车牌识别方法、计算机设备及计算机存储介质与流程

1.本技术实施例涉及图像识别领域，具体涉及一种车牌识别方法、计算机设备及计算机存储介质。


背景技术：

2.停车场车牌识别可以对进出停车场的车辆进行车牌识别，车牌识别结果可以用于停车场的车辆管理，例如进行停车计费、停车位统筹管理等管理操作。因此，车牌识别在停车场管理工作中占据重要地位。
3.在进行车牌识别时，摄像头采集车辆图像，计算机设备使用预先训练完成的车牌识别网络模型对该车辆图像进行识别，获得车牌识别结果。然而，计算机设备在进行车牌识别时采用单个车牌识别网络模型对车辆图像进行识别，而单个车牌识别网络模型对车牌图像的识别难免存在一定的错误率，无法保证对任何一张车牌图像都准确识别，这导致车牌识别的稳定性和鲁棒性不高，影响车牌识别结果的准确度。


技术实现要素：

4.本技术实施例提供了一种车牌识别方法、计算机设备及计算机存储介质，以提升车牌识别的准确率和鲁棒性。
5.本技术实施例第一方面提供了一种车牌识别方法，所述方法包括：
6.获得预先训练完成的第一车牌识别模型和第二车牌识别模型，所述第一车牌识别模型和所述第二车牌识别模型分别由机器学习算法对多组车牌图像训练样本训练得到；
7.获得车牌图像，将所述车牌图像分别输入至所述第一车牌识别模型和所述第二车牌识别模型，得到所述第一车牌识别模型输出的第一特征图以及所述第二车牌识别模型输出的第二特征图；
8.分别对所述第一特征图和所述第二特征图进行解码，得到所述第一特征图对应的第一车牌识别结果以及所述第二特征图对应的第二车牌识别结果；
9.根据所述第一车牌识别结果以及所述第二车牌识别结果确定所述车牌图像的目标车牌识别结果。
10.本技术实施例第二方面提供了一种计算机设备，所述计算机设备包括：
11.获取单元，用于获得预先训练完成的第一车牌识别模型和第二车牌识别模型，所述第一车牌识别模型和所述第二车牌识别模型分别由机器学习算法对多组车牌图像训练样本训练得到；
12.特征提取单元，用于获得车牌图像，将所述车牌图像分别输入至所述第一车牌识别模型和所述第二车牌识别模型，得到所述第一车牌识别模型输出的第一特征图以及所述第二车牌识别模型输出的第二特征图；
13.解码单元，用于分别对所述第一特征图和所述第二特征图进行解码，得到所述第一特征图对应的第一车牌识别结果以及所述第二特征图对应的第二车牌识别结果；
14.确定单元，用于根据所述第一车牌识别结果以及所述第二车牌识别结果确定所述车牌图像的目标车牌识别结果。
15.本技术实施例第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前述第一方面的方法。
16.本技术实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。
17.从以上技术方案可以看出，本技术实施例具有以下优点：
18.将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图，并分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果，根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果，因此，车牌识别不再仅局限于单个网络模型的车牌识别，可以融合多个车牌识别模型的车牌识别结果，在结果融合过程中可以消除错误识别的字符并确定出识别准确率更高的字符，从而可得到准确率更高的目标车牌识别结果，车牌识别的鲁棒性和稳定性更佳。
附图说明
19.图1为本技术实施例中车牌识别方法一个流程示意图；
20.图2为本技术实施例中车牌识别方法另一流程示意图；
21.图3为本技术实施例中计算机设备一个结构示意图；
22.图4为本技术实施例中计算机设备另一结构示意图。
具体实施方式
23.本技术实施例提供了一种车牌识别方法、计算机设备及计算机存储介质，以提升车牌识别的准确率和鲁棒性。
24.下面对本技术实施例中的车牌识别方法进行描述：
25.请参阅图1，本技术实施例中车牌识别方法一个实施例包括：
26.101、获得预先训练完成的第一车牌识别模型和第二车牌识别模型；
27.本实施例的方法可应用于计算机设备，该计算机设备可以是服务器或者终端。当该计算机设备为终端时，可以是个人电脑(personal computer，pc)、台式计算机等终端设备；当该计算机设备为服务器时，可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云数据库、云计算以及大数据和人工智能平台等基础云计算服务的云服务器。
