检测脱墨纸币的方法、装置及电子设备与流程

本发明属于纸币识别技术领域，尤其涉及一种检测脱墨纸币的方法、装置、电子设备及计算机可读存储介质。

背景技术

脱墨纸币是指纸币的表面出现部分或全部褪色，在很多国家的金融行业标准中，若纸币上的脱墨点大于一定数量，或者，纸币上脱墨点的面积大于一定阈值，该纸币将不适于在市场上流通。

然而，由于脱墨纸币并不属于伪造纸币，且其一般具备真币的相应防伪特征，故现有的基于防伪特征识别的检测方法并不能有效识别出脱墨纸币。故，急需一种检测方法以实现对脱墨纸币的检测。

技术实现要素：

有鉴于此，本发明提供了一种检测脱墨纸币的方法、装置、电子设备及计算机可读存储介质，以实现对脱墨纸币的检测。

本发明的第一方面提供了一种检测脱墨纸币的方法，所述方法包括：

获取待检测纸币的图像；

将所述待检测纸币的图像分割成预设数量的图像块；

确定所述图像块与所述图像块的对应模板之间的颜色相似度；

基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

基于本发明的第一方面，在第一方面的第一种可能实现方式中，所述获取待检测纸币的图像之后，还包括：

定位所述待检测纸币的图像上指定的防伪区域；

基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度；

所述基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币，为：

基于所述颜色相似度，以及，所述纹理相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

基于本发明第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度，包括：

计算所述防伪区域的颜色共生矩阵的能量，得到第一特征向量；

基于所述第一特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

基于本发明第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度，还包括：

计算所述防伪区域的灰度共生矩阵的能量，得到第二特征向量；

所述基于所述第一特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度，为：

基于所述第一特征向量和所述第二特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

基于本发明第一方面及第一方面上述任一种的可能实现方式，在第一方面的第四种可能实现方式中，所述将所述待检测纸币的图像分割成预设数量的图像块，包括：

将所述待检测纸币的图像从rgb空间转换到hsv空间；

将所述hsv空间的h通道图像分割成预设数量的图像块。

基于本发明第一方面的第四种可能实现方式，在第一方面的第五种可能实现方式中，所述确定所述图像块与所述图像块的对应模板之间的颜色相似度，包括：

获取所述图像块的颜色直方图，得到第三特征向量；

基于所述第三特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

基于本发明第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，所述基于所述第三特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度之前，还包括：

获取所述图像块的颜色分量的均值，得到第四特征向量；

所述基于所述第三特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度，为：

基于所述第三特征向量和所述第四特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

本发明的第二方面提供了一种检测脱墨纸币的装置，所述装置包括：

获取单元，用于获取待检测纸币的图像；

分割单元，用于将所述获取单元获取的待检测纸币的图像分割成预设数量的图像块；

计算单元，用于确定所述图像块与所述图像块的对应模板之间的颜色相似度；

判断单元，用于基于所述计算单元确定的所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

本发明的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如任一项所述检测脱墨纸币的方法的步骤。

本发明的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存储有计算机程序，所述计算机程序被处理器执行时实现如任一项所述检测脱墨纸币的方法的步骤。

本发明与现有技术相比存在的有益效果是：

通过获取待检测纸币的图像，将所述待检测纸币的图像分割成预设数量的图像块，并确定所述图像块与所述图像块的对应模板之间的颜色相似度；基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币；实现了对脱墨纸币的检测和判定；可以看出，一方面，本发明通过将待检测纸币的图像分割成预设数量的图像块，通过对各图像块的综合对比可以提高对脱墨纸币进行判断的准确性；另一方面，由于颜色特征能够提供丰富且鲁棒的鉴别信息，并能够适应一定的视点变化，因此本发明基于颜色相似度进行脱墨纸币的判断还具有一定的适用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的检测脱墨纸币的方法的实现流程图；

图2是本发明另一个实施例提供的检测脱墨纸币的方法的实现流程图；

图3是本发明实施例提供的检测脱墨纸币的装置的结构示意图；

图4是本发明实施例提供的电子设备的示意图。

具体实施方式

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，以便透彻理解本发明实施例。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发明。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发明的描述。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

