一种滑雪场目标影像生成方法、系统和服务器与流程

1.本技术一般涉及自动拍摄技术领域，具体涉及一种滑雪场目标影像生成方法、系统和服务器。


背景技术：

2.随着科技的发展，在室内滑雪场中，滑雪者往往希望对于滑雪的过程进行全程拍摄，随着视频采集系统自动化水平的提高，但是目前雪场的监控采用的摄像头都是固定安装的，对于动态人物的运动过程进行拍摄与保存已经可以实现简单的拍摄。
3.但是由于滑雪运动的特殊性，对于滑雪人员的装备采用手套、面罩、头盔等遮挡，导致目标的识别精度降低，抗干扰能力差。另外，在滑雪场馆内，一般提供统一的服装，导致特征的识别难度增大。在具体执行时，还存在多目标产生的干扰。
4.因此，如何消除滑雪场自动拍摄的干扰成为亟待解决的问题。


技术实现要素：

5.鉴于现有技术中的上述缺陷或不足，期望提供一种滑雪场目标影像生成方法、系统和服务器，可以实现滑雪场的目标拍摄剪辑，提高抗干扰能力。
6.第一方面，本技术提供了一种拍摄滑雪场目标影像生成方法，包括：
7.在接收到拍摄指令后，通过第一拍摄设备获取包含多个拍摄目标的全时初始影像；
8.基于所述全时初始影像生成所述拍摄目标的识别特征，所述识别特征包括形体特征、色彩特征和附加特征中的至少一种；
9.基于多个所述拍摄目标对应的所述识别特征构建目标特征库；
10.通过拍摄剪辑设备对于拍摄目标的滑雪过程进行实时拍摄，实时获取包含剪辑目标的第一视频，所述剪辑目标为所述多个拍摄目标中的一个；
11.基于所述目标特征库中的所述识别特征，通过分类器检测所述第一视频中的各个所述拍摄目标；
12.基于所述第一视频，按照时间顺序，生成对应所述剪辑目标的第二视频。
13.进一步地，所述基于所述目标特征库中的所述识别特征，通过分类器检测所述第一视频图像中的各个所述拍摄目标，包括：
14.使用分类器对所述第一视频中的图像帧进行所述拍摄目标的检测，获得所述拍摄目标的检测结果；
15.根据所述拍摄目标的检测结果，为每个所述拍摄目标分配一个矩形框；
16.实时获取所述第一视频中的图像帧，通过每个拍摄目标对应的矩形框，分别对若干个拍摄目标同时进行拍摄。
17.进一步地，所述使用分类器对所述第一视频中的图像帧进行所述拍摄目标的检测，获得所述拍摄目标的检测结果，包括：
18.对所述第一视频中的当前帧图像进行特征提取，获得若干组图像特征参数；
19.通过分类器判断所述图像特征参数属于所述目标特征库中的任一识别特征的匹配系数；
20.判断其中一个所述匹配系数是否大于第一设定阈值；
21.若存在其中一个所述匹配系数大于第一设定阈值，则将所述匹配系数对应的所述图像特征参数的检测结果标记为该识别特征对应的拍摄目标；
22.若不存在其中一个所述匹配系数大于第一设定阈值，则将所述匹配系数对应的所述图像特征参数的检测结果标记为未匹配。
23.进一步地，所述方法还包括：
24.针对未匹配的所述图像特征参数与所述第一视频上一帧图像对应目标的矩形框进行相似度计算；
25.若所述相似度大于第二设定阈值，则将所述图像特征参数的检测结果标记为该矩形框对应的拍摄目标。
26.进一步地，所述方法还包括：
27.在接收到拍摄指令后，通过第二拍摄设备获取所述拍摄目标的鸟瞰视角特征；
28.基于鸟瞰剪辑设备对所述拍摄剪辑设备对应的位置进行鸟瞰视角的实时拍摄，实时获取包含若干个所述拍摄目标的第三视频；
29.基于所述鸟瞰视角特征，通过分类器检测所述第三视频中的各个所述拍摄目标；
30.根据所述第三视频中的拍摄目标，获取所述第一视频中未匹配的所述图像特征参数对应的拍摄目标。
31.进一步地，所述方法还包括：
32.预设多个拍摄剪辑设备对于所述剪辑目标的滑雪过程进行分段拍摄；
33.判断所述剪辑目标是否离开对应的拍摄剪辑设备的拍摄视野；
34.若离开，则停止对应的拍摄剪辑设备对离开视野的剪辑目标进行检测。
35.进一步地，所述按照时间顺序，生成对应单一拍摄目标的第二视频，包括：
36.实时地从每帧所述第一视频画面中截取包括所述剪辑目标在内的第二视频画面；
37.将截取的所述第二视频画面形成连续的第二视频。
