具体实施方式
本发明实施例提供了一种人脸图像处理方法和装置,用于实现将二维人脸图像的人脸进行预定角度的旋转。
图1是根据一示例性实施例示出的一种人脸图像处理方法的流程图,参见图1,本发明实施例提供的方法流程包括:
步骤101:获取待处理的二维人脸图像;
步骤102:提取待处理的二维人脸图像的二维关键点;
步骤103:确定二维关键点在成像平面坐标系中的二维坐标数值;
步骤104:提取预先建立的三维人脸模型的三维关键点,其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm;
步骤105:确定三维关键点在世界坐标系中的三维坐标数值;
步骤106:获取摄像机摄取二维人脸图像时的焦距;
步骤107:根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解;
步骤108:获取摄像机内参矩阵A的解;
步骤109:将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解,其中,第一预设公式为C=A·[R T];
步骤110:根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。
可选地,根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像,包括:
根据投影矩阵C的解和三维人脸模型表面常数Dm求出待处理的二维人脸图像的人脸拟校正位置;
对待处理的二维人脸图像,在人脸拟校正位置处使用插值方法处理,得到人脸旋转后的二维人脸图像。
可选地,对待处理的二维人脸图像,在人脸拟校正位置处使用插值方法处理,得到人脸旋转后的二维人脸图像,包括:
对待处理的二维人脸图像,在人脸拟校正位置处使用双线性插值方法处理,得到人脸旋转后的二维人脸图像。
可选地,获取摄像机内参矩阵A的解,包括:
根据相机标定方法获取摄像机内参矩阵A的解。
可选地,三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度分别为零。
可选地,根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解,包括:
将二维坐标数值、三维坐标数值和焦距带入第二预设公式,得到旋转矩阵R的解和平移向量T的解,第二预设公式为:
其中,为平移向量;
为旋转矩阵;
(x,y)为二维坐标数值,(Xw,Yw,Zw)为三维坐标数值,(Xc,Yc,Zc)为摄像机坐标数值,f为焦距。
综上所述,获取待处理的二维人脸图像后,提取待处理的二维人脸图像的二维关键点,确定二维关键点在成像平面坐标系中的二维坐标数值。跟着,提取预先建立的三维人脸模型的三维关键点,其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm。然后,确定三维关键点在世界坐标系中的三维坐标数值,获取摄像机摄取二维人脸图像时的焦距,即可根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解。然后,获取摄像机内参矩阵A的解,从而可以将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解,其中,第一预设公式为C=A·[R T]。该投影矩阵的解是根据二维坐标数值和三维坐标数值得到的,通过第一预设公式的计算,该投影矩阵反映了二维人脸图像中的二维人脸在三维人脸模型上的映射。从而根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。该二维人脸图像的人脸在该二维人脸图像中进行了旋转,且旋转后,二维人脸图像的人脸在二维人脸图像中的偏转角度与三维人脸模型在世界坐标系中的偏转角度相同,若三维人脸模型在世界坐标系中的偏转角度已预先确定,则实现将二维人脸图像的人脸进行预定角度的旋转。
图2是根据一示例性实施例示出的一种人脸图像处理方法的流程图,参见图2,本发明实施例提供的方法流程包括:
步骤201:获取待处理的二维人脸图像。
人脸图像处理装置获取待处理的二维人脸图像,该二维人脸图像上包括人脸。如图3所示,其示出了获取到的一二维人脸图像。
步骤202:提取待处理的二维人脸图像的二维关键点;
根据人脸对齐算法,可对该二维人脸图像进行关键点检测,检测结果为提取出二维人脸图像的二维关键点。本发明实施例中,称二维人脸图像的关键点为二维关键点。关键点为人脸上的能表示人脸特征的特征点。
