用于目标检测的方法、装置及设备与流程

[0001]
本申请涉及车联网技术领域，例如涉及一种用于目标检测的方法、装置及设备。


背景技术：

[0002]
目前目标检测系统大多基于视觉识别，依赖于摄像头的成像能力和图像识别能力，受各种环境因素的影响较大。
[0003]
在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：通过单一的视觉识别进行目标检测，精度较低。


技术实现要素：

[0004]
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
[0005]
本公开实施例提供了一种用于目标检测的方法、装置及设备，以能够提高目标检测的精度。
[0006]
在一些实施例中，所述用于目标检测的方法包括：
[0007]
获取针对目标的视频检测结果和针对所述目标的超宽带uwb检测结果；
[0008]
根据视频检测样本特征的信息增益和uwb检测样本特征的信息增益将所述视频检测结果和所述uwb检测结果进行融合，获得目标检测结果；
[0009]
所述视频检测样本特征的信息增益通过以下方式获得：获取视频检测样本数据集的第一条件信息熵，根据所述第一条件信息熵获取所述视频检测样本特征的信息增益；
[0010]
所述uwb检测样本特征的信息增益通过以下方式获得：获取uwb检测样本数据集的第二条件信息熵，根据所述第二条件信息熵获取所述uwb检测样本特征的信息增益。
[0011]
在一些实施例中，根据视频检测样本特征的信息增益和uwb检测样本特征的信息增益将所述视频检测结果和所述uwb检测结果进行融合，获得目标检测结果，包括：
[0012]
通过第一预设算法利用视频检测样本特征的信息增益进行计算，获得视频检测结果权重；
[0013]
通过第二预设算法利用uwb检测样本特征的信息增益进行计算，获得uwb检测结果权重；
[0014]
根据所述视频检测结果权重、所述uwb检测结果、所述视频检测结果和所述uwb检测结果权重获取目标检测结果。
[0015]
在一些实施例中，根据视频检测样本特征的信息增益和uwb检测样本特征的信息增益将所述视频检测结果和所述uwb检测结果进行融合，获得目标检测结果，包括：
[0016]
通过第三预设算法利用视频检测样本特征的信息增益进行计算，获得视频检测结果权重；
[0017]
通过第四预设算法利用uwb检测样本特征的信息增益进行计算，获得uwb检测结果
权重；
[0018]
获取检测结果影响因子样本数据集的第三条件信息熵，根据所述第三条件信息熵获取所述检测结果影响因子样本特征的信息增益；
[0019]
通过第五预设算法利用所述检测结果影响因子样本特征的信息增益进行计算，获得检测结果影响因子权重；
[0020]
根据所述视频检测结果权重、所述uwb检测结果、所述视频检测结果和所述uwb检测结果权重、所述检测结果影响因子权重和预设的检测结果影响因子获取目标检测结果；
[0021]
所述检测结果影响因子包括光线信息、拐角信息和车速信息中的一种或多种。
[0022]
在一些实施例中，根据所述第一条件信息熵获取所述视频检测样本特征的信息增益，包括：
[0023]
通过第六预设算法利用第一条件信息熵进行计算，获得所述视频检测样本特征的信息增益。
[0024]
在一些实施例中，根据所述第二条件信息熵获取所述uwb检测样本特征的信息增益，包括：
[0025]
通过第七预设算法利用第二条件信息熵进行计算，获得所述uwb检测样本特征的信息增益。
[0026]
在一些实施例中，根据所述视频检测结果权重、所述uwb检测结果、所述视频检测结果和所述uwb检测结果权重获取目标检测结果，包括：
[0027]
通过第八预设算法利用所述视频检测结果权重、所述uwb检测结果、所述视频检测结果和所述uwb检测结果权重进行计算，获得目标检测结果。
[0028]
在一些实施例中，获取针对目标的视频检测结果和针对所述目标的uwb检测结果后，还包括：
[0029]
剔除所述视频检测结果和所述uwb检测结果中的异常值。
[0030]
在一些实施例中，获取针对目标的视频检测结果和针对所述目标的uwb检测结果后，还包括：
[0031]
对所述视频检测结果和所述uwb检测结果进行时间校准。
[0032]
在一些实施例中，所述装置包括：包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行上述的用于目标检测的方法。
[0033]
在一些实施例中，所述设备包括：上述的用于目标检测的装置。
[0034]
本公开实施例提供的用于目标检测的方法、装置及设备，可以实现以下技术效果：通过将视频检测结果和uwb检测结果进行融合，获得目标检测结果，能够提高了对目标检测的精度。
[0035]
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