38.进一步地，所述方法包括：
39.通过所述第二视频生成所述拍摄目标的运动特征，基于所述运动特征构建所述拍摄目标的运动特征库；
40.结合所述拍摄目标已建立的运动特征库和所述目标特征库中的所述识别特征，检测所述第一视频中的各个所述拍摄目标。
41.第二方面，本技术提供了一种滑雪场目标影像生成系统，用于执行如以上任一所述的方法，所述系统包括：
42.第一拍摄设备，设置在滑雪场入口，所述第一拍摄设备用于接收到拍摄指令后，获取拍摄目标的识别特征；
43.第二拍摄设备，用于接收到所述拍摄指令后，获取拍摄目标的鸟瞰视角特征；
44.多个鸟瞰剪辑设备，用于基于所述拍摄目标对应的鸟瞰视角特征对于获取的第三视频进行拍摄目标的识别；
45.多个拍摄剪辑设备，用于基于所述拍摄目标对应的识别特征对于所述拍摄目标进行拍摄并生成剪辑目标的第二影像。
46.第三方面，本技术提供了一种服务器，用于执行如以上任一所述的方法。
47.本技术的实施例提供的技术方案可以包括以下有益效果：
48.本技术实施例提供的滑雪场目标影像生成方法，通过对第一拍摄设备对于拍摄目标进行识别，并建立实时的目标特征库，方便在拍摄剪辑过程对于拍摄目标进行识别；通过第二拍摄设备获得鸟瞰视角特征，通过鸟瞰剪辑设备对于拍摄剪辑过程中进行辅助识别。通过本技术提供的能够准确完成对于滑雪人员的全部滑雪过程进行拍摄并进行自动剪辑，可以防止发生跟丢目标的现象，无多目标干扰的问题，提高识别的鲁棒性。
附图说明
49.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
50.图1为本技术的实施例提供的一种滑雪场目标影像生成方法的流程图；
51.图2为本技术的实施例提供的检测第一视频图像中的各个所述拍摄目标方法的流程图；
52.图3为本技术的实施例提供的一种获得所述拍摄目标的检测结果方法的流程图；
53.图4为本技术的实施例提供的一种处理方式的流程图；
54.图5为本技术的实施例提供的另一种处理方式的流程图；
55.图6为本技术的实施例提供的一种滑雪场目标影像生成系统的布置示意图；
56.图7示出了适于用来实现本技术实施例的服务器的计算机系统的结构示意图。
具体实施方式
57.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
58.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
59.请详见图1，本技术提供了一种滑雪场目标影像生成方法，包括：
60.s02、在接收到拍摄指令后，通过第一拍摄设备获取拍摄目标的全时初始影像。
61.在本技术实施例中，第一拍摄设备设置在滑雪场入口位置，或者设置在滑雪道的出发位置，用于对入口位置或者出发位置进行全时拍摄。在本技术实施例中，第一拍摄设备的数量可以为一个或者多个，本技术对此并不限制。当然，多个第一拍摄设备可以设置不同的拍摄角度，可以方便从不同角度获取拍摄对象的识别特征。
62.s04、基于所述全时初始影像生成所述拍摄目标的识别特征，所述识别特征包括形体特征和色彩特征。
63.其中，在所述步骤s04中，所述识别特征包括形体特征、色彩特征和附加特征中的至少一种；本技术实施例中的形体特征不仅包括身高等整体特征，还可以包括分离出人体动态轮廓、头部、手部、脚部信息并将图像信息进行分块特征提取获得的部位结构特征。本
申请实施例中的色彩特征包括拍摄目标整体的色彩综合特征，还包括分离出人体动态轮廓、头部、手部、脚部等部分位置的色彩信息等。
64.在本技术实施例中的识别特征还包括附加特征，当然，对于滑雪人员来说，通常有效的附加特征还包括：目标的背包、衣服、帽子、眼镜等个体特征以及衣服上的号码、文字等，用于将目标和其它目标区分开来，从而准确地得到目标的识别特征。
65.但是，还存在一些特殊的情况，对于滑雪场的提供的服装，多数情况下会风格统一，包括服装大小一致，颜色一致等。因此，在拍摄剪辑过程中会出现一些由于识别外部形体特征导致目标混淆，也就是无法将多个目标中区分出拍摄目标。这还与目标处于运动中，进一步增加了形体特征、色彩特征和附加特征的识别难度。
