一种基于图像识别模型的图像识别方法及装置与流程

1.本发明涉及图像处理领域，特别涉及一种基于图像识别模型的图像识别方法及装置。


背景技术：

2.图像识别方法是一种图像处理方案，图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域，随着科技的不断发展，人们对于图像识别方法的制造工艺要求也越来越高。
3.图像的传统识别流程分为四个步骤：1.图像采集，2.图像预处理，3.特征提取，4.图像识别。目前，对图像进行识别的方法普遍还是基于图像特征进行匹配识别。
4.现有的图像识别方法在使用时存在一定的弊端，虽然传统的图像识别方法在一定程度上可以对图像进行识别，但是一张图片中可能存在不同类别的图像，例如，一张图片中可能同时存在人脸、文字以及商品，而传统的图像识别方法往往没有较好的普适性，无法有针对性地根据图片中不同图像选择与之最匹配的识别模型进行识别，则达不到较好的图像识别效果，为此，我们提出一种基于图像识别模型的图像识别方法及装置。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种基于图像识别模型的图像识别方法及装置，利用与各图像轮廓区域的图像类别最匹配的图像识别模型对各图像轮廓区域的图像进行识别，达到了较好的图像识别效果，由于各个图像轮廓区域的识别结果较为准确，则按照待识别图像中所有图像轮廓的位置，对所有识别结果进行图像融合得到的最终图像也更清楚准确，可以有效解决背景技术中的问题。
7.(二)技术方案
8.为实现上述目的，本发明采取的技术方案为：一种基于图像识别模型的图像识别装置，包括基于图像识别模型的图像识别装置主体与电子设备结构，所述基于图像识别模型的图像识别装置主体包括待识别图像获取模块、灰度化处理模块、边缘检测模块、图像信息提取模块、图像类别匹配模块、图像识别模块与图像融合模块，所述待识别图像获取模块连接灰度化处理模块的位置，所述灰度化处理模块连接边缘检测模块的位置，所述边缘检测模块连接图像信息提取模块的位置，所述图像信息提取模块连接图像类别匹配模块的位置，所述图像类别匹配模块连接图像识别模块的位置，所述图像识别模块连接图像融合模块的位置。
9.作为本技术一种优选的技术方案，所述电子设备结构包括存储器、处理器与通信
接口，所述存储器、处理器、通信接口的位置均连接有通信总线。
10.作为本技术一种优选的技术方案，所述待识别图像获取模块的输出端与灰度化处理模块的输入端电性连接，所述灰度化处理模块的输出端与边缘检测模块的输入端电性连接，所述边缘检测模块的输出端与图像信息提取模块的输入端电性连接，所述图像信息提取模块的输出端与图像类别匹配模块的输入端电性连接，所述图像类别匹配模块的输出端与图像识别模块的输入端电性连接，所述图像识别模块的输出端与图像融合模块的输入端电性连接。
11.作为本技术一种优选的技术方案，所述存储器、处理器、通信接口相互之间直接或间接地电性连接实现数据的传输或交互，所述存储器可以是但不限于随机存取存储器、只读存储器、可编程只读存储器、可擦除只读存储器、电可擦除只读存储器，所述处理器可以是通用处理器，包括中央处理器、网络处理器等，还可以是数字信号处理器、专用集成电路、现场可编程门阵列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。
12.一种基于图像识别模型的图像识别方法，包括以下操作步骤：
13.s110：获取图像：获取待识别图像；
14.s120：图像处理：对所述待识别图像进行灰度化处理，得到灰度化图像；
15.s130：图像检测：对所述灰度化图像中的图像轮廓进行边缘检测，以得到各个图像轮廓的边缘信息；
16.s140：图像分类：根据所述边缘信息，提取所述待识别图像中各个图像轮廓区域的图像信息，并根据任一所述图像信息确定对应图像轮廓的图像类别；
17.s150：图像匹配：将所有图像类别依次输入至预置模型数据库中进行匹配，以确定各个图像轮廓对应的图像识别模型；
18.s160：图像识别：将所述图像轮廓区域的图像输入至对应的训练好的图像识别模型中，得到识别结果；
