一种基于LBS的边缘计算方法和机制与流程

一种基于lbs的边缘计算方法和机制
技术领域
1.本发明涉及边缘计算领域，主要涉及基于lbs(location based services，基于位置服务)的边缘计算方法和机制。


背景技术：

2.在传统的人脸识别场景中，人脸采集终端设备(如摄像头、摄像机等)通过将采集的人脸照片传回到云端平台进行比对、识别和业务计算，并将计算的结果反馈给前端业务层或业务人员。这种方式在采集的数据传输负载适中且对时效性要求相对较弱的场景下可以较好地支撑业务需求。但随着移动互联网和物联网技术的飞速发展，终端iot设备种类和类型日趋多元，数据流量呈现爆发式指数增长趋势，传统的人脸识别业务计算方法已经逐渐不能应付实时、灵活以及多并发场景的需求，云端的计算速率和时效性成为制约业务发展的一个主要因素。通过增加服务集群、提升计算能力可以在某种程度上缓解该现状，但也带来了系统建设和运维成本的大幅度增长。如何在移动计算环境下以低成本、有效的方式解决此问题成为公共安全人脸识别应用待解决的问题之一。
3.边缘计算技术被定义为在更靠近数据源的网络边缘为用户提供计算、存储等服务，它为有效解决该问题提供了前提。如果云计算技术是集中式大数据处理，边缘计算技术则可以理解为边缘式大数据处理。边缘计算技术已经逐步在物联网、ar/vr场景以及大数据和人工智能行业有所应用。
4.专利“基于边缘计算与云端统筹的人脸识别架构设计方法(cn 110197128 a)”提供了一种构建响应时间快、准确率高的人脸识别架构，它将边缘计算技术与云端统筹形式应用到大数据下的人脸识别任务中，在每个边缘节点通过任务请求的方式利用本地数据对边缘节点人脸识别模型进行训练，并将与基本任务结果数据进行传输，汇集到云端服务器，同时整合各个边缘节点的局部模型，提高整体的人脸识别准确率。该方法可以较好地减少前端数据传输量，降低响应延迟，但需要在每一个边缘节点上传数据与模型进行训练学习，比较适合每个边缘节点相对固定且业务计算相对稳定的场景，并不能适用移动场景下边缘节点位置持续更新的情况。
5.专利“应用于边缘计算设备的人脸识别方法(cn 110298296a)”提出将人脸检测模型和人脸特征提前模型加载到边缘计算设备的ai芯片中，对输入的人脸图片进行人脸识别，对于前端抓拍设备采集的人脸抓拍图，使用mtcnn 的onet获取人脸位置信息和关键点坐标信息，将获得的抓拍的人脸特征信息和加载到内存中的底图的人脸特征信息做相似性比对和排序。该方法在某种程度上确实可以解决以往长距离往返延时、网络拥塞、服务质量下降等问题，但存在几个方面的问题：1)实现成本较高：需要依赖于专有ai芯片的植入，对现有人脸采集设备的改造或替换成本代价较高；2)位置识别依赖于图像处理和提取，需要耗费一定的计算量并造成时延；3)内存中的底图并未提及如何动态基于位置更新，并不适合移动场景下位置和底图人脸库同时发生变化的场景，应用存在一定局限性。
6.因此，如何在减轻云端计算的同时，提高人脸识别效率是值得进一步优化解决的
问题。


技术实现要素：

7.提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。
8.根据本发明的一个实施例，提供了一种用于基于位置的边缘计算的方法，包括：获得边缘节点的当前位置；获得区域信息以及与所述边缘节点的当前位置相对应的子区域；基于所述区域信息以及与所述边缘节点的当前位置相对应的子区域，计算与所述子区域临近的临近区域集；接收与所述子区域和所述临近区域集相对应的人脸库子集和目标人员信息库子集；基于接收到的所述人脸库子集，对采集的当前人员的人脸信息执行本地人脸比对；如果所述本地人脸比对成功，则对所述目标人员信息库子集进行搜索，以确定所述当前人员是否属于目标人员；以及在所述当前人员属于目标人员的情况下执行与所述当前人员相关联的业务处理。
