视频识别方法、装置、设备及存储介质与流程

1.本技术属于视频审核领域，具体涉及一种视频识别方法、装置、设备及存储介质。


背景技术：

2.近年来以用户原创内容(user generated content，ugc)视频模式为主打的互联网内容平台发展迅速。ugc模型使得每个互联网用户都可以成为内容的创造者，在一方面能够帮助内容平台以较低的成本收获大量的内容，另一方面由于海量的数据以及宽松的上传方式，导致内容质量良莠不齐。例如部分用户会发布一些违规内容，例如，色情、暴力、政治敏感和低俗。这些内容不仅可能会损害平台自身的利益，影响用户使用体验，甚至于对社会也可能造成不好的影响，所以需要对视频进行识别。
3.现有的针对视频违规内容的识别方法，识别准度较低。


技术实现要素：

4.本技术实施例的目的是提供一种视频识别方法、装置、设备及存储介质，能够解决现有技术针对视频违规内容的识别方法的识别准度较低的问题。
5.第一方面，本技术实施例提供一种视频识别方法，包括：
6.获取与视频相关的文本信息；
7.获取文本信息中词语的语义特征，并获取第一特征，第一特征包括预设违规词特征，或者包括预设违规词特征和文本信息中词语的词性特征；
8.通过第一特征与语义特征计算表征文本信息的违规程度的注意力特征；
9.根据注意力特征，确定视频的识别结果。
10.第二方面，本技术实施例提供一种视频识别装置，包括：
11.获取模块，用于获取与视频相关的文本信息；
12.获取模块，还用于获取文本信息中词语的语义特征，并获取第一特征，第一特征包括预设违规词特征，或者包括预设违规词特征和文本信息中词语的词性特征；
13.计算模块，用于通过第一特征与语义特征计算表征文本信息的违规程度的注意力特征；
14.确定模块，用于根据注意力特征，确定视频的识别结果。
15.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
16.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
17.第五方面，本技术实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
18.在本技术实施例中，将视频相关的文本信息作为视频识别数据对视频是否违规进行识别，并引入注意力机制，通过注意力机制计算表征所述文本信息的违规程度的注意力特征，然后根据注意力特征确定视频是否违规的识别结果，能够识别视频不以图像为形式显示的隐晦违规信息，提升了视频的识别准确率。
附图说明
19.图1是本技术实施例提供的一种视频识别方法的流程示意图；
20.图2是本技术实施例提供的一种确定视频识别结果的流程示意图；
21.图3是本技术实施例提供的一种采用三类注意力特征确定视频识别结果的流程示意图；
22.图4是本技术实施例提供的一种视频识别装置的结构示意图；
23.图5是本技术实施例提供的一种电子设备的结构示意图
24.图6是本技术实施例提供的另一种电子设备的结构示意图。
具体实施方式
25.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地描述，显然，所描述的实施例是本技术一部分实施例，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获得的所有其他实施例，都属于本技术保护的范围。
26.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不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，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
27.现有的针对视频违规内容的识别方法，通常的做法是抽取视频中的图像帧去识别其中的违规元素图像，对于直接以图像形式显示的违规信息，图像识别能够识别，而对于一些以图像之外的其他形式隐晦的显示违规信息是图像识别难以识别的，导致现有的针对视频违规内容的识别方法识别准度较低。
28.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的视频识别方法进行详细地说明。
29.图1示出了本技术一个实施例提供的视频识别方法的流程示意图。如图1所示，该方法可以包括以下步骤：
30.s110，获取与视频相关的文本信息。
31.其中，与视频相关的文本信息一般用于解释介绍视频显示的内容，与视频是否违规高度相关。在获取与视频相关的文本信息时，可以应用文字提取算法进行获取，文字提取算法能够提取视频图像帧中的文字信息，例如，文字提取算法可以选用为光学字符识别(optical character recognition，ocr)。
