智能眼镜、监控人体姿态的方法、介质、终端及系统与流程

1.本技术属于智能穿戴技术领域，尤其涉及一种智能眼镜、监控人体姿态的方法、介质、移动智能终端及智能眼镜系统。


背景技术：

2.智能眼镜是指如同智能手机一样拥有独立的操作系统，可以通过软件安装来实现各种功能的可穿戴的眼镜设备统称，其具有使用简便、体积较小等特点，公众普遍认为智能眼镜的出现将会方便人们的生活，被视为未来智能科技产品的重要增长点。
3.现有智能眼镜把微控制器、传感器(例如计步器、心率传感器、加速器、陀螺仪、gps等)全内置在眼镜主体上，所有的智能功能都利用内置的微控制器接收相关传感器的数据进行计算完成。这种智能眼镜有下列缺点：
4.1、眼镜重量很重，长时间穿戴会产生不适感，不能一整天穿戴；
5.2、耗电量高；
6.3、微处理器的性能有限，而且大部分只集中了某些智能功能，完全没有考虑人性化的控制，不能提供人工智能功能。
7.申请内容
8.本技术实施例所要解决的技术问题为如何在减轻智能眼镜重量、耗电量的同时提供人工智能功能。
9.为解决上述技术问题，第一方面，本技术实施例提供了一种智能眼镜，包括眼镜本体，所述眼镜本体中内置有：音频装置；接近传感器；触控感应器；九轴传感器；无线通信模块，其与所述音频装置、所述触控感应器、所述接近传感器、所述九轴传感器连接；用于通过所述接近传感器检测所述智能眼镜是否被佩戴，并根据检测结果控制所述音频装置是否工作；还用于检测所述触控感应器上的触控操作，并根据所述触控操作对处于工作状态的所述音频装置进行相应的控制；还用于将所述九轴传感器的九轴传感数据发送至外部移动智能终端，所述九轴传感数据用于计算佩戴者的姿态指标参数；还用于接收来自外部移动智能终端的提醒信息并通过所述音频装置输出，所述提醒信息与计算出的佩戴者姿态指标参数相对应。
10.第二方面，本技术实施例还提供了一种监控人体姿态的方法，所述方法应用于移动智能终端，并与智能眼镜配合使用；所述方法包括：基于无线通信协议与所述智能眼镜通信，接收来自所述智能眼镜的九轴传感数据；根据所述九轴传感数据计算佩戴者的姿态指标参数；当计算出的姿态指标参数满足预置的提醒条件时，向所述智能眼镜输出与所述姿态指标参数相对应的提醒信息。
11.第三方面，本技术实施例还提供了一种监控人体姿态的装置，所述装置内置于移动智能终端，并与智能眼镜配合使用；所述装置包括：接收模块，用于基于无线通信协议与所述智能眼镜通信，接收来自所述智能眼镜的九轴传感数据；计算模块，用于根据所述九轴传感数据计算佩戴者的姿态指标参数；提醒模块，用于当计算出的姿态指标参数满足预置
的提醒条件时，向所述智能眼镜输出与所述姿态指标参数相对应的提醒信息。
12.第四方面，本技术实施例还提供了一种移动智能终端，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述第二方面提供的监控人体姿态的方法。
13.第五方面，本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第二方面提供的监控人体姿态的方法。
14.第六方面，本技术实施例还提供了一种智能眼镜系统，包括如第一方面提供的智能眼镜和如第四方面提供的移动智能终端。
15.本技术各实施例采用智能眼镜与移动智能终端相结合，通过实时监测佩戴者的姿态指标参数并进行相应的提醒，还可以在做各种运动时进行姿态指标分析，可以实现一定的人工智能功能。其中，智能眼镜采用无线通信模块中内置有微控制器，无线通信模块将九轴传感器的九轴传感数据发送实时发送至移动智能终端，由移动智能终端根据九轴传感数据计算出佩戴者的姿态指标参数，进而再通过无线通信模块向佩戴者发送对应的提醒信息，也就是说，本技术将姿态指标参数的计算放在了移动智能终端上进行，而无线通信模块本身不承担姿态指标参数的计算，主要起到信息的转达作用。由于无线通信模块内置的微控制器承担的功能较为简单，使得其电路结构也得以简化，整个智能眼镜的重量减轻，耗电量也更少，并且，智能眼镜由于不需要承担姿态指标参数的计算，也就不需要设置gps模块，移动智能终端在计算时直接使用自身的gps数据即可，相当于智能眼镜进一步减轻了重量，也减少了一个耗电的部件。
附图说明
