电瓶车智能管理方法及系统与流程

1.本发明涉及视频监控技术领域，特别是涉及一种电瓶车智能管理方法及系统。


背景技术：

2.电瓶车，又叫电动车，作为一种绿色交通工具，因其轻便性，深受广大百姓喜爱；随着电瓶车使用增多，其需要时时充电的特性也逐渐带来居民小区管理方面的问题。由于电瓶车生产质量问题或者连接路线容易老化短路，当发生短路且外部温度较高时，就很容易燃烧，从而引发火灾，酿成悲剧。为了防止事故发生，许多地方都禁止在高层民用建筑公共门厅、疏散走道、楼梯间、安全出口停放电瓶车或者为电瓶车充电。然而，电瓶车上楼的现象屡禁不止，因电瓶车起火导致高层楼房发生火灾的案例也屡见不鲜。
3.现有方案中，已有防止电瓶车进电梯的方案，但是还存在用户将轻便型电动车通过楼梯搬到低楼层的情况。
4.因此，需要一种改进的电瓶车管理的方案，以实现高效的电瓶车巡查。


技术实现要素：

5.本发明实施例提供了一种电瓶车智能管理方法及系统，以实现高效的电瓶车巡查。
6.本发明实施例第一方面提供了一种电瓶车智能管理方法，包括：
7.终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；
8.所述边缘计算服务器获取与所述建筑物标识对应的bim模型；
9.所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；
10.所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；
11.所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；
12.当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；
13.所述终端接收所述拍摄指令，采用不同的拍摄参数拍摄多个目标图像；
14.对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；
15.所述中央服务器基于第二神经网络对所述多个目标图像进行识别；
16.当识别出所述多个目标图像中存在电瓶车时，发送警报。
17.可选地，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线之前还包括：
18.基于待规划路径的场景中的历史状态信息，对神经网络模型进行训练，得到所述第一神经网络。
19.可选地，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，具体包括：
20.获取所述bim模型中的任一位置坐标作为起始位置；
21.获取所述bim模型中不同于所述起始位置的任一位置作为目标位置；
22.将所述起始位置、所述目标位置以及待规划路径的场景中的当前状态信息输入至所述第一神经网络中，以得到所述第一神经网络输出的所述巡逻路线。
23.可选地，所述巡逻路线上包括若干个重点区域。
24.可选地，当所述图像数据是在所述重点区域获得时，基于预设的映射关系选择与所重点区域对应的所述预设的对象模型和/或所述第二神经网络。
25.可选地，所述终端接收所述拍摄指令，拍摄多个目标图像，并将所述多个目标图像发送至中央服务器，具体是：
26.所述终端接收所述拍摄指令；
27.所述终端采用不同的拍摄参数拍摄多个目标图像；
28.对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器。
29.可选地，所述中央服务器基于第二神经网络对所述多个目标图像进行识别，具体是：
30.所述中央服务器基于第二神经网络a对所述多个目标图像进行分析，形成第一目标识别信息；
31.所述中央服务器基于第二神经网络b对所述多个目标图像进行分析，形成第二目标识别信息；
32.对所述第一目标识别信息和所述第二目标识别信息进行比较分析得出识别结果。
33.本发明实施例第二方面提供了一种电瓶车智能管理系统，包括终端、边缘计算服务器、中央服务器；其中，
34.所述终端，用于发送巡逻路线规划请求至所述边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；
35.所述边缘计算服务器，用于获取与所述建筑物标识对应的bim模型；
36.所述边缘计算服务器，还用于基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；
37.所述终端，还用于将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；
38.所述边缘计算服务器，还用于基于预设的对象模型，检测所述图像数据中是否存在目标对象；
39.所述边缘计算服务器，还用于当存在所述目标对象时，发送拍摄指令至所述终端；
40.所述终端，接收所述拍摄指令，并采用不同的拍摄参数拍摄多个目标图像；还用于对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；
41.所述中央服务器，用于基于第二神经网络对所述多个目标图像进行识别；
42.所述中央服务器，还用于当识别出所述多个目标图像中存在电瓶车时，发送警报。
43.本发明实施例第三方面提供了一种计算机设备，包括处理器、存储器、通信接口以
及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被生成由所述处理器执行，以执行权利要求第一方面任一项方法中的步骤的指令。
44.本发明实施例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用于存储计算机程序，所述存储计算机程序被所述处理器执行，以实现权利要求第一方面任一项所述的方法。
