CN107578023A - 人机交互手势识别方法、装置及系统 - Google Patents

Abstract

本发明提供一种人机交互手势识别方法、装置及系统，涉及图像识别技术领域，其中，人机交互手势识别方法包括：接收摄像头所采集的手势图像；对手势图像进行分割，确定手势区域；在手势区域中进行特征提取，得到手势区域的特征信息；根据特征信息以及预定义手势信息，确定当前手势的手势类型；手势类型包括：静态手势类型、动态手势类型。通过该人机交互手势识别方法，能够对教师或者培训师在讲说的过程中的静态手势和动态手势进行同时准确识别及区分，共同应用到课堂教学或培训中，以最方便的形式开展教学或培训活动，减少教师或培训讲师的操作冗余，促进教学或培训的趣味性。

Description

人机交互手势识别方法、装置及系统

技术领域

本发明涉及图像识别技术领域，尤其是涉及一种人机交互手势识别方法、装置及系统。

背景技术

随着人工智能技术的迅速发展，以及“互联网+”时代的驱动，信息技术与各个领域的结合已经成为未来发展的必然趋势，通过这种结合，将会给人们的生活和工作带来极大的便利。

现阶段，在教育或者培训领域，相比于过去的传统教学及培训方式，液晶触控一体机的普及在触摸式教学或者培训方面表现出很大的优势，给教师或者培训讲师提供了一个清晰可触摸的演示方式，但教师或者讲师被鼠标、键盘、触摸屏限制在有限区域内，和学生或者被培训人员之间互动减少，给教学或者培训造成一定困扰。

目前的手势识别技术研究中针对教学或者培训活动所做的手势识别方法不够完善，其对于静态手势和动态手势的识别效应不便于在教学或培训中使用，而且将静态手势和动态手势的识别分开进行，在教学或者培训中的实际应用缺少说服力。

发明内容

有鉴于此，本发明的目的在于提供一种人机交互手势识别方法、装置及系统，能够对教师或者培训师在讲说的过程中的静态手势和动态手势进行同时准确识别及区分，共同应用到课堂教学或培训中，以最方便的形式开展教学或培训活动，减少教师或培训讲师的操作冗余，促进教学或培训的趣味性。

第一方面，本发明实施例提供了一种人机交互手势识别方法，包括：

接收摄像头所采集的手势图像；

对手势图像进行分割，确定手势区域；

在手势区域中进行特征提取，得到手势区域的特征信息；

根据特征信息以及预定义手势信息，确定当前手势的手势类型；手势类型包括：静态手势类型、动态手势类型。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对手势图像进行分割，确定手势区域，具体包括：

将手势图像转化为灰度直方图；

根据灰度直方图，确定手势区域和背景区域的分割阈值；

根据分割阈值，对图像进行二值化处理，确定手势区域。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，在手势区域中进行特征提取，得到手势区域的特征信息，具体包括：

提取手势区域中多个关节点和五指尖的坐标值；

根据坐标值，计算五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率；

将坐标值、五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率，作为手势区域的特征信息。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，预定义手势信息包括：手势的开始动作信息、结束动作信息以及动作完成时间信息；手势包括：动态手势和静态手势；

通过以下规则限定预定义手势信息：

动态手势均以五指张开为开始动作和结束动作；

静态手势以五指张开为开始动作，以目标动作为结束动作；目标动作为非五指张开的预定义动作。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，根据特征信息以及预定义手势信息，确定当前手势的手势类型，具体包括：

根据特征信息，判断手势的结束动作是否为五指张开；

如果是，则确定手势为动态手势，并根据手势的特征信息以及预定义手势信息，使用HMM分类器对手势进行分类，确定手势的动态手势类型；

如果否，则确定手势为静态手势，并根据手势的特征信息以及预定义手势信息，使用SVM分类器对手势进行分类，确定手势的静态手势类型。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在根据特征信息以及预定义手势信息，确定当前手势的手势类型之前，还包括：

根据特征信息，判断手势是否为待识别手势；

如果否，则不进行手势识别；

如果是，则进行手势识别。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，判断手势是否为待识别手势，具体包括：