16.图1是本技术第一实施例提供的智能眼镜的外形结构图；
17.图2是本技术第一实施例提供的智能眼镜的模块框图；
18.图3是本技术第二实施例提供的智能眼镜系统的架构图；
19.图4是本技术第二实施例提供的在第一工作模式下人工智能运动教练应用程序app的流程图；
20.图5是本技术第二实施例提供的校准界面的示意图；
21.图6是是本技术第二实施例提供的校准原理图；
22.图7是本技术第二实施例提供的在第一工作模式下人工智能运动教练应用程序app计算各项运动参数值的示意图；
23.图8是本技术第二实施例提供的在第一工作模式下人工智能运动教练应用程序app对各项运动参数值进行纠偏的示意图；
24.图9是本技术第二实施例提供的在第二工作模式下人工智能姿态护理应用程序app的流程图；
25.图10是本技术第三实施例提供的监控人体姿态的装置的模块结构图；
26.图11是本技术第四实施例提供的移动智能终端结构图；
27.图12是本技术第六实施例提供的智能眼镜系统的架构图。
具体实施方式
28.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
29.参照图1、图2，本技术第一实施例提供了一种智能眼镜，此智能眼镜在使用时需与外部的移动智能终端相配合。该智能眼镜包括眼镜本体，眼镜本体包括镜框、第一镜腿(即右镜腿)、第二镜腿(即左镜腿)，该眼镜本体中内置有：无线通信模块1、音频装置2、接近传感器3、触控感应器4、九轴传感器5，无线通信模块1与音频装置2、接近传感器3、触控感应器4、九轴传感器5连接。
30.无线通信模块1置于其中一个镜腿的腔体内，作为智能眼镜的主控和信号的中转，其中主控主要指无线通信协议、麦克风输入、扬声器输出等，信号的中转是指把上述数据从智能眼镜通过蓝牙无线传送到外部智能设备(例如智能手机)作算法处理和分析。具体地，无线通信模块1可以选用蓝牙芯片这类支持短距离通信的芯片，也可以选用支持移动通信网络的移动通信模块，只要能实现上述功能即可。
31.作为一种实现方式，音频装置2可以由第一单声道扬声器21和第二单声道扬声器22组成，第一单声道扬声器和所述第二单声道扬声器还可组合形成立体音效。第一单声道扬声器21位于第一镜腿上，第二单声道扬声器22位于第二镜腿上，并且，第一单声道扬声器21的出声口位于第一镜腿的尾部，第二单声道扬声器22的出声口位于第二镜腿的尾部，这样佩戴后两个出声口能够与耳朵很接近。
32.接近传感器3位于镜腿的内侧，便于与皮肤接触，以便精确地检测出智能眼镜是否被佩戴。
33.触控感应器4一般位于镜腿的外侧，用于调整音量大小，具体可以是在第一镜腿的外侧，也可以是在第二镜腿的外侧，以方便不同用手习惯的佩戴者。
34.九轴传感器5用于对佩戴者进行计步，还用于进行一些数据的收集，如3维加速器数据(ax,ay,az)、3维陀螺仪数据(gx,gy,gz)、3维磁力计数据(mx,my,mz)。
35.另外，智能眼镜本体不带全球定位系统(gps)，因gps模组比较耗电，算法处理和分析所需的gps数据是由移动智能终端提供。
36.具体地，无线通信模块1的功能主要有以下几方面：
37.1、无线通信模块1用于通过接近传感器3检测智能眼镜是否被佩戴，并根据检测结果控制音频装置2是否工作。当检测到用户佩戴上智能眼镜之后，无线通信模块1控制音频装置2开始工作，例如，这时外部移动智能终端的音乐就可以通过无线通信模块1在音频装置2中播放，而当检测到用户摘下智能眼镜之后，无线通信模块1控制音频装置2停止播放音乐。
38.另外，当无线通信模块1通过接近传感器3检测到智能眼镜在预置的时长内(例如30分钟)一直没有被佩戴时，会控制智能眼镜自动关机，以节省能耗。
39.2、无线通信模块1用于检测触控感应器4上的触控操作，并根据触控操作对处于工作状态的音频装置2进行相应的控制。当音频装置2处于工作状态时，无线通信模块1实时监测佩戴者是否在触控感应器4上有触控操作以及触控操作的方式，例如，佩戴者手指在触控感应器4上向耳朵的方向扫动表示调大音量，向眼镜框方向扫动(即远离耳方向)表示调小
音量，无线通信模块1根据具体的触控操作方式来调大或调小音量。
40.3、无线通信模块1用于将九轴传感器5的九轴传感数据发送至外部移动智能终端，该九轴传感数据用于计算佩戴者的姿态指标参数。