66.s06、基于多个拍摄目标对应的所述识别特征构建目标特征库。
67.在本技术实施例中，目标特征库中是通过形成对于该拍摄目标的拍摄指令以后，以及接收到停拍指令之前所存在的拍摄目标建立的实时的目标特征库，这方便对于目前处于该滑道或者该拍摄区域内正在滑雪的人员的判断。当该拍摄目标滑雪结束后，停止拍摄剪辑后，将对于他的识别特征从该实时的目标特征库中移出。当然，该拍摄目标的识别特征可以存储在历史库中，方便对于其历史的识别特征进行调用。
68.s08、通过多个拍摄剪辑设备对于所述拍摄目标的滑雪过程进行实时拍摄，实时获取包含剪辑目标的第一视频，所述剪辑目标为所述多个拍摄目标中的一个。
69.在应用时，首先对于图像进行图像处理，使用颜色直方图来描述目标区域的特征；然后在后续帧中进行目标候选区域特征提取；最后通过相似性函数判断当前帧中候选区域是否为真实目标。
70.需要说明的是，在本技术实施例中，对于识别特征的获取，通过会采用多种图像处理方式。例如借助计算机视觉，计算机图形学，数字图像处理等方法对图像进行分割、分析、变换、提取，从而完成相关功能；还可以是运用ai算法，如机器学习，深度学习(神经网络)，构造一个物理统计模型，不断向其中输入图像信号样本进行训练和评估，直到产生一个可以高效准确识别给定目标的模型为止。当然还可以采用多种方法的融合，从而提升识别性能与效率。
71.另外，在本技术实施例中，可以通过设置选定剪辑目标，还可以将每个拍摄目标均单独作为剪辑目标。本技术对此不进行限制。本技术实施例提供的目标影像生成方法，可以设置为随着拍摄的进程，实时对于剪辑目标进行识别，实时生成剪辑目标的拍摄影像。当然，还可以在拍摄完成后，指定单独的剪辑目标，对于已拍摄完成的滑雪过程进行影像提取。本技术对此并不限制。
72.s10、基于所述目标特征库中的所述识别特征，通过分类器检测所述第一视频中的各个所述拍摄目标。
73.如图2所示，在所述步骤s08中，所述基于所述目标特征库中的所述识别特征，通过分类器检测所述第一视频图像中的各个所述拍摄目标，包括：
74.st10、使用分类器对所述第一视频中的图像帧进行所述拍摄目标的检测，获得所述拍摄目标的检测结果；
75.st20、根据所述拍摄目标的检测结果，为每个所述拍摄目标分配一个矩形框；
76.st30、实时获取所述第一视频中的图像帧，通过每个拍摄目标对应的矩形框，分别
对若干个拍摄目标同时进行拍摄。
77.其中，在步骤st10中，所述使用分类器对所述第一视频中的图像帧进行所述拍摄目标的检测，获得所述拍摄目标的检测结果，如图3所示，包括：
78.st101、对所述第一视频中的当前帧图像进行特征提取，获得若干组图像特征参数；
79.st102、通过分类器判断所述图像特征参数属于所述目标特征库中的任一识别特征的匹配系数；
80.st103、判断其中一个所述匹配系数是否大于第一设定阈值；
81.st104、若存在其中一个所述匹配系数大于第一设定阈值，则将所述匹配系数对应的所述图像特征参数的检测结果标记为该识别特征对应的拍摄目标；
82.st105、若不存在其中一个所述匹配系数大于第一设定阈值，则将所述匹配系数对应的所述图像特征参数的检测结果标记为未匹配。
83.在本技术的一个实施例中，如图4所示，针对当前帧发生的图像特征参数未匹配出其代表的拍摄目标时，一种处理方式包括：
84.st201、针对未匹配的所述图像特征参数与所述第一视频上一帧图像对应目标的矩形框进行相似度计算；
85.st202、若所述相似度大于第二设定阈值，则将所述图像特征参数的检测结果标记为该矩形框对应的拍摄目标。
86.值得注意的是，在本技术实施例中，通过第一设定阈值和第二设定阈值对于匹配系数和相似度进行判断，在本技术实施例中，由于针对的拍摄目标为滑雪人员，在滑雪过程中，滑雪的动作幅度较大等都会产生识别精度的问题，在本技术实施例中，通过设置阈值的方式，在识别过程中进行灵活判断。当然，在根据不同的应用环境或者不同的滑雪动作等可以设置不同的阈值，本技术实施例中，对于阈值的设置大小并不进行具体限制。
