图像检测方法、装置及电子设备与流程

1.本公开涉及图像处理技术领域，尤其涉及图像检测技术领域，具体涉及一种图像检测方法、装置及电子设备。


背景技术：

2.随着人工智能和网络技术的高速发展，图像作为信息传播的方式得到了广泛的应用，用户可以通过上传图像来进行信息传播。
3.目前，对于图像的检测方式，通常是在自适应显示图像内容的基础上对图像内容进行识别并检测，若机器无法识别图像内容时，则进行人工检测。


技术实现要素：

4.本公开提供了一种图像检测方法、装置及电子设备。
5.根据本公开的第一方面，提供了一种图像检测方法，包括：
6.获取待检测图像；
7.获取所述待检测图像的图像特征和宽高比特征中的至少一项；
8.基于所述图像特征和所述宽高比特征中的至少一项，对所述待检测图像进行异常检测。
9.根据本公开的第二方面，提供了一种图像检测装置，包括：
10.第一获取模块，用于获取待检测图像；
11.第二获取模块，用于获取所述待检测图像的图像特征和宽高比特征中的至少一项；
12.检测模块，用于基于所述图像特征和所述宽高比特征中的至少一项，对所述待检测图像进行异常检测。
13.根据本公开的第三方面，提供了一种电子设备，包括：
14.至少一个处理器；以及
15.与至少一个处理器通信连接的存储器；其中，
16.存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
17.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面中的任一项方法。
18.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面中的任一项方法。
19.根据本公开的技术，基于待检测图像的图像特征和宽高比特征中的至少一项，确定待检测图像是否异常，能够更准确的识别图像中的异常内容，和/或，有利于筛查出尺寸异常的图像，提高图像检测的准确性和效率。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特
征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1是根据本公开第一实施例的图像检测方法的流程示意图；
23.图2是根据本公开第二实施例的图像检测装置的结构示意图；
24.图3是用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
25.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
26.第一实施例
27.如图1所示，本公开提供一种图像检测方法，包括如下步骤：
28.步骤s101：获取待检测图像。
29.本实施例中，图像检测方法涉及图像处理技术领域，尤其涉及图像检测技术领域，其可以广泛应用于图像审核、图像隐藏、人工智能(artificial intelligence，ai)安全等诸多场景。本公开实施例的图像检测方法，可以由本公开实施例的图像检测装置执行。本公开实施例的图像检测装置可以配置在任意电子设备中，以执行本公开实施例的图像检测方法。该电子设备可以为服务器，也可以为终端，这里不做具体限定。
30.待检测图像可以是各种格式的图像，比如jpg格式、png格式、bmp等静态图像，又比如gif格式等动态图像，还比如静态图像与视频结合的live photo，这里不进行具体限定。待检测图像可以是各种尺寸的图像，比如宽高比为1:1的正方形图像，又比如宽高比为4:3、16:9或7:5的长方形图像，还比如其他形状不规则图像，这里不进行具体限定。
31.待检测图像可以通过摄像机拍摄获取，也可以是接收获取，比如接收用户设备或其他电子设备发送的图片文件，还可以获取预先存储的该待检测图像，具体可以根据实际情况进行设定，这里不进行具体限定。
32.在一可选实施方式中，在获取待检测图像后，可以进行预检测，具体可以确定待检测图像是否存在形式异常，形式异常的情况可以包括但不限于图像无法下载、展示不全、系统审核接口直接报错等，具体预检测的过程可以参照相关技术的说明，这里不进行具体阐述。可以理解的是，本实施例中，待检测图像可以视为预检测通过的图像。
33.步骤s102：获取待检测图像的图像特征和宽高比特征中的至少一项。
34.本步骤中，可以仅获取待检测图像的图像特征，也可以仅获取待检测图像的宽高比特征，还可以获取待检测图像的图像特征和宽高比特征。
35.待检测图像的图像特征可以从多个维度确定，比如待检测图像的内容特征、颜色特征、纹理特征、形状特征或空间关系特征。内容特征是指可以描述图像中具体内容，如文字内容或对象内容的特征；颜色特征是指可以描述图像或图像区域的色彩的特征，颜色特征可以基于图像的像素点确定；纹理特征是指可以描述图像或图像区域的表面性质；形状