其中,使用的人脸对齐算法包括但不限于SDM、LBF、CFSS等。而二维关键点在二维人脸图像的数目例如可以是9点、49点、68点等多个数目,本发明实施例对二维关键点的数目不作具体限定。如图4所示,其示出了在二维人脸图像上提取二维人脸关键点的示例,其中图4示出了提取出49点的二维人脸关键点,在有的实施例中还可以提取出68点的二维人脸关键点。
步骤203:确定二维关键点在成像平面坐标系中的二维坐标数值;
提取出二维人脸图像上的二维关键点后,确定这些二维关键点在成像平面坐标系中的数值,记为二维坐标数值(x,y),因二维关键点为多个,得出的二维坐标数值也包括多个,可记为(x1,y1;x2,y2;x3,y3;……;xn,yn)。
其中,成像平面坐标系是以摄像机拍摄的二维图像为基准建立的坐标系。用于指定物体在照片中的位置。在本发明实施例中,以该成像平面坐标系的单位为像素的个数为例进行说明,如单位为个。此时,以个为单位的二维坐标(x,y)的坐标系的原点在图片的左上角,该原点即该二维人脸图像在存储器存储时二维人脸图像的首地址。
可以理解,在有的实施例中,成像平面坐标系的单位也可以是物理长度单位,例如为毫米。此时,以物理长度为单位的二维坐标(u,v)的坐标系的原点位于摄像机光轴与成像平面的焦点O上。
步骤204:提取预先建立的三维人脸模型的三维关键点。
其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm;
在本发明实施例中,预先建立有一三维人脸模型,图5即示出了一三维人脸模型的示例。根据人脸对此算法,例如SDM、LBF、CFSS等,可提取出该三维人脸模型的三维关键点,该三维关键点可表示该三维人脸模型的人脸特征信息,对三维关键点的数目本发明实施例不做具体限定,可以是9点、49点、68点等多个数目。其中,三维关键点与二维关键点在人脸上的位置对应,即三维关键点在三维人脸模型上的人脸位置与二维关键点在二维人脸图像上的人脸位置相互对应。
步骤205:确定三维关键点在世界坐标系中的三维坐标数值;
将三维人脸模型设于世界坐标系中,确定出这些三维关键点在世界坐标系中的坐标数值,即得出三维坐标数值(Xw,Yw,Zw)。可对三维关键点的三维坐标数值记为(X1,Y1,Z1;X2,Y2,Z2;……Xn,Yn,Zn)。
如图6所示,其示出了在三维人脸模型上提取49点三维人脸关键点的图示。其中图6的三维关键点和图3的二维关键点都为49点,且二维关键点在二维人脸图像上的位置和三维关键点在三维人脸模型上的位置相同。
类似地,在三维人脸模型上还可以提取出其它数目的三维关键点,例如提取68点的三维人脸关键点。
在世界坐标系中,三维人脸模型相对该世界坐标系的三个坐标轴的方向的偏转角度可以是大于等于零。执行本发明实施例的方法,在对二维人脸图像进行人脸旋转后,人脸旋转的角度即为三维人脸模型相对该世界坐标系的三个坐标轴的方向的偏转角度。
在本发明实施例中,三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度分别为零。即,世界坐标系包括三个坐标轴:第一坐标轴、第二坐标轴和第三坐标轴,三维人脸模型在该第一坐标轴、该第二坐标轴和该第三坐标轴的方向上的偏转角度分别为零。在对二维人脸图像进行人脸旋转后,得出的二维人脸图像的人脸在成像平面坐标系中的角度即为三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度,当三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度为零时,即可实现对二维人脸图像上的人脸进行正面化。
当然,在有的实施例中,三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度可以不为零,这样,二维人脸图像的人脸旋转后的角度即与三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度相同,从而在确定三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度后,可对二维人脸图像上的人脸进行预设角度的旋转。
其中,世界坐标系是物体位置的参考系。除了无穷远,世界坐标系可以根据运算方便与否自由放置。
步骤206:获取摄像机摄取二维人脸图像时的焦距;
本发明实施例中,还要获取二维人脸图像对应的焦距,即摄像机在摄取该二维人脸图像时的焦距f。
可以理解,本发明实施例对获取二维人脸图像、获取焦距和提取三维人脸模型的三维关键点等步骤的执行顺序不作具体限定。例如,可以是先执行步骤204和步骤205,也可以是先执行步骤206。
步骤207:根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解。