32.s120，获取文本信息中词语的语义特征，并获取第一特征，第一特征包括预设违规词特征，或者包括预设违规词特征和文本信息中词语的词性特征。
33.其中，可以通过语义特征抽取算法抽取文本信息中词语的语义特征，语义特征抽取算法能够抽取文本信息中的语义信息，例如，语义特征抽取算法可以选用为bert(pre-training of deep bidirectional transformers for language understanding)模型。预设违规词特征可以通过预先记录违规词并抽取违规词特征而得到。词性特征可以通过词性标注(part-of-speech tagging或pos tagging)算法得到，词性标注算法能够识别文本信息中词语的词性特征。bert模型的主干网络使用自注意力计算文本之间的关系，并且使用大量的文本语料对其进行自监督训练，使得其编码的文本具有通用的语义信息，获取整体句子的特征编码，以及每个字的特征。
34.s130，通过第一特征与语义特征计算表征文本信息的违规程度的注意力特征。
35.其中，可以通过注意力机制计算第一特征与语义特征之间的注意力特征，注意力机制的核心思想是基于输入的数据找到其之间的关联性。通过注意力机制能够计算表征文本信息的违规程度的注意力特征。
36.s140，根据注意力特征，确定视频的识别结果。
37.其中，注意力特征能够反映出视频相关的文本信息的违规程度，根据注意力特征，可以确定视频的识别结果。
38.在本技术实施例中，将视频相关的文本信息作为视频识别数据对视频是否违规进行识别，并引入注意力机制，通过注意力机制计算表征文本信息的违规程度的注意力特征，然后根据注意力特征确定视频是否违规的识别结果，能够识别视频不以图像为形式显示的隐晦违规信息，提升了视频的识别准确率。
39.在一种实施例中，在第一特征包括预设违规词特征的情况下，s130可以包括：计算语义特征与预设违规词特征之间的第一注意力特征。
40.s140可以包括：根据第一注意力特征，确定视频的识别结果。
41.其中，注意力机制的核心思想是基于输入的数据找到其之间的关联性。通过注意力机制能够计算出语义特征与预设违规词特征之间的第一注意力特征。第一注意力特征能够反映出视频相关的文本信息的违规程度，根据第一注意力特征，可以确定视频的识别结果。
42.本技术实施例中，为了更好的提高视频识别的准确率，考虑到违规事件或者一些新创的违规网络词汇，往往由于其信息的隐晦属性，难以被机器算法理解。本技术实施例将预设违规词特征融入到注意力特征的计算中，通过注意力机制融合语义特征和预设违规词特征，能够有效的提供额外的先验知识去提升注意力计算时识别视频是否违规的准确性。
43.在一种实施例中，在第一特征包括预设违规词特征和词性特征的情况下，s130可以包括：
44.s1301，计算语义特征与预设违规词特征之间的第一注意力特征，并计算语义特征与词性特征之间的第二注意力特征。
45.其中，可以通过注意力机制计算第一注意力特征和第二注意力特征。
46.s1302，拼接第一注意力特征和第二注意力特征，得到拼接注意力特征。
47.s140可以包括：根据拼接注意力特征确定视频的识别结果。
48.其中，第一注意力特征能够表征出语义特征与预设违规词特征之间的关联性；第二注意力特征能够表征出语义特征与词性特征之间的关联性。视频是否违规的确定流程可
以如图2所示，可以通过特征融合算法拼接第一注意力特征和第二注意力特征，得到拼接特征，特征融合算法能够融合特征，特征融合算法可以选用为基于深度学习理论的特征融合算法。然后根据拼接注意力特征确定视频的识别结果。
49.本技术实施例中，为了更好的提高视频识别的准确率，考虑到违规事件或者一些新创的违规网络词汇，往往由于其信息的隐晦属性，或新创词汇难以被机器算法理解。并且，违规的语义特征往往不会以副词形式显示，如“啊”，“哦”，也不会以量词的形式显示，如“一个”，“许多”，违规信息的表现形式往往表现为名词和形容词等。本技术实施例将词性特征和预设违规词特征融入到注意力特征的计算中，能够有效的提供额外的先验知识去提升注意力计算时识别视频是否违规的准确性。
50.在一种实施例中，在s1302：拼接第一注意力特征和第二注意力特征，得到拼接注意力特征之前，该方法还可以包括：
51.计算文本信息中的第一词语和第二词语分别对应的语义特征之间的第三注意力特征。
52.s1302可以包括：拼接第一注意力特征、第二注意力特征、和第三注意力特征，得到拼接注意力特征。
53.其中，考虑到文本句子之间不同词语之间的语义以及语法联系，在计算拼接注意力特征时，还可以引入自注意力特征计算得到文本信息中的第一词语和第二词语分别对应的语义特征之间的第三注意力特征，提示视频精度，可以通过注意力机制计算第三注意力特征。
