卡片类别的识别方法、装置、电子设备和计算机存储介质与流程

1.本技术涉及识别技术领域，尤其涉及一种卡片类别的识别方法、装置、电子设备和计算机存储介质。


背景技术：

2.目前在某些场景需要对卡片进行识别，以识别出卡片中包含的重要信息，卡片可以包含多种类别，例如身份证、名片、驾驶证、发票或车票等。现有技术中对卡片识别的流程，以识别名片为例，包括：先从外观上判断卡片是否为名片，然后识别卡片中的文字信息，最后提取文字信息中的姓名、电话、地址等信息。
3.其中，识别名片类别是通过卡片的外观判断得到的，但目前很多广告传单的外观与名片外观相似，仅通过外观识别容易识别错误。若采用识别模型对名片的外观进行识别，由于名片的排版方式、颜色、风格等具有非常大的差异，难以找到足够的样本对识别模型进行训练，不容易形成具有足够鲁棒性的识别模型，这样导致外观识别不准确，导致卡片类别识别出现错误。


技术实现要素：

4.本技术实施例的目的在于提供一种卡片类别的识别方法、装置、电子设备和计算机存储介质，以解决卡片类别识别出现错误的问题。
5.具体技术方案如下：
6.第一方面，提供了一种卡片类别的识别方法，所述方法包括：
7.通过词汇检索方案选取出目标卡片中的目标词汇，其中，所述目标词汇中包含至少一个词汇，所述目标词汇在所述目标卡片中的出现次数高于预设次数阈值、且所述目标词汇能够用于区分所述目标卡片的类别；
8.将所述目标词汇转换为目标矩阵，其中，所述目标矩阵中包含至少一个子矩阵，所述子矩阵与所述目标词汇中的一个词汇对应；
9.将所述目标矩阵输入目标识别模型，得到所述目标识别模型输出的所述目标矩阵指示的所述目标卡片的卡片类别。
10.可选地，所述通过词汇检索方案选取出目标卡片中的目标词汇包括：
11.确定所述目标卡片中的待选词汇，其中，所述目标卡片中的每个词汇为一个待选词汇；
12.确定所述待选词汇的词频，其中，所述词频用于指示所述待选词汇在所述目标卡片中出现的频率；
13.确定所述待选词汇的逆文本频率，其中，所述逆文本频率用于指示所述包含所述待选词汇的文本在语料库中出现的频率；
14.将所述词频和所述逆文本频率的乘积值作为所述待选词汇的重要度，其中，所述重要度用于衡量所述待选词汇区分所述目标卡片的类别的影响程度；
15.选取重要度大于预设阈值的待选词汇作为所述目标词汇。
16.可选地，确定所述待选词汇的词频包括：将所述待选词汇在所述目标卡片中的出现频次和所述目标卡片中的全部词汇的数量的商值，作为所述待选词汇的词频；
17.确定所述待选词汇的逆文本频率包括：将语料库中全部文本的数量作为第一数量；确定所述语料库中包含所述待选词汇的待选文本的第二数量；将所述第一数量和所述第二数量的商值的对数作为所述待选词汇的逆文本频率。
18.可选地，确定所述目标卡片中的待选词汇包括：
19.采用拍摄装置获取所述目标卡片的目标图像；
20.采用文本识别方案识别所述目标图像中的文本信息；
21.采用分词方案对所述文本信息进行分词，得到多个待选词汇。
22.可选地，将所述目标词汇转化为目标矩阵包括：
23.将所述目标词汇中的至少一个词汇转换为至少一个n维的目标向量，其中，一个所述词汇对应一个目标向量，所述目标向量为一个1*n的子矩阵；
24.根据所述目标词汇中的m个词汇对应的m个子矩阵，构成m*n的目标矩阵。
25.可选地，将所述目标矩阵输入目标识别模型之前，所述方法还包括：
26.获取样本矩阵和所述样本矩阵对应的标注结果，其中，所述标注结果用于指示所述样本矩阵对应的样本卡片的卡片类别；
27.将所述样本矩阵输入初始识别模型，得到所述初始识别模型输出的识别结果，其中，所述识别用于指示所述样本矩阵对应的样本卡片的卡片类别；
28.在所述标注结果与识别结果不一致的情况下，调整所述初始识别模型的模型参数，得到所述目标识别模型，其中，所述目标识别模型的识别结果与所述标注结果一致。
29.可选地，所述样本矩阵中的样本向量为多维向量，所述将所述样本矩阵输入初始识别模型，得到所述初始识别模型输出的识别结果包括：
30.将所述样本矩阵输入初始识别模型的卷积层，得到所述卷积层输出的所述样本矩阵的第一文本特征，其中，所述卷积层中第一层卷积层的卷积核的宽度与所述多维向量的维度相同；
31.将所述第一文本特征输入所述初始识别模型的池化层，得到所述池化层输出的第二文本特征，其中，所述第二文本特征的维度与所述第一文本特征的维度不同；
32.将所述第二文本特征输入所述初始识别模型的输出层，得到所述输出层输出的识别结果，所述识别结果的维度与所述第二文本特征的维度不同。
33.第二方面，提供了一种卡片类别的识别装置，所述装置包括：
34.选取模块，用于通过词汇检索方案选取出目标卡片中的目标词汇，其中，所述目标词汇中包含至少一个词汇，所述目标词汇在所述目标卡片中的出现次数高于预设次数阈值、且所述目标词汇能够用于区分所述目标卡片的类别；
