目标追踪方法、系统、终端设备及存储介质

1.本技术涉及计算机视觉技术领域，具体涉及一种目标追踪方法、终端设备及存储介质。


背景技术：

2.目标追踪是指依靠计算机视觉识别追踪实时视频流中的指定目标，估计其位置和大小。传统的图像稀疏表示是将每一张图片表示成向量，再通过k-mean算法生成字典矩阵，最后逐一对多个图片向量求解l1系数惩罚项的误差最小化问题，来获得多个图片的稀疏向量解组成的稀疏矩阵。但是，这种方法只能利用效率低的二级基础线性代数子程序，无法高效利用计算机资源，使得传统图像稀疏表示算法速度较慢，制约了目标追踪算法的计算速度。


技术实现要素：

3.本技术实施例公开了一种目标追踪方法、终端设备及存储介质，可以通过三级基础代数子程序来处理目标追踪的过程，有效提高基于稀疏表示的鲁棒目标追踪的计算效率。
4.本技术实施例公开一种目标追踪方法，包括：
5.根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；
6.基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；
7.基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；
8.根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；
9.选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。
10.可选地，所述预设迭代收缩算法，包括：
11.计算基础迭代；
12.根据所述基础迭代计算第一稀疏矩阵表示或第一非负稀疏矩阵表示；
13.计算迭代间隔；
14.根据所述迭代间隔和所述第一稀疏矩阵表示计算泰勒站展开点，或根据所述迭代间隔和所述第一非负稀疏矩阵表示计算泰勒站展开点；
15.当迭代误差满足误差条件时，获取所述第一稀疏矩阵表示的解或者获取所述第一非负稀疏矩阵表示的解。
16.可选地，所述基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，包括：
17.获取投影对角矩阵；
18.通过所述对角矩阵将模板矩阵和候选目标矩阵投影到动态辨别空间，得到投影模板矩阵和投影候选目标矩阵，所述候选目标矩阵与所述样本集对应，所述模板矩阵与所述模板集对应；
19.根据所述投影模板矩阵、所述投影候选目标矩阵和所述预设迭代收缩算法计算所述候选目标的第二稀疏矩阵表示的第一重构误差；
20.根据所述第一重构误差计算每个候选目标的第一置信度。
21.可选地，所述基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性，包括：
22.获取字典矩阵；
23.获取所述样本集内多个标准滑动框小图的样本矩阵；
24.根据所述字典矩阵和所述样本矩阵计算所述标准滑动框小图的第二非负稀疏矩阵表示；
25.获取所述标准滑动框小图的抗遮挡直方图；
26.计算模板与所述标准滑动框小图的抗遮挡直方图的相似性。
27.可选地，所述获取投影对角矩阵，包括：
28.获取稀疏系数向量；
29.根据所述稀疏系数向量的元素生成投影对角矩阵。
30.可选地，所述获取字典矩阵，包括：
31.计算初始标准滑动框小图的若干个聚类中心；
32.将所有聚类中心合成字典矩阵。
33.可选地，所述获取所述标准滑动框小图的抗遮挡直方图，包括：
34.根据所述字典矩阵、所述样本矩阵和稀疏系数矩阵计算重构误差矩阵；
35.根据所述重构误差矩阵内的元素计算遮挡矩阵；
36.根据所述遮挡矩阵和所述稀疏系数矩阵计算所述标准滑动框小图的抗遮挡直方图。
37.本技术实施例公开一种目标追踪系统，包括：
38.第一模块，用于根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；
39.第二模块，用于基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；
40.第三模块，用于基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；
41.第四模块，用于根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；
42.第五模块，用于选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。
43.本技术实施例公开一种终端设备，包括：
44.存储器，所述存储器中存储有计算机程序；
45.处理器，所述计算机程序被所述处理器执行时，使得所述处理器实现上述的目标追踪方法。
46.本技术实施例公开一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的目标追踪方法。
47.与现有技术相比，本技术实施例具有以下有益效果：
48.通过根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样得到样本集后，根据三级基础代数子程序的稀疏判别分类计算样本集内每个候选目标的第一置信度，并且，根据三级基础代数子程序的稀疏生成模型计算样本集内每个候选目标的抗遮挡直方图的相似性，然后根据第一置信度和相似性计算每个候选目标的协同置信度选取满足预设要求的协同置信度对应的候选目标作为下一帧的追踪目标；本实施例通过三级基础代数子程序来处理目标追踪的过程，从而可以不损失目标追踪方法的准确性和鲁棒性，有效提高基于稀疏表示的鲁棒目标追踪的计算效率，从而提高目标追踪的帧率。