45.可以看出，上述技术方案中，首先，终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；其次，所述边缘计算服务器获取与所述建筑物标识对应的bim模型；接着，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；然后，所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；接着，所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；然后，所述终端接收所述拍摄指令，并拍摄多个目标图像，并将所述多个目标图像发送至中央服务器；接着，所述中央服务器基于第二神经网络对所述多个目标图像进行识别；最后，当识别出所述多个目标图像中存在电瓶车时，发送警报。通过上述方案的实施，能够快速及时、高精度地识别出电瓶车，实现高效地电瓶车巡查，以避免发生火灾的风险。
附图说明
46.图1是本技术实施例提供的一种电瓶车智能管理方法的流程示意图；
47.图2是本技术实施例提供的一种电瓶车智能管理系统的架构示意图。
具体实施方式
48.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。以下分别进行详细说明。
49.本发明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”是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
50.首先，参见图1，图1是本发明一个实施例提供的一种电瓶车智能管理方法的流程示意图，这种方法可包括但不限于如下步骤：
51.s100、终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；
52.在本发明的实施例中，所述终端可以为无人机、四足机器人等具有拍摄模块的设备。应当理解的是，本发明的实施例中可以用到边缘计算的架构。边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务；其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智
能、安全与隐私保护等方面的基本需求。所述边缘计算服务器，相当于边缘计算平台中的边缘结点，即在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。
53.在本发明的实施例中，终端发送巡逻路线规划请求携带有建筑物标识，以定位将要巡逻的建筑物。
54.s102、所述边缘计算服务器获取与所述建筑物标识对应的bim模型；
55.在本发明的实施例中，所述边缘计算服务器预先储存有其管理的(一个或多个)建筑物的bim(building information modeling，建筑信息模型)模型，并通过建筑物标识建立对应关系。bim模型的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库，该建筑工程信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息。
56.s104、所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；
57.在本发明的实施例中，可建立bim模型对应的bim坐标系，通过bim坐标系来确定建筑物中各个建筑物构件的位置。可以理解的是，bim坐标系是一个三维坐标系，在建立bim坐标系过程中，具体以建筑物中哪个点作为坐标原点，以及哪个方向作为x轴、y轴和z轴，可以由用户根据具体需要而设置。
58.需要说明的是，人工神经网络(artificial neural networks，简写为anns)也简称为神经网络(nns)或称作连接模型(connection model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。通常，神经网络包括输入层、隐层、输出层，隐层可以为一层或者多层，隐层是输入层和输出层之间众多神经元和链接组成的各个层面，包括多个节点，每一个输入都有一个权重与输入相联系，权重可以为正，也可以为负，如果权重为正，就会有激发作用，权重为负，则会有抑制作用。
59.可选地，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，具体包括：获取所述bim模型中的任一位置坐标作为起始位置；获取所述bim模型中不同于所述起始位置的任一位置作为目标位置；将所述起始位置、所述目标位置以及待规划路径的场景中的当前状态信息输入至所述第一神经网络中，以得到所述第一神经网络输出的所述巡逻路线。
60.所述待规划路径的场景中的当前状态信息包括当前照明参数、当前障碍物参数等。
61.所述目标位置可为一个或多个。
62.具体地，所述边缘服务器可以搭载虚幻引擎4(unreal engine 4，ue4)，并利用ue4对bim模型进行渲染处理以得到bim模型地图。将所述起始位置和所述目标位置导入bim模型地图，得到多个地图节点，以多个地图节点中所述起始位置对应的地图节点为起始节点，构建有向有权图，得到多个有向有权图；基于bim模型地图，获取前述多个有向有权图中每个有向有权图任意两个相邻地图节点之间的地图数据；将每个有向有权图任意两个相邻地图节点之间的地图数据组成输入数据，将所述输入数据输入到所述第一神经网络进行运算，得到每个有向有权图的路径花费，将路径花费最小的有向有权图作为所述巡逻路线。
63.可选地，为提高路线规划的效率，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线之前还包括：基于待规划路径的场景中的历史状态信息，对神经网络模型进行训练，得到所述第一神经网络。
64.在本发明的实施例中，所述第一神经网络为路径规划神经网络，包含有路径规划算法，可以通过输入大量的起始位置及目标位置、待规划路径的场景中的状态信息(如历史照明参数、历史障碍物参数)等参数进行训练，最终得到符合实际使用需求的第一神经网络。实践中已有大量的神经网络训练方法可以参考，本发明的实施例在此不再赘述。