9.根据本发明的另一个实施例，提供了一种用于基于位置的边缘计算的系统，包括：云端业务平台，所述云端业务平台存储并管理人脸库和目标人员信息库，其中所述人脸库包含与所述云端业务平台相关联的区域内的完整人脸信息或者更广范围的人脸信息，所述目标人员信息库包含与所述云端业务平台相关联的区域内的完整目标人员信息或者更广范围的目标人员信息；其中所述云端业务平台包括：位置管理模块，所述位置管理模块被配置为管理与所述云端业务平台相关联的区域的区域信息并基于网格将所述区域划分为多个子区域；云端位置计算模块，所述云端位置计算模块被配置为基于接收到的位置信息，计算与所述位置信息相对应的子区域；云端人脸比对模块，所述云端人脸比对模块被配置为根据当前人员的人脸信息，结合所述人脸库进行云端人脸比对；以及数据推送模块，所述数据推送模块被配置成基于接收到的子区域，推送人脸库子集和目标人员信息库子集，所述人脸库子集提取自所述人脸库，所述目标人员信息库子集提取自所述目标人员信息库，并且所述人脸库子集和所述目标人员信息库子集仅包括与所述接收到的子区域相对应的内容。
10.根据本发明的还一个实施例，提供了一种用于基于位置的边缘计算的计算设备，包括：处理器；存储器，所述存储器存储有指令，所述指令在被所述处理器执行时能执行如上述所述的方法。
11.通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。
附图说明
12.为了能详细地理解本发明的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本发明的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。
13.图1示出了根据本发明的一个实施例的用于基于位置的边缘计算的系统 100的框图；
14.图2示出了根据本发明的一个实施例的用于基于位置的边缘计算的方法 200的流程图；
15.图3以网格的形式示出了区域示意图300；
16.图4示出了区域连通模拟图400；以及
17.图5示出了根据本发明的一实施例的可应用于本发明的各方面的硬件设备的计算设备500的框图。
具体实施方式
18.下面结合附图详细描述本发明，本发明的特点将在以下的具体描述中得到进一步的显现。
19.随着人脸采集设备的增多，前端数据采集设备与云端的交互越来越频繁，上传的数据量也日益增多，对云端的计算能力越来越高，此时如果云端的计算能力不能够及时升级，往往会导致业务延时、网络拥塞、服务质量下降，成为制约业务发展的限制因素。本发明提出了一种移动场景下基于位置的边缘计算方法和机制。本发明通过在移动设备(例如，移动交通工具等)上安装人脸采集终端设备并通过接入网络的标识动态获取位置信息，并将位置信息传送给云端，基于位置更新以及当前临近区域计算将人脸信息推送到边缘计算设备，从而在边缘节点进行人脸比对和计算。本发明能够减少云端计算代价，避免以往长距离往返延时、网络拥塞等导致的服务质量下降、并且能够广泛适用于移动场景下边缘计算的需求，提供更快的响应速度，更好保证安全和隐私。
20.图1示出了根据本发明的一个实施例的用于基于位置的边缘计算的系统 100的框图。该系统100主要包括云端业务平台101和边缘节点102。根据本发明的一个实施例，云端业务平台101是被部署在云服务器上的业务管理系统，其可以支撑边缘节点102的业务请求以及集中的数据存储。举例而言，所存储的数据一般包含人脸库111、业务库112、位置信息库113、目标人员信息库 114以及边缘设备信息库115中的一者或多者。根据本发明的一个实施例，边缘节点102可包括诸如安装在移动交通工具(例如各种移动检查设备、具有特定任务的交通工具等)上的具有通信功能的人脸采集设备、具有人脸采集功能的通信设备、或人脸采集设备和通信设备的组合。如本领域的技术人员所知的，边缘节点102可通过不同的通信方式(如以太网、wi-fi、802.x、蜂窝)来访问云端业务平台101。