41.九轴传感器5还可以检测佩戴者的一些操作指令，并通过无线通信模块1发送至外部移动智能终端以进行相应的控制，例如，在播放音乐时，佩戴者单击智能眼镜的操作表示暂停播放或恢复播放，外部移动智能终端接收到之后予以响应，而佩戴者的双击则可以表示呼叫语音助理,例如“ok google”或“siri”，外部移动智能终端接收到之后开启语音助理功能。
42.4、无线通信模块1用于接收来自外部移动智能终端的提醒信息并通过音频装置2输出，所述提醒信息与计算出的佩戴者姿态指标参数相对应。
43.进一步地，眼镜本体中还内置有麦克风装置6，麦克风装置6与无线通信模块1连接，用于拾取佩戴者的语音信号。无线通信模块1根据语音信号进行相应的控制或者将语音信号转发至外部移动智能终端，实现语音控制或电话通信中的语音输入。
44.麦克风装置6可选用双麦克风结构，如图2所示，具体包括第一麦克风61和第二麦克风62，配合使用，实现降噪。
45.除播放音乐和打电话之外，外部移动智能终端上的其他应用功能，如语音导航、即时翻译、对讲机等功能也可以通过无线通信模块1在智能眼镜上使用。
46.进一步地，眼镜本体中还内置有与无线通信模块1连接的电池7，电池7用于通过无线通信模块1为所有有源部件供电，电池7可充电、可拆卸更换。
47.如图1所示，无线通信模块1、接近传感器3、触控感应器4、九轴传感器5和麦克风装置6均位于第一镜腿上，电池7则位于第二镜腿上，当然也不限于此，具体实施时，可以出于方便电线布设的原则采用其他的分布方式。
48.本技术第二实施例还提供了一种监控人体姿态的方法，该方法应用于移动智能终端，并与第一实施例提供的智能眼镜配合使用。参照图3，该监控人体姿态的方法包括：
49.步骤s31，基于无线通信协议与所述智能眼镜通信，接收来自所述智能眼镜的九轴传感数据。
50.该移动智能终端包括安卓、ios系统智能手机或android wear智能手表等支持无线通信协议的设备，智能眼镜首先需要和移动智能终端通过蓝牙配对。配对后智能眼镜就可以通过蓝牙作数据互换，智能眼镜九轴传感数据通蓝牙通道实时地传送至移动智能终端，而当移动移动智能终端播放音乐时，立体声效也可通过蓝牙通道而把声音在智能眼镜的扬声器输出。
51.除此之外，因本技术的智能眼镜本体有两个麦克风，佩戴者可通过智能眼镜的麦克风拾取语音信号，用作发出语音命令和电话接听。所有语音信号是从眼镜的两个麦克风收音，通过降躁后的语音信号会在智能眼镜的扬声器播放输出。在电话通信期间，移动移动智能终端可放在袋内或桌上，空出的双手可做其他用途。另外移动移动智能终端的全球定位系统(gps)会提供位置信息作为位置定位。
52.步骤s32，根据所述九轴传感数据计算佩戴者的姿态指标参数。
53.移动智能终端将从智能眼镜的无线通信模块1实时传送的九轴传感数据(即ax,ay,az；gx,gy,gz；mx,my,mz)进行存储，并基于九轴传感数据通过人工智能管家app作跑步
指标计算、姿势监测和提醒。跑步指标包括配速、距离、步数、头部左右平衡、步数、步距和步频等等。
54.其中，姿态指标参数包括运动指标参数和静态姿势指标参数，与此对应的是，移动智能终端具有第一工作模式和第二工作模式，第一工作模式用于实现运动状态下的人工智能运动教练，第二工作模式用于实现静止状态下的人工智能姿势护理。人工智能运动教练和人工智能姿态护理均为安装在移动智能终端上的人工智能管家app。
55.步骤s33，当计算出的姿态指标参数满足预置的提醒条件时，向所述智能眼镜输出与所述姿态指标参数相对应的提醒信息。
56.由九轴传感数据、gps数据通过人工智能管家app计算出来的跑步指标会实时显示在移动智能终端和通过蓝牙在智能眼镜的音频装置2实时语音通知/提醒佩戴者。
57.在第一工作模式下，运行人工智能运动教练的应用程序，移动智能终端判断运动指标参数是否满足预置的运动状态下的提醒条件，若是，则向智能眼镜输出与姿态指标参数相对应的运动状态下的提醒信息。在此工作模式下，移动智能终端还用于生成具有预置跑步频率的音频信号，并发送至无线通信模块1，由无线通信模块1控制音频装置2输出，以便佩戴者在预置频率的声响节奏中进行跑步训练。并且，佩戴者可自定义跑步指标，移动智能终端会计算佩戴者现在的跑步指标，定时通过无线通信模块1、音频装置2用语音提醒佩戴者加速或减速。