19.s170：图像融合：根据所述待识别图像中所有图像轮廓的位置，将所有识别结果进行图像融合，得到最终图像。
20.作为本技术一种优选的技术方案，所述s110步骤中具体包括以下操作步骤：
21.s111：图像识别检测：对待识别图像进行峰值信噪比检测，得到峰值信噪比值；
22.s112：图像指令：若峰值信噪比值低于第一预设信噪比，则发出重新获取待识别图像的指令；
23.s113：图像去噪：若峰值信噪比值高于第一预设信噪比且低于第二预设信噪比，则利用图像去噪方法对待识别图像进行去噪，直至待识别图像的峰值信噪比值高于第二预设信噪比。
24.作为本技术一种优选的技术方案，所述s130-s170步骤中利用最小二乘滤波器对任一识别结果进行过滤，以得到该识别结果的多个尺度图像，对不同尺度图像之间进行减除计算，以得到多个细节信息，并将细节信息加权到对应识别结果中，以得到该识别结果的加强图像，并利用各个识别结果的加强图像进行图像融合。
25.作为本技术一种优选的技术方案，所述s130步骤中若灰度值高于预设灰度值，则将对应像素点的灰度值设置为255，且灰度值为255的像素点呈白色，若灰度值不高于预设灰度值，则将对应像素点的灰度值设置为0，且灰度值为0的像素点呈黑色。
26.(三)有益效果
27.与现有技术相比，本发明提供了一种基于图像识别模型的图像识别方法及装置，具备以下有益效果：该一种基于图像识别模型的图像识别方法及装置，利用与各图像轮廓区域的图像类别最匹配的图像识别模型对各图像轮廓区域的图像进行识别，达到了较好的图像识别效果，由于各个图像轮廓区域的识别结果较为准确，则按照待识别图像中所有图像轮廓的位置，对所有识别结果进行图像融合得到的最终图像也更清楚准确，其包括如下步骤：获取待识别图像。对待识别图像进行灰度化处理，在保留图像特征的同时，简化图像信息，以便能够更好提取待识别图像的特征。然后对灰度化图像中的图像轮廓进行边缘检测，以得到灰度化图像中的所有图像轮廓以及对应的边缘信息。根据各个边缘信息，定位待识别图像中各个图像轮廓区域的位置，以提取各个图像轮廓区域对应的图像信息，并针对任一图像轮廓区域的图像信息对该图像轮廓的图像类别进行判断，并针对任一图像轮廓，将其图像类别输入至预置模型数据库中进行匹配，得到与该图像类别相匹配的图像识别模型，即得到该图像轮廓的图像识别模型。然后针对待识别图像中不同图像类别的图像轮廓区域，利用与各图像轮廓区域的图像类别最匹配的图像识别模型对各图像轮廓区域的图像进行识别，进而达到了较好的图像识别效果。由于各个图像轮廓区域的识别结果较为准确，则按照待识别图像中所有图像轮廓的位置，对所有识别结果进行图像融合得到的最终图像不仅与原待识别图像的图像轮廓一致且图像特征也更清楚准确，整个图像识别方法结构简单，操作方便，使用的效果相对于传统方式更好。
附图说明
28.图1为本发明一种基于图像识别模型的图像识别装置的整体结构示意图。
29.图2为本发明一种基于图像识别模型的图像识别装置中电子设备的结构示意图。
30.图3为本发明一种基于图像识别模型的图像识别方法中整体流程示意图。
31.图4为本发明一种基于图像识别模型的图像识别方法中另一组流程的结构示意图。
32.图5为本发明一种基于图像识别模型的图像识别方法中获取待识别图像的流程图的结构示意图。
33.图中：100、基于图像识别模型的图像识别装置主体；110、待识别图像获取模块；120、灰度化处理模块；130、边缘检测模块；140、图像信息提取模块；150、图像类别匹配模块；160、图像识别模块；170、图像融合模块；101、存储器；102、处理器；103、通信接口。
具体实施方式
34.下面将结合附图和具体实施方式对本发明的技术方案进行清楚、完整地描述，但是本领域技术人员将会理解，下列所描述的实施例是本发明一部分实施例，而不是全部的实施例，仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做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。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
