具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。
如背景技术部分所述,现有技术中对储备粮的监管中存在着确定储备粮储量的效率低下,并且无法保障对储备粮安全的监控质量的问题。为了解决上述问题,本申请实施例提供了一种粮食储量的确定方法、装置、设备、介质和产品,通过获取的粮仓内拍摄的第一图像,确定粮仓内粮食的仓位线的位置,基于该仓位线的位置,可直接确定出粮仓内粮食的储粮总量,如此通过本申请提供的粮食储量的确定方法,利用图片处理技术对粮仓容量进行估算,加强了粮仓的监管能力,且无需人为的去计算粮仓内粮食的储粮总量,提升了粮仓内粮食的储量的确定效率,节省了人力。
下面首先对本申请实施例所提供的粮食储量的确定方法进行介绍。
图1示出了本申请一个实施例提供的粮食储量的确定方法的流程示意图。如图1所示,本申请实施例提供的粮食储量的确定方法具体包括如下步骤110-步骤130:
步骤110、获取在粮仓内拍摄的第一图像。
步骤120、基于第一图像,确定粮仓内粮食的仓位线。
其中,该仓位线可以为用于反映粮仓内粮食的堆积高度的水平线。
步骤130、基于仓位线,确定粮仓内粮食的储粮总量。
在本申请的实施例中,通过获取的粮仓内拍摄的第一图像,确定粮仓内粮食的仓位线的位置,基于该仓位线的位置,可直接确定出粮仓内粮食的储粮总量,如此通过本申请提供的粮食储量的确定方法,利用图片处理技术对粮仓容量进行估算,加强了粮仓的监管能力,且无需人为的去计算粮仓内粮食的储粮总量,提升了粮仓内粮食的储量的确定效率,节省了人力。
下面对本申请实施例提供的粮食储量的确定方法进行详细介绍:
首先介绍步骤110,获取在粮仓内拍摄的第一图像。
其中,第一图像可以是获取的粮仓内的图像。
在本申请的一些实施例中,如图2所示,该图2可以为第一图像,在该第一图像中可以具有粮仓的内部环境,具体的可以是具有粮仓内存储的粮食。
在本申请的一些实施例中,可以是通过设置于粮仓内的摄像头来获取第一图像,具体的可以是从粮仓内的球形摄像头截取粮仓内的监控画面获取第一图像。还可以是在需要确定粮仓内的粮食储量时,利用摄像设备拍摄第一图像。具体的获取第一图像的方式在此不做限定。
然后介绍步骤120、基于第一图像,确定粮仓内粮食的仓位线。
其中,该仓位线可以为用于反映粮仓内粮食的堆积高度的水平线。
在本申请的一些实施例中,为了精确确定粮仓内粮食的仓位线,进而精确确定粮仓内的粮食储量,步骤120具体可以包括:
对第一图像进行滤波处理,得到第一图像的边界信息;
基于第一图像的边界信息,确定粮仓内粮食的仓位线。
其中,边界信息可以是对第一图像进行滤波处理后,得到的第一图像的边界的信息,具体的可以是图2的边界位置以及边界的强度变化信息。
在本申请的一些实施例中,由于粮食投映到粮仓内的强度信息和粮仓内的空位置投映到粮仓内的强度信息是不一样,故在确定粮仓内粮食的仓位线时,可先确定第一图像的边界信息(具体的可以是第一图像的边界位置和边界的强度变化信息),根据该边界信息可确定出粮仓内粮食的仓位线。
在本申请的实施例中,通过对第一图像进行滤波处理,可得到第一图像的边界信息,基于第一图像的边界信息,可精确确定粮仓内粮食的仓位线,进而可精确确定粮仓内的粮食储量,进一步提升了粮仓内粮食的储量的确定效率,节省了人力。
在本申请的一些实施例中,为了进一步提升粮仓内粮食的储量的确定效率,所述对第一图像进行滤波处理,得到第一图像的边界信息,可以包括:
对第一图像采用高斯滤波进行处理,分别得到第一图像的基本层、细节层和边界层;
对基本层、细节层和边界层分别进行重构,获取第一图像的边界信息。
在本申请的一些实施例中,可以对第一图像进行高斯滤波处理,分别得到第一图
像的基本层(
)、细节层(
)及边界层(
)。
具体的第一图像的基本层(
)、细节层(
)及边界层(
)分别如下:
其中,
为经m维滤波器处理后第一图像
I的基本层,
为归一化系数,
为高斯滤波窗口,
为对应高斯函数的标准偏差,
为图片
I中某像素点的位置,m为像素
点n领域像素点的灰度值,
为高斯核宽度。
其中,
