视频数据处理方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种视频数据处理方法、装置、计算机设备和存储介质。


背景技术：

2.随着安防摄像性能的提升，高清视频已经应用的非常普遍，甚至超高清视频也开始增量应用。在制造工业中，对生产过程的监控视频进行数据结构化处理，以提取与生产评价、质量分析、工艺优化相关的生产价值数据。
3.传统的对监控视频进行数据结构化处理的方法是：通过监控管理人员实时查看监控或调取回放录像来进行人工远程监控或分析，由于管理人力不足，只能依靠人工抽检分析监控视频来获取生产价值信息。在工业领域，这种基于人工分析对生产过程的监控视频进行数据结构化处理的方法，明显存在分析效率低、人力投入高、可利用的数据规模小、分析依赖于抽检的监控视频、覆盖不够广、评价存在分析员的主观多样性等问题。


技术实现要素：

4.为了解决人工抽检监控视频进行数据结构化处理导致效率低下等技术问题，本技术提供了一种视频数据处理方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种视频数据处理方法，包括：
6.获取视频数据，所述视频数据包括至少一个工位的工艺流程视频；
7.通过人脸识别模型识别所述视频数据中目标工位的人脸特征，所述目标工位为所述视频数据中任意一个工位；
8.通过工步检测模型识别所述视频数据中所述目标工位的动作特征；
9.通过物体识别模型识别所述视频数据中所述目标工位的护具特征；
10.当目标特征中至少一项未符合预设标准时，生成报警指令，所述目标特征包括所述人脸特征、动作特征和所述护具特征；
11.发送所述报警指令。
12.可选地，所述预设标准包括预设到岗人员信息，所述当目标特征中至少一项未符合预设标准时，生成报警指令，包括：
13.当所述目标工位的人脸特征未符合所述预设到岗人员信息的人脸特征时，生成所述报警指令。
14.可选地，所述预设标准包括预设标准动作，所述当目标特征中至少一项未符合预设标准时，生成报警指令，包括：
15.当所述目标工位的动作特征未符合所述预设标准动作时，生成所述报警指令。
16.可选地，所述当所述动作特征未符合所述预设标准动作时，生成所述报警指令，包括：
17.当所述目标工位的动作特征中至少一个动作未符合所述预设标准动作，或所述目
标工位的动作特征缺少所述预设标准动作的任一动作时，生成所述报警指令。
18.可选地，所述预设标准包括预设动作时长，所述当所述动作特征未符合所述预设标准动作时，生成所述报警指令，包括：
19.获取所述动作特征对应的动作时长；
20.当所述动作时长未符合所述预设动作时长时，生成所述报警指令。
21.可选地，所述预设标准包括预设动作顺序，所述当所述动作特征未符合所述预设标准动作时，生成所述报警指令，包括：
22.当各个所述动作特征的动作顺序未符合所述预设动作顺序时，生成所述报警指令。
23.可选地，所述预设标准包括预设护具信息，所述当目标特征中至少一项未符合预设标准时，生成报警指令，包括：
24.当所述目标工位的护具特征未符合所述预设护具信息时，生成所述报警指令。
25.第二方面，本技术提供了一种视频数据处理装置，包括：
26.数据获取模块，用于获取视频数据，所述视频数据包括至少一个工位的工艺流程视频；
27.人脸识别模块，用于通过人脸识别模型识别所述视频数据中目标工位的人脸特征，所述目标工位为所述视频数据中任意一个工位；
28.动作识别模块，用于通过工步检测模型识别所述视频数据中所述目标工位的动作特征；
29.护具识别模块，用于通过物体识别模型识别所述视频数据中所述目标工位的护具特征；
30.报警生成模块，用于当目标特征中至少一项未符合预设标准时，生成报警指令，所述目标特征包括所述人脸特征、动作特征和所述护具特征；
31.报警发送模块，用于发送所述报警指令。
32.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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以下步骤：
33.获取视频数据，所述视频数据包括至少一个工位的工艺流程视频；
34.通过人脸识别模型识别所述视频数据中目标工位的人脸特征，所述目标工位为所述视频数据中任意一个工位；
35.通过工步检测模型识别所述视频数据中所述目标工位的动作特征；
36.通过物体识别模型识别所述视频数据中所述目标工位的护具特征；
37.当目标特征中至少一项未符合预设标准时，生成报警指令，所述目标特征包括所述人脸特征、动作特征和所述护具特征；
38.发送所述报警指令。
