本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明实施例所描述的人脸检测装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID,Mobile Internet Devices)或穿戴式设备(例如,蓝牙耳机、VR设备或者IR设备)等,上述仅是举例,而非穷举,包含但不限于上述人脸检测装置。
请参阅图1A,为本发明实施例提供的一种人脸检测方法的实施例流程示意图。本实施例中所描述的人脸检测方法,包括以下步骤:
101、获取待检测图像。
其中,人脸识别装置可以通过摄像头获取待检测图像,待检测图像可为用户的脸部图像。
可选地,上述步骤101,获取待检测图像,可以包括如下步骤:
11、获取目标环境参数;
12、确定与所述目标环境参数对应的目标拍摄参数;
13、依据所述目标拍摄参数进行拍照,得到所述待检测图像。
其中,环境参数可以为以下至少一种:环境光亮度、环境色温、环境温度、环境湿度、环境电磁干扰强度等等,在此不做限定。拍摄参数可以包括以下至少一种:焦距、曝光时长、感光度、光圈大小等等,在此不作限定。人脸识别装置可以通过传感器获取目标环境参数,传感器可以为以下至少一种:环境光传感器、温度传感器、湿度传感器、电磁干扰检测传感器等等,在此不作限定,人脸识别装置中可以预先存储环境参数与拍摄参数之间的映射关系,进而,可以依据该映射关系确定目标环境参数对应的目标拍摄参数,并依据目标拍摄参数进行拍照,得到待检测图像。
102、通过预设的多个分类器并行对所述待检测图像进行检测。
其中,本申请实施例中可以对待检测图像进行特征提取,得到一个特征集,再将该特征集送入预设的多个分类器中进行检测,上述特征提取的方式可以为以下至少一种:HOG特征提取、尺度不变特征提取(scale invariant feature transform,SIFT)、harr特征等等,在此不做限定。
具体应用中,由于现有技术中存在以下问题:
1、单个训练的人脸强分类器级联分类器存在不足,某些情况下没有检测到人脸,为了更准确的分类器需要重新训练的问题;
2、多个训练的强分类器无法在同一个检测步骤中使用;
3、人脸在遮挡情况下容易导致检测不到人脸,这种情况可能检测到人眼,在可以检测到人眼的图像中检测不到人脸;
4、不同的分类器可以独立训练。
基于上述分析,本申请实施例中,通过预设的多个分类器并行对待检测图像进行检测,例如,有多少个分类器,就采用多少个线程或者进程,每一分类器对应一个线程或者进程,这些线程或者进程并行执行对待检测图像进行检测,如此,由于每一种分类器针对特定场景有其自身的优势,可以结合多个分类器中每一分类器的优势实现对待检测图像进行检测,不仅可以提升检测精度,还可以提升检测效率。上述预设的分类器可以包括以下至少一种:支持向量机(support vector machine,SVM)分类器、神经网络分类器、遗传算法分类器、SVM+神经网络分类器等等,在此不做限定。
可选地,在上述步骤101与步骤102之间,还可以包括如下步骤:
通过预设肤色模型对所述待检测图像进行检测,得到第一目标区域;
上述步骤102,通过预设的多个分类器并行对所述待检测图像进行检测,可按照如下方式实施:
通过预设的多个分类器并行对所述第一目标区域进行检测。
其中,上述预设肤色模型可以包括以下至少一种:椭圆肤色模型、高斯肤色模型等等,在此不做限定。针对不同的人种,肤色模型可以具备一定的差异性,例如,针对黄种人的肤色模型、针对黑种人的肤色模型、针对白种人的肤色模型等等,在此不做限定。本申请实施例中,人脸识别装置可以通过预设肤色模型对待检测图像进行检测,得到第一目标区域,即人脸很可能存在的区域,再通过预设的多个分类器并行对第一目标区域进行检测,由于待检测图像中不仅包含人脸,还包含非人脸区域,倘若对整个图像进行检测,则在一定程度上降低了人脸检测效率,因此,倘若采用预设肤色模型,实现人脸初步定位,再在该基础上实现检测,则可以缩小分类器的检测范围,提升了人脸检测效率以及精度。
可选地,在上述步骤101与步骤102之间,还可以包括如下步骤:
A1、通过预设的人眼分类器对所述待检测图像进行人眼检测,得到第一目标人眼;
A2、依据所述第一目标人眼的位置进行模板匹配,得到第二目标人眼;
A3、依据所述第一目标人眼、所述第二目标人眼确定人脸所在的第二目标区域;
则,上述步骤102,通过预设的多个分类器并行对所述待检测图像进行检测,可按照如下方式实施:
通过预设的多个分类器并行对所述第二目标区域进行检测。
其中,上述预设的人眼分类器可以为以下至少一种:Adaboost分类器、Haar分类器、SVM分类器、遗传算法分类器、SVM+神经网络分类器等等,在此不做限定。人脸识别装置通过预设的人眼分类器对待检测图像进行人眼检测,得到第一目标人眼,在得到了第一目标人眼,则可以依据人眼位置进行模板匹配,得到第二目标人眼,依据第一目标人眼、第二目标人眼则可以初步确定人脸所在的第二目标区域,例如,可以确定第一目标人眼的第一中点、第二目标人眼的第二中点,确定第一中点、第二中点之间的第三中点、以第三中点为原点,预设半径范围作圆,将园内的区域作为第二目标区域,并通过预设的多个分类器并行对第二目标区域进行检测,如此,可以在人脸被遮挡的情况下,先检测人眼,基于人眼定位,最终尽可能地确定人脸,实现人脸检测。
