对象位置检测方法和装置、存储介质和电子设备与流程

1.本公开涉及计算机视觉技术，具体涉及一种对象位置检测方法和装置、存储介质和电子设备。


背景技术：

2.安全事故可能发生在多种场景，例如，工厂、工地、加油站等。以工地为例，在工地施工时，挖掘机的挖斗有时会进行旋转，如果在挖掘机的一定范围内有工人的话，就会导致挖斗碰伤工人，严重的会有生命危险。而安全事故的发生，不仅对工人的身体安全造成伤害，也可能导致工厂或工地停工，对于企业的利益也造成较大影响。因此，检测一些存在安全风险的设备周围区域内是否有人存在，对于防范安全事故的发生是有必要的。


技术实现要素：

3.本公开实施例至少提供一种对象位置检测方法和装置、存储介质和电子设备。
4.一方面，提供一种对象位置检测方法，所述方法包括：
5.获取目标图像，所述目标图像包括第一对象和第二对象；
6.对所述目标图像进行对象检测处理，识别所述第一对象的基准区域对应的基准检测框、以及所述第二对象对应的对象检测框；所述基准区域用于表征所述第一对象与危险面的接触区域；
7.基于所述基准检测框进行区域扩展得到扩展检测框，所述扩展检测框用于限定所述第一对象在所述危险面的危险区域；并基于所述对象检测框确定所述第二对象在所述危险面的接触位置；
8.响应于所述接触位置在所述扩展检测框内，确定所述第二对象进入所述第一对象对应的所述危险区域。
9.在一些实施例中，所述第一对象是车辆；所述识别所述第一对象的基准区域对应的基准检测框，包括：识别所述车辆中包括的车辆组件，所述车辆组件与所述危险面接触；根据所述车辆组件，确定所述基准区域对应的基准检测框。
10.在一些实施例中，所述目标图像中包括地面，所述车辆位于所述地面上。所述车辆组件是所述车辆与地面接触的组件，所述危险面是地面、
11.在一些实施例中，所述基于所述基准检测框进行区域扩展得到扩展检测框，所述扩展检测框用于限定所述第一对象在所述危险面的危险区域，包括：根据所述第一对象的对象类别，获取所述对象类别对应的危险区域的区域设置信息；基于所述区域设置信息，对所述基准检测框进行区域扩展得到扩展检测框。
12.在一些实施例中，所述基于所述对象检测框确定所述第二对象在所述危险面的接触位置，包括：在所述危险面与所述对象检测框的下边缘对应的情况下，由所述对象检测框的下边缘确定所述接触位置。
13.在一些实施例中，所述方法还包括：在确定所述第二对象进入所述第一对象对应
的危险区域之后，进行区域入侵告警。
14.另一方面，提供一种对象位置检测装置，所述装置包括：
15.图像获取模块，用于获取目标图像，所述目标图像包括第一对象和第二对象；
16.对象识别模块，用于对所述目标图像进行对象检测处理，识别所述第一对象的基准区域对应的基准检测框、以及所述第二对象对应的对象检测框；所述基准区域用于表征所述第一对象与危险面的接触区域；
17.扩展处理模块，用于基于所述基准检测框进行区域扩展得到扩展检测框，所述扩展检测框用于限定所述第一对象在所述危险面的危险区域；并基于所述对象检测框确定所述第二对象在所述危险面的接触位置；
18.比较处理模块，用于响应于所述接触位置在所述扩展检测框内，确定所述第二对象进入所述第一对象对应的所述危险区域。
19.在一些实施例中，所述对象识别模块，在用于识别所述第一对象的基准区域对应的基准检测框时，包括：识别所述车辆中包括的车辆组件，所述车辆组件与所述危险面接触；根据所述车辆组件，确定所述基准区域对应的基准检测框；其中，所述第一对象是车辆。
20.在一些实施例中，所述目标图像中包括地面，所述车辆位于所述地面上；所述车辆组件是所述车辆与地面接触的组件，所述危险面是地面。
21.在一些实施例中，所述扩展处理模块，在用于基于所述基准检测框进行区域扩展得到扩展检测框时，包括：根据所述第一对象的对象类别，获取所述对象类别对应的危险区域的区域设置信息；基于所述区域设置信息，对所述基准检测框进行区域扩展得到扩展检测框。
22.在一些实施例中，所述扩展处理模块，在用于基于所述对象检测框确定所述第二对象在所述危险面的接触位置时，包括：在所述危险面与所述对象检测框的下边缘对应的情况下，由所述对象检测框的下边缘确定所述接触位置。
23.在一些实施例中，所述装置还包括：告警模块，用于在确定所述第二对象进入所述第一对象对应的危险区域之后，进行区域入侵告警。