[0036]
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
[0037]
图1是本公开实施例提供的一个用于目标检测的方法的示意图；
[0038]
图2是本公开实施例提供的一个用于目标检测的装置的示意图。
具体实施方式
[0039]
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
[0040]
本公开实施例的说明书和权利要求书及上述附图中的术语“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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。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。
[0041]
除非另有说明，术语“多个”表示两个或两个以上。
[0042]
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
[0043]
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
[0044]
结合图1所示，本公开实施例提供一种用于目标检测的方法，其特征在于，包括：
[0045]
步骤s101，获取针对目标的视频检测结果和针对目标的超宽带uwb检测结果；
[0046]
步骤s102，根据视频检测样本特征的信息增益和uwb检测样本特征的信息增益将视频检测结果和uwb检测结果进行融合，获得目标检测结果；
[0047]
视频检测样本特征的信息增益通过以下方式获得：获取视频检测样本数据集的第一条件信息熵，根据第一条件信息熵获取视频检测样本特征的信息增益；
[0048]
超宽带uwb检测样本特征的信息增益通过以下方式获得：获取uwb检测样本数据集的第二条件信息熵，根据第二条件信息熵获取uwb检测样本特征的信息增益。
[0049]
采用本公开实施例提供的用于目标检测的方法，通过将视频检测结果和uwb检测结果进行融合，获得目标检测结果，能够提高了对目标检测的精度。
[0050]
可选地，通过超宽带(ultra wide band，uwb)定位系统获取针对目标的超宽带uwb检测结果，即目标的定位数据，可选地，目标的定位数据为目标的经纬度等位置坐标。可选地，目标的定位数据为航向角。
[0051]
可选地，针对目标的视频检测结果为目标的定位数据，可选地，目标的定位数据为目标的经纬度等位置坐标。可选地，目标的定位数据为航向角。
[0052]
可选地，将uwb检测结果和视频检测结果进行标准化处理。可选地，uwb检测结果是基于多个定位基站的自定义坐标系，将其转换成大地84坐标系；视频检测结果是基于平面的utm(universal transverse mercator grid system，通用横墨卡托格网系统)坐标系，将其转换成大地84坐标系；目标位置也是utm坐标系，将其转换成大地84坐标系。两种检测结果坐标系进行统一标准化，得到处于相同坐标系的航向角或经纬度等特征。
[0053]
可选地，通过决策树算法对不同场景下的uwb检测结果和视频检测结果作为样本特征分别进行训练学习得到uwb检测权重和视频检测权重。
[0054]
可选地，分别获取不同场景下的uwb检测结果和视频检测结果，例如：经纬度，分别
对应作为uwb检测样本特征和视频检测样本特征，通过计算uwb检测样本特征和视频检测样本特征在对应样本数据集下的信息增益，并分别对uwb检测样本特征和视频检测样本特征的信息增益值做归一化处理，分别得到uwb检测结果和视频检测结果的权重。
[0055]
可选地，根据第一条件信息熵获取视频检测样本特征的信息增益，包括：
[0056]
通过第六预设算法利用第一条件信息熵进行计算，获得视频检测样本特征的信息增益。
[0057]
可选地，通过计算g
i
(d,a
i
)＝h(d)-h(d|a
i
)获得第i个视频检测样本特征a
i
在视频检测样本数据集d下的信息增益；
[0058]
其中，g
i
(d,a
i
)为第i个视频检测样本特征a
i
在视频检测样本数据集d下的信息增益，h(d)为视频检测样本数据集d的信息熵，h(d|a
i
)为视频检测样本数据集d在第i个视频检测样本特征a
i
下的第一条件信息熵，i为正整数。可选地，视频检测样本特征a
i
为航向角或经纬度。可选地，视频检测样本数据集d包含多个视频检测样本特征a
i
。
[0059]
可选地，通过计算获得视频检测样本数据集d下的信息熵；
[0060]
其中，p
i
为第i个视频检测样本特征出现的概率，i、n均为正整数。
[0061]
可选地，通过计算h(d|a
i
)＝p
1
h(d|a