特征可以包括轮廓特征和区域特征中的至少一种，轮廓特征是指可以描述图像或图像中对象的外边界的特征，区域特征是指可以描述图像或图像中的对象的形状区域的特征；空间关系特征是指可以描述图像中的多个对象之间的空间位置或相对方向关系。
36.待检测图像的图像特征的获取方式有多种，具体可以根据图像特征的具体种类确定。比如，若待检测图像的图像特征包括颜色特征，可以通过提取图像中各像素点的颜色获取待检测图像的颜色特征，又比如，若待检测图像的图像特征包括轮廓特征，可以通过边界特征法或傅里叶形状描述法获取待检测图像的轮廓特征，还比如，若待检测图像的图像特征包括区域特征，可以通过卷积处理或其他机器学习处理获取待检测图像的区域特征。可以理解的是，待检测图像的图像特征的获取方式并不限于此，具体可以根据实际情况进行设定，具体获取方式可以参照相关技术的说明，这里不进行具体阐述。
37.待检测图像的宽高比特征是指待检测图像的宽度与高度两个数值之间的比例关系，可以包括宽高比，即宽度/高度的值，也可以包括高宽比，即高度/宽度的值，这里不进行具体限定。
38.待检测图像的宽高比特征可以通过对待检测图像的宽度和高度进行测量后计算获取。
39.步骤s103：基于图像特征和宽高比特征中的至少一项，对待检测图像进行异常检测。
40.本步骤中，可以基于图像特征，对待检测图像进行异常检测。图像特征可以描述待检测图像的图像特点，以便于从图像特点分析得到待检测图像的内容特点，相比人工审核，能够更准确地捕捉待检测图像中的异常内容，进而确定待检测图像是否异常。在一可选实施方式中，可以基于待检测图像的图像特征，确定待检测图像中的有效内容并进行检测，以确定待检测图像是否异常。
41.也可以基于宽高比特征，对待检测图像进行异常检测。宽高比特征可以描述图像的尺寸特点，以便于从尺寸特点分析确定待检测图像是否异常。在一可选实施方式中，若待检测图像的宽高比特征表征待检测图像的尺寸异常，比如宽高比或高宽比的值悬殊，又比如待检测图像的宽高比无法获取，可以确定待检测图像的尺寸异常，进而确定待检测图像异常。
42.还可以结合图像特征和宽高比特征，对待检测图像进行异常检测。在一可选实施方式中，在确定待检测图像的宽高比特征存在异常的情况下，再基于待检测图像的图像特征进行进一步检测，能够避免误查尺寸不同于常规但图像内容无异常的图像，提高检测的准确性，降低差错率。
43.本实施例中，基于待检测图像的图像特征和宽高比特征中的至少一项，对所述待检测图像进行异常检测，其中，图像特征能够更准确地反映图像内容的特征，进而能够更准确识别待检测图像中的异常内容，宽高比特征有利于筛查出尺寸异常的图像，上述两者单独或结合能够提高图像检测的准确性和效率。此外，该检测方法不会被待检测图像的显示方式所局限，也就是说，无论待检测图像是自适应显示为局部图像，还是以缩略的形式显示为全部图像，无需人工检测，均可以通过获取待检测图像的图像特征和宽高比特征中的至少一项，对待检测图像进行异常检测，应用场景更加广泛，也降低了在缩略显示待检测图像时的图像检测难度，提高了检测准确性。
44.可选的，步骤s103具体包括：
45.在待检测图像的宽高比大于第一宽高比阈值的情况下，基于图像特征，对待检测图像进行异常检测。
46.本实施方式中，在确定待检测图像的宽高比大于第一宽高比阈值的情况下，可以确定待检测图像为长图，之后，再基于待检测图像的图像特征，对待检测图像进行异常检测，确定该长图中是否存在异常内容。
47.其中，第一宽高比阈值可以设定为5或6或10，这里不进行具体限定。
48.待检测图像的宽高比大于第一宽高比阈值的情况，可以是待检测图像的宽度/高度的值大于第一宽高比阈值，即待检测图像为横向的长图，若该待检测图像中存在异常内容，则异常内容可能存在于待检测图像的左端或右端的端部区域。待检测图像的宽高比大于第一宽高比阈值的情况，也可以是待检测图像的高度/宽度的值大于第一宽高比阈值，即待检测图像为竖向的长图，若该待检测图像中存在异常内容，则异常内容可能存在于待检测图像的顶端或底端的端部区域。后续基于待检测图像的图像特征，对待检测图像进行异常检测时，可以重点关注各端部区域是否存在异常内容。
49.本实施方式中，通过在待检测图像的宽高比大于第一宽高比阈值的情况下，基于图像特征，对待检测图像进行异常检测。可以针对将异常内容隐藏在长图中规避检测的情况，有效筛选可能隐藏有异常内容的长图，进而基于图像特征对该长图进行异常检测，使得图像检测的覆盖更加广，检测效率和准确性均得到提高。
50.可选的，步骤s103具体包括：
51.在待检测图像的宽高比大于第一宽高比阈值，且待检测图像的宽度大于宽度阈值的情况下，基于图像特征，对待检测图像进行异常检测；或者，