为m维双边滤波器处理后第一图像
I的双边滤波层;
和
分别为
双边滤波层在图像灰度域和空间域下的高斯核宽。
其中:
为细节层,
为边界层,
为双边滤波层,
为滤波器归一化
系数,
为滤波窗口。
基于如下公式(5)对基本层(
)、细节层(
)及边界层(
)进行重构,以
提取图像的边界信息。
其中
W b 、
、
分别为基本层、细节层和边界层这三层对应权重系数。
在本申请的一些实施例中,基本层、细节层和边界层这三层对应权重可根据用户需求进行确定,这里不做限定。
需要说明的是,本申请实施例提供的对第一图像进行高斯滤波,得到对图像的基本层、细节层和边界层,对基本层、细节层和边界层分别进行重构,获取第一图像的边界信息属于现有技术,这里不再赘述。
在本申请的实施例中,通过对第一图像进行高斯滤波,得到对图像的基本层、细节层和边界层,对基本层、细节层和边界层分别进行重构,获取第一图像的边界信息,如此刻精确确定第一图像的边界信息,进而可根据该边界信息,确定粮仓内粮食的仓位线,进而确定粮仓内粮食的储量,进一步提升了粮仓内粮食的储量的确定效率,节省了人力。
在本申请的一些实施例中,为了有利于确定粮仓内粮食的仓位线,在所述对第一图像采用高斯滤波进行处理,分别得到第一图像的基本层、细节层和边界层之后,上述所涉及的粮食储量的确定方法还可以包括:
对基本层、细节层和边界层分别采用CB颜色空间得到第一亮度图像;
对第一亮度图像进行对数变换和归一化,并重构得到第二亮度图像;
将第二亮度图像映射到RGB颜色空间上。
其中,CB颜色空间可以为以色度信息和亮度信息为坐标的颜色空间。
第一亮度图像可以是对基本层、细节层和边界层分别采用CB颜色空间后得到的图像。
第二亮度图像可以是对第一亮度图像进行对数变化和归一化后,重构得到的图像。
在本申请的一些实施例中,可以采用CB颜色空间将第一图像分解为色度信息C(如公式(7))和亮度信息B(如公式(6)),其中:
其中,Br为分解成的色度信息;R、G、B分别为第一图像的R值、G值和B值。
其中,B为分解成的亮度信息;R、G、B分别为第一图像的R值、G值和B值。
然后对亮度信息进行重构,在对亮度信息进行重构之前,首先基于如下公式(8)对亮度图像进行对数变换和归一化:
然后基于上述分解后的第一亮度图像(即将第一图像分解为色度信息和亮度信息后的图像)采用公式(8)对其进行亮度信息归一化,并采用下述公式(9)对归一化后的第一亮度图像进行重构(即得到第二亮度图像):
其中,
为图像分解处理中的基本层;
为图像分解处理中的边界层;
为图像分解处理中的细节层。
经上述方法分解重构后,将重构后图像(即第二亮度图像)采用下述方法(即公式(10))映射到RGB颜色空间上:
在本申请的实施例中,通过对基本层、细节层和边界层分别采用CB颜色空间得到第一亮度图像;对第一亮度图像进行对数变换和归一化,并重构得到第二亮度图像;将第二亮度图像映射到RGB颜色空间上,如此对第一图像采用了交叉分解方式的高动态范围成像(High Dynamic Range Imaging,HDR)算法进行边缘信息和亮度增强,将第一图像中的暗部区域调明亮,有利于仓位线的确定,加强了仓位线检测的抗干扰能力。
在本申请的一些实施例中,为了进一步提升粮仓内粮食的储量的确定效率,需要对仓位线进行检测,这里的仓位线检测即为直线检测,本申请实施例中所涉及到的仓位线均为正前方直线,本申请实施例可以是采取霍夫变换的方法对仓位线进行检测。
具体的,所述基于所述第一图像的边界信息,确定所述粮仓内粮食的仓位线,可以包括:
对第一图像中基于边界信息进行边缘检测,得到第二图像;
对第二图像中的每一个点,分别在k-b空间内画出一条直线;
对直线上的点,分别采取投票的方法,有直线经过直线上的点,直线上的点的投票值加1;
在k-b空间内,根据投票值,获取k-b空间内各区域的极大值点并将其坐标确定为第一图像中的待确定直线的斜率和截距;
根据仓位线在第一图像中的位置范围和斜率范围,以及待确定直线的斜率和截距,在待确定直线中获得仓位线。