58.在第二工作模式下，运行人工智能姿态护理的应用程序，移动智能终端判断所述静止姿势指标参数是否满足预置的静止状态下的提醒条件，若是，则向智能眼镜输出与静止姿势指标参数相对应的静止状态下的提醒信息。
59.下面将第一工作模式下的人工智能运动教练应用程序app和第二工作模式下人工智能姿势护理应用程序app的具体算法予以详细描述。
60.如图4所示，在第一工作模式下，移动智能终端通过运行人工智能运动教练应用程序app从九轴传感数据中得到运动指标参数，即上述步骤s32包括：
61.步骤s3211，将佩戴者坐直或站直时的各类头部倾斜角度作为起始的直立标准角度。
62.本步骤的目的是为后续各个姿态指标参数的计算提供统一的参考基准，减小误差，确保精确计算。如图5所示，校准时需要佩戴者保持“坐直”或“站直”的姿势不动，如果对后续各姿态指标参数不要求太精确的话，也可以选择跳过此校准步骤。
63.校准原理如图6所示，需要计算出头部横摆倾斜角度、头部俯仰角度、头部左右选择角度，算法如下：
64.头部横摆倾斜角度头部横摆倾斜角度为起初横摆校准角度
65.起初横摆校准角：
66.横摆角：
67.头部横摆倾斜角度：
68.类似地，头部俯仰角度：
69.头部左右旋转角度：ω＝(g
y
(t1)-g
y
(t0))*(t
1-t0)。
70.步骤s3212，实时接收所述九轴传感数据，并以所述起始的直立标准角度为参考基准，根据所述九轴传感数据计算得到当前时刻的各项运动参数值以及前一时刻的各项运动参数值，并结合当前时刻的经纬度坐标、前一时刻的经纬度坐标，计算出从前一时刻到当前时刻的各项运动参数差值，同时判断佩戴者当前的运动状态。
71.需要说明的是，每一个时刻的运动参数值都是以上述直立标准角度为参考基准的相对值。本步骤需要计算出当前时刻t与前一时刻t-1的时间差值δt、当前时刻t与前一时刻t-1的运动距离差值δd、当前时刻t与前一时刻t-1的运动步数差值δstep，计算方法如下：
72.δt，δd，δstep计算：
73.δt(t)＝t(t)-t(t-1)
74.δd＝d(t)-d(t-1)
75.δstep＝step(t)-step(t-1)
76.(单位：米)
[0077][0078]
备注：lat(t)and long(t)是在时间点t时gps纬度和经度座标。
[0079]
具体计算时，如图7所示，还需要根据监测到佩戴者当时的状态把输出数据分到不同算法处理，即:
[0080]
1、当算法监测到佩戴者是在静止状态(即“0”)时，输出数据δt、δd、δstep至下一步骤的静止处理算法进行纠偏。
[0081]
2、当算法监测到佩戴者是在步行状态(即“1”)时，输出数据δt、δd、δstep至下一步骤的走路处理算法进行纠偏。
[0082]
3、当算法监测到佩戴者是在跑步状态(即“2”)时，输出数据δt、δd、δstep至下一步骤的跑步处理算法进行纠偏。
[0083]
步骤s3213，根据佩戴者当前的运动状态，将所述各项运动参数差值分流至对应的纠偏算法进行处理，得到纠偏后的各项运动参数差值。
[0084]
一般情况下，上一步骤计算出来的δt、δd、δstep在gps信号正确时是没有问题的，但gps信号有时会在瞬间移动很快和很远，因此需要纠正gps信号计算出来的δt、δd、δstep数值。
[0085]
如图8所示，对于静止处理算法，直接认为δt、δd、δstep均为0。
[0086]
对于走路处理算法，首先根据δd与δt计算出当前时刻的速度v(t)，然后判断v(t)是否大于最快步行速度，若是，则将此时的δd纠正为δt(t)与前一时刻的速度v(t-1)的乘积。
[0087]
对于跑步处理算法，首先根据δd与δt计算出当前时刻的速度v(t)，然后判断v(t)是否大于最快跑步速度，若是，则将此时的δd纠正为δt(t)与前一时刻的速度v(t-1)
的乘积。
[0088]
步骤s3214，根据纠偏后的各项运动参数差值计算佩戴者的若干瞬间运动指标。
[0089]
本技术实施例的瞬间运动指标的计算公式如下：
[0090]
(米/秒)
[0091]