52.在待检测图像的宽高比大于第一宽高比阈值，且待检测图像的长度大于长度阈值的情况下，基于图像特征，对待检测图像进行异常检测。
53.本实施方式中，在满足以下两个条件的前提下，可以确定待检测图像异常：条件一，待检测图像的宽高比大于第一宽高比阈值；条件二，待检测图像的宽度大于宽度阈值，或者待检测图像的长度大于长度阈值。
54.其中，条件一可以参照上述实施方式中的相关说明，在这里不再赘述。
55.条件二对待检测图像的宽度或长度作进一步限定，可以避免将尺寸较小但宽高比大于第一宽高比阈值的图像确定为异常图像。进一步提高图像检测的准确性。
56.可选的，图像特征包括图像区域特征，基于图像特征，对待检测图像进行异常检测，包括：
57.在图像区域特征表征目标图像区域在待检测图像中的占比大于占比阈值，且图像区域特征表征目标图像区域在待检测图像的预设区域的情况下，确定待检测图像异常，目标图像区域内的图像内容相匹配。
58.本实施方式中，图像区域特征用于描述待检测图像的区域特征，可以包括各区域的特征以及各区域之间的位置关系等。
59.在一可选实施方式中，在满足以下三个条件的情况下，可以确定待检测图像异常：条件一，待检测图像的宽高比大于第一宽高比阈值；条件三，图像内容特征表征目标图像区域在待检测图像中的占比大于占比阈值；条件四，图像区域特征表征目标图像区域在待检
测图像的预设区域。
60.其中，条件一可以参照上述实施方式中的相关说明，在这里不再赘述。
61.条件三和条件四中的目标图像区域是指待检测图像中除有效图像内容之外的图像区域，也可以称之为无意义区域，其没有实质性的图像内容。
62.目标图像区域内的图像内容相匹配可以包括但不限于以下任一项：
63.第一项，目标图像区域内的图像内容为纯色图像，具体是指目标图像区域内的图像内容仅为单一纯色图像或者多个单一纯色图像的组合，比如目标图像区域为纯白色或纯黑色；
64.第二项，目标图像区域内的图像内容为同一个图像内容的重复内容，具体是指目标图像区域内的图像内容为多个同一图像内容复制而成，比如目标图像区域为由100个相同的小树图案拼接而成。
65.条件三中，占比阈值可以为85％或90％或95％，这里不进行具体限定。
66.在确定待检测图像为长图的前提下，若目标图像区域在待检测图像中的占比超过占比阈值，说明待检测图像中有效图像区域占比很小，通常不是正常图像。再结合条件三，若目标图像区域位于待检测图像中的预设区域，可以确定待检测图像异常。比如，目标图像区域全部位于待检测图像的下方，即有效图像内容仅位于待检测图像的顶端的一较小区域，又比如，目标图像区域全部位于待检测图像的上方，即有效图像内容仅位于待检测图像的底端的一较小区域，又比如，目标图像区域全部位于待检测图像的右方，即有效图像内容仅位于待检测图像的左端的一较小区域，还比如，目标图像区域全部位于待检测图像的左方，即有效图像内容仅位于待检测图像的右端的一较小区域。
67.在具体实现过程中，判断条件三的方式可以通过提取待检测图像中各像素点的像素值，以目标图像区域为纯色为例，当某一颜色的像素值占待检测图像的像素值的比值大于占比阈值，可以确定满足条件二。
68.判断条件四的方式可以通过检测待检测图像中各区域之间的颜色相似性，以确定目标图像区域以及目标图像区域在待检测图像中的位置。
69.需要说明的是，条件一、条件二和条件三的判断可以并行处理，也可以串行处理，且各条件之间的判断顺序并不作限定。
70.在一可选实施方式中，在满足以下四个条件的情况下，可以确定待检测图像异常：条件一，待检测图像的宽高比大于第一宽高比阈值；条件二，待检测图像的宽度大于宽度阈值，或者待检测图像的长度大于长度阈值；条件三，图像内容特征表征目标图像区域在待检测图像中的占比大于占比阈值；条件四，图像区域特征表征目标图像区域在待检测图像的预设区域。
71.其中，条件一、条件二、条件三和条件四可以参照上述实施方式中的相关说明，在这里不再赘述。需要说明的是，条件一、条件二、条件三和条件四的判断可以并行处理，也可以串行处理，且各条件之间的判断顺序并不作限定。
72.本实施方式中，在确定待检测图像为长图的前提下，基于目标图像区域的占比特性和位置特性，确定长图中是否存在隐藏异常内容的可能性，进而确定待检测图像是否异常。这样能够避免误查正常的长图，进一步提供检测效率和准确性。
73.可选的，图像区域特征通过以下方式获取：
74.对待检测图像中的m个检测区域进行卷积处理，得到m个检测区域的m个区域特征信息，m为大于1的整数；
75.基于m个区域特征信息，确定图像区域特征。