21.通过将云端业务平台101与边缘节点102结合使用，一些任务(例如，本地人脸比对)可以在边缘节点102上执行，而其他任务(例如，边缘节点102 中未处理的人脸比对等)可以在云端业务平台101中执行。由此，通过将部分计算前置到边缘节点102，可以减少云端数据传输压力，同时降低数据存储成本。
22.参考图1，根据本发明的一个实施例，云端业务平台101包括边缘设备管理模块103，位置管理模块104，云端位置计算模块105，云端人脸比对模块 106，人员信息查找模块107，业务关联模块108，数据推送模块109和/或配置管理模块110中的一者或多者。其中，任何模块可以与任何其他模块通信，但出于容易解说的目的而未示出所有连接。并且，本领域的技术人员完全可以理解，本文仅仅是出于解说的目的来解说上述各个模块，上述模块中
的一者或多者的功能可被合并到单个模块或拆分到多个模块中。并且，上述模块中的一者或多者可用软件、硬件或其组合的方式来实现。
23.根据本发明的一个实施例，边缘设备管理模块103可被配置为管理与云端业务平台101交互的所有边缘节点102(如边缘节点102-1到102-n)的信息，包括边缘节点102中每个边缘节点的状态信息、边缘节点的配置信息等，并将这些信息存储在边缘设备信息库115中。
24.根据本发明的一个实施例，边缘设备管理模块103可进一步配置为对边缘节点102进行上下线管理以及远程操控等处理。例如，如果某两个边缘节点102 当前的位置过近，可能导致所处理的人脸信息重复率过高，则可对其中一个边缘节点102进行下线处理，以节省资源。
25.根据本发明的一个实施例，云端业务平台101可负责存储并管理与业务相关区域(为了便于说明，下文中“业务相关区域”与“区域”可互换使用)相关联的数据，由此边缘设备管理模块103可管理该区域内的边缘节点102并与该区域内的边缘节点102进行交互。例如，假设与云端业务平台101相关联的区域被设置为a市，则其可被配置为存储与a市相关联的数据(例如，a市的人脸信息、a市的地图信息等)，由此对a市内的边缘节点102发出的请求进行响应。当然，云端业务平台101也可按需被配置为与更大的区域或更小的区域相关联。
26.根据本发明的一个实施例，位置管理模块104可被配置为管理与云端业务平台101相关联的业务相关区域的基本地图、区域信息等。并且，位置管理模块104可被配置为基于网格将该区域划分为多个子区域，并形成子区域与边缘节点的常见映射关系。例如，如果与云端业务平台101相关联的业务相关区域为a市，则位置管理模块104可基于行政区域划分、地理区域范围大小、目标区域划分等等划分方式来将a市划分为多个子区域。进一步而言，在目标区域划分的情况下，由于一般而言移动设备被分配的目标区域并不经常发生变化 (例如，移动设备可被规定为在目标区域内移动)，位置管理模块104可将子区域与在该子区域移动的移动设备上的边缘节点102进行映射并维护该映射关系，使得能够在边缘节点102进行区域寻找请求时更快速地进行响应。
27.根据本发明的一个另一个实施例，上述基本地图、区域信息、映射关系等可被存储在位置信息库113中。
28.根据本发明的一个实施例，云端位置计算模块105可被配置为基于区域寻找算法，根据某一个边缘节点102或边缘节点102集合所在位置，搜索其所对应的子区域。根据本发明的一个实施例，区域寻找算法可根据边缘节点102当前所在的位置，寻找与该位置对应的子区域。例如，如果边缘节点102所在的位置标识为point-n{经度a，纬度b}，则云端位置计算模块105可例如基于位置信息库113计算得到该位置point-n所处的子区域。
29.根据本发明的一个实施例，该区域寻找算法是云端执行的，是根据边缘节点上报的位置来检索该位置所处的子区域，而下文描述的区域搜索算法是边缘节点执行的，用于根据云端返回的子区域来计算临近区域。