(分钟/千米)
[0092]
(步/分钟)
[0093]
(米/步)。
[0094]
步骤s3215，对于每一项所述瞬间运动指标，将当前时刻的参数值与前一时刻的参数值按照预置的权重进行加权计算，得到加权后的各项瞬间运动指标。
[0095]
本技术实施例中，瞬间运动指标与该指标在当前时刻与前一时刻的参数值相关，算法如下：
[0096]
v
i
(t)＝α
*
v
i
(t) (1-α)*v
i
(t-1)
[0097]
p
i
(t)＝α
*
p
i
(t) (1-α)*p
i
(t-1)
[0098]
c
i
(t)＝β
*
c
i
(t) (1-β)*c
i
(t-1)
[0099]
s
i
(t)＝γ
*
s
i
(t) (1-γ)*s
i
(t-1)
[0100]
权重值：0≤α，β，γ≤1
[0101]
步骤s3216，将在预置时长内计算得到的各个时刻加权后的各项瞬间运动指标进行均值运算，得到平滑的各项运动平均值，作为所述各项运动指标参数。
[0102]
本技术实施例的数据平滑计算公式如下：
[0103]
速度：
[0104]
配速：
[0105]
步频：
[0106]
步幅：
[0107]
其中，n表示需要计算的时刻的个数。
[0108]
至此，得到需要的各项运动指标参数，可以进一步判断运动指标参数是否满足预置的运动状态下的提醒条件，若是，则向智能眼镜输出与姿态指标参数相对应的运动状态下的提醒信息。其中，提醒条件支持佩戴者自定义速度、配速、步频、步幅等运动指标，例如，当判断出佩戴者步频过低、步幅过小或者跑步速度过快，可以进行提醒，帮助佩戴者进行科
学的运动。
[0109]
如图9所示，在第二工作模式下，移动智能终端通过运行人工智能姿态护理应用程序app从九轴传感数据中得到静止姿势指标参数，即上述步骤s32还包括：
[0110]
步骤s3221，在第二工作模式下，将佩戴者坐直或站直时的各类头部倾斜角度作为起始的直立标准角度。
[0111]
此步骤原理与上述步骤s3211相同，不再赘述。
[0112]
步骤s3222，实时接收所述九轴传感数据，并以所述起始的直立标准角度为参考基准，根据所述九轴传感数据计算佩戴者的各类头部或身体静止姿势，并在各类头部或身体静止时的倾斜角度达到预置的倾斜指标时作为一次有效的伸展动作。
[0113]
每一个时刻的头部或身体静止时的倾斜角度都是以上述直立标准角度为参考基准的相对值。如果倾斜角度没有达到倾斜指标，则认为是佩戴者的暂时姿势，无需提醒。另外，第二工作模式下也可实时计算佩戴者深蹲的次数。
[0114]
作为一种实现方式，人工智能姿态护理应用程序app会把头部或身体姿势分成若干等级，例如：
[0115]
第1级：直立(upright)，即姿势正确；
[0116]
第2级：轻微(slight)，即姿势轻微偏差；
[0117]
第3级：严重(serious)，即姿势偏差严重；
[0118]
第4级：恶劣(severe)，即姿势偏差最严重。
[0119]
计算出的各类头部或身体静止时的倾斜角度之后，再归类至对应的等级。
[0120]
步骤s3223，判断有效动作的持续时长是否大于预置的持续时长，若是，则认为满足提醒条件。
[0121]
当佩戴者长期颈部或坐姿不正确，人工智能护理员会通过智能眼镜用语音即时温馨提醒佩戴者。
[0122]
当有头部或身体姿势有等级划分时，还可以进一步设置每一个等级对应的预置的持续时长，例如，轻微(slight)可以设置允许稍微长一些的持续时长，而恶劣(severe)则需要设置最短的持续时长。人工智能姿态护理应用程序app通过智能眼镜长时间数据收集并在移动智能终端学习佩戴者姿势，并提醒和纠正佩戴者使用正确姿势。
[0123]
在第二工作模式下，移动智能终端还可以通过智能眼镜定时提醒佩戴者饮水、做头/颈部和身体伸展运动或深蹲活动，以保持佩戴者身体健康。
[0124]
进一步地，在第二工作模式下，上述步骤s32还可以包括：在第二工作模式下根据计算得到的不同的头部倾斜角度，输出相应等级的提醒方式至所述无线通信模块。通过设置不同的提醒方式也有助于达到较佳的提醒效果。
[0125]
本技术第三实施例还提供了一种监控人体姿态的装置，如图10所示，包括
[0126]