可选地,人脸识别装置检测时可先通过肤色模型检索人脸可能存在的区域,然后进行区域分割,避免全图搜索。
可选地,根据人脸人眼比例位置,通过人眼分类器得到人脸;
可选地,对于现实场景的人脸检测,排除素描,艺术画的人脸,可以结合基于肤色模型进行启发式检测,避免进行全图检测,本申请实施例采用的人脸检测分类器的步骤都是基于不同尺度的移动窗口进行遍历。
其中,上述步骤A2中,如果检测不到人脸,而检测到人眼,根据检测到的人眼位置(left,top,width,height),使用模板匹配,模板匹配的话,可以以第一目标人眼为模板,由于人的双眼具备对称性,具体地,在左右上下各30度的范围内,距离当前人眼1.8width到2.2width的范围内遍历搜索另一只人眼,根据搜索到的另一只人眼位置,可以确定当前人脸位置及大小。
103、在所述多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将所述目标分类器检测到的区域作为人脸区域。
其中,在多个分类器中的任一目标分类器在检测到人脸的情况下,可以立刻停止人脸检测,即所有的目标分类器停止人脸检测,并将目标分类器检测到的区域作为人脸区域。由于一个分类器存在局限性,多个分类器则可以适应不同的情况,本申请实施例主要融合多个分类器,避免重复训练,采用分批训练,然后在检测环节提取图像特征的时候统一提取,送入多个分批训练得到的强分类器进行检测,如此,可以提升检测效率,实现精准检测到人脸。
可选地,在上述步骤101之前,还可以包括如下步骤:
B1、获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集包括多张人脸图像,所述负样本集包括多张不包括人脸的图像;
B2、对所述多个正样本集和所述负样本集进行特征提取,得到多个正样本特征集和负样本特征集;
B3、分别通过多种分类器算法对所述多个正样本特征集和所述负样本特征集进行训练,得到所述预设的多个分类器,每一中分类器算法对应一分类器。
其中,人脸识别装置可以获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集可以包括多张人脸图像,负样本集则为多张不包括人脸的图像,类别标签可以包括以下至少一种:光照强度、姿态、人脸角度、人脸表情等等。
举例说明下,对人脸在不同光照,不同姿态,不同表情,进行分类,每一类正样本量控制在10000个以内,负样本即非人脸图像30000个左右,使用HOG特征或者LBP特征对样本提取特征值,分别使用boosting和SVM算法进行训练,每一类样本的训练可以独立进行,最终得到boost_classifier1,boost_classifier2,boost_classifier 3...和SVM_classifier 1,SVM_classifier 2,SVM_classifier 3...等一系列分类器,在检测时通过配置,可动态加载训练出来的强分类器,只要其中一个强分类器检测到人脸即可终止检测。举例说明下,如图1B所示,选取的分类器为boos_1,boost_i,boost_n,svm_1,svm_2,svm_i,dnn_1,dnn_i,这些分类器中每一分类器可分别对人脸进行检测。
可选地,本申请实施例中,可以为每个分类器设置检测时间,例如,以n个分类器为例,每个分类器的检测时间依次为:t1,t2,…,ti,…,tn,用户可以自行设置或者系统默认可根据能接受的检测时间为AcceptTime,从多个分类器中选择需要进行人脸检测的检测分类器,例如,从t1~tn中选择了t1~ti,则t1+t2+…+ti<AcceptTime。
可选地,具体实现中,如果分类器使用Adaboost+Haar-Like的方法训练,在检测的时候需要先进行积分图的计算,移动窗口得步骤依然可以共用,但是特征需要独立判断,即针对不同的分类器,使用的特征也不同。如此,检测的准确率,实时性可以根据检测环境的情况等进行平衡。
可选地,如果每个检测算法检测并行检测,然后再综合计算哪些是同一个人脸,Face1.X-Face.X<Face1.Width/2,Face1.Y-Face2.Y<Face1.Height/2,其中,Face1.Width表示脸部宽度,Face1.Height表示脸部高度,Face1.X、Face.X分别表示不同人脸的横坐标,Face1.Y、Face2.Y分别表示不同人脸的纵坐标,那么是同个人脸,根据这个,这种算法下,可以采用多线程等技术,进行并发检测,提高检测速度。
可选地,在上述步骤102与步骤103之间还可以包括如下步骤:
在所述多个分类器中的分类器i出现漏检的次数超过预设阈值时,则控制所述分类器i停止人脸检测,所述分类器i为所述多个分类器中的任一分类器。
其中,上述预设阈值可以由用户自行设置或者系统默认,具体地,退出机制,简而言之,即设置一个退出阈值,如果一个分类器出现漏检的次数,所占比例超出了阈值e,则该分类器自动退出。
可选地,本申请实施例中,人脸识别装置可包括配置模块,配置模块用于配置各种分类器,启动检测模块时先读取配置文件,从配置文件中读取分类器,然后生成分类器,分类器配置文件结构如下:
model是训练好的模型文件,feature是训练使用的图像特征,start表示是否启动该分类器,使用bool值,true表示启动,false表示不启动。
<Config>
<classifier>
<model>cascade.xml</model>
<feature>LBP</feature>
<start>false</start>
</classifier>
<classifier>
<model>net.bin</model>
<feature>HOG</feature>
<start>true</start>
</classifier>
</Config>
如此,可以实现选择需要进行人脸检测的分类器。
举例说明下,如图1C,针对相同人脸特征情况,待检测图像Image,可以分为三个区域,分别为rect1、rect2、rect3,提取待检测图像的人脸特征,采用boost分类器、svm分类器、dnn分类器分别对这三个区域对应的待检测图像的人脸特征进行检测,每类分类器有其独特的优势,不同的分类器,适应的范围不一样,如此,可以增加人脸检测适用范围。
再举例说明下,如图1D,针对不同人脸特征情况,例如,Hog特征,Adaboost特征,两者为不同的特征,待检测图像Image,可以分为三个区域,分别为rect1、rect2、rect3,可以提取待检测图像的不同人脸特征,得到boost分类器对应的人脸特征集A,svm分类器对应的人脸特征集B,dnn分类器对应的人脸特征集C,分配三个线程或者进程,一个线程或者进程采用boost分类器对这三个区域对应的人脸特征集A进行检测、一个线程或者进程采用svm分类器对这三个区域对应的人脸特征集B进行检测、一个线程或者进程采用dnn分类器对这三个区域对应的人脸特征集C进行检测,每类分类器有其独特的优势,不同的分类器,适应的范围不一样,如此,可以增加人脸检测适用范围。
通过本发明实施例所描述的人脸检测方法,获取待检测图像,通过预设的多个分类器并行对待检测图像进行检测,在多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将目标分类器检测到的区域作为人脸区域,如此,可以融合多个分类器的优势,对一个图像进行人脸检测,可以提升人脸检测效率。
与上述一致地,请参阅图2,为本发明实施例提供的一种人脸检测方法的第二实施例流程示意图。本实施例中所描述的人脸检测方法,包括以下步骤:
201、获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集包括多张人脸图像,所述负样本集包括多张不包括人脸的图像。
202、对所述多个正样本集和所述负样本集进行特征提取,得到多个正样本特征集和负样本特征集。
203、分别通过多种分类器算法对所述多个正样本特征集和所述负样本特征集进行训练,得到预设的多个分类器,每一中分类器算法对应一分类器。
204、获取待检测图像。
205、通过预设的多个分类器并行对所述待检测图像进行检测。
206、在所述多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将所述目标分类器检测到的区域作为人脸区域。
其中,上述步骤201-206的具体描述可以参照图1A所描述的人脸检测方法的相应描述,在此不再赘述。
通过本发明实施例所描述的人脸检测方法,获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集包括多张人脸图像,负样本集包括多张不包括人脸的图像,对多个正样本集和负样本集进行特征提取,得到多个正样本特征集和负样本特征集,分别通过多种分类器算法对多个正样本特征集和负样本特征集进行训练,得到预设的多个分类器,每一中分类器算法对应一分类器,获取待检测图像,通过预设的多个分类器并行对待检测图像进行检测,在多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将目标分类器检测到的区域作为人脸区域,如此,可以融合多个分类器的优势,对一个图像进行人脸检测,可以提升人脸检测效率。
与上述一致地,以下为实施上述人脸检测方法的装置,具体如下:
请参阅图3A,为本发明实施例提供的一种人脸检测装置的实施例结构示意图。本实施例中所描述的人脸检测装置,包括:第一获取单元301、第一检测单元302和控制单元303,具体如下:
第一获取单元301,用于获取待检测图像;
第一检测单元302,用于通过预设的多个分类器并行对所述待检测图像进行检测;
控制单元303,用于在所述多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将所述目标分类器检测到的区域作为人脸区域。
可选地,如图3B,图3B为图3A所描述的人脸检测装置的又一变型结构,其与图3A相比较,还可以包括:第二检测单元304,具体如下:
第二检测单元304,用于通过预设肤色模型对所述待检测图像进行检测,得到第一目标区域;
在所述通过预设的多个分类器并行对所述待检测图像进行检测方面,所述第一检测单元302具体用于:
通过预设的多个分类器并行对所述第一目标区域进行检测。
可选地,如图3C,图3C为图3A所描述的人脸检测装置的又一变型结构,其与图3A相比较,还可以包括:第三检测单元305、匹配单元306和确定单元307,具体如下:
第三检测单元305,用于过预设的人眼分类器对所述待检测图像进行人眼检测,得到第一目标人眼;
匹配单元306,用于依据所述第一目标人眼的位置进行模板匹配,得到第二目标人眼;
确定单元307,用于依据所述第一目标人眼、所述第二目标人眼确定人脸所在的第二目标区域;
在所述通过预设的多个分类器并行对所述待检测图像进行检测方面,所述第一检测单元302具体用于:
通过预设的多个分类器并行对所述第二目标区域进行检测。
可选地,所述控制单元303还具体用于:
在所述多个分类器中的分类器i出现漏检的次数超过预设阈值时,则控制所述分类器i停止人脸检测,所述分类器i为所述多个分类器中的任一分类器。
可选地,如图3D,图3D为图3A所描述的人脸检测装置的又一变型结构,其与图3A相比较,还可以包括:第二获取单元308和训练单元309,具体如下:
第二获取单元308,用于获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集包括多张人脸图像,所述负样本集包括多张不包括人脸的图像;以及对所述多个正样本集和所述负样本集进行特征提取,得到多个正样本特征集和负样本特征集;
训练单元309,用于分别通过多种分类器算法对所述多个正样本特征集和所述负样本特征集进行训练,得到所述预设的多个分类器,每一中分类器算法对应一分类器。
通过本发明实施例所描述的人脸检测装置,获取待检测图像,通过预设的多个分类器并行对待检测图像进行检测,在多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将目标分类器检测到的区域作为人脸区域,如此,可以融合多个分类器的优势,对一个图像进行人脸检测,可以提升人脸检测效率。
与上述一致地,请参阅图4,为本发明实施例提供的一种人脸检测装置的实施例结构示意图。本实施例中所描述的人脸检测装置,包括:至少一个输入设备1000;至少一个输出设备2000;至少一个处理器3000,例如CPU;和存储器4000,上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中,上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器,也可为非易失存储器(non-volatilememory),例如磁盘存储器。上述存储器4000用于存储一组程序代码,上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码,执行如下操作:
上述处理器3000,用于:
获取待检测图像;
通过预设的多个分类器并行对所述待检测图像进行检测;
在所述多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将所述目标分类器检测到的区域作为人脸区域。
可选地,上述处理器3000还具体用于:
通过预设肤色模型对所述待检测图像进行检测,得到第一目标区域;
在所述通过预设的多个分类器并行对所述待检测图像进行检测方面,上述处理器3000具体用于:
通过预设的多个分类器并行对所述第一目标区域进行检测。
可选地,上述处理器3000还具体用于:
通过预设的人眼分类器对所述待检测图像进行人眼检测,得到第一目标人眼;
依据所述第一目标人眼的位置进行模板匹配,得到第二目标人眼;
依据所述第一目标人眼、所述第二目标人眼确定人脸所在的第二目标区域;
所述通过预设的多个分类器并行对所述待检测图像进行检测,包括:
通过预设的多个分类器并行对所述第二目标区域进行检测。
可选地,上述处理器3000还具体用于:
在所述多个分类器中的分类器i出现漏检的次数超过预设阈值时,则控制所述分类器i停止人脸检测,所述分类器i为所述多个分类器中的任一分类器。
可选地,上述处理器3000还具体用于:
获取多个正样本集和负样本集,每一正样本集对应一个类别标签,每一正样本集包括多张人脸图像,所述负样本集包括多张不包括人脸的图像;