参见图1，其示出了本发明一个实施例提供的检测脱墨纸币的方法的实现流程图，详述如下：

步骤101、获取待检测纸币的图像；

在本发明实施例中，获取待检测纸币的图像，其中，该图像为rgb颜色图像；具体的，基于红光、蓝光和绿光三种光线采集待检测纸币的rgb颜色图像。

步骤102、将所述待检测纸币的图像分割成预设数量的图像块；

在本发明实施例中，对所述待检测纸币的图像进行分割，将所述待检测纸币的图像分割成预设数量的图像块，以基于各图像块的特征对待检测纸币进行综合性的识别和判断；示例性的，可以将所述待检测纸币的图像分割成10*5共计50个小的图像块。

可选的，上述步骤102中，所述将所述待检测纸币的图像分割成预设数量的图像块，可以通过以下方式实现：

将所述待检测纸币的图像从rgb空间转换到hsv空间；

将所述hsv空间的h通道图像分割成预设数量的图像块。

由于色调可以更好的反映图像的颜色特征，本发明实施例中，通过将所述待检测纸币的图像从rgb空间转换到hsv空间，将所述hsv空间的h通道图像分割成预设数量的图像块，使得分割所得到的图像块能够更好的体现其色调信息。

需要说明的是，rgb空间，也即rgb颜色空间，是以r(red：红)、g(green：绿)、b(blue：蓝)三种基本色为基础，进行不同程度的叠加，以产生丰富而广泛的颜色，一般也称为三基色模式。

需要说明的是，hsv空间，也即hsv颜色空间，是反映颜色的直观特性的一种颜色空间，也称六角锥体模型(hexconemodel)；图像的hsv空间中颜色的三个分量分别是：色调(h)，饱和度(s)，明度(v)，其中，图像的颜色分量主要集中在色调(h)分量中。

步骤103、确定所述图像块与所述图像块的对应模板之间的颜色相似度；

本发明实施例中，通过将所述图像块与所述图像块的对应模板进行比对和计算，来确定所述图像块与所述图像块的对应模板之间的颜色相似度。

本发明实施例中，所述图像块的对应模板为基于对标准纸币进行相应的处理后得到，标准纸币上不存在脱墨点或脱墨区域，可以作为对待检测纸币进行比对和判断的基准。例如，某图像块与该图像块的对应模板的颜色相似度越高，该图像块越不具备存在脱墨点的可能。

本发明实施例中，颜色相似度是指两个颜色的相似程度，具体可以通过在hsv空间中，两个颜色的色值所在点之间的距离来确定。对于两个图像块的颜色相似度，可以通过该两个图像块的颜色直方图或者颜色分量的均值进行比对来确定。

可选的，上述步骤103中，所述确定所述图像块与所述图像块的对应模板之间的颜色相似度，可以通过以下方式实现：

获取所述图像块的颜色直方图，得到第三特征向量；

基于所述第三特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

图像的颜色直方图可以反映不同颜色在该图像中所占的比例，本发明实施例中，通过获取各个图像块的颜色直方图，以各个图像块上不同颜色所占的比例为判断基准，来确定各个图像块与各个图像块的对应模板之间的颜色相似度。

可选的，上述步骤103中，所述确定所述图像块与所述图像块的对应模板之间的颜色相似度，还可以通过以下方式实现：

获取所述图像块的颜色直方图，得到第三特征向量；

获取所述图像块的颜色分量的均值，得到第四特征向量；

基于所述第三特征向量和所述第四特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

本发明实施例中，图像块的颜色分量为红绿蓝三个颜色分量，为了更准确的确定图像块与图像块的对应模板之间的颜色相似度，可以将图像块的三个颜色分量的均值也作为判断图像块与其对应模板的颜色相似度的参数，也即，基于所述图像块的颜色直方图，以及图像块的颜色分量的均值，来确定所述图像块与所述图像块的对应模板之间的颜色相似度。

本发明实施例中，可以使用夹角余弦法来确定所述图像块与所述图像块的对应模板之间的颜色相似度。

步骤104、基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

本发明实施例中，基于所述图像块与所述图像块的相应模板之间的颜色相似度，通过预设的分类器进而判断出所述待检测纸币是否属于脱墨纸币。

本发明实施例中，所述预设的分类器可以为基于adaboost算法的adaboost分类器。以单个图像块与该图像块的相应模板的颜色相似度作为一个弱学习器，基于在训练过程中各弱学习器的误差率确定各弱学习器的权重系数，以对所有弱学习器的输出结果采用加权平均法得到最终的强分类器，从而可以减少判断错误率，较为准确的对待检测纸币进行分类，判断出所述待检测纸币是否属于脱墨纸币。