28.当需要进行车牌识别时，计算机设备可获得预先训练完成的第一车牌识别模型和第二车牌识别模型，第一车牌识别模型和第二车牌识别模型可分别由机器学习算法对多组车牌图像训练样本训练得到。
29.102、获得车牌图像，将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图；
30.计算机设备可获取待识别的车牌图像，并将该车牌图像分别输入至第一车牌识别
模型和第二车牌识别模型，第一车牌识别模型和第二车牌识别模型分别对该车牌图像进行特征提取，并输出特征提取结果，该特征提取结果即第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图，特征图表示了车牌图像的图像特征。
31.103、分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果；
32.计算机设备使用解码算法分别对第一特征图和第二特征图进行解码，得到解码结果，该解码结果即对第一特征图解码得到的其对应的第一车牌识别结果以及对第二特征图解码得到的第二车牌识别结果。
33.104、根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果；
34.为解决单个车牌识别网络模型的车牌识别存在较高的错误率以及鲁棒性不佳的问题，计算机设备可将第一车牌识别模型识别车牌图像获得的第一车牌识别结果以及第二车牌识别模型识别车牌图像获得的第二车牌识别结果进行融合，得到第一车牌识别结果以及第二车牌识别结果融合后的目标车牌识别结果，该目标车牌识别结果确定为该车牌图像对应的车牌识别结果。在结果融合过程中，对多个结果之间的每个相对应字符进行比对分析，可消除车牌识别结果中识别错误的字符，并确定出识别准确率更高的字符，从而得出车牌的所有准确识别的字符，组成更加准确的车牌识别结果。
35.本实施例中，将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图，并分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果，根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果，因此，车牌识别不再仅局限于单个网络模型的车牌识别，可以融合多个车牌识别模型的车牌识别结果，在结果融合过程中可以消除错误识别的字符并确定出识别准确率更高的字符，从而可得到准确率更高的目标车牌识别结果，车牌识别的鲁棒性和稳定性更佳。
36.下面将在前述图1所示实施例的基础上，进一步详细地描述本技术实施例。请参阅图2，本技术实施例中车牌识别方法另一实施例包括：
37.201、获得预先训练完成的第一车牌识别模型和第二车牌识别模型；
38.本实施例中，第一车牌识别模型和第二车牌识别模型可在训练完成之后部署至计算机设备，也可以是计算机设备根据机器学习算法使网络模型对多组车牌图像训练样本进行训练而得到。计算机设备获取第一车牌识别模型和第二车牌识别模型的方式不作限定。
39.其中，该机器学习算法可以是k-近邻算法(k-nearest neighbor，knn)、支持向量机(support vectormachine，svm)、深度学习算法等等。
40.202、获得车牌图像，将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图；
41.在模型训练过程中，第一车牌识别模型和第二车牌识别模型可训练对图像的特征提取能力，因此，在训练完成之后，可使用第一车牌识别模型和第二车牌识别模型来对车牌图像进行特征提取，以得到第一车牌识别模型对车牌图像进行特征提取而输出的第一特征图以及第二车牌识别模型对车牌图像进行特征提取而输出的第二特征图。特征图表示了车
牌图像的字符特征，对其进行解码可得到具体的字符结果。
42.其中，该车牌图像可以是车辆的单帧图像。此外，该车牌图像可以是多帧，多帧该车牌图像的获取方式可以是，按照预设的采集频率依次采集同一车辆的车牌图像；或者是，对同一车辆进行视频录像，从该车辆的视频录像中依次提取多帧图像，从而获得多帧该车牌图像。本实施例对多帧该车牌图像的获取方式不限定。
43.当该车牌图像为多帧时，可根据本实施例的方法分别确定每一帧车牌图像对应的目标车牌识别结果。
44.获取到车牌图像之后，为确保车牌图像的尺寸大小符合车牌识别模型的输入图像要求，可对车牌图像的尺寸进行重置和调整，以使得该车牌图像的尺寸符合第一车牌识别模型和第二车牌识别模型对输入图像的尺寸要求。其中，可使用resize函数将车牌图像缩放至预设尺寸，该预设尺寸符合车牌识别模型的输入图像要求。
45.203、分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果；