87.在本技术另一个实施例中，如图5所示，针对当前帧发生的图像特征参数未匹配出其代表的拍摄目标时，另一种处理方式包括：
88.st301、在接收到拍摄指令后，通过第二拍摄设备获取所述拍摄目标的鸟瞰视角特征；
89.st302、基于鸟瞰剪辑设备对所述拍摄剪辑设备对应的位置进行鸟瞰视角的实时拍摄，实时获取包含若干个所述拍摄目标的第三视频；
90.st303、基于所述鸟瞰视角特征，通过分类器检测所述第三视频中的各个所述拍摄目标；
91.st304、根据所述第三视频中的拍摄目标，获取所述第一视频中未匹配的所述图像特征参数对应的拍摄目标。
92.需要说明的是，在本技术中，针对本技术实施例中提供的不同的处理方式，可以按照一定的顺序进行执行，例如先通过追溯上一帧的图像的方式，若通过该方式识别到了拍摄目标，则继续拍摄剪辑；若通过该方式未识别到拍摄目标，再通过结合鸟瞰剪辑设备的方式进行辅助，直到发现拍摄目标。当然，还可以通过几种方式的同时进行。本技术对此并不限制。
93.需要注意的是，本技术实施例中，若执行了两种方式后还未发现拍摄目标则重复
进行，直到识别到拍摄目标。这是基于本技术实施例中，通过鸟瞰视角图像作为辅助，通过鸟瞰视角，多目标人物会进行有效的目标捕捉，即使多个拍摄剪辑设备40未在某一图像中识别到拍摄目标，但本技术实施例中，用于拍摄鸟瞰视角的鸟瞰剪辑设备30是沿滑雪道布置的多个相机，进行纵览全局的布置方式，可以进行全方位的辅助识别。再结合对于路径连续性的预测，可以提高目标追踪的效率。
94.另外，在本技术实施例中，可以设置多个拍摄剪辑设备40，对于滑雪场的滑道进行分段拍摄，通过分段的方式，可以扩大单一拍摄剪辑设备的视角，实现对于每段滑道的全面拍摄。
95.在具体应用时，所述方法包括：
96.预设多个拍摄剪辑设备对于所述拍摄目标的滑雪过程进行分段拍摄；
97.判断所述拍摄目标是否离开对应的拍摄剪辑设备的拍摄视野；
98.若离开，停止对应的拍摄剪辑设备对离开视野的剪辑目标进行检测。
99.s12、按照时间顺序，生成对应所述剪辑目标的第二视频。
100.在应用时，所述步骤s10中，所述按照时间顺序，生成对应单一拍摄目标的第二视频，包括：
101.实时地从每帧所述第一视频画面中截取包括所述剪辑目标在内的第二视频画面；
102.将截取的所述第二视频画面形成连续的第二视频。
103.在本技术实施例中，对于第二视频的生成，还可以包括通过第三视频中截取包括所述剪辑目标在内的第三视频画面，将第三视频画面插入到第二视频中。例如，当在第一视频画面中未识别到该拍摄目标时，可以从第三视频画面中进行判断是否识别到所述拍摄目标的识别特征，若识别到，则进行截取。当然，在对于第三视频中的画面进行筛选的时候，还可以结合鸟瞰视角特征进行判断。本技术在此不进行限制。
104.值得注意的是，在本技术实施例中，对于获取的剪辑目标的第二视频中，可以将其他拍摄目标进行剔除，仅保留单一的剪辑目标，本技术对此并不限制。在具体应用时，可以通过编制专业的计算机软件，可实现从素材库中选取出目标游客的所有素材，之后根据大数据分析对素材进行筛选，找出符合人们普遍共识的喜爱素材(例如优美的、尴尬的、搞笑的等瞬间)，合成为一个完整视频。
105.在本技术实施例中，将对应每个剪辑目标的第二视频上传至服务器中进行保存，当然，还可以通过客户端发送给客户，在发送客户端之前，还可以包括判断客户是否购买相应的服务，若已购买，则直接发送给客户，并在服务器进行保存，若客户没有购买服务，则将第二视频添加水印等进行加密处理后发送给客户，同样会在服务器中进行短暂保存，例如保存时间为1
‑
2天，通过设置不同的保存方案，可以减少服务器存储压力。客户已经购买的第二视频或者客户没有购买但是已经超出保存时间的第二视频将在服务器中予以删除，以释放服务器空间，提高服务器使用效率。
106.在本技术提供的另一个实施例中，所述方法包括：
107.通过所述第二视频生成所述拍摄目标的运动特征，基于所述运动特征构建所述拍摄目标的运动特征库；