30.根据本发明的一个实施例，云端人脸比对模块106可被配置为根据边缘节点102上传的人脸信息，结合人脸库111在云端进行人脸的处理、识别和/或比对。根据本发明的一个实施例，云端业务平台101所包括的人脸库111可包含与云端业务平台101相关联的业务区域内的完整人脸信息或者更广范围的人脸信息。根据本发明的一个实施例，本发明中所述
的“人脸信息”一般包括人脸数据或人脸训练数据。
31.举例而言，针对某个人员，人脸库111中可包括该人员的人脸信息。进一步，人脸信息可包括以下字段中的一者或多者：人脸编号，人脸关键特征-1，人脸关键特征-2，
……
，人脸关键特征-n，人脸照片位置索引-1，人脸照片位置索引-2，......，人脸照片位置索引-n，人脸标识索引标签(例如，图像特征向量的向量索引)。
32.本领域的技术人员可以理解，对人脸进行处理、识别和比对的方式已经日渐成熟，具体的人脸比对方式不在本发明的保护范围内。
33.根据本发明的一个实施例，人员信息查找模块107可被配置为根据云端人脸比对模块106的人脸比对的结果，结合目标人员信息库114进行人员的检索。根据本发明的一个实施例，目标人员信息库114中可仅仅包括提前定义的目标人员(例如，失踪人口、走失儿童等)的人员信息，或者，目标人员信息库114 中可仅仅包括用其他方式定义的目标人员的人员信息。根据本发明的一个实施示例，目标人员信息库114可包含与云端业务平台101相关联的业务区域内的完整目标人员信息或者更广范围的目标人员信息。根据本发明的一个实施例，人员信息可包括以下字段中的一者或多者：人员id，人员基本信息，人员标签和/或相关业务。
34.例如，如果云端人脸比对模块106的人脸比对结果为边缘节点102当前捕获的人脸匹配人脸库114中的某一人员，则在目标人员信息库114中对该人员进行检索，以判断该人员是否是目标人员，以进行下一步的处理。
35.根据本发明的一个实施例，业务关联模块108可被配置成将具体人员信息和实际业务进行关联，该模块中的业务可根据实际情况进行拓展和配置。根据本发明的一个实施例，“实际业务”可由社区机构、银行等公共机构来进行定义，使得当某个人员通过人脸比对被识别出后，可以进行相关联的后续的具体业务。举例而言，如果该人为走失儿童或失踪人口，则与其相关联的具体业务可以是向相关公共机构进行汇报。
36.根据本发明的一个实施例，“实际业务”的具体条目和内容可被维护在业务库中，而目标人员信息库114中可包括将具体人员链接到具体业务的索引。根据本发明的另一个实施例，目标人员信息库114中也可直接包括针对具体人员的具体业务，而无需使用业务库。
37.根据本发明的一个实施例，数据推送模块109被配置成接收边缘节点102 的数据请求和位置信息，并根据边缘节点102的请求将人脸库子集和目标人员信息库子集推送给边缘节点102。该人脸库子集和目标人员信息库子集提取自人脸库111和目标人员信息库114，并且仅与以下两类区域有关：(1)与边缘节点102的位置信息相对应的子区域(例如，云端位置计算模块105计算出的子区域)；(2)该子区域的临近区域。需要注意的是，该人脸库子集中的人脸数据仅仅包括机构定义的目标人员的人脸数据，并不需要包含与边缘节点102的位置信息相对应的子区域以及临近区域中所有居住人口的人脸数据或人脸训练数据。并且，该目标人员信息库子集中的目标人员信息仅仅包括与该子区域和临近区域相对应的目标人员的信息。根据本发明的一个实施例，如果目标人员信息库子集较大，则可进一步根据行政区域和/或目标人员的级别进行筛选。
38.根据本发明的一个实施例，配置管理模块110被配置为基本的系统信息管理模块。具体而言，配置管理模块110被配置进行位置初始化、边缘节点基本信息初始化和设置、对
检索深度等基本参数的设置。
39.现在进一步参考图1来描述边缘节点102。如图所示，云端业务平台101 可管理数个边缘节点102(例如，边缘节点102-1到102-n)并与其进行通信。根据本发明的一个实施例，该数个边缘节点102可位于不同的子区域或位于相同的子区域。