35.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
36.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
37.如图1-5所示，一种基于图像识别模型的图像识别装置，包括基于图像识别模型的图像识别装置主体100与电子设备结构，基于图像识别模型的图像识别装置主体100包括待识别图像获取模块110、灰度化处理模块120、边缘检测模块130、图像信息提取模块140、图像类别匹配模块150、图像识别模块160与图像融合模块170，待识别图像获取模块110连接灰度化处理模块120的位置，灰度化处理模块120连接边缘检测模块130的位置，边缘检测模块130连接图像信息提取模块140的位置，图像信息提取模块140连接图像类别匹配模块150的位置，图像类别匹配模块150连接图像识别模块160的位置，图像识别模块160连接图像融合模块170的位置。
38.进一步的，电子设备结构包括存储器101、处理器102与通信接口103，存储器101、处理器102、通信接口103的位置均连接有通信总线。
39.进一步的，待识别图像获取模块110的输出端与灰度化处理模块120的输入端电性连接，灰度化处理模块120的输出端与边缘检测模块130的输入端电性连接，边缘检测模块130的输出端与图像信息提取模块140的输入端电性连接，图像信息提取模块140的输出端与图像类别匹配模块150的输入端电性连接，图像类别匹配模块150的输出端与图像识别模块160的输入端电性连接，图像识别模块160的输出端与图像融合模块170的输入端电性连接。
40.进一步的，存储器101、处理器102、通信接口103相互之间直接或间接地电性连接实现数据的传输或交互，存储器101可以是但不限于随机存取存储器、只读存储器、可编程只读存储器、可擦除只读存储器、电可擦除只读存储器，处理器102可以是通用处理器，包括中央处理器、网络处理器等，还可以是数字信号处理器、专用集成电路、现场可编程门阵列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。
41.一种基于图像识别模型的图像识别方法，包括以下操作步骤：
42.s110：获取图像：获取待识别图像；
43.s120：图像处理：对待识别图像进行灰度化处理，得到灰度化图像；
44.s130：图像检测：对灰度化图像中的图像轮廓进行边缘检测，以得到各个图像轮廓的边缘信息；
45.s140：图像分类：根据边缘信息，提取待识别图像中各个图像轮廓区域的图像信息，并根据任一图像信息确定对应图像轮廓的图像类别；
46.s150：图像匹配：将所有图像类别依次输入至预置模型数据库中进行匹配，以确定各个图像轮廓对应的图像识别模型；
47.s160：图像识别：将图像轮廓区域的图像输入至对应的训练好的图像识别模型中，得到识别结果；
48.s170：图像融合：根据待识别图像中所有图像轮廓的位置，将所有识别结果进行图像融合，得到最终图像。
49.进一步的，s110步骤中具体包括以下操作步骤：
50.s111：图像识别检测：对待识别图像进行峰值信噪比检测，得到峰值信噪比值；
51.s112：图像指令：若峰值信噪比值低于第一预设信噪比，则发出重新获取待识别图像的指令；
52.s113：图像去噪：若峰值信噪比值高于第一预设信噪比且低于第二预设信噪比，则利用图像去噪方法对待识别图像进行去噪，直至待识别图像的峰值信噪比值高于第二预设信噪比。
53.进一步的，s130-s170步骤中利用最小二乘滤波器对任一识别结果进行过滤，以得到该识别结果的多个尺度图像，对不同尺度图像之间进行减除计算，以得到多个细节信息，并将细节信息加权到对应识别结果中，以得到该识别结果的加强图像，并利用各个识别结果的加强图像进行图像融合。
54.进一步的，s130步骤中若灰度值高于预设灰度值，则将对应像素点的灰度值设置为255，且灰度值为255的像素点呈白色，若灰度值不高于预设灰度值，则将对应像素点的灰度值设置为0，且灰度值为0的像素点呈黑色。