1
)+p
2
h(d|a
2
)+
…
+p
i
h(d|a
i
)获得视频检测样本数据集d在第i个视频检测样本特征a
i
下的第一条件信息熵。
[0062]
可选地，根据第二条件信息熵获取uwb检测样本特征的信息增益，包括：
[0063]
通过第七预设算法利用第二条件信息熵进行计算，获得uwb检测样本特征的信息增益。
[0064]
可选地，通过计算g
′
j
(d
′
,a
j
′
)＝h(d
′
)-h(d
′
|a
j
′
)获得第j个uwb检测样本特征a
′
j
在uwb检测样本数据集d
′
下的信息增益；
[0065]
其中，g
′
j
(d
′
,a
′
j
)为第j个uwb检测样本特征a
′
j
在uwb检测样本数据集d
′
下的信息增益，h(d
′
)为uwb检测样本数据集d
′
的信息熵，h(d
′
|a
′
j
)为uwb检测样本数据集d
′
在第j个uwb检测样本a
′
j
下的第二条件信息熵，j为正整数。可选地，uwb检测样本特征a
′
j
为航向角或经纬度。可选地，uwb检测样本数据集d
′
包含多个uwb检测样本特征a
′
j
。
[0066]
可选地，通过计算获得uwb检测样本数据集d
′
的信息熵；
[0067]
其中，p
′
j
为uwb检测样本特征出现的概率，j、m均为正整数。
[0068]
可选地，通过计算h(d
′
|a
′
j
)＝p
′
1
h(d
′
|a
′
1
)+p
′
2
h(d
′
|a
′
2
)+
…
+p
′
j
h(d
′
|a
′
j
)获得uwb检测样本数据集d
′
在第j个uwb检测样本a
j
′
下的第二条件信息熵。
[0069]
可选地，根据视频检测样本特征的信息增益和超宽带uwb检测样本特征的信息增益将视频检测结果和uwb检测结果进行融合，获得目标检测结果，包括：
[0070]
通过第一预设算法利用视频检测样本特征的信息增益进行计算，获得视频检测结果权重；
[0071]
可选地，通过计算获得视频检测结果的权重；其中，β为视频检测结果的权重，g
i
(d,a
i
)为第i个视频检测样本特征a
i
在视频检测样本数据集d下的信息增益，i、n均为正整数。
[0072]
通过第二预设算法利用超宽带uwb检测样本特征的信息增益进行计算，获得uwb检测结果权重；
[0073]
可选地，通过计算获得uwb检测结果的权重；其中，α为uwb检测结果的权重，g
′
j
(d
′
,a
′
j
)为第j个uwb检测样本特征a
′
j
在uwb检测样本数据集d
′
下的信息增益，j、m均为正整数。
[0074]
根据视频检测结果权重、uwb检测结果、视频检测结果和uwb检测结果权重获取目标检测结果。
[0075]
可选地，根据视频检测结果权重、uwb检测结果、视频检测结果和uwb检测结果权重获取目标检测结果，包括：通过第八预设算法利用视频检测结果权重、uwb检测结果、视频检测结果和uwb检测结果权重进行计算，获得目标检测结果。
[0076]
可选地，通过计算igps＝α
×
uwb
gps
+β
×
avp
gps
获得目标检测结果；其中，igps为目标检测结果，α为uwb检测结果权重，uwb
gps
为uwb检测结果，β为视频检测结果权重，avp
gps
为视频检测结果。
[0077]
可选地，目标检测结果为目标的定位数据，例如：经纬度或航向角等。
[0078]
这样，通过获取目标的uwb检测结果和视频检测结果，并将两种检测结果的定位数据进行融合，能够提高目标定位的精度。
[0079]
可选地，根据视频检测样本特征的信息增益和uwb检测样本特征的信息增益将视频检测结果和uwb检测结果进行融合，获得目标检测结果，包括：
[0080]
通过第三预设算法利用视频检测样本特征的信息增益进行计算，获得视频检测结果权重；
[0081]
可选地，通过计算获得视频检测结果的权重；其中，β为视频检测结果的权重，g
i
(d,a
i
)为第i个视频检测样本特征a
i
在视频检测样本数据集d下的信息增益，i、n均为正整数。
[0082]
通过第四预设算法利用超宽带uwb检测样本特征的信息增益进行计算，获得uwb检测结果权重；
[0083]
可选地，通过计算获得uwb检测结果的权重；其中，α为uwb检测结果的权重，g
′
j
(d
′
,a
′
j
)为第j个uwb检测样本特征a
′
j
在uwb检测样本数据集d
′
下的信息增益，j、m均为正整数。
[0084]
获取检测结果影响因子样本数据集的第三条件信息熵，根据第三条件信息熵获取检测结果影响因子样本特征的信息增益；
[0085]
可选地，检测结果影响因子包括光线信息、拐角信息和车速信息中的一种或多种
[0086]
可选地，检测结果影响因子包括天气信息、立柱信息中的一种或多种。
[0087]
可选地，通过决策树算法对检测结果影响因子样本特征进行训练学习得到检测结果影响因子的权重。