39.一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以下步骤：
40.获取视频数据，所述视频数据包括至少一个工位的工艺流程视频；
41.通过人脸识别模型识别所述视频数据中目标工位的人脸特征，所述目标工位为所述视频数据中任意一个工位；
42.通过工步检测模型识别所述视频数据中所述目标工位的动作特征；
43.通过物体识别模型识别所述视频数据中所述目标工位的护具特征；
44.当目标特征中至少一项未符合预设标准时，生成报警指令，所述目标特征包括所述人脸特征、动作特征和所述护具特征；
45.发送所述报警指令。
46.上述视频数据处理方法、装置、计算机设备和存储介质，所述方法包括：获取视频数据，所述视频数据包括至少一个工位的工艺流程视频；通过人脸识别模型识别所述视频数据中目标工位的人脸特征，所述目标工位为所述视频数据中任意一个工位；通过工步检测模型识别所述视频数据中所述目标工位的动作特征；通过物体识别模型识别所述视频数据中所述目标工位的护具特征；当目标特征中至少一项未符合预设标准时，生成报警指令，所述目标特征包括所述人脸特征、动作特征和所述护具特征；发送所述报警指令。根据人脸识别模型、工步检测模型、物体识别模型分别识别工艺流程的视频中对应的特征，并将识别的特征与预设标准进行比对，若任意一个特征不符合预设标准，则发出报警指令，提醒监控人员及时调整工艺流程中与预设标准不同的差异特征。通过模型识别分析视频数据，较传统人工抽检视频数据效率高、识别检测的覆盖范围广、视频数据分析评价客观准确。
附图说明
47.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
48.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
49.图1为一个实施例中视频数据处理方法的应用环境图；
50.图2为一个实施例中视频数据处理方法的流程示意图；
51.图3为一个实施例中视频数据处理装置的结构框图；
52.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
53.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
54.图1为一个实施例中视频数据处理方法的应用环境图。参照图1，该视频数据处理方法应用于视频数据处理系统。该视频数据处理系统包括摄像终端110和服务器120。摄像终端110和服务器120通过网络连接，该网络具体可以是移动网络、无线网络连接或有线网络，移动网络具体可以为5g网络、4g网络或3g网络。服务器120接收摄像终端发送的视频数据，通过人脸识别模型识别视频数据中目标工位的人脸特征，通过人脸识别模型识别视频数据中目标工位的人脸特征，通过物体识别模型识别视频数据中目标工位的护具特征，当目标特征中至少一项未符合预设标准时，生成报警指令，目标特征包括人脸特征、动作特征
和护具特征，发送报警指令。
55.当摄像终端110包括处理器时，上述人脸识别、动作识别、护具识别和报警过程也可以在摄像终端110上执行。
56.摄像终端110具体可以是摄像机或摄影机。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
57.在一个实施例中，摄像终端实时采集生产现场的视频数据，将视频数据通过网络传输至服务器120进行数据处理，服务器120具体为边缘云部署的边缘服务器，以减少网络传输和多级业务转发带来的网络时延。
58.在一个实施例中，图2为一个实施例中一种视频数据处理方法的流程示意图，参照图2，提供了一种视频数据处理方法。本实施例主要以该方法应用于上述图1中的服务器120(或摄像终端110)来举例说明，该视频数据处理方法具体包括如下步骤：
59.步骤s210，获取视频数据。
60.在本实施例中，接收摄像终端采集实际生产过程中的视频数据，视频数据包括至少一个工位在工艺流程中的人脸特征、动作特征和护具特征，视频数据处理系统中的一个摄像终端对应采集一个工位的视频数据，或一个摄像终端对应采集多个工位的视频数据。
61.步骤s220，通过人脸识别模型识别视频数据中目标工位的人脸特征。
62.在本实施例中，人脸识别模型中采用的人脸检测算法和人脸识别算法可以根据需求自定义，如人脸检测算法具体可以为mtcnn算法、densebox算法或cascade cnn算法，人脸识别算法具体可以为facenet算法、eigenface算法发或fisherface算法，目标工位是指视频数据对应的工位，同一视频数据中的目标工位可以为一个或多个。
63.步骤s230，通过人脸识别模型识别视频数据中目标工位的人脸特征。