55.实施例：
56.请参照图3，图3所示为本发明实施例提供的一种基于图像识别模型的图像识别方法的流程图。本技术实施例提供一种基于图像识别模型的图像识别方法，其包括如下步骤：
57.s110：获取待识别图像；
58.具体的，用户可以上传自己想要识别的图片，将其作为待识别图像。此外，用户还可以扫描自己想要识别的图片，以得到待识别图像。
59.s120：对待识别图像进行灰度化处理，得到灰度化图像；
60.具体的，对待识别图像进行灰度化处理，在保留图像特征的同时，简化图像信息，以便能够更好提取待识别图像的特征。
61.s130：对灰度化图像中的图像轮廓进行边缘检测，以得到各个图像轮廓的边缘信息；
62.具体的，对灰度化图像中的图像轮廓进行边缘检测，以得到灰度化图像中的所有图像轮廓以及对应的边缘信息。
63.示例性的，可以利用canny算子检测灰度化图像中图像轮廓的边缘。通过canny算子不仅可以较为准确地定位每个图像轮廓的边缘点，并且canny算子具有低错误率的特点，采用canny算子不仅可以找到每个边缘点，而且不会存在虚假边缘点。
64.s140：根据边缘信息，提取待识别图像中各个图像轮廓区域的图像信息，并根据任一图像信息确定对应图像轮廓的图像类别；
65.具体的，根据各个边缘信息，定位待识别图像中各个图像轮廓区域的位置，以提取各个图像轮廓区域对应的图像信息。针对任一图像轮廓区域的图像信息对该图像轮廓的图像类别进行判断。例如，如果图像轮廓区域的图像信息为人脸图像信息，则该图像轮廓的图
像类别属于人脸图像。如果图像轮廓区域的图像信息为商品图像信息，则该图像轮廓的图像类别属于商品图像。如果图像轮廓区域的图像信息为文字图像信息，则该图像轮廓的图像类别属于文字图像。
66.s150：将所有图像类别依次输入至预置模型数据库中进行匹配，以确定各个图像轮廓对应的图像识别模型；
67.其中，预置模型数据库包括所有图像类别以及各图像类别对应的图像识别模型。
68.具体的，对于任一图像轮廓而言，将其图像类别输入至预置模型数据库中进行匹配，得到与该图像类别相匹配的图像识别模型，即得到该图像轮廓的图像识别模型。
69.示例性的，预置模型数据库可以包括图像类别以及各图像类别对应的图像识别初始模型，图像识别初始模型为未训练好的神经网络模型。
70.此外，预置模型数据库还可以包括图像类别以及各图像类别对应的训练好的图像识别模型。
71.s160：将图像轮廓区域的图像输入至对应的训练好的图像识别模型中，得到识别结果；
72.作为本实施例的一种实施方式，若上述预置模型数据库包括图像类别以及各图像类别对应的图像识别初始模型，则在确定各个图像轮廓对应的图像识别模型后，需要进行模型训练，以得到训练好的图像识别模型。
73.具体的，通过步骤s150确定了各个图像轮廓区域的图像所对应的图像识别模型。通过步骤s160针对待识别图像中不同图像类别的图像轮廓区域，利用与各图像轮廓区域的图像类别最匹配的图像识别模型对各图像轮廓区域的图像进行识别，进而达到了较好的图像识别效果。
74.s170：根据待识别图像中所有图像轮廓的位置，将所有识别结果进行图像融合，得到最终图像。
75.具体的，由于各个图像轮廓区域的识别结果较为准确，则按照待识别图像中所有图像轮廓的位置，对所有识别结果进行图像融合得到的最终图像不仅与原待识别图像的图像轮廓一致且图像特征也更清楚准确。
76.请参照图4，图4所示为本发明实施例提供的另一种基于图像识别模型的图像识别方法的流程图。在本实施例的一些实施方式中，上述根据待识别图像中所有图像轮廓的位置，将所有识别结果进行图像融合的步骤之前，该方法还包括：
77.利用最小二乘滤波器对任一识别结果进行过滤，以得到该识别结果的多个尺度图像；
78.对不同尺度图像之间进行减除计算，以得到多个细节信息，并将细节信息加权到对应识别结果中，以得到该识别结果的加强图像，并利用各个识别结果的加强图像进行图像融合。
79.具体的，利用最小二乘滤波器对识别结果进行过滤，过滤后的识别结果会被分为多个尺度图像。不同尺度图像之间进行减除计算可以得到不同程度的细节信息，从而将不同程度的细节信息加权到对应识别结果中，可以得到含有丰富细节信息的加强图像，该加强图像可以突出对应识别结果的细节信息。从而利用各个识别结果的加强图像进行图像融合可以进一步突出最终图像的细节信息。