54.本技术实施例中，为了更好的提高视频识别的准确率，考虑到违规事件或者一些新创的违规网络词汇，往往由于其信息的隐晦属性，或新创词汇难以被机器算法理解。并且，违规的语义特征往往不会以副词形式显示，如“啊”，“哦”，也不会以量词的形式显示，如“一个”，“许多”，违规信息的表现形式往往表现为名词和形容词等。并且，联系文本信息上下文能够更好确定文本信息中是否存在违规信息，本技术实施例将词性特征、预设违规词特征、以及文本的语义特征的自注意力特征融入到注意力特征的计算中，充分考虑文本句子之间不同词语之间的语义以及语法联系，能够有效的提供额外的先验知识去提升注意力计算时识别视频是否违规的准确性。
55.为了帮助理解，结合图3对采用第一注意力特征、第二注意力特征、以及第三注意力特征确定视频的识别结果的具体实施例进行说明，如图3所示：
56.考虑识别的违规的语义特征很有很可能就是预设违规词特征的内容，应该受到关注，计算语义特征与预设违规词特征之间的第一注意力特征a1。
[0057][0058][0059]
其中，其中，h
t
表示任意一个语义特征，pi表示任意一个预设违规词特征，n为语义特征的个数，t表示矩阵转置。可以预先生成预设违规词特征的违规词库，将其映射为
onehot向量。用于特征融合计算。为了更好的识别一些时事发生的违规事件，可以将违规相关词划分为几类，以违规相关词为色情为例，可划分为：涉性词，网络词，网络事件，生理相关词，如表1所示。
[0060]
表1
[0061]
违规类别词表向量涉性词[1,0,0,0,0]网络词[0,1,0,0,0]网络事件[0,0,1,0,0]生理相关词[0,0,0,1,0]
[0062]
考虑违规的语义特征与词性特征之间的分布关系，即违规多分布在形容词，名词的先验知识。通过注意力计算抓取这些先验分布，通过注意力机制计算语义特征与词性特征之间的第二注意力特征a2。
[0063][0064]
其中，ji表示任意一个词性特征，为了更好的提取违规的语义特征，
[0065]
融入词性特征，一般情况下违规词为形容词、名词，而很少会有违规量词与代词，融入词性标注可以使得识别更准确。词性特征可以如表2所示。
[0066]
表2
[0067]
符号表示词性词性向量no名词[1,0,0,0,0]a形容词[0,1,0,0,0]v动词[0,0,1,0,0]ad副词[0,0,0,1,0]w标点符号[0,0,0,0,1]
[0068]
考虑到上下文本内容字与字之间的两两的相关关系，计算文本信息中的第一词语和第二词语分别对应的语义特征之间的第三注意力特征a3。
[0069][0070]
其中，h
t
表示任意一个语义特征，hi表示其他任意一个语义特征。
[0071]
然后计算第二拼接特征a
final
＝concat([a1；a2；a3])。并通过激活函数sigmoid(*)降低第二拼接特征的向量维度，得到一维的具体数据，具体的：
[0072]
对于每一个语义特征，都能计算出一个激活函数值s
t
，s
t
＝sigmoid(a
final
)，将该激活函数值与预设的违规阈值比对，当其符合预设的违规阈值，则将该语义特征对应的词语划分为违规关键词。
[0073]
对于全部的s
t
，根据sum函数通过预设的权重k
t
加权后求和，得到整体的激活函数值l
t
，l
t
＝sum(k
t
×st
)。
[0074]
然后，将l
t
与全部的语义特征cls进行拼接融合后用激活函数再次激活，得到最终的违规参量low_score，low_score＝sigmod(w
t
×
concat([l
t
；cls]))，w
t
为预设的权重参量，当违规参量符合预设的违规判定条件时，确定视频的识别结果。例如，违规参量处于大于0且小于或等于0.3之间，则视频识别结果为不违规，违规参量处于大于0.3且小于或等于0.4之间，则视频识别结果为疑似违规，违规参量处于大于0.4且小于或等于1之间，则视频识别结果为违规。
[0075]
在一种实施例中，在s140：根据注意力特征，确定视频的识别结果，该方法还可以包括：
[0076]
提取视频的图像帧；识别图像帧存在的违规图像信息，得到图像违规识别结果；s140：根据注意力特征，确定视频的识别结果，可以包括：
[0077]
s1401，根据注意力特征和图像帧存在的违规图像信息，确定视频的识别结果。
[0078]
在一种实施例中，s1401可以包括：
[0079]
根据图像违规识别结果确定视频的第一违规判断结果。
[0080]
根据注意力特征确定视频相关的文本信息中是否存在违规文字信息，得到文本违规识别结果；根据文本违规识别结果确定视频的第二违规判断结果；在违规判断结果和第二违规判断结果至少有一项为视频违规的情况下，确定视频的识别结果为违规。