24.另一方面，还提供一种电子设备，包括：存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现本公开任一实施例所述的方法。
25.另一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的方法。
26.本公开实施例提供的对象位置检测方法和装置、存储介质和电子设备，通过在判断第二对象是否进入了第一对象的危险区域时，可以是尽可能的基于同一危险面来判断，并且还根据对象检测框获得第二对象与危险面的接触位置，那么都在危险面内判断第二对象的接触位置是否落入了危险区域内。这种判断方式能够提高对于第二对象是否进入危险区域的判断的准确性。因此本实施例的方法不仅能够自动监控危险区域内是否有不允许的对象存在，节省人力物力的消耗，而且能够提高识别的效率和准确率。
附图说明
27.为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附
图仅仅是本公开一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，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。
28.图1示出了本公开至少一个实施例提供的挖掘机场景的安监示意图；
29.图2示出了本公开至少一个实施例提供的一种对象位置检测方法的流程图；
30.图3示出了本公开至少一个实施例提供的危险区域检测示意图；
31.图4示出了本公开至少一个实施例提供的一种对象位置检测方法的流程图；
32.图5示出了本公开至少一个实施例提供的一种对象位置检测装置的结构示意图；
33.图6示出了本公开至少一个实施例提供的一种对象位置检测装置的结构示意图。
具体实施方式
34.为了使本技术领域的人员更好地理解本公开一个或多个实施例中的技术方案，下面将结合本公开一个或多个实施例中的附图，对本公开一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
35.随着人工智能技术的发展，相关技术中使用ai技术进行安全事故的监控和智能分析，以智能地对工厂、工地等场景中的危险行为进行告警，从而规避风险，该技术很大程度上解放了安全监管人员。
36.但是，以往技术中的安全监测的准确性较低。请参见图1所示，以工地的安监为例，工地上的挖掘机11是一个存在安全风险的设备，通常在挖掘机周边一定范围内是不允许有工人的，以防被挖掘机的挖斗碰伤。因此，在进行安全监测时，需要监测是否有工人落入了挖掘机11的危险区域内，若有，则可以及时告警以避免发生安全事故。相关技术中，可以采集工地的图像，比如图1所示的工地图像，并通过目标检测网络对该工地图像进行对象检测处理，得到挖掘机11的车体对应的车体检测框12，并且，还可以检测工地图像中的工人对应的工人检测框。然后，将车体检测框12外扩得到危险区域13，再通过判断工人检测框的中心点位置是否落入该危险区域13。由图1可以看到，工人检测框141和工人检测框142的中心点都落入了危险区域13。
37.但是，上述的相关技术存在判定失误的情况。比如，工人检测框141对应的那个工人，实际上是站在距离挖掘机11比较远的位置，所以看起来人比较小，只是由于在工地图像中正好位于挖掘机11上方较近，所以被框进了危险区域13的框中。而工人检测框142才是真正距离挖掘机11较近的工人，在工地图像中显示也比较高(距离摄像机越近就越大，越远就越小)。因此，可以看到，相关技术中的检测方法可能会导致误报警，准确性有待提升。
38.基于此，图2示出了本公开至少一个实施例提供的一种对象位置检测方法的流程图，如图2所示，该方法可以包括如下处理：
39.在步骤200中，获取目标图像，所述目标图像包括第一对象和第二对象。
40.其中，所述的目标图像可以是监控场景中采集的图像。例如，若监控场景是工地，那可以是通过工地中的摄像机采集的工地图像。
41.所述的第一对象和第二对象可以是监控场景中待监控的对象，并且，该第一对象和第二对象可以是存在安全隐患的关联对象。例如，以工地场景为例，挖掘机的挖斗有可能