40.根据本发明的一个实施例，边缘节点102可包括位置采集模块116，人像采集模块117，本地位置计算模块118和本地人脸比对模块119。根据本发明的另一个实施例，边缘节点102可存储人脸库子集120和目标人员信息库子集 121。
41.根据本发明的一个实施例，位置采集模块116被配置为获得边缘节点102 当前的位置信息。例如，位置采集模块116可基于当前边缘节点102的gps信息、或利用基站所提供的接入网络的标识等来获得当前的位置信息。
42.根据本发明的一个实施例，人像采集模块117被配置为获得人像采集模块 117视野内的人脸信息。例如，人像采集模块117可被具体化为摄像头等。
43.根据本发明的一个实施例，本地位置计算模块118被配置为基于边缘节点 102的当前所位于的子区域(例如，该子区域由云端业务平台101提供)，根据区域搜索算法来计算与该子区域临近的临近区域。
44.根据本发明的一个实施例，本地人脸比对模块119被配置为基于人像采集模块117获得的当前人员的人脸图像，将其与人脸库子集120进行比对，并根据比对结果在目标人员信息库子集121中进行检索，以判断当前人员是否为目标人员。
45.图2示出了根据本发明的一个实施例的用于基于位置的边缘计算的方法 200的流程图。方法200开始于步骤201。
46.在步骤201，获得边缘节点的当前位置。根据本发明的一个实施例，边缘节点初始化，并通过接入网络的标识或gps等获取当前所在位置。
47.在步骤202，边缘节点获得区域信息以及与边缘节点的当前位置相对应的子区域。根据本发明的一个实施例，边缘节点将当前位置传送到云端业务平台 101，云端业务平台101向边缘节点返回与云端业务平台101相关联的区域的区域信息(例如，来自位置信息库113中的区域地图、区域划分等)以及与该当前位置相对应的子区域(例如，边缘节点所处的子区域)。例如，如果与云端业务平台101相关联的区域为上海市，而边缘节点传送的当前位置标识为 point-n{经度a，纬度b}，则云端业务平台101可向边缘节点返回上海市的区域信息以及与point-n相对应的子区域。
48.根据本发明的另一个实施例，与云端业务平台101相关联的区域的区域信息也可被存储在边缘节点中，以便更快速地进行子区域定位。
49.在步骤203，基于步骤202中获得的区域信息以及与边缘节点的当前位置相对应的子区域，计算与该子区域临近的临近区域集。
50.根据本发明的一个实施例，边缘节点根据区域搜索算法来计算临近区域集。现在参考图3和图4来进行详细描述。图3以网格的形式示出了区域示意图300。图4示出了区域连通模拟图400。
51.假设与云端业务平台101相关联的区域被划分为n个子区域，如图3所示 (诸如，区域被划分为38个子区域)，每一个子区域标记为loc-i，其临近区域标记为neara{i}＝{loc-m,loc-n,loc-j....}，其中m,n,j隶属于i，则loc-i可表示为loc-i＝[i,neara{i}]。将
{loc-1，loc-2，loc-3....loc-n}进行图形化建模得到如图4所示的连通图。假定当前边缘节点n所在的位置标识为point-n{经度 a，纬度b}，将point-n信息上传至云端业务平台101进行定位得到其所对应的子区域为loc-k(图3中被示出为网格14)，若设置当前检索深度为t，则检索算法描述如下：
[0052][0053]
如图4所示，根据上述算法如果检索深度为2，则与子区域14对应的临近区域为{7，8，9，10，11，12，13，20，19，21，22，15，18}。本领域的技术人员可以理解，所搜索的临近区域的数量取决于区域搜索算法的深度。深度越大，所搜索出的临近区域的数量就越多。根据本发明的一个实施例，如上文所述，该区域搜索算法的深度可由云端业务平台101进行配置。
[0054]
