对象监测方法及装置、存储介质和电子设备与流程

本公开涉及图像处理技术领域，具体而言，涉及一种对象监测方法、对象监测装置、存储介质和电子设备。

背景技术：

在涉及到安全的场景下，往往需要对进入该场景的对象进行监测，以确定该对象是否具有进入该场景的权限，或者，确定该对象的进入行为是否合法。

一些进入场景的对象体积较小且运动灵活，例如，移动机器人、无人机等。又由于这些对象操控起来相对简单，这就造成这些对象可能擅自闯入一些具有安全限制的区域，对该区域的安全造成威胁，这些区域比如飞机场、军事禁区等。

目前，针对无人机的监测过程，往往利用飞手操作的控制器与无人机之间传输信号的频率来监测无人机。然而，监测过程易受到其他信号的干扰，准确度不高，并且设备昂贵。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种对象监测方法、对象监测装置、存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的无人机监测准确度不高的问题。

根据本公开的一个方面，提供一种对象监测方法，包括：获取相机采集的监测区域的图像，检测所述图像中是否存在异常对象；如果存在异常对象，则调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示；获取所述异常对象放大显示的图像，对所述异常对象进行识别，并根据识别结果确定所述异常对象是否为目标对象。

在本公开的一种示例性实施例中，调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示包括：确定所述异常对象相对于图像中心点的方向，作为第一方向；沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置；调整所述相机的焦距，以将所述异常对象放大显示。

在本公开的一种示例性实施例中，沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置包括：沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度；如果在调整时确定出所述异常对象相对于图像中心点朝与所述第一方向相反的第二方向偏离，则沿所述第二方向，以每次调整第二预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置。

在本公开的一种示例性实施例中，调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示包括：构建图像中各像素点位置信息与相机调整角度的映射关系；确定所述异常对象在图像中的像素点位置信息；根据所述映射关系确定与所述异常对象在图像中的像素点位置信息对应的相机调整角度，以对所述相机的拍摄角度进行调整；调整所述相机的焦距，以将所述异常对象放大显示。

在本公开的一种示例性实施例中，对所述异常对象进行识别包括：将所述异常对象放大显示的图像输入一训练后的神经网络模型，将所述神经网络模型的分类结果作为所述异常对象的识别结果。

在本公开的一种示例性实施例中，所述对象监测方法还包括：如果确定出所述异常对象为目标对象，则发出告警信号。

在本公开的一种示例性实施例中，所述对象监测方法还包括：在确定出所述异常对象是所述目标对象或不是所述目标对象后，控制所述相机进行复位。

根据本公开的一个方面，提供一种对象监测装置，包括对象检测模块、相机调整模块和对象识别模块。

具体的，对象检测模块可以用于获取相机采集的监测区域的图像，检测所述图像中是否存在异常对象；相机调整模块可以用于如果存在异常对象，则调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示；对象识别模块可以用于获取所述异常对象放大显示的图像，对所述异常对象进行识别，并根据识别结果确定所述异常对象是否为目标对象。

在本公开的一种示例性实施例中，相机调整模块可以被配置为执行：确定所述异常对象相对于图像中心点的方向，作为第一方向；沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置；调整所述相机的焦距，以将所述异常对象放大显示。

在本公开的一种示例性实施例中，相机调整模块可以被配置为执行：沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度；如果在调整时确定出所述异常对象相对于图像中心点朝与所述第一方向相反的第二方向偏离，则沿所述第二方向，以每次调整第二预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置。

在本公开的一种示例性实施例中，相机调整模块还可以被配置为执行：构建图像中各像素点位置信息与相机调整角度的映射关系；确定所述异常对象在图像中的像素点位置信息；根据所述映射关系确定与所述异常对象在图像中的像素点位置信息对应的相机调整角度，以对所述相机的拍摄角度进行调整；调整所述相机的焦距，以将所述异常对象放大显示。

在本公开的一种示例性实施例中，对象识别模块可以被配置为执行：将所述异常对象放大显示的图像输入一训练后的神经网络模型，将所述神经网络模型的分类结果作为所述异常对象的识别结果。

在本公开的一种示例性实施例中，对象监测装置还可以包括告警模块。

具体的，告警模块可以用于如果确定出所述异常对象为目标对象，则发出告警信号。

在本公开的一种示例性实施例中，对象检测装置还可以包括相机复位模块。

具体的，相机复位模块可以用于在确定出所述异常对象是所述目标对象或不是所述目标对象后，控制所述相机进行复位。

根据本公开的一个方面，提供一种存储介质，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任意所述的对象监测方法。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意所述的对象监测方法。