[0081]
其中，可以通过图像识别算法识别图像帧存在的违规图像信息，图像识别算法能够识别图像帧中的图像信息。例如，图像识别算法可以选用为surf算法。
[0082]
本技术实施例中，引入图像识别配合注意力特征对视频的违规类型进行双阶段的判断，并统筹双阶段的判断结果作为视频识别的最终结果，提升了识别的视频是否违规的精准度。
[0083]
在一种实施例中，文本信息可以包括如下至少一项；
[0084]
视频标题文本信息、视频图像帧显示文本信息、视频评论文本信息。
[0085]
在一种实施例中，s140：根据注意力特征，确定视频的识别结果，可以包括：
[0086]
通过激活函数计算注意力特征的激活函数值；
[0087]
根据激活函数值与语义特征，确定视频的识别结果。
[0088]
在一种实施例中，在识别出视频的识别结果为违规的情况下，该方法还可以包括：
[0089]
确定目标注意力特征对应的目标语义特征；目标注意力特征为激活函数值符合预设的违规阈值的注意力特征。
[0090]
确定违规关键词在视频中的位置信息，位置信息用于辅助用户复核视频时确定违规关键词对应的视频播放位置，违规关键词为目标语义特征对应的视频相关的文本信息中的词语。
[0091]
其中，对于每一个注意力特征对应的语义特征，都能计算出一个激活函数值s
t
，s
t
＝sigmoid(a
final
)，将该激活函数值与预设的违规阈值比对，当其符合预设的违规阈值，则将该语义特征对应的词语划分为违规关键词。
[0092]
本技术实施例中，在识别出视频为疑似违规的情况下，能够提供违规关键词在视频中的位置信息以辅助用户对视频进行复核，提升了用户复核效率。
[0093]
在本技术实施例中，将视频相关的文本信息作为视频识别数据对视频是否违规进行识别，并引入注意力机制，通过注意力机制计算表征文本信息的违规程度的注意力特征，
然后根据注意力特征确定视频是否违规的识别结果，能够识别视频不以图像为形式显示的隐晦违规信息，提升了视频的识别准确率。
[0094]
需要说明的是，本技术实施例提供的视频识别方法，执行主体可以为视频识别装置，或者该视频识别装置中的用于执行视频识别方法的控制模块。本技术实施例中以视频识别装置执行视频识别方法为例，说明本技术实施例提供的视频识别装置。
[0095]
图4示出了本技术一个实施例提供的视频识别装置的结构示意图，图4所示装置中各模块具有实现图1中各个步骤的功能，并能达到其相应技术效果。如图4所示，该装置可以包括：
[0096]
获取模块410，用于获取与视频相关的文本信息。
[0097]
获取模块410，还用于获取文本信息中词语的语义特征，并获取第一特征，第一特征包括预设违规词特征，或者包括预设违规词特征和文本信息中词语的词性特征。
[0098]
计算模块420，用于通过第一特征与语义特征计算表征文本信息的违规程度的注意力特征。
[0099]
确定模块430，用于根据注意力特征，确定视频的识别结果。
[0100]
在本技术实施例中，将视频相关的文本信息作为视频识别数据对视频是否违规进行识别，并引入注意力机制，通过注意力机制计算表征所述文本信息的违规程度的注意力特征，然后根据注意力特征确定视频是否违规的识别结果，能够识别视频不以图像为形式显示的隐晦违规信息，提升了视频的识别准确率。
[0101]
在一种实施例中，计算模块420，用于在第一特征包括预设违规词特征的情况下，计算语义特征与预设违规词特征之间的第一注意力特征。
[0102]
确定模块430，用于根据第一注意力特征，确定视频的识别结果。
[0103]
在一种实施例中，计算模块420包括计算单元4201和拼接单元4202。
[0104]
计算单元4201，用于在第一特征包括预设违规词特征和词性特征的情况下，计算语义特征与预设违规词特征之间的第一注意力特征，并计算语义特征与词性特征之间的第二注意力特征。
[0105]
拼接单元4202，用于拼接第一注意力特征和第二注意力特征，得到拼接注意力特征。
[0106]
确定模块430，用于根据拼接注意力特征确定视频的识别结果。
[0107]
在一种实施例中，计算单元4201，还用于在拼接第一注意力特征和第二注意力特征，得到拼接注意力特征之前，计算文本信息中的第一词语和第二词语分别对应的语义特征之间的第三注意力特征。
[0108]
拼接单元4202，具体用于拼接第一注意力特征、第二注意力特征、和第三注意力特征，得到拼接注意力特征。
[0109]
在一种实施例中，装置还包括提取模块440和识别模块450。
[0110]
提取模块440，用于在根据注意力特征，确定视频的识别结果之前，提取视频的图像帧。
[0111]
识别模块450，用于识别图像帧存在的违规图像信息。
[0112]