76.本实施方式中，m个检测区域可以通过预先对待检测图像进行划分得到，也可以在进行卷积处理时，通过滑动窗口所框选的区域，滑动窗口的尺寸、滑动方向与滑动步长可以预先设定，比如，滑动窗口的尺寸可以为7mm*7mm，滑动方向可以为先沿水平方向滑动，在完成一行滑行后，再沿垂直方向滑动至下一行，也就是说，自待检测图像的顶端至底端，一行一行滑行。具体可以根据实际情况进行设定，在这里不作具体限定。
77.将m个检测区域依次输入预先训练好的卷积神经网络中进行卷积处理，可以得到m个检测区域的m个区域特征信息，进而确定待检测图像整体的图像区域特征。需要说明的是，卷积处理的具体流程可以参照相关技术的说明，在这里不再赘述。
78.在一可选实施方式中，若基于m个检测区域的m个区域特征信息，确定m个检测区域中的n个区域相连，且该n个区域的n个区域特征信息相似度较高，可以确定该n个区域为目标图像区域。
79.本实施方式中，基于对待检测图像中各区域的图像进行卷积处理，以提取各区域的区域特征信息，以确定待检测图像的图像区域特征，卷积处理得到的区域特征信息可以描述图像区域的内容特征和位置特征，能够进一步提高图像检测的准确性。
80.可选的，步骤s103具体包括：
81.在待检测图像的宽高比大于第二宽高比阈值的情况下，确定待检测图像异常。
82.本实施方式中，第二宽高比阈值大于第一宽高比阈值，在一可选实施方式中，第二宽高比阈值远大于第一宽高比阈值。比如，第二宽高比阈值可以设定为50或80或100,，这里不作具体限定。
83.本实施方式中，在待检测图像的宽高比大于第二宽高比阈值的情况下，可以确定待检测图像为超长图，其尺寸已经远超于常规长图的尺寸，可以直接确定待检测图像异常，以提高图像检测的效率。
84.可选的，步骤s101具体包括：
85.获取待检测图像的字节流，并基于字节流确定待检测图像的文件格式；
86.步骤s102具体包括：
87.在字节流表征待检测图像为预设文件格式的情况下，获取待检测图像中的预设帧图像的图像特征和宽高比特征中的至少一项。
88.本实施方式中，针对将异常内容隐藏在动态图片文件中的某一帧图像中规避检测的情况，可以通过将待检测图像中的预设帧图像确定为待检测帧图像，以获取其图像特征和宽高比特征中的至少一项。
89.字节流是指待检测图像的二进制数据流，通常图片文件的字节流的头部会存储有表征图片文件格式的字节信息，比如，gif图片的字节流的前5个字节信息为“gif89a”或者“gif87a”，分别对应的16进制数据为“4749 46 38 39 61”或者“47 49 46 38 37 61”。
90.预设文件格式可以为gif格式，待检测图像为gif格式的动态图像，此时，预设帧可以为待检测图像的第一帧或最后一帧，也可以将待检测图像的每一帧均确定为预设帧，对每一帧图像均获取图像特征和宽高比特征中的至少一项，以检测是否异常。预设文件格式
也可以为静态图像格式，比如jpg格式、bmp格式或png格式，此时，预设帧即为静态图像本身。
91.本实施方式中，通过待检测图像的字节流可以确定待检测图像的文件格式，并基于不同的格式类型，可以确定具体提取图像特征和/或宽高比特征的帧图像，有效筛选各文件格式中可能隐藏有异常内容的图像，进一步拓宽图像检测的覆盖范围，进一步提高检测效率和准确性。
92.为方便理解，下面介绍本公开的一示例，具体流程如下：
93.步骤一，接收用户设备发送的待检测图像。
94.先对待检测图像进行预检测，过滤掉形式异常的图像，形式异常包括图片无法下载、展示不全、检测接口直接报错等，之后开始正式检测。
95.步骤二，待检测图像的格式判断。
96.解析待检测图像的二进制数据流的前5个字节信息。若前5个字节信息为“gif89a”或者“gif87a”，分别对应的16进制数据为“47 49 46 38 39 61”或者“47 49 46 38 37 61”，确定待检测图像为gif格式，则提取待检测图像的第一帧；若前5个字节信息不为“gif89a”或者“gif87a”，则确定待检测图像为静态图像格式，则直接获取待检测图像。
97.步骤三，判断待检测图像是否异常。
98.判断待检测图像的宽高比是否大于5且宽度大于2560或者高度大于1600，若大于5且宽度大于2560或者高度大于1600，则判断待检测图像中目标图像区域(无意义区域)的占比是否超过90％，以及目标图像区域(无意义区域)是否位于待检测图像的下方。若上述条件均满足，则确定待检测图像异常，继续执行步骤四，若有一个条件不满足，则执行步骤五。
99.步骤四，常规检测。
100.在确定待检测图像异常的情况下，将待检测图像输入常规审核平台进行删除、删帖或者账号封禁等处置操作，无缝接入原审核流程。
101.步骤五，无异常，检测通过。
102.第二实施例
103.如图2所示，本公开提供一种图像检测装置200，包括：
104.第一获取模块201，用于获取待检测图像；