在本公开的一些实施例所提供的技术方案中，如果相机采集的图像中存在异常对象，则调整相机的拍摄角度和焦距，以得到放大显示的异常对象，获取包含放大显示异常对象的图像，并基于该图像对异常对象进行识别，以确定出异常对象是否为目标对象。本公开基于计算机视觉技术来实现对象的监测，相比于一些技术中采用传输信号的频率来进行监测，一方面，系统简单，成本可控；另一方面，可以避免由于其他信号的干扰而造成监测结果不准确的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：

图1示意性示出了根据本公开的示例性实施方式的对象监测方法的流程图；

图2示出了本公开示例性实施方式的对相机进行控制的结构示意图；

图3从另一视野角度示出了本公开示例性实施方式的对相机进行控制的结构示意图；

图4示意性示出了以监测无人机为例说明本公开的对象监测方法的流程图；

图5示意性示出了根据本公开的示例性实施方式的对象监测装置的方框图；

图6示意性示出了根据本公开的另一示例性实施方式的对象监测装置的方框图；

图7示意性示出了根据本公开的再一示例性实施方式的对象监测装置的方框图；

图8示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所使用的术语“第一”、“第二”仅是为了区分的目的，不应当作为本公开内容的限制。

无人机在各行各业越来越普及，通过无人机执行拍摄、识别、监控、定位、预警等任务越来越被用户所接受，特别是在工业、农业、林业、电力、安防、测绘等专业领域，无人机越来越被重视。

无人机目标小、飞行自由灵活、操控简单，这就可能造成无人机擅自飞入某些敏感区域，对这些敏感区域的安全造成威胁，例如，飞机场、保密性机关单位、军事禁区等。

然而，相关技术在监测无人机的过程中，存在准确度不高且监测设备昂贵的问题。鉴于此，需要一种新的监测方法。

虽然下面以无人机为例对本公开所述的对象监测方法进行说明，然而，应当理解的是，本公开所描述的方案还可以应用于对其他真实对象的监测过程，这些对象例如可以包括汽车、行人、动物、移动机器人等，本公开对具体应用场景不做特殊限制。

本公开的示例性实施方式的对象检测方法的各个步骤通常可以由服务器执行，在这种情况下，下面所述的对象检测装置可以配置于服务器内。其中，该服务器可以包括专用芯片或配备独立gpu(graphicsprocessingunit，图形处理器)。然而，也可以利用终端设备来实现本公开的方案，其中，终端设备可以包括但不限于手机、平板、个人计算机等。

图1示意性示出了本公开的示例性实施方式的对象监测方法的流程图。参考图1，所述对象监测方法可以包括以下步骤：

s12.获取相机采集的监测区域的图像，检测所述图像中是否存在异常对象。

在本公开的示例性实施方式中，异常对象指的是在监测区域内原本不存在的对象，可以是仅在一段时间内出现于监测区域的对象。容易理解的是，在不存在异常对象的情况下，监测区域内的对象相对固定，这些固定的对象例如包括建筑物、树木、桥梁等，如果车辆或行人进入该监测区域，则可以将车辆或行人视为异常对象。另外，与异常对象对应的，可以将监测区域内固定的对象称为正常对象。

以无人机为例，监测区域主要涉及空域，然而，本领域技术人员容易理解的是，本公开所述的监测区域还可以包括其他场景，本示例性实施方式中对此不做特殊限定。

针对服务器获取相机采集的图像的过程，服务器可以通过无线传输的方式获取图像，例如，4g或5g无线通信。另外，服务器还可以通过有线的方式与相机进行通信。

在获取到相机采集的监测区域的图像后，根据本公开的一个实施例，可以将该图像与上一次获取的图像进行比对，以确定当前获取到的图像是否存在异常对象。例如，在以视频帧的形式获取图像时，可以将该图像与获取到的上一帧图像进行比对，以确定当前获取到的图像是否存在异常对象。此处的图像比对可以指像素级的图像比对，当两张图像同一位置(或区域)的像素值相差超过一像素阈值时，则位于该位置(或区域)的对象为异常对象。