35.转换模块，用于将所述目标词汇转换为目标矩阵，其中，所述目标矩阵中包含至少一个子矩阵，所述子矩阵与所述目标词汇中的一个词汇对应；
36.输入输出模块，用于将所述目标矩阵输入目标识别模型，得到所述目标识别模型输出的所述目标矩阵指示的所述目标卡片的卡片类别。
37.第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其
中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
38.存储器，用于存放计算机程序；
39.处理器，用于执行存储器上所存放的程序时，实现任一所述的卡片类别的识别方法步骤。
40.第四方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的卡片类别的识别方法步骤。
41.本技术实施例有益效果：
42.本技术用于深度学习技术领域的自然语言处理，本技术实施例提供了一种卡片类别的识别方法，服务器通过词汇检索方案选取出目标卡片中的目标词汇，然后将目标词汇转换为目标矩阵，再将目标矩阵输入目标识别模型，得到目标识别模型输出的目标矩阵指示的目标卡片的卡片类别。
43.本技术针对目标卡片中的词汇内容进行卡片类别的识别，无需识别卡片的外观，提高了卡片类别识别的准确度，另外，只利用目标词汇进行卡片类别的识别，无需采用目标卡片中的全部词汇，提高了卡片类别识别的效率。
44.当然，实施本技术的任一产品或方法并不一定需要同时达到以上的所有优点。
附图说明
45.为了更清楚地说明本技术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，对于本领域普通技术人员而言，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。
46.图1为本技术实施例提供的一种卡片类别的识别方法硬件环境示意图；
47.图2为本技术实施例提供的一种卡片类别的识别的方法流程图；
48.图3为本技术实施例提供的选取目标词汇的方法流程图；
49.图4为本技术实施例提供的一种卡片类别的识别装置的结构示意图；
50.图5为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
51.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
52.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本技术的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
53.为了解决背景技术中提及的问题，根据本技术实施例的一方面，提供了一种卡片类别的识别方法的实施例。
54.可选地，在本技术实施例中，上述卡片类别的识别方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置
数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101包括但不限于pc、手机、平板电脑等。
55.本技术实施例中的一种卡片类别的识别方法可以由服务器103来执行，用于识别卡片的类别。
56.下面将结合具体实施方式，对本技术实施例提供的一种卡片类别的识别方法进行详细的说明，如图2所示，具体步骤如下：
57.步骤201：通过词汇检索方案选取出目标卡片中的目标词汇。
58.其中，目标词汇中包含至少一个词汇，目标词汇在目标卡片中的出现次数高于预设次数阈值、且目标词汇能够用于区分目标卡片的类别。
59.在本技术实施例中，目标卡片中包含词汇，服务器通过词汇检索方案从目标卡片的全部词汇中选取出目标词汇，目标词汇中包括至少一个词汇，即目标词汇可以为一个词汇，也可以为多个词汇。
60.目标词汇在目标卡片中的出现次数高于预设次数阈值，表明目标词汇能够很好代表该类目标卡片的特征，但一些普遍词汇的出现次数也很高，例如“的”、“我”等，该类普遍词汇在各类别的卡片中都容易出现，因此，目标词汇不包含在各类别卡片中都容易出现的普遍词汇。
61.若目标卡片为名片，则目标词汇应该用于区分名片与其他卡片的类别，示例性地，目标词汇可以为“有限”、“责任”、“地址”、“电话”和“email”。
62.步骤202：将目标词汇转换为目标矩阵。
63.其中，目标矩阵中包含至少一个子矩阵，子矩阵与目标词汇中的一个词汇对应。
64.服务器通过目标识别模型识别卡片类别，则需要基于能够区别目标卡片类别的目标词汇识别卡片类型，服务器将目标词汇转化为计算机可识别的目标矩阵。由于目标词汇包括至少一个词汇，词汇可转换为一个子矩阵，则目标词汇对应的目标矩阵包括至少一个子矩阵。
65.步骤203：将目标矩阵输入目标识别模型，得到目标识别模型输出的目标矩阵指示的目标卡片的卡片类别。