附图说明
49.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
50.图1是本技术一实施例提供的目标追踪方法的实现流程图；
51.图2是本技术实施例基于blas-3快速迭代阈值收缩算法的流程图；
52.图3是本技术实施例中计算第一置信度的流程图；
53.图4是本技术实施例中步骤130的流程图；
54.图5是本技术实施例的目标追踪方法的完整流程图；
55.图6是本技术实施例的blas-3的快速阈值收缩算法与稀疏表示算法进行运行时间比较的曲线图；
56.图7是本技术一实施例提供的终端设备的结构示意图。
具体实施方式
57.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
58.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
59.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
60.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确
定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0061]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0062]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0063]
在本技术实施例中，流程的执行主体为目标追踪处理软件所属的终端设备。该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等能够执行本技术公开的目标追踪方法的设备。图1示出了本技术第一实施例公开的目标追踪方法的实现流程图，详述如下：
[0064]
在s110中，根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集。
[0065]
在本技术实施例中，在一录像场景中，上一帧和下一帧是指相邻两帧。上一帧目标追踪结果是指该录像场景对应录像视频的中位于当前时间点的前一个时间点的目标跟踪信息。初始选择目标是指在该录像场景对应录像视频的中刚开始进行目标追踪时指定的目标。若干个候选区域的位置可以存在部分重叠。每个候选区域样本包括候选区域内的样本和背景等信息。
[0066]
在s120中，基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度。
[0067]
在本技术实施例中，设迭代收缩算法包括三级基础代数子程序(blas-3)的快速迭代阈值收缩算法。具体地，如图2所示，设迭代收缩算法的具体执行过程包括：
[0068]
步骤一、获取字典矩阵d，设置初始迭代点b0＝0，并根据样本集生成样本矩阵y。
[0069]
步骤二、通过公式(1)计算基础迭代：
[0070][0071]
其中，bk是上一步迭代计算的泰勒展开点且b0＝0，d是字典矩阵，y是样本矩阵，l是李普希茨常数。
[0072]
步骤三、若当前稀疏矩阵为非负稀疏矩阵，则通过公式(2)计算非负软阈值收缩(非负稀疏矩阵表示)；反之，通过公式(3)计算软阈值收缩(稀疏矩阵表示)：
[0073][0074][0075]
其中，xk是当前迭代的算法解，即xk是非负软阈值收缩或软阈值收缩，λ是稀疏矩阵表示的正则参数。
[0076]
步骤四、通过公式(4)计算迭代间隔{tk}序列：
[0077][0078]
步骤五、通过公式(5)计算下一步的泰勒站展开点：
[0079][0080]
步骤六、判断迭代若干次后的迭代误差是否满足误差条件，若满足，则结束迭代处理过程，反之，则返回步骤二。
[0081]
在本实施例中，如图3所示，基于预设迭代收缩算法的稀疏判别分类，计算样本集内每个候选目标的第一置信度这一步骤，包括但不限于以下步骤：
[0082]
在s310中，获取投影对角矩阵。
[0083]
在本技术实施例中，投影对角矩阵是动态环境下自适应选择合适数目辨别特征的矩阵。可以通过先获取稀疏系数向量后，通过稀疏系数向量的元素生成投影对角矩阵。示例性地，如公式(6)所示，通过二级基础代数子程序(blas-2)稀疏表示求解稀疏向量表示问题：
[0084][0085]
其中，φ由正负模板组成，s和p分别为稀疏系数向量、模板集对应的属性(+1为正模板、-1为负模板)。
[0086]
然后根据s来生成投影对角矩阵s(向量元素为0对应零矩阵，不为0对应单位矩阵)。
[0087]
在s320中，通过对角矩阵将模板矩阵和候选目标矩阵投影到动态辨别空间，得到投影模板矩阵和投影候选目标矩阵。
[0088]
本技术实施例中，候选目标矩阵与样本集对应，模板矩阵与模板集对应。在得到影对角矩阵s后，通过影对角矩阵将候选目标矩阵x与模板矩阵φ投影到动态辨别空间上，得到投影模板矩阵φ,和投影候选目标矩阵x,。
[0089]
在s330中，根据投影模板矩阵、投影候选目标矩阵和预设迭代收缩算法计算候选目标的第二稀疏矩阵表示的第一重构误差。
[0090]
在本技术实施例中，第二稀疏矩阵表示如公式(7)所示：
[0091][0092]
其中，a表示第二稀疏矩阵。
[0093]
在s340中，根据第一重构误差计算每个候选目标的第一置信度hc。