根据本公开的另一个实施例，可以将获取到的图像与一预定图像进行比较，根据比较结果确定获取到的图像内是否存在异常对象。其中，该预定图像可以是人为针对监测区域拍摄的标准图像，该标准图像为经人为确定不存在异常对象的图像。

根据本公开的又一个实施例，可以利用一机器学习模型确定监测到的图像内是否存在异常对象。其中，该机器学习模型可以是卷积神经网络模型，本公开对该模型的类型和参数不做特殊限制。

s14.如果存在异常对象，则调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示。

本公开主要针对连续监测的场景，当步骤s12检测出图像中存在异常对象时，由于异常对象往往距离相机较远，在图像中，异常对象较小。本公开示例性实施方式可以调整相机的拍摄角度和焦距，以使异常对象放大显示于图像中。

图2和图3分别示出了不同视野角度下对相机进行控制的结构示意图。具体的，采用一个可进行球形720度旋转的云台，可以采用三脚架配备的万向轴来实现。由此，针对面向监控区域的相机，可以通过云台控制相机旋转拍摄。

另外，应当注意的是，如果一个相机不能覆盖整个监测区域，使用多个相机进行图像采集的方案也属于本发明的构思。

根据本公开的一些实施例，在检测出异常对象后，首先，可以确定异常对象相对于图像中心点的方向，将该方向记为第一方向，容易理解的是，方向可以采用相对于水平或垂直的角度进行表征。

接下来，可以沿第一方向，以每次调整第一预设角度的方式调整相机的拍摄角度，其中，第一预设角度可以人为预定设定，例如，可以设置为10度、5度等，本示例性实施方式中对此不做特殊限定。具体的，服务器可以向控制相机旋转的云台发送转动控制指令，云台可以响应该转动控制指令控制相机旋转。

可以看出，可能需要经历若干次调整，才能使异常对象位于图像的中心位置。

另外，如果在调整时确定出异常对象相对于图像中心点朝与第一方向相反的第二方向偏离，则可以沿第二方向，以每次调整第二预设角度的方式调整相机的拍摄角度，其中，第二预设角度可以小于第一预设角度，例如，第二预设角度可以为第一预设角度的一半。

由此，在一些场景下，可能需要经历若干次第一方向以及另外若干次第二方向的角度调整，才能使异常对象位于图像的中心位置。

随后，可以调整相机的焦距，以将异常对象放大显示。具体的，服务器可以向相机发送焦距调整指令，以改变相机的焦距。其中，具体放大的倍数可以在考虑相机性能以及实际场景的情况下由人为自行设定，

应当注意的是，步骤s14的目的包括对异常对象进行放大显示，以方便后续过程能够识别异常对象。由此，如果放大显示后的异常对象仍无法进行识别，则可以继续执行步骤s14中调整相机拍摄角度和焦距的过程，直至可以识别出异常对象为止。

针对拍摄角度调整的过程，根据本公开的另一些实施例，首先，可以预先构建图像中各像素点位置信息与相机调整角度的映射关系；接下来，可以确定异常对象在图像中的像素点位置信息；随后，可以根据预先构建的映射关系，确定与异常对象在图像中的像素点位置信息对应的相机调整角度，并控制相机按这个调整角度对拍摄角度进行调整。

s16.获取所述异常对象放大显示的图像，对所述异常对象进行识别，并根据识别结果确定所述异常对象是否为目标对象。

在本公开的示例性实施方式中，可以利用一训练后的神经网络模型对异常对象进行识别。具体的，首先，可以采用带有标记的训练样本对该神经网络模型进行训练，这些样本可以是表示目标对象的样本、以判断异常对象是否为无人机为例，目标对象为无人机，可以将无人机的图像作为训练样本。本公开对在此处使用的神经网络模型的模型参数以及训练过程不做特殊限制。另外，该神经网络模型可以是分类模型，输出对应的是属于某一类事物的概率值。

接下来，可以将异常对象放大显示的图像输入训练后的神经网络模型中，如果该神经网络模型输出的概率值大于一预设概率阈值，则确定出异常对象为目标对象。在监测无人机的场景中，此时，可以确定出异常对象为无人机。