其中,第二图像可以是对第一图像中的边界信息的进行边缘检测所得到的图像。这里的第二图像即为第一图像的边缘信息的图像(即边缘图像)。
k-b空间可以为横坐标为斜率、纵坐标为截距的坐标空间。
待确定直线可以是待进行确定是否为仓位线的直线。
在本申请的一些实施例中,在确定了第一图像中的待确定直线的斜率和截距后,可人为的根据仓位线在第一图像中的位置范围和斜率范围(如图2所示的直线A和直线B即为仓位线的位置范围),以及待确定直线的斜率和截距,可在待确定直线中获得仓位线。
在本申请的一些实施例中,仓位线检测可以是采取霍夫变换的方法实现的,该方法属于现有技术,具体的在此不再赘述。
在本申请的实施例中,通过对第一图像中基于边界信息进行边缘检测,得到第二图像;对第二图像中的每一个点,分别在k-b空间内画出一条直线;对直线上的点,分别采取投票的方法,有直线经过直线上的点,直线上的点的投票值加1;在k-b空间内,根据投票值,获取k-b空间内各区域的极大值点并将其坐标确定为第一图像中的待确定直线的斜率和截距;根据仓位线在第一图像中的位置范围和斜率范围,以及待确定直线的斜率和截距,在待确定直线中获得仓位线,如此利用霍夫变换的方法对仓位线进行检测,提升了仓位线检测的精确性。
最后介绍步骤130,基于仓位线,确定粮仓内粮食的储粮总量。
在本申请的一些实施例中,可根据仓位线,确定粮仓内粮食的储粮总量。
在本申请的一些实施例中,为了精确确定粮仓内粮食的储粮总量,步骤130具体可以包括:
根据仓位线,确定仓位线在第一图像上的第一像素距离;
基于第一像素距离,以及粮仓满仓容量和满仓容量对应的第二像素距离,确定粮仓内粮食的储粮总量。
其中,第一像素距离可以是仓位线在第一图像上对应的像素距离。
粮食满仓容量可以是粮仓内的粮食是满仓时所对应的粮食总量。
第二像素距离可以是粮食满仓容量所对应的像素距离。
在一个示例中,若仓位线在第一图像上的像素距离(即第一像素距离)为C,粮仓满仓容量为D,粮仓为满仓容量时的像素距离(即第二像素距离)为E,则可根据如下公式(11)确定仓位线所对应的粮食储量F(即仓内粮食的储粮总量):
在本申请的实施例中,通过根据仓位线,确定仓位线在第一图像上的第一像素距离;基于第一像素距离,以及粮仓满仓容量和满仓容量对应的第二像素距离,如此可精确确定粮仓内粮食的储粮总量。
在本申请的一些实施例中,为了提升用户体验,在步骤130之后,上述所涉及的粮食储量的确定方法还可以包括:
根据粮仓内粮食的储粮总量和系统内历史数据对比,生成预警信息。
其中,系统内历史数据可以是系统内存储的本次之前粮仓内粮食的储粮总量。
预警信息可以是预示粮仓内粮食有转圈粮、损耗粮和空气粮的问题。具体的该预警信息可以是粮仓内粮食有误的信息。
在本申请的实施例中,通过根据粮仓内粮食的储粮总量和系统内历史数据对比,可生成预警信息,如此可使用户很直观的了解到粮仓内粮食是否有误,直观的实现对粮仓内粮食的监管。
在本申请的一些实施例中,为了进一步提升用户体验,所述根据粮仓内粮食的储粮总量和系统内历史数据对比,生成预警信息,具体可以包括:
根据粮仓内粮食的储粮总量和系统内历史粮仓内粮食的储粮总量对比,得到储粮总量第一变化量;
根据历史数据中的出入库记录得到储粮总量第二变化量;
对第一变化量和第二变化量对比,得到差值;
在差值不小于预设阈值时,生成预警信息。
其中,第一变化量可以是本次计算的粮仓内粮食的储粮总量和系统内历史粮仓内粮食的储粮总量(即本次之前粮仓内粮食的储粮总量)的差值。
第二变化量可以是根据历史数据中,本次之前和本次之间出入库中记录的粮仓内粮食的出入库数据所得到的储粮总量的差值。
预设阈值可以是预先设置的第一变化量和第二变化量的差值的阈值,该阈值可根据用户需求自行设置,这里不做限定。
在一个示例中,若本次计算粮仓内粮食储粮的时间为2022年1月20日,系统中记录的本次之前的粮仓内粮食储粮的时间为2022年1月18日。本次计算的粮仓内粮食的储粮总量是Q,系统内历史粮仓内粮食的储粮总量为W,则根据Q-W可得到第一变化量。
继续上述示例,若历史数据中记录了2022年1月18日与2022年1月20日之间有一次粮食的出库记录,例如为2022年1月19日出库粮食量E,则可通过计算W-E可得到第二变化量。