根据特征信息，判断手势的开始动作是否为五指张开且保持时间达到第一预设时间阈值；

如果否，则判定手势为无效手势；

如果是，判断手势从开始动作到结束动作的时间是否超过第二预设时间阈值；

如果是，则判定手势为无效手势；

如果否，则判定手势为待识别手势。

第二方面，本发明实施例提供一种人机交互手势识别装置，包括：

图像接收模块，用于接收预设时间内摄像头所采集的手势图像；

手势区域分割模块，用于对手势图像进行分割，确定手势区域；

特征提取模块，用于在手势区域中进行特征提取，得到手势区域的特征信息；

手势识别模块，用于根据特征信息以及预定义手势信息，确定当前手势的手势类型；手势类型包括：静态手势类型、动态手势类型。

第三方面，本发明实施例提供一种人机交互手势识别系统，系统包括：摄像头以及服务器；

服务器上安装有如第二方面所述的人机交互手势识别装置；

摄像头与服务器通信连接。

第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面所述的方法的步骤。

本发明实施例带来了以下有益效果：本发明实施例所提供的人机交互手势识别方法，从摄像头采集到的手势图像中分割出手势区域，进而从手势区域中提取出特征信息，通过对特征信息和预定义的手势信息的比对分析，确定出当前手势的手势类型，包括静态手势类型和动态手势类型。这种手势识别方法能够对教师或者培训师在讲说的过程中的静态手势和动态手势进行同时准确识别及区分，共同应用到课堂教学或培训中，以最方便的形式开展教学或培训活动，减少教师或培训讲师的操作冗余，促进教学或培训的趣味性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。

图1为本发明实施例一提供的一种人机交互手势识别方法的流程图；

图2为本发明实施例一提供的另一种人机交互手势识别方法的流程图；

图3为本发明实施例一提供的另一种人机交互手势识别方法中手势区域分割的示意图；

图4为本发明实施例一提供的另一种人机交互手势识别方法的流程图；

图5为本发明实施例一提供的另一种人机交互手势识别方法中关节点信息提取的示意图；

图6为本发明实施例一提供的另一种人机交互手势识别方法的流程图；

图7为本发明实施例一提供的另一种人机交互手势识别方法的流程图；

图8为本发明实施例一提供的另一种人机交互手势识别方法的流程图；

图9为本发明实施例二提供的一种人机交互手势识别装置的示意图；

图10为本发明实施例三提供的一种人机交互手势识别系统的示意图；

图11为本发明实施例三提供的一种人机交互手势识别场景模拟的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，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。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。

目前的手势识别技术研究中针对教学或者培训活动所做的手势识别方法不够完善，其对于静态手势和动态手势的识别效应不便于在教学或培训中使用，而且将静态手势和动态手势的识别分开进行，在教学或者培训中的实际应用缺少说服力。

基于此，本发明实施例提供的一种人机交互手势识别方法、装置及系统，能够对教师或者培训师在讲说的过程中的静态手势和动态手势进行同时准确识别及区分，共同应用到课堂教学或培训中，以最方便的形式开展教学或培训活动，减少教师或培训讲师的操作冗余，促进教学或培训的趣味性。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种人机交互手势识别方法进行详细介绍。

实施例一：

本发明实施例提供了一种人机交互手势识别方法，此方法在服务器端被执行，参见图1所示，该人机交互手势识别方法包括以下几个步骤：

S101：接收摄像头所采集的手势图像。

首先，采用包含颜色(RGB)和深度(Depth)信息的摄像头，对教学或培训场景的教师或培训讲师的手势进行图像采集，得到RGB-D图像以及所需的数据信息。

手势图像采集是以做好手势定义为前提，即依据教学或培训的实际需要定义符合课堂教学或培训活动实施的手势类型，教师或培训讲师面对摄像头比划出定义好的手势，被摄像头采集到手势RGB-D图像，并将该图像发送给服务器。所需的数据信息包括各个像素点的世界坐标、平面坐标等。

