一种图像中人像识别方法及相关设备与流程

本申请实施例涉及数据处理技术领域，尤其涉及一种图像中人像识别方法及相关设备。

背景技术：

随着数据网络的不断发展，对人们的日常生活产生了很大的影响，网络的快速发展，使得现在社会中的数据量越来越大，例如，包含人像的图像数量也越来越多，利用包含有人像的图像可以进行身份信息的识别，能够使得人们在应用程序上能较快的进行身份识别的验证，从而可以解锁应用程序上更多的功能。

在对人们的人像信息检测之前，需要先将包含有人像的图像下载保存，接着进行对人脸的检测，现有技术中，对图像中人像的检测过程为：首先对图像进行人脸检测，得到人脸的坐标框，然后，对坐标框内的人脸图像进行人脸配准，若配准成功，则确定存在人像，利用该方法，虽然可以提高对图像中人像的速度，但是，在现有技术的方案中，是通过人脸检测来识别人像的，如果图像中存在其他人脸部的照片时，则也会被识别为人像，识别不准确，此外，现有技术的方案只能识别出是否存在人像，而并不能对人像的信息进行进一步的分析，所以不利于后续处理过程。

技术实现要素：

本申请实施例提供了一种图像中人像识别方法及相关设备，用于在确定图像中存在人像后，还可以对人像进行进一步的计算。

本申请实施例第一方面提供了一种图像中人像识别方法，包括：

服务器获取图像的信息；

所述服务器读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

所述服务器读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

服务器判断所述图像的信息中是否包含有所述常见姿势模板的信息；

若所述服务器确定所述图像的信息中包含有所述常见姿势模板的信息，则所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

所述服务器根据所述待用姿势模板确定待用姿势的包络框；

所述服务器判断所述包络框在所述图像中是否匹配；

若包络框在所述图像中匹配，则所述服务器确定所述图像中包含有人像；

所述服务器利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

所述服务器将所述人像的属性信息进行储存。

可选的，所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板包括：

所述服务器读取所述图像的地理场景为路面，则所述服务器确定所述站立姿势和所述下蹲姿势为待用姿势；

所述服务器读取所述图像的地理场景为栏杆，则所述服务器确定所述站立姿势和所述依靠姿势为待用姿势；

所述服务器读取所述图像的地理场景为椅子，则所述服务器确定所述站立姿势和所述坐下姿势为待用姿势。

可选的，所述人像属性算法的训练包括：

所述服务器读取样本人像数据，所述样本人像数据为预先录入，每个样本人像数据中包含样本人像图像以及样本人像图像的各种属性信息；

所述服务器从所述样本人像图像中提取人像特征；

所述服务器获取初始模型的不同属性信息；

所述服务器根据所述初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

所述服务器根据预测值与属性信息的值按照属性信息的不同类型计算得到多个属性信息的损耗值；

所述服务器将多个属性信息的损耗值求和，得到多个属性信息的总损耗值；

所述服务器对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗值小于或等于预设阈值，

所述服务器获取得到人像属性算法。

可选的，所述服务器判断所述包络框在所述图像中是否匹配包括：

所述服务器提取所述图像中主体内容的轮廓；

所述服务器判断所述包络框与所述轮廓是否吻合；

若是，则所述服务器确定所述包络框与所述图像匹配。

可选的，在所述服务器判断所述包络框在所述图像中是否匹配之后，所述方法还包括：

若否，则所述服务器确定所述图像中无人像。

可选的，所述服务器判断所述图像的信息中是否包含有所述常见姿势的信息之后，所述方法还包括：

若否，则所述服务器确定所述图像中无人像。

本申请实施例第二方面提供了一种服务器，包括：

第一获取单元，用于获取图像的信息；

第一读取单元，用于读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

第二读取单元，用于读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

第一判断单元，用于判断所述图像的信息中是否包含有所述常见姿势模板的信息；

第一确定单元，用于当所述第一判断单元确认所述图像的信息中包含有所述常见姿势模板的信息时，根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