由上可知，本发明通过获取待检测纸币的图像，将所述待检测纸币的图像分割成预设数量的图像块，并确定所述图像块与所述图像块的对应模板之间的颜色相似度；基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币；实现了对脱墨纸币的检测和判定；可以看出，一方面，本发明通过将待检测纸币的图像分割成预设数量的图像块，通过对各图像块的综合对比可以提高对脱墨纸币进行判断的准确性；另一方面，由于颜色特征能够提供丰富且鲁棒的鉴别信息，并能够适应一定的视点变化，因此本发明基于颜色相似度进行脱墨纸币的判断还具有一定的适用性。

图2示出了本发明另一个实施例提供的检测脱墨纸币的方法的实现流程图，详述如下：

步骤201、获取待检测纸币的图像；

步骤202、将所述待检测纸币的图像分割成预设数量的图像块；

步骤203、确定所述图像块与所述图像块的对应模板之间的颜色相似度；

上述步骤201至步骤203具体可参见图1所示实施例中的步骤101至步骤103，在此不再赘述。

步骤204、定位所述待检测纸币的图像上指定的防伪区域；

纸币上的防伪区域一般有冠字号区域、光变油墨区域、文字区域、手感线区域等等，不同的防伪区域上具有一定的纹理特征，对相应防伪区域的纹理特征进行匹配，可以提高判断纸币是否脱墨的准确性。

本发明实施例中，所述指定的防伪区域可以为纸币上各防伪区域中的一种或两种以上。

步骤205、基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度；

本发明实施例中，提取所述防伪区域的纹理特征，基于提取的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度；

具体的，为了便于提取所述纹理特征，可以将所述待检测纸币的图像转换到hsv空间，以提取所述防伪区域的颜色分类h的特征；以及，将所述待检测纸币的图像转换到hsi空间，以提取所述防伪区域的亮度分类i的特征。

本发明实施例中，通过将所述防伪区域与所述防伪区域的对应模板进行比对和计算，来确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

需要说明的是，纹理特征是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。基于防伪区域的纹理特征，可以判断防伪区域与防伪区域的对应模板之间的纹理相似度。另外，防伪区域相应图像的纹理特征可以通过颜色共生矩阵和灰度共生矩阵来反映。

本发明实施例中，所述防伪区域的对应模板为基于对标准纸币进行相应的处理后得到，标准纸币的防伪区域上不存在脱墨点或脱墨区域，可以作为对待检测纸币进行比对和判断的基准。例如，在不考虑颜色相似度的情况下，某防伪区域与该防伪区域的对应模板的纹理相似度越高，该防伪区域上越不具备存在脱墨点的可能。

可选的，上述步骤204中，所述基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度，可以通过以下方式实现：

计算所述防伪区域的颜色共生矩阵的能量，得到第一特征向量；

基于所述第一特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

本发明实施例中，颜色共生矩阵可以反映防伪区域的颜色纹理信息，颜色共生矩阵的能量是颜色共生矩阵元素值的平方和，可以反映防伪区域的颜色分布均匀程度和纹理粗细度；通过计算所述防伪区域的颜色共生矩阵的能量，可以确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

可选的，上述步骤204中，所述基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度，还可以通过以下方式实现：

计算所述防伪区域的颜色共生矩阵的能量，得到第一特征向量；

计算所述防伪区域的灰度共生矩阵的能量，得到第二特征向量；

基于所述第一特征向量和所述第二特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

本发明实施例中，灰度共生矩阵可以描述防伪区域的纹理特征，灰度共生矩阵的能量是指灰度共生矩阵元素值的平方和，其反映了防伪区域的灰度分布均匀程度和纹理粗细度。通过计算所述防伪区域的灰度共生矩阵的能量，也可以确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

本发明实施例中，通过将所述防伪区域的颜色共生矩阵的能量和所述防伪区域的灰度共生矩阵的能量作为判断纹理相似度的两个判断条件，从而可以提高确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度的准确性。

步骤206、基于所述颜色相似度，以及，所述纹理相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

本发明实施例中，基于所述图像块与所述图像块的相应模板之间的颜色相似度，以及，所述防伪区域与所述防伪区域的相应模板之间的纹理相似度，通过预设的分类器可以更为准确的判断出所述待检测纸币是否属于脱墨纸币。