本发明实施例,在获取到二维坐标数值(x1,y1;x2,y2;x3,y3;……;xn,yn)和三维坐标数值(X1,Y1,Z1;X2,Y2,Z2;……Xn,Yn,Zn)以及焦距f后,可根据这些数值求取旋转矩阵R的解和平移向量T的解,具体的求取方法例如可以是:
将二维坐标数值(x1,y1;x2,y2;x3,y3;……;xn,yn)、三维坐标数值(X1,Y1,Z1;X2,Y2,Z2;……Xn,Yn,Zn)和焦距f带入第二预设公式,得到旋转矩阵R的解和平移向量T的解,第二预设公式为:
其中,为平移向量;
为旋转矩阵;
(x,y)为二维坐标数值,(Xw,Yw,Zw)为三维坐标数值,(Xc,Yc,Zc)为摄像机坐标数值,f为焦距。
旋转矩阵R的第i行表示摄像机坐标系中的第i个坐标轴方向的单位向量在世界坐标系里的坐标;它的第i列表示世界坐标系中的第i个坐标轴方向的单位向量在摄像机坐标系里的坐标。旋转矩阵R为3行3列。
平移向量T表示从世界坐标系到相机坐标系的平移向量,有3行1列
其中,该第二预设公式的得出,是利用了摄像机坐标系和世界坐标系的关系,以及摄像机坐标系和成像平面坐标系的关系得出的。
即,摄像机坐标系和世界坐标系的关系如坐标系公式一所示:
其中,(Xc,Yc,Zc)是摄像机坐标系中的点,(Xw,Yw,Zw)是世界坐标系中的点,R是旋转矩阵,T是平移向量,
摄像机坐标系和成像平面坐标系的关系如坐标系公式二所示:
x=(f/Zc)Xc,y=(f/Zc)Yc。
将坐标系公式二带入坐标系公式一即可得出第二预设公式:
其中,本发明实施主要使用的是第二预设公式的如下等式部分:
其中,可利用多个关键点,通过公式x=(f/Zc)Xc,y=(f/Zc)Yc,计算出Zc。
可以理解,本发明实施例的成像平面坐标系是以像素个数为单位进行说明的,但是本发明实施例的成像平面坐标系也可以是以物理长度为单位的坐标系,例如,成像平面坐标系以毫米为单位。此时,可以将成像平面坐标系的以毫米为单位的数值根据转换公式转换成以像素个数为单位的数值,然后再根据上述的第二预设公式进行相应的计算。
步骤208:获取摄像机内参矩阵A的解。
本发明实施例还要获取摄像机内参矩阵A的解,该摄像机内参矩阵A的解可预先建立好后,再向该图像处理装置输入;或者在本发明实施例的方法中可以对该摄像机内参矩阵A的解进行求取,例如根据相机标定方法获取摄像机内参矩阵A的解。具体的相机标定方法比如可以是张正友标定算法等。
其中,摄像机内参矩阵A的形式可以是:
其中,(u0,v0)是主点坐标,表示摄像机光轴与图像平面的交点,即图像中心。fu和fv是焦距,描述摄像机光心与主点之间的距离。s表示两个坐标系的畸变系数。
步骤209:将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解。
其中,第一预设公式为C=A·[R T];
在上述步骤中,求出了旋转矩阵R的解、平移向量T的解,[R T]即表示摄像机的外参数,通过第一预设公式,即可根据摄像机的外参数和内参矩阵求出二维人脸图像的二维关键点和三维人脸模型的三维关键点之间的投影矩阵C。
步骤210:根据投影矩阵C的解和三维人脸模型表面常数Dm求出待处理的二维人脸图像的人脸拟校正位置。
待处理的二维人脸图像的人脸拟校正位置Iq可根据投影矩阵C的解和三维人脸模型表面常数Dm求出,例如根据公式Iq~C·Dm进行计算。
Iq是待处理的二维人脸图像的人脸拟校正位置,即人脸旋转前的二维人脸图像中的人脸拟校正位置,Dm是三维人脸模型表面常数,其为N×M×3的矩阵,其中,N和M分别是三维人脸模型表面的宽和高,3表示通道数。Dm的显示效果可如图9所示。
步骤211:对待处理的二维人脸图像,在人脸拟校正位置处使用插值方法处理,得到人脸旋转后的二维人脸图像。
求取出人脸拟校正位置Iq后,对待处理的二维人脸图像,在该人脸拟校正位置Iq处,使用插值方法处理,即可得到图像上的人脸旋转后的二维人脸图像。在三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度为零时,得到的人脸旋转后的二维人脸图像是人脸正面化的人脸图像。如图7所示,其示出了对图3所示的二维人脸图像使用本发明实施例的方法后,得到的正面化的二维人脸图像。
图像旋转之后,会出现许多的空白点,对这些空白点须进行填充处理,否则画面效果不好,称这种操作为插值处理。使用插值方法,能使得校正图像平滑。
其中,具体的插值方法可以是双线性插值方法和最邻近插值法等,例如,图7所示的人脸旋转后的二维人脸图像,即是对待处理的二维人脸图像,在人脸拟校正位置处使用双线性插值方法处理得到的。
可以理解,在有的实施例中,可以直接根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。这样得到的二维人脸图像,人脸也经过了旋转处理,但是,在人脸拟校正位置处不使用插值方法,图像没经过平滑处理,成像效果较差。