会碰伤工人，那么挖掘机和工人就属于存在安全隐患的关联对象。其中，本实施例中的第一对象可以是安全事故的施加者，第二对象可以被施加者。例如，在挖掘机碰伤工人的例子中，挖掘机属于强势一方，属于伤害的施加者，而工人通常是受伤的一方，属于被施加者，那么可以将挖掘机称为第一对象，将工人称为第二对象。
42.目标图像中的第一对象和第二对象的数量可以是至少一个。例如，图像中可以有多个挖掘机，也可以有多个工人。在目标图像中包括多个第一对象的情况下，比如，工地图像中包括多个挖掘机，那么在执行本实施例的方法时，对于其中的任一挖掘机，都可以按照本实施例的方法，来判断该挖掘机的危险区域内是否有工人进入。
43.在步骤202中，对所述目标图像进行对象检测处理，识别所述第一对象的基准区域对应的基准检测框、以及所述第二对象对应的对象检测框；所述基准区域用于表征所述第一对象与危险面的接触区域。
44.本步骤中，可以通过目标检测网络对目标图像进行对象识别。本实施例不限制对象检测网络的具体网络结构，例如可以包括但不限于r-cnn、fast-rcnn、r-fcn等。
45.其中，所述的基准区域可以按照如下理解：以工地的地面上有一辆挖掘机正在工作为例，可以将“挖掘机周边10米的范围”确定为危险区域，禁止有工人进入。那么，该危险区域的定义中，是以挖掘机与地面的接触区域为基准，向周边外扩10米。如果是履带式挖掘机，那么可以将履带与地面的接触区域为基准进行外扩10米得到的区域定为危险区域。
46.本实施例中，所述基准区域用于表征第一对象与危险面的接触区域。其中的第一对象例如是上述的挖掘机，而危险面例如是上述的地面。可以如此理解：危险面可以根据危险区域的设置来确定，比如，如果将挖掘机周边10米的范围确定为危险区域，那通常是认为在地面上位于挖掘机与地面的接触区域周边的10米范围内不允许有人，则地面就可以认为是界定危险区域的危险面。具体实施中根据安监场景及危险区域的设置不同，危险面也可以不同。比如，若安监场景是一个斜坡，在位于斜坡上的危险车辆的周边一定距离内是危险区域，那危险面也可能是该斜坡；若安监场景是水面，那危险面也可能是该水面。
47.本实施例不限制识别第一对象的基准区域对应的基准检测框的具体方式。示例性的，可以先通过对象检测处理识别车辆中包括的车辆组件，该车辆组件与危险面接触，再根据该车辆组件确定基准区域对应的基准检测框。仍以图1的挖掘机场景为例，履带式挖掘机的履带与地面接触，那么可以识别出履带，即识别的车辆组件是履带，并将履带的检测框作为基准区域对应的基准检测框。
48.需要说明的是，尽管履带的检测框并不一定是严格准确的挖掘机与地面的接触区域，但是，从目标图像上来看，履带的检测框基本能代表挖掘机与地面的接触区域，即该检测框与挖掘机与地面的接触区域最为接近，因此，可以将履带的检测框作为基准检测框。同理，假设第一对象是一个大货车，那么在检测基准检测框时，可以先检测该大货车的车轮(即检测的车辆组件是车轮)，并将大货车的边缘的车轮所围成的区域作为基准区域，该基准区域可以表征大货车与地面的接触区域，从而得到该基准区域对应的基准检测框。因此，基准检测框的检测方式可以根据不同的第一对象的特点以及危险面的情况确定。
49.其中，第二对象对应的对象检测框，可以是检测第二对象的至少一部分，只要能根据该对象检测框执行后续步骤中的确定第二对象在危险面的接触位置即可。例如，以第二对象为人体为例，该第二对象的对象检测框可以是整个人体的检测框，或者也可以是部分
人体(例如，人体的包括腿和脚的下半身)的检测框，只要能根据对象检测框确定脚与地面的接触位置即可。
50.此外，本实施例中的第二对象不局限于人体，也可以是其他对象，比如猫、狗等其他动物。只要是不希望在第一对象的危险区域内被伤害到的对象均可。
51.在步骤204中，基于所述基准检测框进行区域扩展得到扩展检测框，所述扩展检测框用于限定所述第一对象在所述危险面的危险区域；并基于所述对象检测框确定所述第二对象在所述危险面的接触位置。
52.其中，所述的区域扩展的方式可以根据危险区域的范围设置确定。例如，假设将“挖掘机周边9米的范围”确定为危险区域，而挖掘机的履带的实际宽度是6米，那么在进行区域扩展时，可以是在挖掘机的履带检测框的基础上，外扩履带宽度的一半即可。从目标图像的像素来看，外扩的宽度所占像素是履带宽度所占像素的一半。请参见图3的示例，图3中识别得到挖掘机的履带检测框31，该履带检测框31作为基准检测框。并且可以基于该履带检测框31进行区域扩展，例如，可以外扩履带宽度的一半，得到危险区域32。