80.在本实施例的一些实施方式中，上述将图像轮廓区域的图像输入至对应的训练好的图像识别模型中的步骤之前，该方法还包括：
81.建立与任一图像类别相匹配的图像识别初始模型；
82.获取与该图像类别一致的多个图片作为样本；
83.利用样本训练图像识别初始模型，以得到训练好的图像识别模型。
84.示例性的，建立用于识别人脸图像的图像识别初始模型，选取多个人脸图像作为样本训练该图像识别初始模型，进而得到训练好的图像识别模型，以用于识别图像类别为人脸图像的图像。
85.在本实施例的一些实施方式中，上述获取与该图像类别一致的多个图片作为样本的步骤之后，该方法还包括：
86.对任一样本进行高斯模糊处理，得到模糊图像；
87.对模糊图像和样本进行减法处理，以得到不同的细节信息；
88.将多个细节信息加权到原样本图像中，得到样本加强图像，并利用样本加强图像训练图像识别初始模型。
89.具体的，获取多个样本后，利用样本及其模糊图像进行减法处理，得到不同的细节信息，从而将多个细节信息加权到原样本图像中得到样本加强图像，以丰富样本加强图像的细节信息，进而使得处理后样本的细节信息更加突出，从而利用样本加强图像训练图像识别初始模型，可以使得训练好的图像识别模型的识别结果更加准确。
90.请参照图5，图5所示为本发明实施例提供的一种获取待识别图像的流程图。在本实施例的一些实施方式中，上述获取待识别图像的步骤包括：
91.s111：对待识别图像进行峰值信噪比检测，得到峰值信噪比值；
92.s112：若峰值信噪比值低于第一预设信噪比，则发出重新获取待识别图像的指令；
93.s113：若峰值信噪比值高于第一预设信噪比且低于第二预设信噪比，则利用图像去噪方法对待识别图像进行去噪，直至待识别图像的峰值信噪比值高于第二预设信噪比。
94.示例性的，上述图像去噪方法可以是高斯滤波。利用高斯滤波可以对待识别图像进行平滑处理，以达到去噪效果。
95.具体的，通过步骤s111至步骤s113可以避免获取到的待识别图像的图像噪声过大。
96.在本实施例的一些实施方式中，上述图像类别包括人脸图像、商品图像、文字图像；
97.上述根据任一图像信息确定对应图像轮廓的图像类别的步骤包括：
98.利用聚类方法对任一图像信息进行聚类判定；
99.若图像信息与人脸图像聚类为一类，则图像信息为人脸图像信息；
100.若图像信息与商品图像聚类为一类，则图像信息为商品图像信息；
101.若图像信息与文字图像聚类为一类，则图像信息为文字图像信息。
102.具体的，通过聚类方法对任一图像轮廓的图像类别进行判断，以判断该图像轮廓区域的图像属于哪个图像类别。
103.在本实施例的一些实施方式中，上述对灰度化图像中的图像轮廓进行边缘检测，以得到各个图像轮廓的边缘信息的步骤之前，该方法还包括：
104.检测灰度化图像中所有像素点的灰度值；
105.若灰度值高于预设灰度值，则将对应像素点的灰度值设置为255，且灰度值为255的像素点呈白色；
106.若灰度值不高于预设灰度值，则将对应像素点的灰度值设置为0，且灰度值为0的像素点呈黑色。
107.上述实现过程中，将高于预设灰度值的像素点灰度值设置为255，以使像素点呈白色，将灰度值不高于预设灰度值的像素点灰度值设置为0，以使像素点呈黑色。从而使得灰度化图像呈现出至少一个纯白区域和至少一个纯黑区域，进一步便于对灰度化图像中图像轮廓进行边缘检测。
108.请参照图1，图1所示为本发明实施例提供的一种基于图像识别模型的图像识别装置100的结构框图。本技术实施例提供一种基于图像识别模型的图像识别装置100，其包括：
109.待识别图像获取模块110，用于获取待识别图像；
110.灰度化处理模块120，用于对待识别图像进行灰度化处理，得到灰度化图像；
111.边缘检测模块130，用于对灰度化图像中的图像轮廓进行边缘检测，以得到各个图像轮廓的边缘信息；
112.图像信息提取模块140，用于根据边缘信息，提取待识别图像中各个图像轮廓区域的图像信息，并根据任一图像信息确定对应图像轮廓的图像类别；