46.本实施例中，解码算法可以是贪心搜索算法、束搜索、前缀束搜索等解码算法。下面以贪心搜索算法为例描述解码算法对第一特征图和第二特征图的解码过程。
47.设提取得到的特征图尺寸大小为t
×1×
c，其中t为支持解码的最大字符长度，c为字符种类的个数，最大字符长度即最大的车牌字符个数，字符种类例如包括省份汉字、英文字母、数字以及空格等等，共74类字符；假设需要对尺寸为20
×1×
74的特征图进行贪心解码，即该特征图的尺寸表明其存在20个字符，且对应74类字符，则在20个字符上作遍历，每一个序列大小为1
×1×
74，分别在此序列上取74个类别中概率最大的字符，例如概率最大的字符为“粤”，置信度(或概率)为0.99，以此类推，可获取20个结果，假设这20个结果为[“粤”，“粤”，“blank”，“blank”，“a”，“a”，“a”，“blank”，“1”，“2”，“blank”，“blank”，“3”，“3”，“3”，“blank”，“4”，“4”，“5”，“blank”]，blank指代空格，对应的20个置信度分别为[0.998，0.995，0.994，1.0，0.97，0.98，0.85，0.998，0.998，0.995，0.994，1.0，0.998，0.995，0.994，1.0，0.996，0.997，0.998，0.993]，根据贪心解码算法去除连续重复字符中的多个字符且只保留一个字符，同时去除空格“blank”，得到最终的车牌字符结果为["粤"，"a"，"1"，"2"，"3"，"4"，"5"]，此数组中元素的个数即为车牌的字符长度(或称字符个数)，置信度为[0.998，0.97，0.998，0.995，0.998，0.996，0.998]。
[0048]
因此，通过贪心解码算法对特征图进行解码，可获得车牌图像的每个字符结果，以及每个字符对应的置信度。因此，在对第一特征图和第二特征图解码之后，可得到第一特征图对应的第一车牌字符结果、该第一车牌字符结果的字符个数和该第一车牌字符结果中每个字符的置信度，以及得到第二特征图对应的第二车牌字符结果、该第二车牌字符结果的字符个数和该第二车牌字符结果中每个字符的置信度。
[0049]
其它解码算法对特征图的解码过程与上述解码过程类似，优选的，可使用贪心解码算法进行特征图的解码，此解码算法的解码效率更高。
[0050]
204、根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果；
[0051]
本实施例中，对第一车牌识别结果和第二车牌识别结果进行融合的方式有多种，下面将一一描述。
[0052]
在一些实施方式中，第一车牌字符结果中的多个字符顺序排列，第二车牌字符结果中的多个字符顺序排列，若该第一车牌字符结果的字符个数与该第二车牌字符结果的字符个数相等且均满足预设个数范围，则遍历该第一车牌字符结果与该第二车牌字符结果共同确立的每个字符对，判断每个字符对中的字符是否一致，该字符对包括该第一车牌字符结果的第一字符以及该第二车牌字符结果的第二字符，且该第一字符在该第一车牌字符结果中的序位与该第二字符在该第二车牌字符结果中的序位相同；若存在字符一致的字符对，则将该第一字符或者该第二字符作为该字符一致的字符对所对应的序位的字符；若存在字符不一致的字符对，则将该字符不一致的字符对中置信度最高的字符作为该字符不一致的字符对所对应的序位的字符，当该第一车牌字符结果与该第二车牌字符结果共同确立的所有字符对所对应的序位均确定字符时，即得到该目标车牌识别结果。
[0053]
其中，该预设个数范围可以是依据国内车牌标准规范确定的车牌号码位数，例如7位车牌号码和8位车牌号码。
[0054]
举例来说，假设解码得到的第一车牌字符结果为“粤b12d45”，字符的置信度分别为[0.999，0.982，0.820，0.960，0.990，0.980，0.960]，第二车牌字符结果为“粤bt2045”，字符的置信度分别为[0.997，0.992，0.920，0.970，0.980，0.980，0.960]，可见第一车牌字符结果的字符个数与第二车牌字符结果的字符个数相等且均满足预设个数范围，则遍历每个字符对，判断每个字符对中的字符是否一致，即第一车牌字符结果的第一序位和第二序位字符为“粤b”，第二车牌字符结果的第一序位和第二序位字符为“粤b”，字符一致，则将“粤b”字作为第一序位和第二序位的字符，第一车牌字符结果的第三序位字符为“1”，第二车牌字符结果的第三序位字符为“t”，字符不一致，则比较置信度，“1”对应的置信度为0.820，“t”对应的置信度为0.920，则将“t”字作为第三序位的字符，以此类推，可分别确定后续序位的字符，当所有序位的字符均确定时，即得到目标车牌识别结果为“粤bt2d45”。