然而，应当理解的是，采用其他图像识别的方案对异常对象进行识别的方案也应属于本发明的构思。

在一些安全监控的场景下，当确定出异常对象为目标对象的情况时，说明当前可能存在安全威胁，在这种情况下，可以发出告警信号，以提醒安保人员注意。

另外，在确定出异常对象是目标对象时，服务器可以向相机发送复位指令，以控制相机进行复位。

此外，针对确定出异常对象不是目标对象的情况，服务器也可以向相机发送复位指令，以使相机复位。

下面将参考图4以监测无人机为例对本公开的对象监测方法进行说明。

在步骤s402中，相机可以采集空域图像，服务器可以从相机获取该空域图像；在步骤s404中，服务器可以判断获取到的空域图像中是否存在异常对象，如果存在，则跳转至步骤s406，如果不存在，则跳转至步骤s402，以实现实时连续监测的过程；在步骤s406中，服务器可以判断异常对象是否在图像中心，如果是，则跳转至步骤s414，如果不是，则跳转至步骤s408；在步骤s408中，服务器控制相机调整拍摄角度；在步骤s410中，判断是否出现异常对象沿反方向偏离图像中心的情况，如果是，则跳转至步骤s412，如果不是，则跳转至步骤s406，继续判断异常对象是否在图像中心；在步骤s412中，沿与s408调整方向的反方向对相机拍摄角度进行调整，随后，继续判断异常对象是否在图像中心；在步骤s414中，可以判断当前焦距是否能够识别出异常对象，如果不能，则跳转至步骤s416，如果能，则跳转至步骤s418；在步骤s416中，可以调整相机的焦距，并继续判断异常对象是否在图像中心；在步骤s418中，可以对异常对象进行识别，确定异常对象是否为无人机，如果不是，则跳转至步骤s422，如果是，则跳转至步骤s420；在步骤s420中，可以发出告警信号，以提醒安保人员有无人机进入空域，或者控制防御设备，以对该无人机进行拦截；在步骤s422中，可以对相机进行复位。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种对象监测装置。

图5示意性示出了本公开的示例性实施方式的对象监测装置的方框图。参考图5，根据本公开的示例性实施方式的对象监测装置5可以包括对象检测模块51、相机调整模块53和对象识别模块55。

具体的，对象检测模块51可以用于获取相机采集的监测区域的图像，检测所述图像中是否存在异常对象；相机调整模块53可以用于如果存在异常对象，则调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示；对象识别模块55可以用于获取所述异常对象放大显示的图像，对所述异常对象进行识别，并根据识别结果确定所述异常对象是否为目标对象。

根据本公开的示例性实施例，相机调整模块53可以被配置为执行：确定所述异常对象相对于图像中心点的方向，作为第一方向；沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置；调整所述相机的焦距，以将所述异常对象放大显示。

根据本公开的示例性实施例，相机调整模块53可以被配置为执行：沿所述第一方向，以每次调整第一预设角度的方式调整所述相机的拍摄角度；如果在调整时确定出所述异常对象相对于图像中心点朝与所述第一方向相反的第二方向偏离，则沿所述第二方向，以每次调整第二预设角度的方式调整所述相机的拍摄角度，直至所述异常对象被调整至图像的中心位置。

根据本公开的示例性实施例，相机调整模块53还可以被配置为执行：构建图像中各像素点位置信息与相机调整角度的映射关系；确定所述异常对象在图像中的像素点位置信息；根据所述映射关系确定与所述异常对象在图像中的像素点位置信息对应的相机调整角度，以对所述相机的拍摄角度进行调整；调整所述相机的焦距，以将所述异常对象放大显示。

根据本公开的示例性实施例，对象识别模块55可以被配置为执行：将所述异常对象放大显示的图像输入一训练后的神经网络模型，将所述神经网络模型的分类结果作为所述异常对象的识别结果。

根据本公开的示例性实施例，参考图6，对象监测装置6相比于对象监测装置5，还可以包括告警模块61。

具体的，告警模块61可以用于如果确定出所述异常对象为目标对象，则发出告警信号。

根据本公开的示例性实施例，参考图7，对象监测装置7相比于对象监测装置5，还可以包括相机复位模块71。

具体的，相机复位模块71可以用于在确定出所述异常对象是所述目标对象或不是所述目标对象后，控制所述相机进行复位。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光盘、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1中所示的步骤s12：获取相机采集的监测区域的图像，检测所述图像中是否存在异常对象；步骤s14：如果存在异常对象，则调整所述相机的拍摄角度和焦距，以将所述异常对象放大显示；步骤s16：获取所述异常对象放大显示的图像，对所述异常对象进行识别，并根据识别结果确定所述异常对象是否为目标对象。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。