本发明实施例中，所述预设的分类器可以为基于adaboost算法的adaboost分类器。以单个图像块与该图像块的相应模板的颜色相似度作为一个弱学习器，并且，以一个防伪区域与该防伪区域的相应模板的纹理相似度也作为一个弱学习器，基于在训练过程中各弱学习器的误差率确定各弱学习器的权重系数，以对所有弱学习器的输出结果采用加权平均法得到最终的强分类器，从而可以减少判断错误率，较为准确的对待检测纸币进行分类，判断出所述待检测纸币是否属于脱墨纸币。

由上可知，本发明通过获取待检测纸币的图像，将所述待检测纸币的图像分割成预设数量的图像块，并确定所述图像块与所述图像块的对应模板之间的颜色相似度；基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币；实现了对脱墨纸币的检测和判定；可以看出，一方面，本发明通过将待检测纸币的图像分割成预设数量的图像块，通过对各图像块的综合对比可以提高对脱墨纸币进行判断的准确性；另一方面，由于颜色特征能够提供丰富且鲁棒的鉴别信息，并能够适应一定的视点变化，因此本发明基于颜色相似度进行脱墨纸币的判断还具有一定的适用性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图3示出了本发明实施例提供的检测脱墨纸币的装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图3所示，检测脱墨纸币的装置3包括：获取单元31，分割单元32，计算单元33和判断单元34。

获取单元31，用于获取待检测纸币的图像；

分割单元32，用于将获取单元31获取的待检测纸币的图像分割成预设数量的图像块；

计算单元33，用于确定分割单元32分割的所述图像块与所述图像块的对应模板之间的颜色相似度；

判断单元34，用于基于计算单元33确定的所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

可选的，检测脱墨纸币的装置3还包括：

定位单元，用于定位所述待检测纸币的图像上指定的防伪区域；

计算单元33还用于，基于所述防伪区域的纹理特征，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度；

判断单元34具体用于，基于所述颜色相似度，以及，所述纹理相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

可选的，计算单元33具体用于，计算所述防伪区域的颜色共生矩阵的能量，得到第一特征向量；基于所述第一特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

可选的，计算单元33具体还用于，计算所述防伪区域的灰度共生矩阵的能量，得到第二特征向量；基于所述第一特征向量和所述第二特征向量，确定所述防伪区域与所述防伪区域的对应模板之间的纹理相似度。

可选的，检测脱墨纸币的装置3还包括转换单元，用于将获取单元31获取的所述待检测纸币的图像从rgb空间转换到hsv空间；

分割单元32用于将所述hsv空间的h通道图像分割成预设数量的图像块。

可选的，计算单元33具体用于，获取所述图像块的颜色直方图，得到第三特征向量；基于所述第三特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

可选的，计算单元33具体还用于，获取所述图像块的颜色分量的均值，得到第四特征向量；基于所述第三特征向量和所述第四特征向量确定所述图像块与所述图像块的对应模板之间的颜色相似度。

由上可知，本发明通过获取待检测纸币的图像，将所述待检测纸币的图像分割成预设数量的图像块，并确定所述图像块与所述图像块的对应模板之间的颜色相似度；基于所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币；实现了对脱墨纸币的检测和判定；可以看出，一方面，本发明通过将待检测纸币的图像分割成预设数量的图像块，通过对各图像块的综合对比可以提高对脱墨纸币进行判断的准确性；另一方面，由于颜色特征能够提供丰富且鲁棒的鉴别信息，并能够适应一定的视点变化，因此本发明基于颜色相似度进行脱墨纸币的判断还具有一定的适用性。

图4是本发明一实施例提供的电子设备的示意图。如图4所示，该实施例的电子设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个检测脱墨纸币的方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示单元31至34的功能。

示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述电子设备4中的执行过程。例如，所述计算机程序42可以被分割成获取单元，分割单元，计算单元和判断单元，各单元具体功能如下：

获取单元，用于获取待检测纸币的图像；

分割单元，用于将所述获取单元获取的待检测纸币的图像分割成预设数量的图像块；

计算单元，用于确定所述图像块与所述图像块的对应模板之间的颜色相似度；

判断单元，用于基于所述计算单元确定的所述颜色相似度，通过预设分类器判断所述待检测纸币是否属于脱墨纸币。

所述电子设备4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。所述电子设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4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，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器40可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，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。

所述存储器41可以是所述电子设备4的内部存储单元，例如电子设备4的硬盘或内存。所述存储器41也可以是所述电子设备4的外部存储设备，例如所述电子设备4上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器41还可以既包括所述电子设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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。

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发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子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。

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。

另外，在本发明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。

所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述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精神和范围，均应包含在本发明的保护范围之内。