S102：对手势图像进行分割，确定手势区域。

在服务器接收到摄像头所发送的手势图像后，依据手势区域与背景区域不同的灰度值和深度值分割出手势区域。通常，图像中的某一区域的灰度值越大，表明该区域距离摄像头的距离越近，在本发明实施例中，手部区域相对于背景区域的图像较白，而且深度信息更能准确提供手部区域与其他背景区域的差值，最终将手部从背景中分割出来。

在本实施例中，对手势图像进行分割，确定手势区域的过程包括以下几个步骤，参见图2所示：

S201：将手势图像转化为灰度直方图。

S202：根据灰度直方图，确定手势区域和背景区域的分割阈值。

S203：根据分割阈值，对图像进行二值化处理，确定手势区域。

将深度图像转化的灰度图像，并转化为灰度直方图来寻找手势区域与背景的分割阈值。根据阈值对手势区域与背景区域二值化处理，最后将手部分割出来，如图3所示。

S103：在手势区域中进行特征提取，得到手势区域的特征信息。

具体的，在手势区域中提取特征信息的过程包括以下几个步骤，参见图4所示：

S301：提取手势区域中多个关节点和五指尖的坐标值。

本发明实施例将得到相应手部的几个关键关节点的全部数据信息加以利用，比如：各个手部关节点和五指尖的世界坐标值等，如图5所示。

S302：根据坐标值，计算五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率。

本实施例中采用的数学公式如下：

欧式距离公式：其中，D为任意两点间的欧式距离，(X_i,Y_i,Z_i)为某一点的世界坐标。

位移公式：其中，S为任意两点间的运动位移，(X_i,Y_i,Z_i)为某一点的世界坐标。

速度公式：V＝(S₂-S₁)/t，其中，V为任一点的运动速度，S₂和S₁分别为某点的运动后和运动前的位移，t为运动时间。

加速度公式：a＝(V₂-V₁)/t，其中，a为任一点的加速度，V₂和V₁两分别为某点运动后和运动前的速度，t为运动时间。

此外，本实施例中还涉及到动态变化率、轨迹运动的正负值、均值、求和、最值运算等，通过上述多个公式能够计算等到五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率等。

S303：将坐标值、五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率，作为手势区域的特征信息。

在计算出上述多个数值后，将坐标值、五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率，作为手势区域的特征信息。通常可以利用不同手势的关节点欧式距离、世界坐标等特征信息，来区分静态手势，通过手势数据中不同手势的运动速度、位移、加速度等特征信息来区分动态手势。

S104：根据特征信息以及预定义手势信息，确定当前手势的手势类型。

本发明实施例中，手势类型包括：静态手势类型、动态手势类型。

手势定义是设定符合课堂教学或者培训需要，便于教师或培训讲师操作的手势，具体的，预定义手势信息包括：手势的开始动作信息、结束动作信息以及动作完成时间信息；手势包括：动态手势和静态手势。

通过以下规则限定预定义手势信息：

动态手势均以五指张开为开始动作和结束动作；

静态手势以五指张开为开始动作，以目标动作为结束动作；目标动作为非五指张开的预定义动作。

即：所有手势的初始动作均为五指张开，手部做出动作后静止，本发明实施例中定义的所有动态手势以五指张开为结束动作，静态手势以目标手势，也就是非五指张开的预定义动作为结束动作。本发明实施例提供的手势识别方法并不是持续性地判断某帧图像是否为某个静态手势，而是做完一个动作，看操作者意图是要操作静态的目标动作，还是要动态手势的动作，以此符合教学场景或者培训活动的手势定义。手势识别过程中动作要在一定时间段内完成，时间太长或太短，则认为是无效手势，这样设计可以排除无意义手势。