[0088]
可选地，通过计算g
″
k
(d
″
,f
k
)＝h(d
″
)-h(d
″
|f
k
)获得第k个检测结果影响因子样本特征f
k
在检测结果影响因子样本数据集d
″
下的信息增益；
[0089]
其中，g
″
k
(d
″
,f
k
)为第k个检测结果影响因子样本特征f
k
在检测结果影响因子样本数据集d
″
下的信息增益，h(d
″
)为检测结果影响因子样本数据集d
″
的信息熵，h(d
″
f
k
)为检测结果影响因子样本数据集d
″
在第k个检测结果影响因子样本特征f
k
下的第三条件信息熵，k为正整数。可选地，检测结果影响因子样本特征f
k
为光线信息、拐角信息或车速信息。可选地，检测结果影响因子样本数据集d
″
包含多个检测结果影响因子样本特征f
k
。
[0090]
可选地，通过计算获得检测结果影响因子样本数据集d
″
的信息熵；
[0091]
其中，p
′
k
′
为检测结果影响因子样本特征出现的概率，k、l均为正整数。
[0092]
可选地，通过计算h(d
″
|f
k
)＝p
″
1
h(d
″
|f
1
)+p
″
2
h(d
″
|f
2
)+
…
+p
″
k
h(d
″
|f
k
)获得检测结果影响因子样本数据集d
″
在第k个检测结果影响因子样本特征f
k
下的第三条件信息熵。
[0093]
通过第五预设算法利用检测结果影响因子样本特征的信息增益进行计算，获得检测结果影响因子权重；
[0094]
可选地，通过计算获得检测结果影响因子的权重；其中，γ为检测结果影响因子的权重，g
″
k
(d
″
,f
k
)为第k个检测结果影响因子样本特征f
k
在检测结果影响因子样本数据集d
″
下的信息增益，k、l均为正整数。
[0095]
根据视频检测结果权重、uwb检测结果、视频检测结果和uwb检测结果权重、检测结果影响因子权重和预设的检测结果影响因子获取目标检测结果；
[0096]
可选地，通过计算igps＝α
×
uwb
gps
+β
×
avp
gps
+γ
×
f
k
获得目标检测结果；其中，igps为目标检测结果，α为uwb检测结果权重，uwb
gps
为uwb检测结果，β为视频检测结果权重，avp
gps
为视频检测结果，γ为检测结果影响因子权重，f
k
为检测结果影响因子。
[0097]
可选地，目标检测结果为目标的定位数据，例如：经纬度或航向角等。
[0098]
可选地，获取检测结果影响因子，包括：通过激光雷达slam(simultaneous localization and mapping，同步定位与建图)技术和视频摄像头进行360度全景扫描，获取包括有道路的标志和标线位置、车位实际位置和大小距离、整个停车场的立柱位置等的高精地图；通过全站仪进行测量精确坐标点的距离和角度，获得对应目标的经纬度，并构建地图；获得关键点的坐标和车位坐标；分别在光线好、光线较弱、无光线的环境下进行测试视频检测结果和uwb检测结果，并对应调整视频检测结果权重；分别在有拐角、无拐角、有立柱、无立柱的位置进行测试视频检测结果和uwb检测结果；停车场层高影响uwb检测结果；分别在不同车速下进行测试视频检测结果和uwb检测结果，例如：0-5km/h、5-10km/h,10-15km/h等。
[0099]
可选地，在有拐角的情况下，视频检测结果权重更大；在光线不好的情况下，uwb检测结果权重更大；在高速情况下，视频检测结果权重更大；在低速情况下，uwb检测结果权重
更大。可选地，车速超多设定阈值的情况下为高速。
[0100]
这样，通过获取目标的uwb检测结果和视频检测结果，并将两种检测结果的定位数据进行融合，并融合了检测结果影响因子，更进一步提高了目标定位的精度。
[0101]
可选地，获取针对目标的视频检测结果和针对目标的超宽带uwb检测结果后，还包括：剔除视频检测结果和uwb检测结果中的异常值。
[0102]
可选地，利用箱型图对视频检测结果和uwb检测结果进行描述性的统计。可选地，判断各定位数据是否满足预设条件，在定位数据不满足预设条件的情况下，剔除不满足预设条件的数据；将满足预设条件的数据进行融合。可选地，满足预设条件为定位数据属于预设范围。
[0103]
可选地，获取针对目标的视频检测结果和针对目标的超宽带uwb检测结果后，还包括：对视频检测结果和uwb检测结果进行时间校准。
[0104]
可选地，以同一时间基准对视频检测结果和uwb检测结果的时间进行进行校准，使得能够保证同一时间有两组不同的定位数据。
[0105]
可选地，由于视频检测结果和uwb检测结果的刷新频率不同，在只收到其中一种定位数据的情况下，获取当前收到的定位数据为目标检测结果；在同时收到视频检测结果和uwb检测结果两种定位数据时，对uwb检测结果和avp检测结果进行融合，并考虑检测结果影响因子，以使获得的目标检测结果更加精确。