113.图像类别匹配模块150，用于将所有图像类别依次输入至预置模型数据库中进行匹配，以确定各个图像轮廓对应的图像识别模型；
114.图像识别模块160，用于将图像轮廓区域的图像输入至对应的训练好的图像识别模型中，得到识别结果；
115.图像融合模块170，用于根据待识别图像中所有图像轮廓的位置，将所有识别结果进行图像融合，得到最终图像。
116.上述实现过程中，该装置首先对待识别图像进行灰度化处理，在保留图像特征的同时，简化图像信息，以便能够更好提取待识别图像的特征。然后对灰度化图像中的图像轮廓进行边缘检测，以得到灰度化图像中的所有图像轮廓以及对应的边缘信息。根据各个边缘信息，定位待识别图像中各个图像轮廓区域的位置，以提取各个图像轮廓区域对应的图像信息。并针对任一图像轮廓区域的图像信息对该图像轮廓的图像类别进行判断。并针对任一图像轮廓，将其图像类别输入至预置模型数据库中进行匹配，得到与该图像类别相匹配的图像识别模型，即得到该图像轮廓的图像识别模型。然后针对待识别图像中不同图像类别的图像轮廓区域，利用与各图像轮廓区域的图像类别最匹配的图像识别模型对各图像轮廓区域的图像进行识别，进而达到了较好的图像识别效果。由于各个图像轮廓区域的识别结果较为准确，则按照待识别图像中所有图像轮廓的位置，对所有识别结果进行图像融合得到的最终图像不仅与原待识别图像的图像轮廓一致且图像特征也更清楚准确。
117.请参照图2，图2为本技术实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本技术实施例所提供的一种基于图像识别模型的图像识别装置100对应的程序指令/模块，处理
器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
118.其中，存储器101可以是但不限于，随机存取存储器random access memory，ram，只读存储器read only memory，rom，可编程只读存储器programmable read-only memory，prom，可擦除只读存储器erasable programmable read-only memory，eprom，电可擦除只读存储器electric erasable programmable read-only memory，eeprom等。
119.处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器central processing unit，cpu、网络处理器network processor，np等；还可以是数字信号处理器digital signal processing，dsp、专用集成电路application specific integrated circuit，asic、现场可编程门阵列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。
120.可以理解，图2所示的结构仅为示意，电子设备还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
121.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，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
122.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
123.功能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。
124.需要说明的是，在本文中，诸如第一和第二(一号、二号)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。
125.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。