步骤S104：根据特征信息以及预定义手势信息，确定当前手势的手势类型，具体包括以下几个步骤，参见图6所示：

S401：根据特征信息，判断手势的结束动作是否为五指张开。

如果是，则执行步骤S402；如果否，则执行步骤S403。

S402：确定手势为动态手势，并根据手势的特征信息以及预定义手势信息，使用HMM分类器对手势进行分类，确定手势的动态手势类型。

S403：确定手势为静态手势，并根据手势的特征信息以及预定义手势信息，使用SVM分类器对手势进行分类，确定手势的静态手势类型。

本发明实施例中的手势识别方法是基于多分类器的手势识别方法，根据上述不同手势的特征信息，结合预先定义的手势信息，即上述预定义手势信息，利用决策树算法将所有手势数据(包括动态和静态)进行分类，分为静态手势集合和动态手势集合，之后再利用SVM分类器来对静态手势进行分类，利用HMM分类器来区分动态手势变化。

本发明实施例中，在步骤S104：根据特征信息以及预定义手势信息，确定当前手势的手势类型之前，还可以包括以下步骤，参见图7所示：

S501：根据特征信息，判断手势是否为待识别手势。

如果否，执行步骤S502；如果是，执行步骤S503。

S502：不进行手势识别。

S503：进行手势识别。

具体的，参见图8所示，步骤S501：判断手势是否为待识别手势，具体包括以下步骤：

S601：根据特征信息，判断手势的开始动作是否为五指张开且保持时间达到第一预设时间阈值。

S602：如果否，则判定手势为无效手势。

S603：如果是，判断手势从开始动作到结束动作的时间是否超过第二预设时间阈值。

S604：如果是，则判定手势为无效手势。

S605：如果否，则判定手势为待识别手势。

在本实施例中，根据决策树算法进行静态手势和动态手势的粗划分，根据手势区域的特征信息，判断手势的开始动作是否为五指张开，并且静止一定时间，也就是保持五指张开的时间是否达到第一预设时间阈值，如否，则判定该手势为无效手势，如果是，则进一步判断手势从开始动作到结束动作的时间是否超过第二预设时间阈值，如果是，则判定该手势为无效手势，如果否，则判定该手势为待识别手势。这样，可以进一步规范教师或培训讲师的手势动作。

在记录教师或讲师的操作过程中，要求手势动作的时间限制在一般手势动作时间内，如果时间太长，则判定为无效手势。当手势的开始动作不是五指张开，或者张开的时间太短，没有达到第一预设时间阈值时，也判定为无效手势。这样可以排除教师无意识手势动作，在本发明实施例所提供的手势识别方法中，将各种高效的分类器进行比较，按照其使用情景，在适当的识别分类情况下选择恰当的分类器，使手势识别方法简单高效。

本发明实施例所提供的人机交互手势识别方法，从摄像头采集到的手势图像中分割出手势区域，进而从手势区域中提取出特征信息，通过对特征信息和预定义的手势信息的比对分析，确定出当前手势的手势类型，包括静态手势类型和动态手势类型。这种手势识别方法能够对教师或者培训师在讲说的过程中的静态手势和动态手势进行同时准确识别及区分，共同应用到课堂教学或培训中，以最方便的形式开展教学或培训活动，减少教师或培训讲师的操作冗余，促进教学或培训的趣味性，将教师课堂教学活动或者培训讲师的培训活动以简洁、高效、直观的方式展示出来。

实施例二：

本发明实施例提供一种人机交互手势识别装置，参见图9所示，该人机交互手势识别装置包括：图像接收模块11、手势区域分割模块12、特征提取模块13以及手势识别模块14。

其中，图像接收模块11，用于接收预设时间内摄像头所采集的手势图像；手势区域分割模块12，用于对手势图像进行分割，确定手势区域；特征提取模块13，用于在手势区域中进行特征提取，得到手势区域的特征信息；手势识别模块14，用于根据特征信息以及预定义手势信息，确定当前手势的手势类型；手势类型包括：静态手势类型、动态手势类型。

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，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例提供的人机交互手势识别装置，与上述实施例提供的人机交互手势识别方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