64.在本实施例中，工步检测模型为基于在线视频的视频动作检测算法，结合工位的工作场景以及各个工作场景对应的作业动作进行打标训练生成的。视频动作检测算法包括机器学习算法和/或深度学习视觉分析算法。即通过结合行人分割算法、人体姿态识别算法、人脸识别算法等，对人体进行精确识别、跟踪和行为分析，准确实现各种肢体动作和异常行为分析。根据工作岗位定义对应的肢体动作，即定义工位的作业动作，每个工位对应的预设标准动作包括一个或多个，每个作业动作包括对应的预设标准动作、预设动作时长和预设动作顺序。如预设标准动作包括站立、举手、蹲下、摆手、转身等。
65.步骤s240，通过物体识别模型识别视频数据中目标工位的护具特征。
66.在本实施例中，物体识别模型基于神经网络架构，结合工作场景以及各个工作场景对应的护具设备进行打标训练生成的。神经网络架构具体可以为yolov3模型框架或yolov2模型框架等。护具设备根据各个岗位需求确定，其中护具设备包括但不仅限于静电环、口罩、护目镜、手套、专用电工鞋等。护具特征是通过提取视频数据中的护具设备的特征得到的。
67.步骤s250，当目标特征中至少一项未符合预设标准时，生成报警指令。
68.步骤s260，发送报警指令。
69.在本实施例中，服务器120利用提前训练好的人脸识别模型、动作识别模型和护具识别模型对视频数据进行分析处理，若生产现场的工艺流程为预设标准流程时，服务器120对预设标准流程的视频数据分析处理后的分析结果，结合摄像终端id、线体id、工位id、岗
位名称、检测时间形成预设标准，线体id为生产线代码，即对预设标准流程的视频数据中的特征进行结构化处理，形成基础数据库(预设标准)，实现实时对监控视频的自动分析。
70.其中，预设标准(基础数据库)包括各个工位对应的人脸数据、标准动作数据和护具数据，目标特征包括目标工位的人脸特征、动作特征和护具特征，当目标工位的人脸特征、动作特征和护具特征中任意一项特征未符合预设标准时，生成报警指令。通过报警指令提醒工作人员和/或监控人员作业存在异常。
71.将基础数据库应用到实际生产中，采集实际生产的视频数据，将实际生产的视频数据中的特征与基础数据库中的特征进行比对分析，利用比对结果进行生产品质过程管理或工艺优化，通过不同的模型对视频数据进行识别分析，较传统人工抽检视频数据效率高、识别检测的覆盖范围广、视频数据分析评价客观准确、进行数据分析的实时性强，为生产排产与管理、工艺改进与评价、质量监督等提供有效的业务支持。
72.在一个实施例中，预设标准包括预设到岗人员信息，当目标工位的人脸特征未符合预设到岗人员信息的人脸特征时，生成报警指令。
73.具体地，预设标准包括各个工位的人员的人脸数据，根据各个工位的人员的人脸数据生成各个工作岗位的预设到岗人员信息，预设到岗人员信息包括岗位信息、姓名、工号、与姓名对应的人脸特征，将目标工位的人脸特征与预设到岗人员信息进行关联，判断目标工位的人脸特征与预设到岗人员信息的人脸特征是否匹配，即判断目标工位的工作人员是否为应到岗人员，若匹配成功，则证明目标工位的工作人员是应到岗人员；若匹配失败，则证明目标岗位的工作人员不是应到岗人员，生产报警指令，执行报警指令，及时向生产现场发出报警信号，并将到岗人员异常信息通过邮件、和/或信息、和/或语音等方式推送至监管平台，及时告知监控平台处的监控人员。
74.在一个实施例中，预设标准包括预设标准动作，当目标工位的动作特征未符合预设标准动作时，生成报警指令。
75.在一个实施例中，当目标工位的动作特征中至少一个动作未符合预设标准动作，或目标工位的动作特征缺少预设标准动作的任一动作时，生成报警指令。
76.具体地，标准动作数据包括各个工作场景对应的预设标准动作，预设标准动作是按照工业工程师的工艺标准设定的，预设标准动作包括各个场景下，各个工位完成整套工艺流程的所有工艺动作，当目标工位的动作特征不符合预设标准动作的动作特征，或缺失预设标准动作中的动作特征，即目标工位的动作不达标或缺失工艺动作，则生成报警指令，执行报警指令，及时向生产现场发出报警信号，并将到岗人员异常信息通过邮件、和/或信息、和/或语音等方式推送至监管平台，及时告知监控平台处的监控人员。
77.在一个实施例中，预设标准包括预设动作时长，获取动作特征对应的动作时长；当动作时长未符合预设动作时长时，生成报警指令。
78.具体地，标准动作数据还包括预设动作时长，当目标工位的动作特征对应的动作时长小于或大于预设动作时长时，判定目标工位动作异常，生成报警指令，执行报警指令。
79.在一个实施例中，预设标准包括预设动作顺序，当各个动作特征的动作顺序未符合预设动作顺序时，生成报警指令。
80.具体地，标准动作数据还包括预设动作顺序，当目标工位的动作特征的动作顺序与预设动作顺序不匹配时，判定目标工位动作异常，生成报警指令，执行报警指令。