接收模块101，用于基于无线通信协议与所述智能眼镜通信，接收来自所述智能眼镜的九轴传感数据；
[0127]
计算模块102，用于根据所述九轴传感数据计算佩戴者的姿态指标参数；
[0128]
提醒模块103，用于当计算出的姿态指标参数满足预置的提醒条件时，向所述智能眼镜输出与所述姿态指标参数相对应的提醒信息。
[0129]
在本技术实施例中，上述接收模块101、计算模块102、对比度模块803、提醒模块
103分别与上文第二实施例中描述的步骤相似，计算模块102又具有第一个工作模式和第二工作模式，具体可以第二实施例相关内容，此处不做赘述。
[0130]
参照图11，本技术第四实施例还提供了一种移动智能终端，包括：存储器111、处理器112及存储在存储器111上并可在处理器112上运行的计算机程序，处理器112执行所述计算机程序时，实现第二实施例中所述的监控人体姿态的方法。
[0131]
可选地，存储器111既可以是独立的，也可以跟处理器112集成在一起。
[0132]
当存储器111独立设置时，该设备还包括总线113，用于连接存储器111和处理器112。
[0133]
本技术第五实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现第二实施例中所述的监控人体姿态的方法。
[0134]
本技术第六实施例还提供一种智能眼镜系统，如图12所示，包括：如第一实施例所述的智能眼镜和如第四实施例所述的移动智能终端。
[0135]
进一步地，还可以包括一云端智能设备，用于与所述移动智能终端交互，用于统计分析佩戴者的运动指标参数，还用于结合其他移动智能终端的运动指标参数向所述移动智能终端提供参考建议。例如，当云端智能设备发现其他的移动智能终端上用户设定的运动指标更为合理时，可以向所述移动智能终端建议，提醒用户重新设定。
[0136]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0137]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
[0138]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0139]
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器(英文：processor)执行本技术各个实施例所述方法的部分步骤。
[0140]
应理解，上述处理器可以是中央处理单元(英文：central processing unit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digital signal processor，简称：dsp)、专用集成电路(英文：application specific integrated circuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软
件模块组合执行完成。
[0141]
存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。
[0142]
总线可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。
[0143]
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0144]
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(application specific integrated circuits，简称：asic)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
[0145]
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0146]
以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本技术的保护范围之内。