66.服务器将目标矩阵输入目标识别模型，得到目标识别模型输出的目标矩阵指示的目标卡片的卡片类别。
67.在本技术中，服务器通过识别出目标卡片中的能够区分卡片类别的目标词汇，将目标词汇转换为目标矩阵，然后基于目标识别模型得到目标矩阵对应的目标卡片的卡片类别。本技术针对目标卡片中的词汇内容进行卡片类别的识别，无需识别卡片的外观，提高了卡片类别识别的准确度，另外，只利用目标词汇进行卡片类别的识别，无需采用目标卡片中的全部词汇，提高了卡片类别识别的效率。
68.作为一种可选的实施方式，如图3所示，通过词汇检索方案选取出目标卡片中的目标词汇包括：
69.步骤301：确定目标卡片中的待选词汇。
70.其中，目标卡片中的每个词汇为一个待选词汇。
71.目标卡片中包含多个词汇，服务器设定每个词汇为一个待选词汇，则目标卡片中包含多个待选词汇。
72.步骤302：确定待选词汇的词频。
73.其中，词频用于指示待选词汇在目标卡片中出现的频率。
74.服务器确定待选词汇的词频(tf，term frequency)，具体的，服务器确定待选词汇在目标卡片中的出现频次，并确定目标卡片中的全部词汇的数量，然后将出现频次和数量的商值作为待选词汇的词频，该词频用于指示待选词汇在目标卡片中出现的频率。出现频率越高，表明目标词汇能够越好代表该类目标卡片的特征。
75.词频的计算公式为：
76.词频(tf)＝待选词汇在目标卡片中的出现频次/目标卡片中的全部词汇的数量。
77.步骤303：确定待选词汇的逆文本频率。
78.其中，逆文本频率用于指示包含待选词汇的文本在语料库中出现的频率。
79.也会有一些出现频率较高的普遍词汇不能代表目标卡片的特征，例如“的”、“我”等。因此，需要设置目标词汇的权重。服务器确定待选词汇的逆文本频率(idf，inverse document frequency)，具体的，服务器首先获取语料库，然后将语料库中全部文本的数量作为第一数量，并确定语料库中包含待选词汇的待选文本的第二数量，最后将第一数量和第二数量的商值的对数作为待选词汇的逆文本频率。
80.逆文档频率的计算公式为：
81.逆文档频率(idf)＝log(语料库的全部文本的第一数量/包含待选词汇的待选文本的第二数量+1)。
82.语料库中可能会不存在包含待选词汇的待选文本，为了防止分母为零，在idf的计算公式中，将第二数量加一的和值作为分母。
83.根据逆文档频率的计算公式可知，包含待选词汇的待选文本的第二数量越小，则idf越大，idf相当于待选词汇的tf的权重。包含待选词汇的待选文本的数量越少，表明该待选词汇越能够将目标卡片区别于其他卡片的类别，该待选词汇对应的权重越大。这样一些普遍词汇由于在语料库的文本中出现频繁，因此，普遍词汇的idf较小。
84.示例性地，服务器设置的语料库涉及运动休闲、人文科学、生活百科、艺术设计、医学医药等十大领域总共100多万条语料，用来模拟语言的使用环境。
85.步骤304：将词频和逆文本频率的乘积值作为待选词汇的重要度。
86.其中，重要度用于衡量待选词汇区分目标卡片的类别的影响程度。
87.服务器计算词频和逆文本频率的乘积值，并将该乘积值作为待选词汇的重要度tf
‑
idf。
88.tf
‑
idf的计算公式为：
89.tf
‑
idf＝词频(tf)*逆文档频率(idf)。
90.tf
‑
idf与待选词汇在目标卡片中的出现次数成正比，与待选词汇在整个语料库中的出现次数成反比，tf
‑
idf能够衡量待选词汇对区分目标卡片的类别的影响程度。
91.步骤305：选取重要度大于预设阈值的待选词汇作为目标词汇。
92.服务器计算出每个待选词汇的tf
‑
idf后，将多个待选词汇的tf
‑
idf按照由大到小的顺序进行排列，然后选取排列顺序位于预设位置之前的tf
‑
idf，并将选取出来的tf
‑
idf对应的待选词汇作为目标词汇。
93.示例性地，待选词汇的数量为15个，服务器确定出每个待选词汇对应的tf
‑
idf后
得到15个tf
‑
idf，然后将15个tf
‑
idf按照由大到小的顺序进行排列，然后选取前5个tf
‑
idf对应的待选词汇作为目标词汇。示例性地，服务器选取出来的目标词汇为“有限”、“责任”、“地址”、“电话”和“email”。
94.作为一种可选的实施方式，确定目标卡片中的待选词汇包括：采用拍摄装置获取目标卡片的目标图像；采用文本识别方案识别目标图像中的文本信息；采用分词方案对文本信息进行分词，得到多个待选词汇。
95.服务器获取目标卡片之后，首先通过拍摄装置获取目标卡片的目标图像，然后基于文本识别方案识别目标图像中的文本信息，其中，文本识别方案可以采用ocr文本识别软件，也可以采用其他方式进行图像的文本识别，本技术对文本识别方案不做具体限制。服务器得到文本信息后，采用分词方案对文本信息进行分词，得到多个待选词汇。