第二确定单元，用于根据所述待用姿势模板确定待用姿势的包络框；

第二判断单元，用于判断所述包络框在所述图像中是否匹配；

第三确定单元，用于当所述第二判断单元确认包络框在所述图像中匹配时，确定所述图像中包含有人像；

计算单元，用于利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

储存单元，用于将所述人像的属性信息进行储存。

可选的，所述第一确定单元包括：

第一确定模块，用于当读取所述图像的地理场景为路面时，确定所述站立姿势和所述下蹲姿势为待用姿势；

第二确定模块，用于当读取所述图像的地理场景为栏杆时，确定所述站立姿势和所述依靠姿势为待用姿势；

第三确定模块，用于当读取所述图像的地理场景为椅子时，确定所述站立姿势和所述坐下姿势为待用姿势。

可选的，所述第二判断单元包括：

提取模板，用于提取所述图像中主体内容的轮廓；

判断模块，用于判断所述包络框与所述轮廓是否吻合；

第四确定模块，用于当所述判断模块确定所述包络框与所述轮廓吻合后，确定所述包络框与所述图像匹配。

可选的，在所述第二判断单元之后，所述服务器还包括：

第四确定单元，用于当所述第二判断单元确认包络框在所述图像中不匹配时，确定所述图像中无人像。

本申请实施例第三方面提供了一种服务器，包括：

处理器、存储器、输入输出单元、总线；

所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

所述处理器具体执行如下操作：

服务器获取图像的信息；

所述服务器读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

所述服务器读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

服务器判断所述图像的信息中是否包含有所述常见姿势模板的信息；

若所述服务器确定所述图像的信息中包含有所述常见姿势模板的信息，则所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

所述服务器根据所述待用姿势模板确定待用姿势的包络框；

所述服务器判断所述包络框在所述图像中是否匹配；

若包络框在所述图像中匹配，则所述服务器确定所述图像中包含有人像；

所述服务器利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

所述服务器将所述人像的属性信息进行储存。

可选的，处理器还用于执行第一方面以及第二方面的可选方案中的方法。

本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行前述图像中人像识别方法。

从以上技术方案可以看出，本申请实施例具有以下优点：

服务器通过读取图像中包含的地理场景的信息以及读取模板数据库中的信息，其中，模板数据库中包含有常见姿势模板的信息，服务器在确定图像中包含有常见姿势模板的信息之后，从常见姿势模板中确定待用姿势模板，并在待用姿势模板中确定包络框，在将包络框放进图像中并匹配时，服务器确定图像中包含人像的信息，通过人像属性算法对人像的信息进行计算得到人像的属性信息。通过上述方法可知，服务器在确定图像中包含人像之后，还可以对人像进行进一步的计算，获取人像的属性信息。

附图说明

图1为本申请中图像中人像识别方法一个实施例流程示意图；

图2为本申请中图像中人像识别方法另一个实施例流程示意图；

图3为本申请中服务器一个实施例流程示意图；

图4为本申请中服务器另一个实施例流程示意图；

图5为本申请中服务器另一个实施例流程示意图。

具体实施方式

本申请实施例提供了一种图像中人像识别方法及相关设备，用于在确定图像中存在人像后，还可以对人像进行进一步的计算。

下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，都属于本申请保护的范围。

本申请的方法可以应用于服务器、终端或者其它具备逻辑处理能力的设备，对此，本申请不作限定。为方便描述，下面以执行主体为服务器为例进行描述。

请参阅图1，本申请中图像中人像识别方法一个实施例包括：

101、服务器获取图像的信息；

服务器在对图像进行处理之前，首先获取图像的信息，获取图像的信息的渠道包括但不限制于网上下载的图像，服务器获取到的图像的信息包括但不限制于图像的清晰度、分辨率、拍摄日期以及图像的尺寸大小。

102、所述服务器读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

服务器在获取图像的信息之后，对图像中的信息进行提取处理，提取图像中的信息包含图像中的内容信息，图像中地理场景的信息是为本方案中重点提取的信息，通过对图像中地理场景信息的提取可以进一步判断图像中是否包含有人像，与现有技术中通过检测图像中是否存在人脸来判断图像中有无人像的技术方案明显的区别开，现有技术中，通过检测图像中是否存在人脸来判断图像中是否存在人像有明显的缺陷，在实际应用中，获取到的图像的信息中可能是会存在多个人脸的信息，在进行检测时，可能是会检测出多个人像的信息，不便于去辨别人像的信息。

103、所述服务器读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

本方案中，服务器在提取图像中的信息之后，服务器要读取模板数据库的信息，模板数据库的信息中包含常见姿势的模板，常见姿势的模板中包含但不限制于以下姿势模板，常见姿势模板为：站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下模板，服务器在提取出常见姿势模板之后，需要对图像中的信息与常见姿势模板的信息进行下一步的处理，其中，常见姿势模板中的站立模板、下端姿势模板、依靠姿势模板以及坐下姿势模板都各自对应于不同的图像场景。

104、服务器判断所述图像的信息中是否包含有所述常见姿势模板的信息；

服务器在模板数据库中提取常见姿势模板的信息之后，需要进一步对图像中的信息进行检测判断，判断图像的信息中是否包含有常见姿势模板的信息，若图像的信息中包含有常见姿势模板的信息，则执行步骤105。

105、若所述服务器确定所述图像的信息中包含有所述常见姿势模板的信息，则所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

