应的位置相匹配，第一方向和第二方向相反。

在获取各预选运动目标经过分割线所对应的位置时的运动特征后，便可根据各预选运动目标经过分割线所对应的位置时的运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹。

在一种方式中，根据各预选运动目标经过分割线所对应的位置时的运动特征，合并对应同一运动目标的预选运动轨迹，包括：各预选运动目标经过分割线所对应的位置时的运动特征、各预选运动目标经过分割线所对应的位置的时间和各预选运动目标的坐标，合并对应同一运动目标的预选运动轨迹。

可先根据各预选运动目标经过分割线所对应的位置时的运动特征、各预选运动目标经过分割线所对应的位置的时间和各预选运动目标的坐标，确定对应同一运动目标的预选运动目标，接着，合并对应同一运动目标的预选运动目标的预选运动轨迹。具体可通过步骤(1)～(3)实现：

(1)对于各预选运动目标中的一个第一预选运动目标：确定与该第一预选运动目标的运动特征相匹配、经过分割线所对应的位置的时间相同且坐标与该第一预选运动目标的坐标相匹配的预选运动目标为第一运动目标组。

具体地，将各预选运动目标中经过分割线所对应的位置时的运动特征相同的分成一组，得到4个组；

根据4个组中任意一个第一组，获取与该第一组中各预选运动目标经过分割线所对应的位置时的运动特征相匹配的第二组；对于第一组中任意一个第一预选运动目标，从第二组中确定与该第一组中第一预选运动目标经过分割线所对应的位置的时间相同且坐标与该第一组中第一预选运动目标的第一坐标相匹配的第二预选运动目标。可以理解的是，第二预选运动目标的个数为至少一个，至少一个第二预选运动目标组成第一运动目标组。其中，与该第一组中第一预选运动目标的第一坐标相匹配的坐标满足如下条件：与该第一坐标相匹配的坐标的横坐标位于预设范围内，与该第一坐标相匹配的坐标的纵坐标与该第一坐标的纵坐标的差值的绝对值小于或等于预设阈值。

可以理解的是，预设范围包括第一预设范围和第二预设范围。其中，第一预设范围内的横坐标为该第一视频的第一区域内的各点的横坐标，第一区域为靠近该第一视频的第一边的区域，第二预设范围内的横坐标为该第一视频的第二区域内的各点的横坐标，第二区域为靠近该第一视频的第二边的区域，其中，第一边可为该第一视频的右边边框线，第二边可为该第一视频的左边边框线。

若第一预选运动目标经过分割线所对应的位置时的运动特征为沿第一方向逐渐远离分割线所对应的位置或沿第二方向逐渐靠近分割线所对应的位置，则第二预选目标的横坐标应当处于第一预设范围内；若第一预选运动目标经过分割线所对应的位置时的运动特征为沿第一方向逐渐靠近分割线所对应的位置或沿第二方向逐渐远离分割线所对应的位置，则第二预选目标的横坐标应当处于第二预设范围内。

一种可能的方式中，对于第一预选运动目标，先获取与该第一预选运动目标经过分割线所对应的位置时的运动特征相匹配的至少一个第一运动目标，在至少一个第一运动目标中获取横坐标处于预设范围内的至少一个第二运动目标，在至少一个第二运动目标中获取与该第一预设目标的纵坐标的差值的绝对值小于或等于预设阀值的至少一个第三运动目标。第三运动目标即为第二预选运动目标，至少一个第三运动目标组成第一运动目标组。

继续参见图1，实际中，在第一视频中被分割线分开的运动目标11和运动目标12对应同一运动目标，运动目标11和运动目标12即为预选运动目标。由图1可知，运动目标11在经过分割线所对应的位置时的运动特征为沿第一方向逐渐远离分割线所对应的位置，运动目标12在经过分割线所对应的位置时的运动特征为沿第二方向逐渐靠近分割线所对应的位置，运动目标11在经过分割线所对应的位置时的运动特征与运动目标12在经过分割线所对应的位置时的运动特征相匹配。则在运动目标11为第一预选运动目标的情况下，运动目标12为第一运动目标组中的一个第二预选运动目标。

(2)采用行人重识别算法，确定第一运动目标组中与第一预选运动目标为同一运动目标的预选运动目标。

具体地，将第一预选运动目标与第一运动目标组的运动目标进行对比，采用行人重识别技术进行特征提取，同时根据各预选运动目标经过分割线所对应的位置时的运动特征、经过分割线所对应的位置的时间以及各预选运动目标的坐标，在第一预选运动目标组中进行检索，获取相似性最高的预选运动目标，该预选运动目标与第一预选运动目标是同一运动目标。