继续上述示例,在得到第一变化量(Q-W),以及第二变化量(W-E)后,可计算第一变化量和第二变化量的差值,若该差值大于或等于预设阈值,即可确定本次与上次之间的出入库记录有问题,或者是记录的上次的粮仓内粮食的储粮总量有问题,可生成预警信息。
在本申请的实施例中,通过根据粮仓内粮食的储粮总量和系统内历史粮仓内粮食的储粮总量对比,得到储粮总量第一变化量;根据历史数据中的出入库记录得到储粮总量第二变化量;对第一变化量和第二变化量对比,得到差值;在差值不小于预设阈值时,生成预警信息,如此通过将粮仓容量检测与出入库数据结合分析,有利于粮食不出入库合规化推进,同时也可使用户很直观的了解到粮仓内粮食是否有误,直观的实现对粮仓内粮食的监管。
在本申请的一些实施例中,为了使用户可以更加详细的了解本申请实施例的技术方案,对本申请实施例提供的粮食储量的确定方法进行进一步的介绍,具体如图3所示的步骤310-步骤380:
步骤310、获取在粮仓内拍摄的第一图像。
本申请的一些实施例中,该步骤310与上述步骤110一致,在此不再赘述。
步骤320、根据第一图像分析当前粮仓内的容量并记录。
本申请的一些实施例中,根据步骤310中获取的第一图像,采用上述实施例中提供的粮食储量的确定方法,可计算得到粮仓内粮食的储粮总量,即当前粮仓内的容量。
具体的如何根据第一图像得到当前粮仓内的容量,在上述实施例已进行描述,在该实施例中不再赘述。
步骤330、与上一时间节点仓容记录值相减,得到当前与上一时间节点之间的时间段内的第一差值。
其中,第一差值可以是当前与上一时间节点之间的时间段内的仓容量的差值。
在申请的一些实施例中,根据步骤320中计算得到的当前粮仓内的容量,将该当前粮仓内的容量与系统中记录的上一时间节点的仓容进行相减,可得到当前与上一时间节点之间的时间段内的差值。
步骤340、根据当前粮仓内的容量,以及记录的当前与上一时间节点之间的时间段内的出入库数据,计算得到第二差值。
其中,第二差值可以是根据当前粮仓内的容量,以及记录的当前与上一时间节点之间的时间段内的出入库数据,得到的差值。
步骤350、将第一差值与第二差值进行比对,若第一差值与第二差值的差值超过安全标准值,则生成预警信息。
其中,安全标准值可以是预先设置的第一差值与第二差值的差值的阈值。
步骤360、展示粮仓的预警信息。
在本申请的一些实施例中,在生成预警信息后,可展示该粮仓的预警信,具体的可以是展示粮库和仓廒内的预警信息,以供用户直观的查看到是哪个粮仓出现的预警信息。
步骤370、展示当前粮仓内的容量对应的图片,以及上一时间节点粮仓内的容量对应的图片。
在本申请的一些实施例中,在展示了预警信息后,还可以将当前粮仓内的容量对应的图片,以及上一时间节点粮仓内的容量对应的图片进行展示,以使用户可直观的查看到前粮仓内的容量对应的图片,以及上一时间节点粮仓内的容量对应的图片。
步骤380、确定预警结果。
在本申请的一些实施例中,根据上述的分析可得到预警的结果,具体的可以是本次预警主要是由于什么引起的,是由于出入库记录错误,还是有人虚报粮仓内粮食的储量。
需要说明的是,本申请实施例提供的粮食储量的确定方法,执行主体可以为粮食储量的确定装置,或者该粮食储量的确定装置中的用于执行粮食储量的确定方法的控制模块。本申请实施例中以粮食储量的确定装置执行粮食储量的确定方法为例,说明本申请实施例提供的粮食储量的确定装置。
基于与上述的粮食储量的确定方法相同的发明构思,本申请还提供了一种粮食储量的确定装置,下面结合图4对本申请实施例提供的粮食储量的确定装置进行详细说明。
图4是根据一示例性实施例示出的一种粮食储量的确定装置的结构框图。
如图4所示,粮食储量的确定装置400可以包括:
获取模块410,用于获取在粮仓内拍摄的第一图像;
第一确定模块420,用于基于所述第一图像,确定所述粮仓内粮食的仓位线,所述仓位线为用于反映所述粮仓内粮食的堆积高度的水平线;
第二确定模块430,用于基于所述仓位线,确定所述粮仓内粮食的储粮总量。