[0106]
在一些实施例中，目标车辆从停车场门口进入停车场泊车，通过uwb检测装置获取uwb检测结果，摄像装置获取视频检测结果；利用目标车辆的uwb检测结果和视频检测结果进行融合，得到目标车辆更加准确的检测结果数据；根据获得的目标车辆检测结果数据与车身定位数据对车辆进行精确定位，获得目标车辆实时的定位信息；根据目标车辆当前定位信息与停车为位置的距离，绘制最优停车路线，获得目标车辆在停车场的路径规划。这样，通过uwb检测结果和视频检测结果进行融合，增强了目标车辆定位数据的稳定性和准确性。并使用融合后得到的检测结果数据进行地图匹配，不依赖于环境的影响，能够获得当前目标车辆在高精地图中的局部精确位置，车辆定位的准确性、可靠性更高，定位精度可以达到厘米级。同时，由于功耗低、抗多径效果好、安全性高、系统复杂度低、提高算法的准确性和快速性。
[0107]
结合图2所示，本公开实施例提供一种用于目标检测的装置，包括处理器(processor)100和存储有程序指令的存储器(memory)101。可选地，该装置还可以包括通信接口(communication interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的程序指令，以执行上述实施例的用于目标检测的方法。
[0108]
此外，上述的存储器101中的程序指令可以通过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。
[0109]
存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于目标检测的方法。
[0110]
存储器101可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；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101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。
[0111]
采用本公开实施例提供的用于目标检测的装置，通过将视频检测结果和uwb检测结果进行融合，获得目标检测结果，能够提高了对目标检测的精度。
[0112]
本公开实施例提供了一种设备，包含上述的用于目标检测的装置。
[0113]
该设备通过将视频检测结果和uwb检测结果进行融合，获得目标检测结果，能够提高了对目标检测的精度。
[0114]
可选地，设备包括计算机或服务器等。
[0115]
可选地，设备通过摄像装置获取视频检测结果；通过uwb检测装置获取uwb检测结果。
[0116]
本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令设置为执行上述用于目标检测的方法。
[0117]
本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述用于目标检测的方法。
[0118]
上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
[0119]
本公开实施例的技术方案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，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
[0120]
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个
…”
限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
[0121]
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及
算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述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。
[0122]
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，可以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。另外，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。另外，在本公开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。
[0123]
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。