实施例三：

本发明实施例还提供一种人机交互手势识别系统，参见图10所示，该人机交互手势识别系统包括：摄像头21以及服务器22。

服务器22上安装有如第二方面所述的人机交互手势识别装置221；摄像头21与服务器22通信连接。

本实施例中将多个摄像头21嵌入在智慧教室中或者培训课堂中，与教学软件或培训软件合二为一，方便教师或培训师在讲解过程中走动，在不同位置方便地操作屏幕，给予学生或者接受培训人员实时指导，实现智能化人机交互教学或培训，如图11所示。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面所述的方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的服务器、装置和方法，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，所述模块的划分，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，又例如，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通信接口，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。

所述功能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，可以存储在一个处理器可执行的非易失的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-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。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种人机交互手势识别方法，其特征在于，包括：

接收摄像头所采集的手势图像；

对所述手势图像进行分割，确定手势区域；

在所述手势区域中进行特征提取，得到所述手势区域的特征信息；

根据所述特征信息以及预定义手势信息，确定当前手势的手势类型；所述手势类型包括：静态手势类型、动态手势类型。

2.根据权利要求1所述的方法，其特征在于，所述对所述手势图像进行分割，确定手势区域，具体包括：

将所述手势图像转化为灰度直方图；

根据所述灰度直方图，确定手势区域和背景区域的分割阈值；

根据所述分割阈值，对所述图像进行二值化处理，确定所述手势区域。

3.根据权利要求1所述的方法，其特征在于，所述在所述手势区域中进行特征提取，得到所述手势区域的特征信息，具体包括：

提取所述手势区域中多个关节点和五指尖的坐标值；

根据所述坐标值，计算五指尖间的欧式距离、关节点间的欧式距离、同一关节点或指尖的运动位移、运动速度、加速度或动态变化率；

将所述坐标值、所述五指尖间的欧式距离、所述关节点间的欧式距离、所述同一关节点或指尖的运动位移、所述运动速度、所述加速度或所述动态变化率，作为所述手势区域的特征信息。

4.根据权利要求1所述的方法，其特征在于，所述预定义手势信息包括：手势的开始动作信息、结束动作信息以及动作完成时间信息；所述手势包括：动态手势和静态手势；

通过以下规则限定所述预定义手势信息：

动态手势均以五指张开为开始动作和结束动作；

静态手势以五指张开为开始动作，以目标动作为结束动作；所述目标动作为非五指张开的预定义动作。

5.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息以及预定义手势信息，确定当前手势的手势类型，具体包括：

根据所述特征信息，判断所述手势的结束动作是否为五指张开；

如果是，则确定所述手势为动态手势，并根据所述手势的特征信息以及预定义手势信息，使用HMM分类器对所述手势进行分类，确定所述手势的动态手势类型；

如果否，则确定所述手势为静态手势，并根据所述手势的特征信息以及预定义手势信息，使用SVM分类器对所述手势进行分类，确定所述手势的静态手势类型。

6.根据权利要求5所述的方法，其特征在于，在所述根据所述特征信息以及预定义手势信息，确定当前手势的手势类型之前，还包括：

根据所述特征信息，判断所述手势是否为待识别手势；

如果否，则不进行手势识别；

如果是，则进行手势识别。

7.根据权利要求6所述的方法，其特征在于，所述判断所述手势是否为待识别手势，具体包括：

根据所述特征信息，判断所述手势的开始动作是否为五指张开且保持时间达到第一预设时间阈值；

如果否，则判定所述手势为无效手势；

如果是，判断所述手势从开始动作到结束动作的时间是否超过第二预设时间阈值；

如果是，则判定所述手势为无效手势；

如果否，则判定所述手势为待识别手势。

8.一种人机交互手势识别装置，其特征在于，包括：

图像接收模块，用于接收预设时间内摄像头所采集的手势图像；

手势区域分割模块，用于对所述手势图像进行分割，确定手势区域；

特征提取模块，用于在所述手势区域中进行特征提取，得到所述手势区域的特征信息；

手势识别模块，用于根据所述特征信息以及预定义手势信息，确定当前手势的手势类型；所述手势类型包括：静态手势类型、动态手势类型。

9.一种人机交互手势识别系统，其特征在于，所述系统包括：摄像头以及服务器；

所述服务器上安装有如权利要求8所述的人机交互手势识别装置；

所述摄像头与所述服务器通信连接。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。