81.在一个实施例中，预设标准包括预设护具信息，当目标工位的护具特征未符合预设护具信息时，生成报警指令。
82.具体地，预设护具信息包括各个工作场景下各个岗位所需的护具设备，将目标工位的护具特征与预设护具信息进行关联匹配，当目标工位的护具特征与预设护具信息中的护具特征匹配失败，即位于目标工位的工作人员佩戴的护具错误或缺失，判定异常，生成报警指令，执行报警指令。
83.在一个实施例中，预设护具信息包括各个护具设备的标签信息，各个护具设备上安装有无线模块，接收各个护具设备通过无线模块发送的标签信息，无线模块具体可以为ifid模块、和/或zigbee模块，将目标工位的标签信息与预设护具信息中的标签信息进行关联匹配，若匹配失败，则生成报警指令，执行报警指令。
84.图2为一个实施例中视频数据处理方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
85.在一个实施例中，如图3所示，提供了一种视频数据处理装置，包括：
86.数据获取模块310，用于获取视频数据，视频数据包括至少一个工位的工艺流程视频；
87.人脸识别模块320，用于通过人脸识别模型识别视频数据中目标工位的人脸特征，目标工位为视频数据中任意一个工位；
88.动作识别模块330，用于通过工步检测模型识别视频数据中目标工位的动作特征；
89.护具识别模块340，用于通过物体识别模型识别视频数据中目标工位的护具特征；
90.报警生成模块350，用于当目标特征中至少一项未符合预设标准时，生成报警指令，目标特征包括人脸特征、动作特征和护具特征；
91.报警生成模块360，用于发送报警指令。
92.在一个实施例中，预设标准包括预设到岗人员信息，报警生成模块350包括：
93.人脸判断单元，用于当目标工位的人脸特征未符合预设到岗人员信息的人脸特征时，生成报警指令。
94.在一个实施例中，预设标准包括预设标准动作，报警生成模块350还包括：
95.动作判断单元，用于当目标工位的动作特征未符合预设标准动作时，生成报警指令。
96.在一个实施例中，报警生成模块350还包括：
97.动作差异判断单元，用于当目标工位的动作特征中至少一个动作未符合预设标准动作，或目标工位的动作特征缺少预设标准动作的任一动作时，生成报警指令。
98.在一个实施例中，预设标准包括预设动作时长，报警生成模块350还包括：
99.时长获取单元，用于获取动作特征对应的动作时长；
100.时长判断单元，用于当动作时长未符合预设动作时长时，生成报警指令。
101.在一个实施例中，预设标准包括预设动作顺序，报警生成模块350还包括：
102.动作顺序判断单元，用于当各个动作特征的动作顺序未符合预设动作顺序时，生成报警指令。
103.在一个实施例中，预设标准包括预设护具信息，报警生成模块350还包括：
104.第一护具判断单元，用于当目标工位的护具特征未符合预设护具信息时，生成报警指令。
105.在一个实施例中，预设护具信息包括各个护具设备的标签信息，，报警生成模块350还包括：
106.第二护具判断单元，用于接收各个护具设备通过无线模块发送的标签信息，无线模块具体可以为ifid模块、和/或zigbee模块，将目标工位的标签信息与预设护具信息中的标签信息进行关联匹配，若匹配失败，则生成报警指令，执行报警指令。
107.图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现视频数据处理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行视频数据处理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
108.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
109.在一个实施例中，本技术提供的视频数据处理装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该视频数据处理装置的各个程序模块，比如，图3所示的数据获取模块310、数据获取模块310、动作识别模块330、护具识别模块340、报警生成模块350和报警生成模块360。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本技术各个实施例的视频数据处理方法中的步骤。