96.作为一种可选的实施方式，将目标词汇转换为目标矩阵包括：将目标词汇中的至少一个词汇转换为至少一个n维的目标向量，其中，一个词汇对应一个目标向量，目标向量为一个1*n的子矩阵；根据目标词汇中的m个词汇对应的m个子矩阵，构成m*n的目标矩阵。
97.服务器将目标词汇中的一个词汇转换为一个n维的目标向量，则n维的目标向量对应一个1*n的子矩阵，若目标词汇种包含m个词汇，则会产生m个1*n的子矩阵，服务器将m个子矩阵进行组合，构成一个m*n的目标矩阵。
98.作为一种可选的实施方式，将目标矩阵输入目标识别模型之前，方法还包括：服务器获取样本矩阵和样本矩阵对应的标注结果，其中，标注结果用于指示样本矩阵对应的样本卡片的卡片类别，然后将样本矩阵输入初始识别模型，得到初始识别模型输出的识别结果，其中，识别用于指示样本矩阵对应的样本卡片的卡片类别，服务器在标注结果与识别结果不一致的情况下，调整初始识别模型的模型参数，直至目标识别模型的识别结果与标注结果一致，得到目标识别模型。
99.在本技术中，采用样本矩阵对初始识别模型进行训练，样本矩阵相对于样本词汇具有固定性，无需考虑卡片的排版方式、颜色、风格等可变性大的因素，使得初始识别模型的训练更加准确。
100.作为一种可选的实施方式，样本矩阵中的样本向量为32维向量，样本矩阵中包含5个子矩阵，则样本矩阵为5*32的矩阵，其中，将样本矩阵输入初始识别模型，得到初始识别模型输出的识别结果包括：服务器将5*32的样本矩阵输入初始识别模型的卷积层，得到卷积层输出的样本矩阵的第一文本特征，其中，卷积层中第一层卷积层的卷积核的宽度与多维向量的维度相同，卷积核的宽度为32，其他层卷积层的卷积核的宽度没有限制。
101.服务器将第一文本特征输入初始识别模型的池化层，得到池化层输出的第二文本特征，其中，第二文本特征的维度与第一文本特征的维度不同，第二文本特征的维度为128，服务器将第二文本特征输入初始识别模型的输出层，得到输出层输出的识别结果，识别结果的维度与第二文本特征的维度不同，识别结果的维度为768。
102.可选的，本技术实施例还提供了一种卡片类别的识别的处理流程图，具体步骤如下。
103.步骤1：采用拍摄装置获取目标卡片的目标图像。
104.步骤2：采用文本识别方案识别目标图像中的文本信息。
105.步骤3：采用分词方案对文本信息进行分词，得到多个待选词汇。
106.步骤4：从待选词汇中选取tf
‑
idf大于预设阈值的目标词汇。
107.步骤5：将目标词汇转换为目标矩阵。
108.步骤6：将目标矩阵输入目标识别模型，得到目标识别模型输出的目标矩阵指示的目标卡片的卡片类别。
109.基于相同的技术构思，本技术实施例还提供了一种卡片类别的识别的装置，如图4所示，该装置包括：
110.选取模块401，用于通过词汇检索方案选取出目标卡片中的目标词汇，其中，目标词汇中包含至少一个词汇，目标词汇在目标卡片中的出现次数高于预设次数阈值、且目标词汇能够用于区分目标卡片的类别；
111.转换模块402，用于将目标词汇转换为目标矩阵，其中，目标矩阵中包含至少一个子矩阵，子矩阵与目标词汇中的一个词汇对应；
112.输入输出模块403，用于将目标矩阵输入目标识别模型，得到目标识别模型输出的目标矩阵指示的目标卡片的卡片类别。
113.可选地，选取模块401用于：
114.确定目标卡片中的待选词汇，其中，目标卡片中的每个词汇为一个待选词汇；
115.确定待选词汇的词频，其中，词频用于指示待选词汇在目标卡片中出现的频率；
116.确定待选词汇的逆文本频率，其中，逆文本频率用于指示包含待选词汇的文本在语料库中出现的频率；
117.将词频和逆文本频率的乘积值作为待选词汇的重要度，其中，重要度用于衡量待选词汇区分目标卡片的类别的影响程度；
118.选取重要度大于预设阈值的待选词汇作为目标词汇。
119.可选地，
120.选取模块401还用于：将待选词汇在目标卡片中的出现频次和目标卡片中的全部词汇的数量的商值，作为待选词汇的词频；
121.选取模块401还用于：将语料库中全部文本的数量作为第一数量；确定语料库中包含待选词汇的待选文本的第二数量；将第一数量和第二数量的商值的对数作为待选词汇的逆文本频率。
122.可选地，选取模块401还用于：
123.采用拍摄装置获取目标卡片的目标图像；
124.采用文本识别方案识别目标图像中的文本信息；
125.采用分词方案对文本信息进行分词，得到多个待选词汇。
126.可选地，转换模块402用于：
127.将目标词汇中的至少一个词汇转换为至少一个n维的目标向量，其中，一个词汇对应一个目标向量，目标向量为一个1*n的子矩阵；
128.根据目标词汇中的m个词汇对应的m个子矩阵，构成m*n的目标矩阵。
129.可选地，该装置还用于：
130.获取样本矩阵和样本矩阵对应的标注结果，其中，标注结果用于指示样本矩阵对应的样本卡片的卡片类别；
131.将样本矩阵输入初始识别模型，得到初始识别模型输出的识别结果，其中，识别用