108.结合所述拍摄目标已建立的运动特征库和所述目标特征库中的所述识别特征，检测所述第一视频中的各个所述拍摄目标。
109.需要说明的是，在本技术实施例中，通过以上对于拍摄目标进行拍摄的第一视频中，进行单一目标的滑雪影像进行提取，获取针对该拍摄目标的全程滑雪拍摄剪辑的第二影像，通过第二影像对于运动特征进行提取，形成属于个人的不同的运动特征。在应用时，针对运动特征的提取方式包括基于连续帧提取每个像素点的运动矢量；提取在x、y、t方向像素值强烈变化的特征点；以特征点为中心，构建基于运动矢量的方向
‑
幅值直方图的立方本特征向量；通过聚类算法对局部描述子形成编码向量。将每个拍摄目标形成多个编码向量，存在特定模块中。
110.在形成该目标对应的运动特征后，当该目标下一次进行运动时，在进行实时拍摄时，可以通过调用该编码向量对于运动特征进行分析，结合识别特征对于该目标进行识别，可以提高系统的鲁棒性，提高拍摄剪辑效果。
111.请参考图6，本技术提供了一种滑雪场目标影像生成系统，用于执行如以上任一所述的方法，所述系统包括：
112.第一拍摄设备10，用于接收到所述拍摄指令后，获取拍摄目标的识别特征；
113.第二拍摄设备20，用于接收到所述拍摄指令后，获取拍摄目标的鸟瞰视角特征；
114.多个鸟瞰剪辑设备30，用于基于所述拍摄目标对应的鸟瞰视角特征对于获取的第三视频进行拍摄目标的识别；
115.多个拍摄剪辑设备40，用于基于所述拍摄目标对应的识别特征对于所述拍摄目标进行拍摄并生成剪辑目标的第二影像。
116.在本技术实施例中提供的滑雪场目标影像生成系统，通过第一拍摄设备和第二拍摄设备获取不同的识别特征，用于在拍摄过程中对于滑雪人员进行特征识别，以获得各个拍摄目标。通过本技术实施例中的系统，可以随着拍摄过程实时进行单一拍摄目标即剪辑目标进行滑雪影像的提取。当然，本技术实施例中，还可以在剪辑目标滑雪完成以后进行影像的提取，本技术对此并不限制。
117.本技术还提供了一种服务器500，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如以上任一项所述的方法。
118.其中，需要说明的是，本实施例的滑雪场目标影像生成方法的执行主体为滑雪场目标影像生成方法，滑雪场目标影像生成方法可以由软件和/或硬件的方式实现，该实施例中的滑雪场目标影像生成方法可以配置在电子设备中，也可以配置在用于对电子设备进行控制的服务器中，该服务器与电子设备进行通信进而对其进行控制。
119.其中，本实施例中服务器所在的电子设备可以包括但不限于个人计算、系统电脑、智能手机、智能音箱等设备，该实施例对电子设备不作具体限定。
120.在本技术实施例中，处理器是具有执行逻辑运算的处理器件，例如中央处理器(cpu)、现场可编程逻辑阵列(fpga)、数字信号处理器(dsp)、单片机(mcu)、专用逻辑电路(asic)、图像处理器(gpu)等具有数据处理能力和/或程序执行能力的器件。容易理解，处理器通常通讯连接存储器，在存储器上存储一个或多个计算机程序产品的任意组合，存储器可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(rom)、硬盘、可擦除可编程只读存储器(eprom)、usb存储
器、闪存等。在存储器上可以存储一个或多个计算机指令，处理器可以运行所述计算机指令，以实现相关的分析功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据，例如应用程序使用和/或产生的各种数据等。
121.在本技术实施例中，各模块都可以通过处理器执行相关计算机指令实现，例如图像处理模块可以通过处理器执行图像变换算法的指令实现、机器学习模块可以通过处理器执行机器学习算法的指令实现、神经网络可以通过处理器执行神经网络算法的指令实现。