[0055]
在其它实施方式中，若该第一车牌字符结果的字符个数与该第二车牌字符结果的字符个数不相等且均满足预设个数范围，则将该第一车牌字符结果与该第二车牌字符结果中平均置信度最高的车牌字符结果确定为该目标车牌识别结果，其中该平均置信度为车牌字符结果中所有字符的置信度之和与车牌字符结果的字符个数的商值。
[0056]
例如，第一车牌字符结果的字符个数为7个，其置信度分别为[0.999，0.982，0.820，0.960，0.990，0.980，0.960]，则平均置信度约为0.956；第二车牌字符结果的字符个数为8个，其置信度分别为[0.997，0.992，0.920，0.970，0.980，0.980，0.960，0.950]，则平均置信度约为0.969，因此，可将第二车牌字符结果确定为该目标车牌识别结果。
[0057]
在其它实施方式中，若该第一车牌字符结果的字符个数与该第二车牌字符结果的字符个数不相等且该第一车牌字符结果与该第二车牌字符结果中仅有一个字符个数满足预设个数范围，则将字符个数满足该预设个数范围的车牌字符结果确定为该目标车牌识别结果。
[0058]
例如，预设个数范围为7和8，若第一车牌字符结果的字符个数为7个，第二车牌字符结果的字符个数为6个，则将第一车牌字符结果确定为该目标车牌识别结果。
[0059]
本实施例对第一车牌识别结果和第二车牌识别结果进行融合的方式可不局限于上述多种方式，此处不作限定。
[0060]
因此，通过上述多种结果融合方式，可确定出多个车牌识别结果中准确几率更高
的字符，从而最终获得的目标车牌识别结果的准确度更高，也使得车牌识别方法更加鲁棒和稳定。
[0061]
205、在多帧车牌图像的目标车牌识别结果中确定数量占比最高的目标车牌识别结果，将数量占比最高的目标车牌识别结果确定为车辆的车牌识别结果；
[0062]
前面提到，车牌图像可以是同一车辆的多帧车牌图像，为确定该车辆的最终车牌识别结果，可分别对每一帧车牌图像确定对应的目标车牌识别结果，确定车牌图像对应的目标车牌识别结果的过程如上所述，之后，可在多帧车牌图像的目标车牌识别结果中确定数量占比最高的目标车牌识别结果，将数量占比最高的目标车牌识别结果确定为车辆的车牌识别结果。
[0063]
例如，在同一车辆的多帧车牌图像分别对应的目标车牌识别结果中，80％的目标车牌识别结果为“粤bt2d45”，这一结果出现的占比最高，数量最多，则将“粤bt2d45”确定为车辆的车牌识别结果。
[0064]
因此，通过本实施例的方法，对多个车牌识别模型的车牌图像的识别结果进行融合，可提取出多个车牌识别结果中准确识别的字符，进而消除光照条件、拍摄条件等因素对车牌图像以及车牌图像的车牌识别结果的干扰和影响，提升车牌识别的准确度和鲁棒性。
[0065]
上面对本技术实施例中的车牌识别方法进行了描述，下面对本技术实施例中的计算机设备进行描述，请参阅图3，本技术实施例中计算机设备一个实施例包括：
[0066]
获取单元301，用于获得预先训练完成的第一车牌识别模型和第二车牌识别模型，第一车牌识别模型和第二车牌识别模型分别由机器学习算法对多组车牌图像训练样本训练得到；
[0067]
特征提取单元302，用于获得车牌图像，将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图；
[0068]
解码单元303，用于分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果；
[0069]
确定单元304，用于根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果。
[0070]
本实施例一种优选的实施方式中，解码单元303具体用于分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌字符结果、第一车牌字符结果的字符个数和第一车牌字符结果中每个字符的置信度，以及得到第二特征图对应的第二车牌字符结果、第二车牌字符结果的字符个数和第二车牌字符结果中每个字符的置信度。
[0071]
本实施例一种优选的实施方式中，第一车牌字符结果中的多个字符顺序排列，第二车牌字符结果中的多个字符顺序排列；
[0072]
确定单元304具体用于若第一车牌字符结果的字符个数与第二车牌字符结果的字符个数相等且均满足预设个数范围，则判断第一车牌字符结果与第二车牌字符结果共同确立的每个字符对中的字符是否一致，字符对包括第一车牌字符结果的第一字符以及第二车牌字符结果的第二字符，且第一字符在第一车牌字符结果中的序位与第二字符在第二车牌字符结果中的序位相同；若存在字符一致的字符对，则将第一字符或者第二字符作为字符一致的字符对所对应的序位的字符；若存在字符不一致的字符对，则将字符不一致的字符