(3)合并对应同一运动目标的预选运动目标的预选运动轨迹。

具体地，将同一运动目标的预选运动目标的预选运动轨迹合并，得到合并后的运动轨迹。

其中，运动轨迹的合并方法可参照现有技术中的方法，此处不再赘述。

针对步骤s203进行如下说明：

合并对应同一运动目标的预选运动目标的预选运动轨迹，得到合并后的运动轨迹之后，根据合并后的运动轨迹，获取全景视频浓缩后的视频。根据合并后的运动轨迹，获取全景视频浓缩后的视频，具体包括：根据合并后的运动轨迹、第一运动轨迹和背景，获取全景视频浓缩后的视频，第一运动轨迹为各原始运动目标中除了各预选运动目标外的运动目标的运动轨迹，背景是步骤s201中根据第一视频得到的背景。

具体地，经过步骤s202后，可以得到全景视频中各运动目标的完整的运动轨迹，此时，可使用能量函数算法完成全景视频的浓缩，该能量函数算法可以实现在不改变空间位置以及尽可能避免运动目标的运动轨迹碰撞的前提下密集地排布运动轨迹，使用步骤s201获取的静态背景图像作为背景，将排列好的运动轨迹按照原始空间位置放置，将目标区域与背景图像融合得到浓缩后的全景视频。

本实施例中，通过获取全景视频经分割线分割后的第一视频中的各预选运动目标的预选运动轨迹，各预选运动目标的预选运动轨迹经过分割线的位置，并根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过分割线所对应的位置时的运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹，根据合并后的运动轨迹进行视频浓缩。因此，本申请中将全景视频中被分割线分开的同一运动目标的运动轨迹合并，避免了将相同运动目标的运动轨迹跟踪为多个运动目标的多条运动轨迹的问题，提高了全景视频浓缩的准确性。

以上采用具体的实施例对本申请的全景视频浓缩装置

图3为本申请一实施例提供的全景视频浓缩的装置的示意图。本实施例提供一种视频浓缩装置，该装置可以是计算机、平板电脑、笔记本电脑等智能设备的部分或者全部。如图3所示，该装置包括：

获取模块310，用于获取第一视频中的各预选运动目标的预选运动轨迹，所述各预选运动目标的预选运动轨迹经过分割线所对应的位置，所述第一视频是全景视频经所述分割线分割后得到的。

合并模块320，用于根据各预选运动目标的预选运动轨迹，获取各预选运动目标经过所述位置时的运动特征，并根据所述运动特征，合并对应同一运动目标的预选运动轨迹，得到合并后的运动轨迹。

获取模块310，还用于根据所述合并后的运动轨迹，获取所述全景视频浓缩后的视频。

可选地，作为一个实施例，所述各预选运动目标经过所述位置时的运动特征为如下中的任一项：沿第一方向逐渐靠近所述位置、沿第一方向逐渐远离所述位置、沿第二方向逐渐靠近所述位置、沿第二方向逐渐远离所述位置；其中，沿第一方向逐渐靠近所述位置和沿第二方向逐渐远离所述位置相匹配，沿第一方向逐渐远离所述位置和沿第二方向逐渐靠近所述位置相匹配，所述第一方向和所述第二方向相反。

可选地，作为一个实施例，所述合并模块320，具体用于：根据所述运动特征、各预选运动目标经过所述位置的时间和各预选运动目标的坐标，合并对应同一运动目标的预选运动轨迹。

可选地，作为一个实施例，所述合并模块320，具体用于：对于各预选运动目标中的一个第一预选运动目标：确定与所述第一预选运动目标的运动特征相匹配、经过所述位置的时间相同且坐标与所述第一预选运动目标的第一坐标相匹配的预选运动目标为第一运动目标组；采用行人重识别算法，确定所述第一运动目标组中与所述第一预选运动目标为同一运动目标的预选运动目标；合并对应同一运动目标的预选运动轨迹。

可选地，作为一个实施例，与所述第一坐标相匹配的坐标的横坐标位于预设范围内，纵坐标与所述第一坐标的纵坐标的差值的绝对值小于或等于预设阈值。

本申请实施例提供的视频浓缩装置，具体可以用于执行上述视频浓缩方法，其实现原理和效果可参考方法实施例部分，对此不再赘述。

图4为本申请一实施例提供的全景视频浓缩的设备的示意图。如图4所示，本申请一实施例提供的视频浓缩设备包括：

存储器410，用于存储计算机可执行指令。

处理器420，用于执行存储器中存储的计算机可执行指令实现上述的视频浓缩方法。

可选地，该视频浓缩设备还包括：收发器430，用于与其他网络设备或者终端设备实现通信。

本申请实施例提供的视频浓缩装置，具体可以用于执行上述视频浓缩方法，其实现原理和效果可参考方法实施例部分，对此不再赘述。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一视频浓缩方法。

本申请实施例还提供一种计算机程序产品，该程序产品包括计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一视频浓缩方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的计算机程序可以存储于一计算机可读取存储介质中。该计算机程序在被处理器执行时，实现包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。