105.第二获取模块202，用于获取待检测图像的图像特征和宽高比特征中的至少一项；
106.检测模块203，用于基于图像特征和宽高比特征中的至少一项，对待检测图像进行异常检测。
107.可选的，检测模块203包括：
108.第一检测单元，用于在待检测图像的宽高比大于第一宽高比阈值的情况下，基于图像特征，对待检测图像进行异常检测。
109.可选的，第一检测单元具体用于：
110.在待检测图像的宽高比大于第一宽高比阈值，且待检测图像的宽度大于宽度阈值的情况下，基于图像特征，对待检测图像进行异常检测；或者，
111.在待检测图像的宽高比大于第一宽高比阈值，且待检测图像的长度大于长度阈值的情况下，基于图像特征，对待检测图像进行异常检测。
112.可选的，图像特征包括图像区域特征，检测模块203包括：
113.第二检测单元，用于在图像区域特征表征目标图像区域在待检测图像中的占比大于占比阈值，且图像区域特征表征目标图像区域在待检测图像的预设区域的情况下，确定待检测图像异常，目标图像区域内的图像内容相匹配。
114.可选的，图像区域特征通过以下方式获取：
115.对待检测图像中的m个检测区域进行卷积处理，得到m个检测区域的m个区域特征信息，m为大于1的整数；
116.基于m个区域特征信息，确定图像区域特征。
117.可选的，检测模块203包括：
118.第三检测单元，用于在待检测图像的宽高比大于第二宽高比阈值的情况下，确定待检测图像异常。
119.可选的，第一获取模块201包括：
120.第一获取单元，用于获取待检测图像的字节流，并基于字节流确定待检测图像的文件格式；
121.第二获取模块202包括：
122.第二获取单元，用于在字节流表征待检测图像为预设文件格式的情况下，获取待检测图像中的预设帧图像的图像特征和宽高比特征中的至少一项。
123.本公开提供的图像检测装置200能够实现图像检测方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
124.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
125.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
126.图3示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
127.如图3所示，设备300包括计算单元301，其可以根据存储在只读存储器(rom)302中的计算机程序或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序，来执行各种适当的动作和处理。在ram 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
128.设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
129.计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工
智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如图像检测方法。例如，在一些实施例中，图像检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到ram 303并由计算单元301执行时，可以执行上文描述的图像检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像检测方法。
130.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
131.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
132.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
133.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
134.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
135.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
136.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
137.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。