65.s106、所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；
66.在本发明的实施例中，所述边缘计算服务器与所述终端的距离较近，通信速度较快，所述终端可以将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器。
67.s108、所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；
68.在本发明的实施例中，所述预设的对象模型为预设的图像识别模型，具体为电瓶车识别模型，可以理解的是所述预设的对象模型可以为训练好的图像识别神经网络模型。所述预设的对象模型可以包括单次(one-stage)检测算法和/或双次(two-stage)检测算法。其中，单次检测算法可以包括单次多框检测器(single-shot multi-box detector，ssd)、只看一次(you only look once，yolo)算法等；双次检测算法可以包括区域卷积神经网络(region-convolutional neural network，r-cnn)、快速r-cnn(fast r-cnn)、更快速r-cnn(faster r-cnn)、基于区域的全卷积网络(region-based fully convolutionalnetwork，r-fcn)等。
69.所述边缘计算服务器基于预设的对象模型，检测所述终端实时发送的所述图像数据中是否存在目标对象，本发明的实施例中，即检测是否存在电瓶车。
70.可以理解的是，在本发明的实施例中，所述边缘计算服务器可以只做初步判断，即所述预设的对象模型的识别精度不要求太高，识别精度可根据实际需求进行设置。
71.s110、当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；
72.s112、所述终端接收所述拍摄指令，采用不同的拍摄参数拍摄多个目标图像，对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；
73.在本发明的实施例中，当所述边缘服务器基于预设的对象模型，检测所述图像数据中存在所述目标对象时，为进行进一步确认，所述边缘计算服务器发送拍摄指令至所述终端。所述终端接收所述拍摄指令，拍摄多个目标图像，并将所述多个目标图像发送至中央服务器，由中央服务器进行确认。在本方案中，中央服务器为云计算服务器，边缘计算和云计算互相协同。中央服务器相当于一个统筹者，它负责长周期数据的大数据分析，能够在周期性维护、业务决策等领域运行。边缘计算着眼于实时、短周期数据的分析，更好地支撑本地业务及时处理执行；边缘计算靠近设备端，也为云端数据采集做出贡献，支撑云端应用的大数据分析，云计算也通过大数据分析输出业务规则下发到边缘处，以便执行和优化处理。
74.为了提高识别率，所述终端接收所述拍摄指令，拍摄多个目标图像，并将所述多个目标图像发送至中央服务器，具体是：所述终端接收所述拍摄指令；所述终端采用不同的拍摄参数拍摄多个目标图像；对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器。
75.在本发明的实施例中，所述拍摄参数可以为拍摄角度、拍摄时刻、光圈系数、iso感光度、白平衡等。
76.s114、所述中央服务器基于第二神经网络对所述多个目标图像进行识别；
77.在本发明的实施例中，所述第二神经网络为图像识别神经网络。所述中央服务器处理的数据量更大，对所述第二神经网络进行的训练量更大，所述第二神经网络的执行效率、识别精度更高。
78.s116、当识别出所述多个目标图像中存在电瓶车时，发送警报。
79.在本发明的实施例中，当所述中央服务器基于第二神经网络对所述多个目标图像进行识别后，确定存在电瓶车时，发送警报信息，警报信息可以发送至物业管理平台或物业管理人员配备的终端设备等。
80.可以看出，上述技术方案中，首先，终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；其次，所述边缘计算服务器获取与所述建筑物标识对应的bim模型；接着，所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；然后，所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；接着，所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；然后，所述终端接收所述拍摄指令，并拍摄多个目标图像，并将所述多个目标图像发送至中央服务器；接着，所述中央服务器基于第二神经网络对所述多个目标图像进行识别；最后，当识别出所述多个目标图像中存在电瓶车时，发送警报。通过上述方案的实施，能够快速及时、高精度地识别出电瓶车，实现高效地电瓶车巡查，以避免发生火灾的风险。
81.在本发明的一个实施例中，可选地，所述巡逻路线上包括若干个重点区域。
82.在本方案中，巡逻路线上包括重点区域，此重点区域可为多次检测到有电瓶车停放的位置或者为拍照条件为好的区域等。可以理解地是，所述若干个重点区域，可以根据大数据分析确定，并可以设置为所述目标位置。
83.在本明的实施例中，可选地，当所述图像数据是在所述重点区域获得时，基于预设的映射关系选择与所重点区域对应的所述预设的对象模型和/或所述第二神经网络。
84.在本方案中，所述预设的对象模型和/或所述第二神经网络，都可以为多个，且存在不同的类别或级别。当所述图像数据是在所述重点区域获得时，基于预设的映射关系选择与所重点区域对应的所述预设的对象模型和/或所述第二神经网络，以执行最匹配的识别方案，得到最精确的识别结果。
85.在本发明的一个实施例中，可选地，所述中央服务器基于第二神经网络对所述多个目标图像进行识别，具体是：所述中央服务器基于第二神经网络a对所述多个目标图像进行分析，形成第一目标识别信息；所述中央服务器基于第二神经网络b对所述多个目标图像进行分析，形成第二目标识别信息；对所述第一目标识别信息和所述第二目标识别信息进行比较分析得出识别结果。