[0094]
在本技术实施例中，通过公式(8)计算第一置信度：
[0095][0096]
其中，σ表示一个正常数。
[0097]
在s130中，基于预设迭代收缩算法的稀疏生成模型，计算样本集内每个候选目标的抗遮挡直方图的相似性。
[0098]
在本技术实施例中，如图4所示，步骤s130这一步骤，包括但不限于以下步骤：
[0099]
在s410中，获取字典矩阵。
[0100]
在本实施例中，可以通过计算初始准滑动框小图的若干个聚类中心后，将所有聚类中心合成字典矩阵。具体地，可以通过k-mean(k-means clustering algorithm，也称为k均值聚类算法)算法计算聚类中心。其中，k均值聚类算法是一种迭代求解的聚类分析算法。该聚类算法的其步骤是预将数据分为k组，则随机选取k个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。
[0101]
在s420中，获取样本集内多个标准滑动框小图的样本矩阵；根据字典矩阵和样本矩阵计算标准滑动框小图的第二非负稀疏矩阵表示；
[0102]
在本实施例中，可以通过公式(9)计算第二非负稀疏矩阵表示：
[0103][0104]
其中，y、b分别通过滑动窗口获取多个标准小图的样本矩阵和稀疏系数矩阵，d表示字典矩阵。
[0105]
在s430中，获取标准滑动框小图的抗遮挡直方图。
[0106]
在本实施例中，可以根据字典矩阵、样本矩阵和稀疏系数矩阵计算重构误差矩阵后，根据重构误差矩阵内的元素计算遮挡矩阵，然后根据遮挡矩阵和稀疏系数矩阵计算标准滑动框小图的抗遮挡直方图。具体地，遮挡矩阵的计算过程可以描述如下：
[0107]
通过公式(10)计算遮挡矩阵o的元素：
[0108][0109]
其中，ε0为预设的阈值，ε
ij
表示重构误差矩阵e内的元素。
[0110]
通过公式(11)计算抗遮挡直方图：
[0111][0112]
其中，qi(i＝1,2,...,m)是矩阵q中的列向量，表示矩阵元素相乘。
[0113]
在s440中，计算模板与标准滑动框小图的抗遮挡直方图的相似性。
[0114]
在本实施例中，通过求取模板与候选目标的抗遮挡直方图的相似性lc，并在每次迭代中根据遮挡程度判断是否更新模板的抗遮挡直方图。具体地，可以通过公式(12)及计算模板与标准滑动框小图的抗遮挡直方图的相似性：
[0115][0116]
其中，第j个标准小图和ψj是模板直方图。
[0117]
本实施例中，模板直方图ψj可以通过公式(13)进行更新：
[0118]
ψj＝μψf+(1-μ)ψ
l
若qn＜a公式(13)
[0119]
其中，ψf、ψ
l
分别为第一帧和当前帧的模板直方图，a为预设的阈值，qn为当前帧的遮挡矩阵。
[0120]
在s140中，根据第一置信度和相似性计算每个候选目标的协同置信度；选取满足预设要求的协同置信度对应的候选目标作为下一帧的追踪目标。
[0121]
在本实施例中，协同置信度可以通过公式(14)计算：
[0122][0123]
具体地，本实施例中满足预设要求可以是所有协同置信度中数值最大的协同置信度。将最大的协同置信度对应的候选目标作为下一帧的追踪目标进行追踪，从而可以有效提高追踪的准确度。
[0124]
如图5所示，本技术实施例的目标追踪方法的完整实施过程如下：
[0125]
步骤一、基于上一帧的目标追踪结果或初始选择的目标x1，使用粒子滤波对下一帧的目标候选区域进行采样；
[0126]
步骤二、通过基于blas-3的快速迭代阈值收缩算法求解稀疏矩阵表示问题，具体如公式(15)所示：
[0127][0128]
其中，t、x、γ分别为候选模板集、样本集、稀疏系数矩阵。以γ来获取每个候选区域的权重，进而求出目标的运动模型p(x
t
|x
t-1
)；
[0129]
步骤三、通过blas-2稀疏表示求解稀疏向量表示问题，具体如公式(6)所示：
[0130][0131]
其中，φ由正负模板组成，s和p分别为稀疏系数向量、模板集对应的属性(+1为正模板、-1为负模板)。以s来生成投影对角矩阵s(向量元素为0对应零矩阵，不为0对应单位矩阵)。
[0132]
步骤四、通过投影矩阵s将x与φ分别投影为x,与φ,；
[0133]
步骤五、通过基于blas-3的快速迭代阈值收缩算法求解稀疏矩阵表示问题，具体如公式(7)所示：
[0134][0135]
其中，a表示第二稀疏矩阵。
[0136]
步骤六、公式(8)计算候选区域的置信度hc：
[0137][0138]
其中，σ表示一个正常数。
[0139]
步骤七、通过k-mean算法求出初始目标模板滑动子图的若干聚类中心，再将其组合成字典矩阵d。
[0140]
步骤八、通过公式(9)基于blas-3的快速迭代阈值收缩算法求解稀疏矩阵表示问题：
[0141][0142]
其中，y、b分别通过滑动窗口获取多个标准小图的样本矩阵和稀疏系数矩阵，d表示字典矩阵。
[0143]
步骤十、计算遮挡矩阵o，其元素可以通过公式(10)计算遮挡矩阵o的元素：
[0144][0145]
其中，ε0为预设的阈值，ε
ij
表示重构误差矩阵e内的元素。
[0146]
具体地，在计算得到所有遮挡元素后，判断所有遮挡元素之和是否大于预设阈值，若是，则模板直方图为第一帧初始目标直方图和当前直方图的加权和；反之，则模板直方图为第一帧初始目标直方图。
[0147]
重构误差矩阵e如公式(16)所示：
[0148][0149]
通过公式(11)计算抗遮挡直方图：
[0150][0151]