为了验证使用本发明实施例的人脸图像处理方法进行的人脸化是否有效,本发明实施例还提供了验证试验。
其中,在人脸正面化后,即在三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度分别为零时使用本发明实施例的方法,得到人脸正面化的二维人脸图像。
在LFW数据库上,按照世界坐标系的三个坐标轴yaw、pitch和roll的3个方向上偏转角度在(-45゜,-15゜)与(15゜,45゜)之间的要求,选取1000张图像组成数据库Pose_test。在该库上使用DCP特征,进行人脸识别测试,人脸未进行正面化处理得到的FAR和FRR评价结果为:
ERR=8.137%,1/10000:FRR=28.55%,1/100000:FRR=34.87%,
NONE:FRR=43.47%
其中,
1/10000:FRR=28.55%表示FAR=1/10000时FRR为28.55%;
1/100000:FRR=34.87%表示FAR=1/100000时FRR=34.87%;
NONE:FRR=43.47%表示FAR=0时,FRR=43.47%。
FAR是错误接受率,FRR是错误拒绝率。
ERR(英文全称:Equal Error Rate;中文名称:相等错误率),它主要用于评价算法整体效能的指标,其值越小的时候,表示算法的整体性能越高。
使用上述方法对二维人脸图像的人脸正面化处理后,再进行人脸识别,得到的FAR和FRR评价结果为:
ERR=8.955%,1/10000:FRR=21.90%,1/100000:FRR=25.50%,
NONE:FRR=25.50%
其中,
1/10000:FRR=21.90%表示FAR=1/10000时FRR=21.90%;
1/100000:FRR=25.50%表示FAR=1/100000时FRR=25.50%;
NONE:FRR=25.50%表示FAR=0时,FRR=25.50%。
可见,FAR和FRR的值降低了,说明识别准确率提高,即验证了人脸正面化方法是有效的。
综上所述,获取待处理的二维人脸图像后,提取待处理的二维人脸图像的二维关键点,确定二维关键点在成像平面坐标系中的二维坐标数值。跟着,提取预先建立的三维人脸模型的三维关键点,其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm。然后,确定三维关键点在世界坐标系中的三维坐标数值,获取摄像机摄取二维人脸图像时的焦距,即可根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解。然后,获取摄像机内参矩阵A的解,从而可以将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解,其中,第一预设公式为C=A·[R T]。该投影矩阵的解是根据二维坐标数值和三维坐标数值得到的,通过第一预设公式的计算,该投影矩阵反映了二维人脸图像中的二维人脸在三维人脸模型上的映射。从而根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。该二维人脸图像的人脸在该二维人脸图像中进行了旋转,且旋转后,二维人脸图像的人脸在二维人脸图像中的偏转角度与三维人脸模型在世界坐标系中的偏转角度相同,若三维人脸模型在世界坐标系中的偏转角度已预先确定,则实现将二维人脸图像的人脸进行预定角度的旋转。
本发明实施例还提供了一种人脸图像处理方法,该方法用于人脸识别,该方法包括:
对待识别的二维人脸图像进行人脸旋转处理,得到人脸旋转后的二维人脸图像,然后,对人脸旋转后的二维人脸图像进行人脸识别。
其中,对待识别的二维人脸图像进行人脸旋转处理的步骤,包括图1和图2所涉及的实施例的一种人脸图像处理方法的各步骤及其扩展方案。
一般地,用于人脸识别的图像是裁剪后的人脸图像,如图8所示,图8为对图7所示的正面化后的二维人脸图像进行识别前的裁剪后的结果。
这样,通过图1和图2所涉及的实施例的一种人脸图像处理方法,即可在人脸识别前,对待识别的人脸图像的人脸进行旋转,尤其是对待识别的人脸图像进行人脸正面化后,将能使得识别准确率提高,这在上述的验证方法中得到了试验验证。
图10是根据一示例性实施例示出的一种人脸图像处理装置的结构示意图,该装置用于执行上述图1或图2对应的实施例中任一实施中的方法。参见图10,该装置包括:
二维图像获取单元1001,用于获取待处理的二维人脸图像;
二维提取单元1002,用于提取待处理的二维人脸图像的二维关键点;
二维确定单元1003,用于确定二维关键点在成像平面坐标系中的二维坐标数值;