86.在本方案中，所述中央服务器可以同时启用多个第二神经网络对所述多个目标图像进行分析，得到多个目标识别信息，对多个目标识别信息进行比对分析，可以得到更精确的识别结果。
87.参见图2，图2为本发明的一个实施例提供的一种电瓶车智能管理系统的结构示意图，可以包括：终端201、边缘计算服务器202、中央服务器203；其中，
88.所述终端201，用于发送巡逻路线规划请求至所述边缘计算服务器202，其中，所述巡逻路线规划请求携带建筑物标识；
89.所述边缘计算服务器202，用于获取与所述建筑物标识对应的bim模型；
90.所述边缘计算服务器202，还用于基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端201；
91.所述终端201，还用于将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器202；
92.所述边缘计算服务器202，还用于基于预设的对象模型，检测所述图像数据中是否存在目标对象；
93.所述边缘计算服务器202，还用于当存在所述目标对象时，发送拍摄指令至所述终端201；
94.所述终端201，接收所述拍摄指令，并采用不同的拍摄参数拍摄多个目标图像；还用于对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；
95.所述中央服务器203，用于基于第二神经网络对所述多个目标图像进行识别；
96.所述中央服务器203，还用于当识别出所述多个目标图像中存在电瓶车时，发送警报。
97.本技术的实施例涉及的硬件运行环境的计算机设备可以包括：
98.处理器，例如cpu。
99.存储器，可选的，存储器可以为高速ram存储器，也可以是稳定的存储器，例如磁盘存储器。
100.通信接口，用于实现处理器和存储器之间的连接通信。
101.存储器中可以包括操作系统、网络通信模块以及信息处理的程序。操作系统是管理和控制服务器硬件和软件资源的程序，支持人员管理的程序以及其他软件或程序的运行。网络通信模块用于实现存储器内部各组件之间的通信，以及与服务器内部其他硬件和软件之间通信。
102.处理器用于执行存储器中存储的信息迁移的程序，实现以下步骤：终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；所述边缘计算服务器获取与所述建筑物标识对应的bim模型；所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；所述终端接收所述拍摄指令，采用不同的拍摄参数拍摄多个目标图像；对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；所述中央服务器基于第二神经网络对所述多个目标图像进行识别；当识别出所述多个目标图像中存在电瓶车时，发送警报。
103.本技术涉及的计算机设备的具体实施可参见上述电瓶车智能管理方法的各实施
例，在此不做赘述。
104.本技术还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用于存储计算机程序，所述存储计算机程序被所述处理器执行，以实现以下步骤：终端发送巡逻路线规划请求至边缘计算服务器，其中，所述巡逻路线规划请求携带建筑物标识；所述边缘计算服务器获取与所述建筑物标识对应的bim模型；所述边缘计算服务器基于第一神经网络和所述bim模型进行巡逻路线规划，以得到巡逻路线，并将所述巡逻路线下发至所述终端；所述终端将巡逻过程中获取的图像数据实时发送至所述边缘计算服务器；所述边缘计算服务器基于预设的对象模型，检测所述图像数据中是否存在目标对象；当存在所述目标对象时，所述边缘计算服务器发送拍摄指令至所述终端；所述终端接收所述拍摄指令，采用不同的拍摄参数拍摄多个目标图像；对所述多个目标图像进行预处理，并将预处理后的多个目标图像发送至所述中央服务器；所述中央服务器基于第二神经网络对所述多个目标图像进行识别；当识别出所述多个目标图像中存在电瓶车时，发送警报。
105.本技术涉及的计算机可读存储介质的具体实施可参见上述电瓶车智能管理方法的各实施例，在此不做赘述。
106.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应所述知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应所述知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
107.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
108.在本技术所提供的几个实施例中，应所述理解到，所揭露的装置，可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，装置或模块的间接耦合或通信连接，可以是电性或者其它的形式。
109.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
110.另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
111.所述集成的模块如果以软件功能模块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，本发明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所述技术方案的全部或部分可以以软件产品的形式体现出来，所述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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
112.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。