对所述多个正样本集和所述负样本集进行特征提取,得到多个正样本特征集和负样本特征集;
分别通过多种分类器算法对所述多个正样本特征集和所述负样本特征集进行训练,得到所述预设的多个分类器,每一中分类器算法对应一分类器。
本申请实施例还提供了另一种人脸检测装置,如图5所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该人脸检测装置可以为包括手机、平板电脑、PDA(personal digital assistant,个人数字助理)、POS(point of sales,销售终端)、车载电脑等任意终端设备,以人脸检测装置为手机为例:
图5示出的是与本申请实施例提供的人脸检测装置相关的手机的部分结构的框图。参考图5,手机包括:射频(radio frequency,RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(wireless fidelity,WiFi)模块970、应用处理器AP980、以及电源990等部件。本领域技术人员可以理解,图5中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍:
输入单元930可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元930可包括触控显示屏933、人脸检测装置931以及其他输入设备932。人脸检测装置931可以为摄像头,例如,红外摄像头,可见光摄像头或者双摄像头等等。输入单元930还可以包括其他输入设备932。具体地,其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中,所述AP980,用于执行如下步骤:
获取待检测图像;
通过预设的多个分类器并行对所述待检测图像进行检测;
在所述多个分类器中的任一目标分类器在检测到人脸的情况下,停止人脸检测,并将所述目标分类器检测到的区域作为人脸区域。
AP980是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器920内的软件程序和/或模块,以及调用存储在存储器920内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,AP980可包括一个或多个处理单元;优选的,AP980可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到AP980中。
此外,存储器920可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常,RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier,LNA)、双工器等。此外,RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(global system of mobilecommunication,GSM)、通用分组无线服务(general packet radio service,GPRS)、码分多址(code division multiple access,CDMA)、宽带码分多址(wideband code divisionmultiple access,WCDMA)、长期演进(long term evolution,LTE)、电子邮件、短消息服务(short messaging service,SMS)等。
手机还可包括至少一种传感器950,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度,接近传感器可在手机移动到耳边时,关闭触控显示屏和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路960、扬声器961,传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号,传输到扬声器961,由扬声器961转换为声音信号播放;另一方面,传声器962将收集的声音信号转换为电信号,由音频电路960接收后转换为音频数据,再将音频数据播放AP980处理后,经RF电路910以发送给比如另一手机,或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池),优选的,电源可以通过电源管理系统与AP980逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
前述图1A、图2所示的实施例中,各步骤方法流程可以基于该手机的结构实现。
前述图3A~图3D、图4所示的实施例中,各单元功能可以基于该手机的结构实现。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。