其中，qi(i＝1,2,...,m)是矩阵q中的列向量，表示矩阵元素相乘。
[0152]
步骤十一、通过公式(12)计算模板与候选目标抗遮挡直方图的相似性：
[0153][0154]
其中，第j个标准小图和ψj是模板直方图，并通过公式(13)进行模板直方图ψj的更新
[0155]
ψj＝μψf+(1-μ)ψ
l
若qn＜a公式(13)
[0156]
其中，ψf、ψ
l
分别为第一帧和当前帧的模板直方图，a为预设的阈值，qn为当前帧的遮挡矩阵。
[0157]
步骤十二、计算候选区域的协同置信度并取该值最大的为下一
帧的追踪目标。并判断追踪是否结束，若没有结束，则返回步骤一执行，反之，则结束追踪过程。
[0158]
在一些实施例中，将本技术实施例的目标追踪方法涉及的blas-3的快速阈值收缩算法与其他稀疏表示算法进行运行时间比较，可以得图6所示的曲线图。从图6可知，本技术实施例的blas-3的快速阈值收缩算法随着稀疏水平的增加，运行时间并未增加。因此，本技术实施例的blas-3的快速阈值收缩算法可以不损失目标追踪方法的准确性和鲁棒性，有效提高基于稀疏表示的鲁棒目标追踪的计算效率，从而提高目标追踪的帧率。
[0159]
本技术实施例公开一种目标追踪系统，包括：
[0160]
第一模块，用于根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；
[0161]
第二模块，用于基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；
[0162]
第三模块，用于基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；
[0163]
第四模块，用于根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；
[0164]
第五模块，用于选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。
[0165]
上述方法实施例的内容均适用于本系统实施例，本系统实施例所实现的效果与上述方法实施例的效果相同。
[0166]
本技术实施例公开一种终端设备，包括：
[0167]
存储器，所述存储器中存储有计算机程序；
[0168]
处理器，所述计算机程序被所述处理器执行时，使得所述处理器实现上述各个的目标追踪方法。
[0169]
图7示出了本技术一实施例公开的终端设备的结构示意图。如图7所示，该实施例的终端设备500包括：存储器510和处理器520，所述存储器510中存储有计算机程序511；所述计算机程序511被所述处理器520执行时，使得所述处理器520实现上述任意各个方法的步骤。
[0170]
所述终端设备500可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器520、存储器510。本领域技术人员可以理解，图7仅仅是终端设备500的举例，并不构成对终端设备500的限定，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，例如还可以包括输入输出设备、网络接入设备等。
[0171]
所称处理器520可以是中央处理单元(central processing unit，cpu)，该处理器520还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0172]
所述存储器510在一些实施例中可以是所述终端设备500的内部存储单元，例如终端设备500的硬盘或内存。所述存储器510在另一些实施例中也可以是所述终端设备500的外部存储设备，例如所述终端设备500上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器510还可以既包括所述终端设备500的内部存储单元也包括外部存储设备。所述存储器510用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器510还可以用于暂时地存储已经输出或者将要输出的数据。
[0173]
本技术实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0174]
本技术实施例公开了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
[0175]
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，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0176]
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或记载的部分，可以参见其它实施例的相关描述。
[0177]
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。
[0178]
在本技术所公开的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0179]
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。
[0180]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。