服务器在确定图像的信息包含常见姿势模板的信息之后，根据前述获取到的图像中的地理场景进一步从常见姿势模板中确定待用姿势模板，其中待用姿势模板的信息与图像中的地理场景的信息对应，不同的地理场景的信息对应不同的姿势模板。

106、所述服务器根据所述待用姿势模板确定待用姿势的包络框；

服务器从待用姿势模板中提取出待用姿势的包络框，包络框中包含有前述提到对应于图像中地理场景的常用姿势的信息，在获取到包络框之后，服务器需要将包络框放置图像中。

107、所述服务器判断所述包络框在所述图像中是否匹配；

服务器判断包络框在图像中是否匹配，查看包络框与图像中提取出的姿势的是否匹配，若包络框与图像中提取出的姿势的匹配，则执行步骤108。

108、若包络框在所述图像中匹配，则所述服务器确定所述图像中包含有人像；

109、所述服务器利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

在本方案中，人像属性算法是通过对模型的训练计算得出，在服务器确定图像中包含有人像之后，通过人像属性算法将人像的属性计算得出，在本方案中，属性信息包括但不限制于年龄、性别以及身高，在人像属性算法中，是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练得到。

110、所述服务器将所述人像的属性信息进行储存。

服务器通过读取图像中包含的地理场景的信息以及读取模板数据库中的信息，其中，模板数据库中包含有常见姿势模板的信息，服务器在确定图像中包含有常见姿势模板的信息之后，从常见姿势模板中确定待用姿势模板，并在待用姿势模板中确定包络框，在将包络框放进图像中并匹配时，服务器确定图像中包含人像的信息，通过人像属性算法对人像的信息进行计算得到人像的属性信息。通过上述方法可知，服务器在确定图像中包含人像之后，还可以对人像进行进一步的计算，获取人像的属性信息进行存储，方便后期的使用。

以上对图像中人像识别方法进行了描述，可选的，在实际应用中，在执行上述实施例之前，服务器还可以先进行模型训练从而得到人像属性算法。下面将对图像中人像识别中人像属性算法的训练过程进行详细描述。

在实际应用中，服务器读取样本人像数据，样本人像数据为预先录入，每个样本人像数据中包含样本人像图像以及样本人像图像的各种属性信息；服务器从所述样本人像图像中提取人像特征；服务器获取初始模型的不同属性信息；服务器根据所述初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；服务器根据预测值与属性信息的值按照属性信息的不同类型计算得到多个属性信息的损耗值；服务器将多个属性信息的损耗值求和，得到多个属性信息的总损耗值；服务器对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗值小于或等于预设阈值，其中，在预设阀值之下，图像中属性信息的损耗能降到最低，服务器进而可以获取得到人像属性算法。

请参阅图2，本申请中图像中人像识别方法另一个实施例包括：

201、服务器获取图像的信息；

202、所述服务器读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

203、所述服务器读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

本实施例中的步骤201至203与前述实施例中的步骤101至103类似，此处不再赘述。

204、服务器判断所述图像的信息中是否包含有所述常见姿势模板的信息；

服务器在模板数据库中提取常见姿势模板的信息之后，需要进一步对图像中的信息进行检测判断，判断图像的信息中是否包含有常见姿势模板的信息，若图像的信息中不包含有常见姿势模板的信息，则执行步骤205，若图像的信息中包含有常见姿势模板的信息，则执行步骤206。

205、则所述服务器确定所述图像中无人像；

服务器在确认图像信息中不包含常见姿势模板的信息之后，服务器则确认图像中无人像，并切换对另一个图像的检测与判断。

206、若所述服务器确定所述图像的信息中包含有所述常见姿势模板的信息，则所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

在本方案中，若服务器读取图像的地理场景为路面，则服务器确定站立姿势和下蹲姿势为待用姿势；若服务器读取所述图像的地理场景为栏杆，则服务器确定站立姿势和依靠姿势为待用姿势；若服务器读取所述图像的地理场景为椅子，则服务器确定所述站立姿势和所述坐下姿势为待用姿势，本方案中包括但不限制与前述中提到的地理场景。

207、所述服务器根据所述待用姿势模板确定待用姿势的包络框；

本实施例中的步骤207与前述实施例中的步骤106类似，此处不再赘述。

208、所述服务器提取所述图像中主体内容的轮廓；

服务器在将包络框与图像进行匹配时，服务器会提取出图像中主体内容的轮廓，主体内容的轮廓主要是指图像中占位面积较大的轮廓，例如图像中包含的汽车、大山、岩石以及人物等等，在此不做具体限定。