53.此外，如图3所示，以第二对象是人体为例，本实施例基于对象检测框33，确定该第二对象在危险面的接触位置是人体脚部与地面的接触位置34。
54.在步骤206中，响应于所述接触位置在所述扩展检测框内，确定所述第二对象进入所述第一对象对应的所述危险区域。
55.本步骤中，若基于对象检测框确定的第二对象在危险面的接触位置位于扩展检测框内，则可以确定述第二对象进入了第一对象的危险区域。
56.本实施例中，在判断第二对象是否进入了第一对象的危险区域时，可以是尽可能的基于同一危险面来判断，比如，危险区域的获得是基于第一对象与危险面接触的基准区域得到基准检测框，并且还根据对象检测框获得第二对象与危险面的接触位置，那么都在危险面内判断第二对象的接触位置是否落入了危险区域内。这种判断方式能够提高对于第二对象是否进入危险区域的判断的准确性。因此本实施例的方法不仅能够自动监控危险区域内是否有不允许的对象存在，节省人力物力的消耗，而且能够提高识别的效率和准确率。
57.以工地图像中判断工人是否进入了挖掘机的危险区域为例来说，挖掘机的危险区域的获得，是通过履带检测框外扩得到，而该履带检测框是工地图像中尽可能的接近挖掘机与地面实际接触区域的表征。图3所示的基于履带检测框31进行区域扩展得到的危险区域32，相比于图1中的将挖掘机车体的车体检测框12外扩得到的危险区域13，由于履带检测框31相比车体检测框12更接近于挖掘机与地面的接触区域，所以危险区域32比危险区域13更加准确。同理，图1中的工人检测框141或工人检测框142的中心点只是一个人体的表征，而图3中的接触位置34相比于上述中心点更接近于工人的人体与地面的接触位置。因此，接触位置34是人体与地面的接触位置，危险区域32更接近挖掘机与地面的接触区域，都是在地面(危险面)上来判断接触位置34是否落入了危险区域32，判断结果就更准确。而相比较来说，以往技术中由车体检测框12外扩得到危险区域13的方式，该车体检测框12将整个挖掘机都包括在内，在此基础上扩展得到的危险区域不准确，而且车体检测框12也只是一个人体的表征，并不能代表人体与地面的接触位置，所以这两者比较的结果也容易出现误判。
58.需要说明的是，上述例子中以危险面是地面为例，这里的地面并不限制一定是平面，比如，挖掘机所在的地面比工人所站的地面稍微低一些，但是都是在地面上。当然，本实
施例不限制其他可能的判断方式，比如，假设工人所站的地面高度比挖掘机所在地面要高一些，那么也可以根据对象检测框进行位置转换，得到工人所处位置对应到挖掘机实际所在的地面时将处于何种接触位置，示例性的，可以将基于对象检测框确定的工人与地面实际接触位置下降一定高度，具体可以是下降到挖掘机所在的地面平面，得到工人在危险面的接触位置，以继续进行后续的比较。不论是否执行上述的转换，都相当于是在同一危险面内进行第二对象的接触位置与扩展检测框的位置比较。
59.如下以一个具体的场景为例，描述本公开实施例的对象位置检测方法。图4示出了本公开至少一个实施例提供的一种对象位置检测方法的流程图，该方法以工地上监控工人是否进入了危险设备的危险区域为例。该方法可以包括：
60.在步骤400中，获取目标图像，所述目标图像包括工人和挖掘机。
61.例如，可以在一个施工工地上安装摄像头，用于采集工地图像。比如，可以采集到图1所示的工地图像，该工地图像即目标图像。该工地图像可以包括多个工人以及正在施工的施工设备，该施工设备包括但不局限于挖掘机等设备。
62.其中，在施工设备中可能存在一些具有潜在危险的设备，本实施例以挖掘机为例，为了防止挖掘机的挖斗会碰伤工人，通常可以定义挖掘机周边一定范围为危险区域，并且在该危险区域内不允许存在工人。
63.本实施例的方法的执行设备可以是上述的摄像头，即可以通过图像采集设备采集工地图像并且处理该图像；或者还可以是，由摄像头将采集的工地图像传输至后端处理设备，在后端处理设备上执行本实施例的方法。
64.在步骤402中，对所述目标图像进行对象检测处理，识别挖掘机中包括的履带，得到履带检测框，该履带检测框即挖掘机的基准区域对应的基准检测框。还识别到目标图像中的工人对应的对象检测框。