110.图4所示的计算机设备可以通过如图3所示的视频数据处理装置中的数据获取模块310执行获取视频数据，视频数据包括至少一个工位的工艺流程视频。计算机设备可通过人脸识别模块320执行通过人脸识别模型识别视频数据中目标工位的人脸特征，目标工位为视频数据中任意一个工位。计算机设备可通过动作识别模块330执行通过工步检测模型识别视频数据中目标工位的动作特征。计算机设备可通过护具识别模块340执行通过物体识别模型识别视频数据中目标工位的护具特征。计算机设备可通过报警生成模块350执行当目标特征中至少一项未符合预设标准时，生成报警指令，目标特征包括人脸特征、动作特征和护具特征。计算机设备可通过报警生成模块360执行发送报警指令。
111.在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取视频数
据，视频数据包括至少一个工位的工艺流程视频；通过人脸识别模型识别视频数据中目标工位的人脸特征，目标工位为视频数据中任意一个工位；通过工步检测模型识别视频数据中目标工位的动作特征；通过物体识别模型识别视频数据中目标工位的护具特征；当目标特征中至少一项未符合预设标准时，生成报警指令，目标特征包括人脸特征、动作特征和护具特征；发送报警指令。
112.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标工位的人脸特征未符合预设到岗人员信息的人脸特征时，生成报警指令。
113.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标工位的动作特征未符合预设标准动作时，生成报警指令。
114.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标工位的动作特征中至少一个动作未符合预设标准动作，或目标工位的动作特征缺少预设标准动作的任一动作时，生成报警指令。
115.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取动作特征对应的动作时长；当动作时长未符合预设动作时长时，生成报警指令。
116.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当各个动作特征的动作顺序未符合预设动作顺序时，生成报警指令。
117.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标工位的护具特征未符合预设护具信息时，生成报警指令。
118.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取视频数据，视频数据包括至少一个工位的工艺流程视频；通过人脸识别模型识别视频数据中目标工位的人脸特征，目标工位为视频数据中任意一个工位；通过工步检测模型识别视频数据中目标工位的动作特征；通过物体识别模型识别视频数据中目标工位的护具特征；当目标特征中至少一项未符合预设标准时，生成报警指令，目标特征包括人脸特征、动作特征和护具特征；发送报警指令。
119.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标工位的人脸特征未符合预设到岗人员信息的人脸特征时，生成报警指令。
120.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标工位的动作特征未符合预设标准动作时，生成报警指令。
121.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标工位的动作特征中至少一个动作未符合预设标准动作，或目标工位的动作特征缺少预设标准动作的任一动作时，生成报警指令。
122.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取动作特征对应的动作时长；当动作时长未符合预设动作时长时，生成报警指令。
123.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当各个动作特征的动作顺序未符合预设动作顺序时，生成报警指令。
124.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标工位的护具特征未符合预设护具信息时，生成报警指令。
125.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取
存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
126.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
127.以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。