在本申请的实施例中,通过第一确定模块对获取模块获取的粮仓内拍摄的第一图像,确定粮仓内粮食的仓位线的位置,基于第二确定模块基于该仓位线的位置,可直接确定出粮仓内粮食的储粮总量,如此通过本申请提供的粮食储粮的确定方法,利用图片处理技术对粮仓容量进行估算,加强了粮仓的监管能力,且无需人为的去计算粮仓内粮食的储粮总量,提升了粮仓内粮食的储粮的确定效率,节省了人力。
在本申请的一些实施例中,为了精确确定粮仓内粮食的仓位线,进而精确确定粮仓内的粮食储量,第一确定模块420具体可以包括:
第一确定单元,用于对第一图像进行滤波处理,得到第一图像的边界信息;
第二确定单元,用于基于第一图像的边界信息,确定粮仓内粮食的仓位线。
在本申请的一些实施例中,为了进一步提升粮仓内粮食的储量的确定效率,第二确定单元可以具体用于:
对第一图像中基于边界信息进行边缘检测,得到第二图像;
对第二图像中的每一个点,分别在k-b空间内画出一条直线;
对直线上的点,分别采取投票的方法,有直线经过直线上的点,直线上的点的投票值加1;
在k-b空间内,根据投票值,获取k-b空间内各区域的极大值点并将其坐标确定为第一图像中的待确定直线的斜率和截距;
根据仓位线在第一图像中的位置范围和斜率范围,以及待确定直线的斜率和截距,在待确定直线中获得仓位线。
在本申请的一些实施例中,为了进一步提升粮仓内粮食的储量的确定效率,第一确定单元具体用于:
对第一图像采用高斯滤波进行处理,分别得到第一图像的基本层、细节层和边界层;
对基本层、细节层和边界层分别进行重构,获取第一图像的边界信息。
在本申请的一些实施例中,为了有利于确定粮仓内粮食的仓位线,第一确定模块420还可以包括:
第三确定单元,用于对基本层、细节层和边界层分别采用CB颜色空间得到第一亮度图像;
第四确定单元,用于对第一亮度图像进行对数变换和归一化,并重构得到第二亮度图像;
图像映射单元,用于将第二亮度图像映射到RGB颜色空间上。
在本申请的一些实施例中,为了提升用户体验,上述所涉及的粮食储量的确定装置还可以包括:
预警信息生成模块,用于根据粮仓内粮食的储粮总量和系统内历史数据对比,生成预警信息。
在本申请的一些实施例中,为了进一步提升用户体验,预警信息生成模块具体可以用于:
根据粮仓内粮食的储粮总量和系统内历史粮仓内粮食的储粮总量对比,得到储粮总量第一变化量;
根据历史数据中的出入库记录得到储粮总量第二变化量;
对第一变化量和第二变化量对比,得到差值;
在差值不小于预设阈值时,生成预警信息。
图5示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器502可在综合网关容灾设备的内部或外部。在特定实施例中,存储器502是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以实现上述实施例中的任意一种粮食储量的确定方法。
在一个示例中,电子设备还可包括通信接口503和总线510。其中,如图5所示,处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以基于粮仓内的第一图像可确定粮仓的仓位线,基于仓位线可确定粮仓内的粮食的储量执行本申请实施例中的粮食储量的确定方法,从而实现结合图1和图3描述的粮食储量的确定方法,以及图4描述的粮食储量的确定和装置。
另外,结合上述实施例中的粮食储量的确定方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种粮食储量的确定方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,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,上述描述的系统、模块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。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。