65.本步骤中可以进行目标检测，识别工地图像中的履带，可以结合参见图3的示意，可以检测到履带检测框31。还可以检测到工地图像中的各个工人，得到对象检测框33，每一个工人都可以对应一个对象检测框33。其中，挖掘机与地面的接触区域可以称为基准区域，而履带检测框31是工地图像中尽可能的接近该基准区域的基准检测框。
66.在步骤404中，由履带检测框进行区域扩展得到扩展检测框，所述扩展检测框用于限定挖掘机在地面的危险区域；并基于所述对象检测框确定工人与地面的接触位置。
67.不同的危险设备，其对应的危险区域的定义可以是不同的。比如，挖掘机的危险区域可以是定义为周边9米的范围，而另一种大型车的危险区域可以是定义为该大型车周边5米的范围。即不同的危险设备可以采用不同的危险区域的设置，该危险区域的设置也可以是根据实际的场景需求确定。
68.本实施例的方法执行设备可以预先存储不同类别的对象与其危险区域的映射关系，并在通过对图像进行识别检测到对象时，根据对象类别找到其对应的危险区域设置信息后，再进行区域外扩。例如，可以通过对工地图像进行目标检测，得到第一对象的对象类别，该对象类别是挖掘机，再获取与挖掘机对应的危险区域的区域设置信息，比如是“周边9米的范围”，则可以据此基于步骤402中得到的履带检测框进行区域扩展得到扩展检测框。该扩展检测框就表征了挖掘机在地面的危险区域。
69.此外，在一种示例中，可以将工人对应的对象检测框的下边缘作为工人与地面的
接触面，因此可以由该下边缘确定工人与地面的接触位置。例如，可以将对象检测框的下边缘的中点作为上述接触位置。在其他例子中，不局限于该对象检测框的下边缘的中点，比如，还可以是下边缘上的其他点而非中点，或者也可以对象检测框内部靠近下边缘的某一点，等等。
70.例如，若工人的身体是直立站立，那可以将对象检测框的下边缘的中点作为工人与地面的接触位置会更加准确。又例如，若工人的身体是弯腰工作，那可能并不是对象检测框的中点，而是中点向侧向偏移的点更能表征工人与地面的接触位置。因此，可以根据实际的场景情况来确定工人与地面的接触位置。
71.本实施例不限制上述的扩展检测框、或者基于所述对象检测框确定工人与地面的接触位置的获得方式。比如，在检测到对象检测框的基础上，可以直接将该对象检测框的中点确定为工人与地面的接触位置。又比如，还可以通过训练好的神经网络输出该工人与地面的接触位置，该神经网络的输入可以一张包括工人和地面的图像，输出是图像中的工人与地面的接触位置，或者，该神经网络的输入可以是一张包括工人的对象检测框和地面的图像，输出是工人与地面的接触位置，等。
72.在步骤406中，响应于所述接触位置在所述扩展检测框内，确定所述第二对象进入所述第一对象对应的所述危险区域，进行区域入侵告警。
73.在检测到工人进入了挖掘机的危险区域后，可以进行区域入侵告警。例如，可以在后端处理设备的显示屏上对进入危险区域的工人进行重点标识，比如对应显示告警标识，并且还可以辅助以声音告警提示，提示有工人进入危险区域。
74.本实施例中，在判断第二对象是否进入了第一对象的危险区域时，可以是尽可能的基于同一危险面来判断，这种判断方式能够提高对于第二对象是否进入危险区域的判断的准确性。因此本实施例的方法不仅能够自动监控危险区域内是否有不允许的对象存在，节省人力物力的消耗，而且能够提高识别的效率和准确率。比如，在图1中，距离摄像机较远的工人可能会误判断进入了危险区域，而采用本实施例的方法后，由于危险区域的确定更加准确，而且工人与地面的接触位置也更加准确，最后在图3中确定距离摄像机较远的工人并未进入挖掘机的危险区域，从而提升了位置检测的准确性。
75.为了实现本公开上述实施例的对象位置检测方法，本公开实施例还提供了对象位置检测装置。图5示出了本公开至少一个实施例提供的一种对象位置检测装置的结构示意图，如下对该装置的结构做简单描述，其中的各个模块的具体处理可以结合方法实施例的描述。如图5所示，该装置可以包括：图像获取模块51、对象识别模块52、扩展处理模块53和比较处理模块54。
76.在一个例子中，所述对象识别模块52，在用于识别所述第一对象的基准区域对应的基准检测框时，包括：识别所述车辆中包括的车辆组件，所述车辆组件与所述危险面接触；根据所述车辆组件，确定所述基准区域对应的基准检测框；其中，所述第一对象是车辆。
77.在一个例子中，所述目标图像中包括地面，所述车辆位于所述地面上；所述车辆组件是所述车辆与地面接触的组件，所述危险面是地面。