对中置信度最高的字符作为字符不一致的字符对所对应的序位的字符；当第一车牌字符结果与第二车牌字符结果共同确立的所有字符对所对应的序位均确定字符时，得到目标车牌识别结果。
[0073]
本实施例一种优选的实施方式中，确定单元304具体用于若第一车牌字符结果的字符个数与第二车牌字符结果的字符个数不相等且均满足预设个数范围，则将第一车牌字符结果与第二车牌字符结果中平均置信度最高的车牌字符结果确定为目标车牌识别结果，平均置信度为车牌字符结果中所有字符的置信度之和与车牌字符结果的字符个数的商值。
[0074]
本实施例一种优选的实施方式中，确定单元304具体用于若第一车牌字符结果的字符个数与第二车牌字符结果的字符个数不相等且第一车牌字符结果与第二车牌字符结果中仅有一个字符个数满足预设个数范围，则将字符个数满足预设个数范围的车牌字符结果确定为目标车牌识别结果。
[0075]
本实施例一种优选的实施方式中，确定单元304还用于在多帧车牌图像的目标车牌识别结果中确定数量占比最高的目标车牌识别结果，其中，多帧车牌图像为同一车辆的车牌图像；将数量占比最高的目标车牌识别结果确定为车辆的车牌识别结果。
[0076]
本实施例一种优选的实施方式中，特征提取单元302还用于对车牌图像的尺寸进行重置，以使得车牌图像的尺寸符合第一车牌识别模型和第二车牌识别模型对输入图像的尺寸要求。
[0077]
本实施例中，计算机设备中各单元所执行的操作与前述图1至图2所示实施例中描述的类似，此处不再赘述。
[0078]
本实施例中，特征提取单元302将车牌图像分别输入至第一车牌识别模型和第二车牌识别模型，得到第一车牌识别模型输出的第一特征图以及第二车牌识别模型输出的第二特征图，解码单元303分别对第一特征图和第二特征图进行解码，得到第一特征图对应的第一车牌识别结果以及第二特征图对应的第二车牌识别结果，确定单元304根据第一车牌识别结果以及第二车牌识别结果确定车牌图像的目标车牌识别结果，因此，车牌识别不再仅局限于单个网络模型的车牌识别，可以融合多个车牌识别模型的车牌识别结果，在结果融合过程中可以消除错误识别的字符并确定出识别准确率更高的字符，从而可得到准确率更高的目标车牌识别结果，车牌识别的鲁棒性和稳定性更佳。
[0079]
下面对本技术实施例中的计算机设备进行描述，请参阅图4，本技术实施例中计算机设备一个实施例包括：
[0080]
该计算机设备400可以包括一个或一个以上中央处理器(central processing units，cpu)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。
[0081]
其中，存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块，每个模块可以包括对计算机设备中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在计算机设备400上执行存储器405中的一系列指令操作。
[0082]
计算机设备400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm等。
[0083]
该中央处理器401可以执行前述图1至图2所示实施例中计算机设备所执行的操
作，具体此处不再赘述。
[0084]
本技术实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1至图2所示实施例中计算机设备所执行的操作。
[0085]
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。
[0086]
在本技术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。
[0087]
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。
[0088]
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。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。
[0089]
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，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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。