在步骤204，将临近区域集上传到云端业务平台。根据本发明的一个实施例，如上述示例，可将{7，8，9，10，11，12，13，20，19，21，22，15，18}上传到云端业务平台101。
[0055]
在步骤205，云端业务平台从人脸库和目标人员信息库中计算人脸库子集和目标人员信息库子集，该人脸库子集和目标人员信息库子集中仅包括与以下两类区域相对应的内容：(1)与边缘节点的当前位置相对应的子区域；(2)该子区域的临近区域集。如上所述，云端业务平台所包括的人脸库可包含与云端业务平台相关联的业务区域内的完整人脸信息或者更广范围的人脸信息。目标人员信息库可包含与云端业务平台相关联的业务区域内的完整目标人员信息或者更广范围的目标人员信息。
[0056]
在步骤206，云端业务平台将人脸库子集和目标人员信息库子集下发到边缘节点。根据本发明的一个实施例，云端根据业务需求计算生成相关的人脸库和相关的业务库并进行数据下发。所下发的人脸库子集和目标人员信息库子集可基于关联规则来进行下发，该
关联规则可如下：
[0057]
(区域编号、区域名称、区域标识边界列表{《经度-1、纬度-1》,《经度-2、纬度-2》，《经度-3、纬度-3》，......，《经度-n、纬度-n》}},人脸标识索引标签, 目标人员标签)
[0058]
目标人员(人员id，人员基本信息(......),人员标签列表(目标人员标签1，目标人员标签2，目标人员标签3))
[0059]
人脸记录(人脸编号,人脸关键特征-1,人脸关键特征-2,...人脸关键特征-n,人脸照片位置索引-1,人脸照片位置索引-2,......人脸照片位置索引-n,人脸标识索引标签)
[0060]
在步骤207，边缘节点基于接收到的人脸库子集，对采集的当前人员的人脸信息执行本地人脸比对。根据本发明的一个实施例，设置人脸相似度为φ，如果经过人脸比对算法可得到当前采集的人脸fcur与人脸库子集的人员p的相似度之差小于φ，则可判定人脸比对成功。如果本地人脸比对成功，则进入步骤 208，如果本地人脸比对不成功，则进入步骤210。
[0061]
在步骤208，对目标人员信息库子集进行搜索，以确定当前人员p是否属于目标人员。在步骤209，如果当前人员p属于目标人员，则对当前人员直接进行业务处理。根据本发明的一个实施例，边缘节点可基于目标人员信息库子集或业务库中记载的与该当前人员相关联的业务来进行业务处理。
[0062]
在步骤210，将当前人员的人脸信息传送到云端业务平台，并由云端业务平台进行云端人脸比对和业务处理。根据本发明的一个实施例，云端业务平台将该人脸信息与人脸库进行比对。如果云端人脸比对成功，则在目标人员信息库中针对当前人员进行搜索，以确定当前人员是否属于目标人员，并在属于目标人员的情况下执行相应的业务处理。
[0063]
在步骤211，云端业务平台将云端人脸比对结果和/或业务处理结果反馈给边缘节点。根据本发明的另一个实施例，该步骤是可选的，即云端业务平台无需将处理结果反馈给边缘节点。
[0064]
本发明与现有技术相比，其显著优点为：
[0065]
(1)具有实用性：根据本发明，边缘节点可以根据实际业务场景结合位置进行动态请求，并通过将计算前置，从而减少了云端数据传输压力，同时降低数据存储成本。同时本发明中的方法无需对边缘摄像头设备进行改造，推广和应用成本较低。
[0066]
(2)应用场景广泛：本发明的场景既可以面向边缘节点相对固定的场景，也可以面向移动环境下边缘节点不停地进行位置更新的场景，它通过边缘节点基于位置发起任务请求，能够大幅度减少上传到云端的数据并减少业务时延。
[0067]
图5示出了根据本发明的一实施例的可应用于本发明的各方面的硬件设备的计算设备500的框图。该计算设备500可作为本发明中的边缘节点102或云端服务平台101。
[0068]