78.在一个例子中，所述扩展处理模块53，在用于基于所述基准检测框进行区域扩展得到扩展检测框时，包括：根据所述第一对象的对象类别，获取所述对象类别对应的危险区域的区域设置信息；基于所述区域设置信息，对所述基准检测框进行区域扩展得到扩展检
测框。
79.在一个例子中，所述扩展处理模块53，在用于基于所述对象检测框确定所述第二对象在所述危险面的接触位置时，包括：在所述危险面与所述对象检测框的下边缘对应的情况下，由所述对象检测框的下边缘确定所述接触位置。
80.在一个例子中，如图6所示，所述装置还包括：告警模块55，用于在确定所述第二对象进入所述第一对象对应的危险区域之后，进行区域入侵告警。
81.本领域技术人员应明白，本公开一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本公开一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
82.本公开实施例还提供一种计算机可读存储介质，该存储介质上可以存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例描述的对象位置检测方法。
83.本公开实施例还提供一种电子设备，该电子设备包括：存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现本公开任一实施例所述的对象位置检测方法。
84.其中，本公开实施例所述的“和/或”表示至少具有两者中的其中一个，例如，“多和/或b”包括三种方案：多、b、以及“多和b”。
85.本公开中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
86.上述对本公开特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
87.本公开中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本公开中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本公开中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
88.本公开中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如fpg多(现场可编程门阵列)或多sic(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
89.适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(pd多)、移动音频或视频播放器、游戏操纵台、全球定位系统(gps)接收机、或例如通用串行总线(usb)闪存驱动器的便携式存储设备，仅举几例。
90.适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如eprom、eeprom和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及cd rom和dvd-rom盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
91.虽然本公开包含许多具体实施细节，但是这些不应被解释为限制任何公开的范围或所要求保护的范围，而是主要用于描述特定公开的具体实施例的特征。本公开内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
92.类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
93.由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
94.以上所述仅为本公开一个或多个实施例的较佳实施例而已，并不用以限制本公开一个或多个实施例，凡在本公开一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开一个或多个实施例保护的范围之内。