122.在本技术实施例中，各模块可以运行在同一个处理器上，也可以运行在多个处理器上；各模块可以运行在同一架构的处理器上，例如均在x86体系的处理器上运行，也可以运行在不同架构的处理器上，例如图像处理模块运行在x86体系的cpu，机器学习模块运行在gpu。各模块可以封装在一个计算机产品中，例如各模块封装在一个计算机软件并运行在一台计算机(服务器)，也可以各自或部分封装在不同的计算机产品，例如图像处理模块封装在一个计算机软件中并运行在一台计算机(服务器)，机器学习模块分别封装在单独的计算机软件中并运行在另一台或多台计算机(服务器)；各模块执行时的计算系统可以是本地计算，也可以是云计算，还可以是本地计算与云计算构成的混合计算。
123.如图7所示，所述电子设备包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有系统的操作指令所需的各种程序和数据。cpu501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
124.以下部件连接至i/o接口505；包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口505。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
125.特别地，根据本技术的实施例，上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本技术的系统中限定的上述功能。
126.本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如以上任一项所述的方法。
127.需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储
器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
128.在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以为的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
129.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作指令。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如，两个连接表示的方框实际上可以基本并行地执行，他们有时也可以按相反的顺序执行，这依所涉及的功能而定。
130.也要注意的是，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，可以用执行规定的功能或操作指令的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。
131.本领域技术人员应当理解，本技术中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
132.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
133.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
134.除非另有定义，本文中所使用的技术和科学术语与本发明的技术领域的技术人员通常理解的含义相同。本文中使用的术语只是为了描述具体的实施目的，不是旨在限制本发明。本文中出现的诸如“设置”等术语既可以表示一个部件直接附接至另一个部件，也可以表示一个部件通过中间件附接至另一个部件。本文中在一个实施方式中描述的特征可以单独地或与其它特征结合地应用于另一个实施方式，除非该特征在该另一个实施方式中不适用或是另有说明。
135.本发明已经通过上述实施方式进行了说明，但应当理解的是，上述实施方式只是
用于举例和说明的目的，而非意在将本发明限制于所描述的实施方式范围内。本领域技术人员可以理解的是，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。