确定模块430，具体用于根据注意力特征和图像帧存在的违规图像信息，确定视频的识别结果。
[0113]
在一种实施例中，文本信息可以包括如下至少一项。
[0114]
视频标题文本信息、视频图像帧显示文本信息、视频评论文本信息。
[0115]
本技术实施例中，为了更好的提高视频识别的准确率，考虑到违规事件或者一些新创的违规网络词汇，往往由于其信息的隐晦属性，或新创词汇难以被机器算法理解。并且，违规的语义特征往往不会以副词形式显示，如“啊”，“哦”，也不会以量词的形式显示，如“一个”，“许多”，违规信息的表现形式往往表现为名词和形容词等。并且，联系文本信息上下文能够更好确定文本信息中是否存在违规信息，本技术实施例将词性特征、预设违规词特征、以及文本的语义特征的自注意力特征融入到注意力特征的计算中，充分考虑文本句子之间不同词语之间的语义以及语法联系，能够有效的提供额外的先验知识去提升注意力计算时识别视频是否违规的准确性。
[0116]
本技术实施例中的视频识别装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，非移动电子设备可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。
[0117]
本技术实施例中的视频识别装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0118]
本技术实施例提供的视频识别装置能够实现图1至图3的方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0119]
需要说明的是，本技术实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
[0120]
图6为实现本技术实施例的一种电子设备的硬件结构示意图。
[0121]
该电子设备600包括但不限于：射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609、以及处理器610等部件。
[0122]
本领域技术人员可以理解，电子设备600还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图6中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
[0123]
应理解的是，本技术实施例中，输入单元604可以包括图形处理器(graphics processing unit，gpu)6041和麦克风6042，图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072。触控面板6071，也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可
以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器609可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器610可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器610中。
[0124]
本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述视频识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0125]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
[0126]
本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述视频识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0127]
应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
[0128]
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0129]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，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的方法。
[0130]
上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。