参考图5，计算设备500可以是可被配置成用于实现处理和/或计算的任何机器，可以是但并不局限于工作站、服务器、桌面型计算机、膝上型计算机、平板计算机、个人数字处理、智能手机、车载计算机、家用摄像头、会议录像设备、道路摄像头或者它们的任何组合。前述的各种方法/装置/服务器/客户端设备可全部或者至少部分地由计算设备500或者类似设备或系统来实现。
[0069]
计算设备500可包括可经由一个或多个接口和总线502连接或通信的组件。例如，
计算设备500可包括总线502、一个或多个处理器504、一个或多个输入设备506以及一个或多个输出设备308。该一个或多个处理器504可以是任何类型的处理器并且可包括但不限于一个或多个通用处理器和/或一个或多个专用处理器(例如，专门的处理芯片)。输入设备506可以是任何类型的能够向计算设备输入信息的设备并且可以包括但不限于鼠标、键盘、触摸屏、麦克风、摄像头和/或远程控制器。输出设备508可以是任何类型的能够呈现信息的设备并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/ 或打印机。计算设备500也可以包括非瞬态存储设备510或者与所述非瞬态存储设备相连接，所述非瞬态存储设备可以是非瞬态的并且能够实现数据存储的任何存储设备，并且所述非瞬态存储设备可以包括但不限于磁盘驱动器、光存储设备、固态存储器、软盘、软磁盘、硬盘、磁带或任何其它磁介质、光盘或任何其它光介质、rom(只读存储器)、ram(随机存取存储器)、高速缓冲存储器和/或任何存储芯片或盒式磁带、和/或计算机可从其读取数据、指令和/或代码的任何其它介质。非瞬态存储设备510可从接口分离。非瞬态存储设备510可具有用于实施上述方法和步骤的数据/指令/代码。计算设备500也可包括通信设备512。通信设备512可以是任何类型的能够实现与内部装置通信和/或与网络通信的设备或系统并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信设备和/或芯片组，例如蓝牙设备、ieee 1302.11设备、 wifi设备、wimax设备、蜂窝通信设备和/或类似设备。
[0070]
总线502可以包括但不限于工业标准结构(isa)总线、微通道结构(mca) 总线、增强型isa(eisa)总线、视频电子标准协会(vesa)局部总线和外部设备互连(pci)总线。
[0071]
计算设备500还可包括工作存储器514，该工作存储器514可以是任何类型的能够存储有利于处理器504的工作的指令和/或数据的工作存储器并且可以包括但不限于随机存取存储器和/或只读存储设备。
[0072]
软件组件可位于工作存储器514中，这些软件组件包括但不限于操作系统 516、一个或多个应用程序518、驱动程序和/或其它数据和代码。用于实现本发明上述方法和步骤的指令可包含在所述一个或多个应用程序518中，并且可通过处理器504读取和执行所述一个或多个应用程序518的指令来实现本发明的上述方法200。
[0073]
也应该认识到可根据具体需求而做出变化。例如，也可使用定制硬件、和 /或特定组件可在硬件、软件、固件、中间件、微代码、硬件描述语音或其任何组合中实现。此外，可采用与其它计算设备、例如网络输入/输出设备等的连接。例如，可通过具有汇编语言或硬件编程语言(例如，verilog、vhdl、c ) 的编程硬件(例如，包括现场可编程门阵列(fpga)和/或可编程逻辑阵列(pla) 的可编程逻辑电路)利用根据本发明的逻辑和算法来实现所公开的方法和设备的部分或全部。
[0074]
尽管目前为止已经参考附图描述了本发明的各方面，但是上述方法、系统和设备仅是示例，并且本发明的范围不限于这些方面，而是仅由所附权利要求及其等同物来限定。各种组件可被省略或者也可被等同组件替代。另外，也可以在与本发明中描述的顺序不同的顺序实现所述步骤。此外，可以按各种方式组合各种组件。也重要的是，随着技术的发展，所描述的组件中的许多组件可被之后出现的等同组件所替代。