于指示样本矩阵对应的样本卡片的卡片类别；
132.在标注结果与识别结果不一致的情况下，调整初始识别模型的模型参数，得到目标识别模型，其中，目标识别模型的识别结果与标注结果一致。
133.可选地，样本矩阵中的样本向量为多维向量，该装置还用于：将样本矩阵输入初始识别模型的卷积层，得到卷积层输出的样本矩阵的第一文本特征，其中，卷积层中第一层卷积层的卷积核的宽度与多维向量的维度相同；
134.将第一文本特征输入初始识别模型的池化层，得到池化层输出的第二文本特征，其中，第二文本特征的维度与第一文本特征的维度不同；
135.将第二文本特征输入初始识别模型的输出层，得到输出层输出的识别结果，识别结果的维度与第二文本特征的维度不同。
136.根据本技术实施例的另一方面，本技术提供了一种电子设备，如图5所示，包括存储器503、处理器501、通信接口502及通信总线504，存储器503中存储有可在处理器501上运行的计算机程序，存储器503、处理器501通过通信接口502和通信总线504进行通信，处理器501执行计算机程序时实现上述方法的步骤。
137.上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
138.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
139.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称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。
140.根据本技术实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
141.可选地，在本技术实施例中，计算机可读介质被设置为存储用于所述处理器执行上述方法的程序代码。
142.可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
143.本技术实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。
144.可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dsp device，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field
‑
programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术所述功能的其它电子单元或其组合中。
145.对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
146.本领域普通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，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
147.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。
148.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，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，例如多个模块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。
149.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。
150.另外，在本技术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。
151.所述功能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，本技术实施例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，服务器，或者网络设备等)执行本技术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、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。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、物品或者设备中还存在另外的相同要素。
152.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。