三维提取单元1004,用于提取预先建立的三维人脸模型的三维关键点,其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm;
三维确定单元1005,用于确定三维关键点在世界坐标系中的三维坐标数值;
焦距获取单元1006,用于获取摄像机摄取二维人脸图像时的焦距;
求解单元1007,用于根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解;
内参获取单元1008,用于获取摄像机内参矩阵A的解;
投影矩阵求取单元1009,用于将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解,其中,第一预设公式为C=A·[R T];
旋转单元1010,用于根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。
可选地,旋转单元1010,包括:
位置求取模块1011,用于根据投影矩阵C的解和三维人脸模型表面常数Dm求出待处理的二维人脸图像的人脸拟校正位置;
旋转模块1012,用于对待处理的二维人脸图像,在人脸拟校正位置处使用插值方法处理,得到人脸旋转后的二维人脸图像。
可选地,旋转模块1010,还用于对待处理的二维人脸图像,在人脸拟校正位置处使用双线性插值方法处理,得到人脸旋转后的二维人脸图像。
可选地,内参获取单元1008,还用于根据相机标定方法获取摄像机内参矩阵A的解。
可选地,三维人脸模型在世界坐标系的三个坐标轴的方向上的偏转角度分别为零。
可选地,求解单元1007,还用于将二维坐标数值、三维坐标数值和焦距带入第二预设公式,得到旋转矩阵R的解和平移向量T的解,第二预设公式为:
其中,为平移向量;
为旋转矩阵;
(x,y)为二维坐标数值,(Xw,Yw,Zw)为三维坐标数值,(Xc,Yc,Zc)为摄像机坐标数值,f为焦距。
综上所述,获取待处理的二维人脸图像后,提取待处理的二维人脸图像的二维关键点,确定二维关键点在成像平面坐标系中的二维坐标数值。跟着,提取预先建立的三维人脸模型的三维关键点,其中三维关键点与二维关键点在人脸上的位置对应,三维人脸模型包括三维人脸模型表面常数Dm。然后,确定三维关键点在世界坐标系中的三维坐标数值,获取摄像机摄取二维人脸图像时的焦距,即可根据二维坐标数值和三维坐标数值以及焦距求出旋转矩阵R的解和平移向量T的解。然后,获取摄像机内参矩阵A的解,从而可以将旋转矩阵R的解、平移向量T的解、和摄像机内参矩阵A的解代入第一预设公式中,求出投影矩阵C的解,其中,第一预设公式为C=A·[R T]。该投影矩阵的解是根据二维坐标数值和三维坐标数值得到的,通过第一预设公式的计算,该投影矩阵反映了二维人脸图像中的二维人脸在三维人脸模型上的映射。从而根据投影矩阵C的解和三维人脸模型表面常数Dm对待处理的二维人脸图像进行人脸旋转,得到人脸旋转后的二维人脸图像。该二维人脸图像的人脸在该二维人脸图像中进行了旋转,且旋转后,二维人脸图像的人脸在二维人脸图像中的偏转角度与三维人脸模型在世界坐标系中的偏转角度相同,若三维人脸模型在世界坐标系中的偏转角度已预先确定,则实现将二维人脸图像的人脸进行预定角度的旋转。
图11是根据一示例性实施例示出的一种人脸图像处理装置的结构示意图,该装置用于执行上述用于人脸识别实施例的方法。参见图11,该装置包括:
处理单元1101,用于对待识别的二维人脸图像进行人脸旋转处理,得到人脸旋转后的二维人脸图像;
识别单元1102,用于对人脸旋转后的二维人脸图像进行人脸识别;
其中,处理单元1101,包括图10所涉及的一种人脸图像处理装置。
这样,通过图10所涉及的实施例的一种人脸图像处理装置,即可在人脸识别前,对待识别的人脸图像的人脸进行旋转,尤其是对待识别的人脸图像进行人脸正面化后,将能使得识别准确率提高,这在上述的验证方法中得到了试验验证。
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。
在本申请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。
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)执行本发明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-OnlyMemory)、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。
以上所述,以上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。