209、所述服务器判断所述包络框与所述轮廓是否吻合；

服务器在获取到主体内容的轮廓之后，需要进一步将包络框与主体内容的轮廓放置在一起，包络框中包含有待用姿势模板，服务器在将待用姿势模板与主体内容的轮廓放置在一起时，判断包络框中待用姿势模板的轮廓与主体内容的轮廓是否吻合，若是，则执行步骤210，若否，则执行步骤211。

210、则所述服务器确定所述包络框与所述图像匹配；

211、则所述服务器确定所述图像中无人像；

212、则所述服务器确定所述图像中包含有人像；

213、所述服务器利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

本实施例中的步骤213与前述实施例中的步骤109类似，此处不再赘述。

214、所述服务器将所述人像的属性信息进行储存。

请参阅图3，本申请实施例第二方面提供了一种服务器，包括：

第一获取单元301，用于获取图像的信息；

第一读取单元302，用于读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

第二读取单元303，用于读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

第一判断单元304，用于判断所述图像的信息中是否包含有所述常见姿势模板的信息；

第一确定单元305，用于当所述第一判断单元确认所述图像的信息中包含有所述常见姿势模板的信息时，根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

第二确定单元306，用于根据所述待用姿势模板确定待用姿势的包络框；

第二判断单元307，用于判断所述包络框在所述图像中是否匹配；

第三确定单元308，用于当所述第二判断单元确认包络框在所述图像中匹配时，确定所述图像中包含有人像；

计算单元309，用于利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

储存单元310，用于将所述人像的属性信息进行储存。

本实施例中，各单元及模块的功能与前述图1所示实施例对应，此处不再赘述。

请参阅图4，本申请实施例第二方面提供了一种服务器，包括：

第一获取单401，用于获取图像的信息；

第一读取单元402，用于读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

第二读取单元403，用于读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

第一判断单元404，用于判断所述图像的信息中是否包含有所述常见姿势模板的信息；

第一确定单元405，用于当所述第一判断单元确认所述图像的信息中包含有所述常见姿势模板的信息时，根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

第二确定单元406，用于根据所述待用姿势模板确定待用姿势的包络框；

第二判断单元407，用于判断所述包络框在所述图像中是否匹配；

第三确定单元408，用于当所述第二判断单元确认包络框在所述图像中匹配时，确定所述图像中包含有人像；

第四确定单元409，用于当所述第二判断单元确认包络框在所述图像中不匹配时，确定所述图像中无人像

计算单元410，用于利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

储存单元411，用于将所述人像的属性信息进行储存。

在本实施例中，所述第一确定单元405包括：

第一确定模块4051，用于当读取所述图像的地理场景为路面时，确定所述站立姿势和所述下蹲姿势为待用姿势；

第二确定模块4052，用于当读取所述图像的地理场景为栏杆时，确定所述站立姿势和所述依靠姿势为待用姿势；

第三确定模块4053，用于当读取所述图像的地理场景为椅子时，确定所述站立姿势和所述坐下姿势为待用姿势。

在本实施例中，所述第二判断单元407包括：

提取模块4071，用于提取所述图像中主体内容的轮廓；

判断模块4072，用于判断所述包络框与所述轮廓是否吻合；

第四确定模块4073，用于当所述判断模块确定所述包络框与所述轮廓吻合后，确定所述包络框与所述图像匹配。

本实施例中，各单元及模块的功能与前述图2所示实施例对应，此处不再赘述

请参阅图5，本申请实施例第三方面提供了一种服务器，包括：

处理器501、存储器502、输入输出单元503、总线504；

所述处理器501与所述存储器502、所述输入输出单元503以及所述总线504相连；

所述处理器501具体执行如下操作：

服务器获取图像的信息；

所述服务器读取所述图像的信息，所述图像的信息中包含有图像的地理场景的信息；

所述服务器读取模板数据库的信息，所述模板数据库的信息中包含常见姿势模板的信息，所述常用姿势模板中包含站立姿势模板、下蹲姿势模板、依靠姿势模板以及坐下姿势模板；

服务器判断所述图像的信息中是否包含有所述常见姿势模板的信息；

若所述服务器确定所述图像的信息中包含有所述常见姿势模板的信息，则所述服务器根据所述图像的地理场景从所述常见姿势模板中确定待用姿势模板；

所述服务器根据所述待用姿势模板确定待用姿势的包络框；

所述服务器判断所述包络框在所述图像中是否匹配；

若包络框在所述图像中匹配，则所述服务器确定所述图像中包含有人像；

所述服务器利用人像属性算法对所述人像的信息进行计算得到所述人像的属性信息，所述人像属性算法是根据若干个样本中人像图像的已知属性信息的识别结果，按照属性信息的不同类型进行训练获得；

所述服务器将所述人像的属性信息进行储存。

本实施例中，处理器501的功能与前述图1至图2所示实施例中的步骤对应，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。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。

所述集成的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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，所述服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。