识别图像背景颜色的方法、装置、设备、介质及产品与流程

1.本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域。


背景技术：

2.随着信息技术的发展，对于图像的获取日益便捷，图像可以是通过其中包括的对象主体表达不同的主题。在日常工作、生活中，人们在办理对公或者对私的各种业务，诸如资质审核、验证服务时，经常需要提交照片进行身份的核对证明。由于照片获取的手段、拍摄条件的不同，照片的图像质量也不同，拍摄得到的图像背景也不相同。
3.在一些审核场合下，对于用户提交照片的图像背景存在要求，要求用户提交的图像背景颜色规范、符合要求，以便统一管理。需要对图像的背景进行判断，以辨别出其中不规范、不符合要求的图像，例如，图像背景颜色不为指定颜色、背景颜色为非纯色等，均属于不符合要求的图像。


技术实现要素：

4.本公开提供了一种用于识别图像背景颜色的方法、装置、设备、介质及产品。
5.根据本公开的一方面，提供了一种识别图像背景颜色的方法，包括：确定待识别图像中目标对象所在的主体区域；基于所述主体区域，确定所述待识别图像的背景区域；获取所述背景区域中包括的像素点；确定所述像素点的三原色颜色空间值；基于所述三原色颜色空间值，确定所述背景区域的背景颜色。
6.根据本公开的另一方面，提供了一种识别图像背景颜色的装置，包括：确定模块，用于确定待识别图像中目标对象所在的主体区域，并基于所述主体区域，确定所述待识别图像的背景区域，以及确定所述背景区域中像素点的三原色颜色空间值，并基于所述三原色颜色空间值，确定所述背景区域的背景颜色；获取模块，用于获取所述背景区域中包括的所述像素点。
7.根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开中任一项所述的识别图像背景颜色的方法。
8.根据本公开的又一方面，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，其中，所述计算机指令用于使所述计算机执行本公开中任一项所述的识别图像背景颜色的方法。
9.根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开中任一项所述的识别图像背景颜色的方法。
10.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
11.附图用于更好地理解本方案，不构成对本公开的限定。其中：
12.图1是根据本公开的识别图像背景颜色的方法的流程示意图；
13.图2是根据本公开的确定待识别图像中目标对象所在的主体区域方法的流程示意图；
14.图3是根据本公开的基于主体区域，确定待识别图像的背景区域方法的流程示意图；
15.图4是根据本公开的识别图像背景颜色的方法中，主体区域与背景区域示意图；
16.图5是根据本公开的基于主体区域的坐标以及预设间距，确定待识别图像的背景区域方法的流程示意图；
17.图6是根据本公开的基于三原色颜色空间值，确定背景区域的背景颜色方法的流程示意图；
18.图7是根据本公开的识别图像背景颜色的装置的框图；
19.图8是用来实现本公开实施例的识别图像背景颜色的方法的电子设备的框图。
具体实施方式
20.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。
21.随着计算机广泛应用于人们工作、生活中的各领域，各个领域智能化程度越来越高，其中，图像处理技术的应用越发普及，基于数字图像处理的模式识别的研究受到关注。
22.由于图像采集的条件、采用的设备不同，所获得图像的背景也千差万别。在一些场合下，需要对图像的背景颜色进行确定，确定出背景颜色。例如，在办理一些个人信息认证时，需要用户提交证件照，且为了实现统一规范化管理，对证件照的背景颜色存在要求。用户提交的证件照背景色存在不规范的情况时有发生，例如，照片背景复杂、颜色非纯色，背景颜色不是指定颜色等。认证方需要对证件照的背景颜色进行判别，判断照片是否符合要求，以便进行后续流程对照片进行处理。
23.当前技术中，主要依靠人工鉴别图像的背景颜色，效率低、易遗漏和误判，且智能化程度低，不能自动给出背景颜色的检测结果。或者，基于人像检测的方法，例如，通过模型进行前景检测，提取图像中的前景，即人像，以检测到的人像为轮廓，在图像中分离出人像，得到背景图像，并对背景进行分析，最终判断该图片是否白底。然而，这种方式下，背景颜色的确定对人像检测的结果依赖程度高，人像检测的结果不准确时，无法划分出背景区域，后续进行背景分离，并对分离出的背景进行颜色分析会受到很大影响，无法正确判断出图像的背景颜色。
24.鉴于此，本公开实施例提供了一种识别图像背景颜色的方法，能够识别待识别图像中包括的目标对象所在的主体区域，基于图像中主体区域确定主体区域以外的背景区域，并确定背景区域对应的背景颜色，从而快速、准确地确定待识别图像的背景颜色。
25.图1是根据本公开的识别图像背景颜色的方法的流程示意图，参照图1，该方法包
括以下步骤。
26.在步骤s101中，确定待识别图像中目标对象所在的主体区域，并基于主体区域，确定待识别图像中包括的背景区域。
27.在本公开实施例中，待识别图像可以是包括目标对象的图像，例如，待识别图像为包括人物的证件照时，目标对象为图像中的人物面部，主体区域用于表征人物面部所在的区域，背景区域为与主体区域不同的其它区域，位于主体区域以外。可以理解地，当目标对象为其它物品，如商品、动物、植物等时，待识别图像中的主体区域也为包括目标对象的区域，且主体区域与背景区域的划分，与待识别图像为包括人物的证件照时相似。其中，背景区域用于确定待识别图像的背景颜色。待识别图像为证件照时，证件照中的背景区域
28.在步骤s102中，基于主体区域，确定待识别图像的背景区域。
29.在步骤s103中，获取背景区域中包括的像素点。
30.在步骤s104中，确定像素点的三原色颜色空间值。
31.在本公开实施例中，待识别图像由像素、也即像素点组成，待识别图像由横向、纵向排布的像素点组成，也可以理解为图像像素点形成矩阵。得到背景区域后，确定背景区域中包括的像素点，并确定像素点的三原色颜色空间值。三原色颜色空间值，即rgb颜色值，包括红色分量值、绿色分量值以及蓝色分量值。相应地，某像素点的三原色颜色空间均值，即该像素点对应的红色颜色值、绿色颜色值以及蓝色颜色值的平均值。
32.在步骤s105中，基于三原色颜色空间值，确定背景区域的背景颜色。
33.在本公开实施例中，确定待识别图像中的背景区域，并确定背景区域中包括的像素点，从而确定背景区域中像素点的三原色颜色空间值。基于三原色颜色空间值，确定背景区域对应的背景颜色。例如，可以是基于背景区域中像素点的三原色颜色空间值中的红色分量值的数值，确定该像素点的颜色是否为红色，以及，基于背景区域中像素点的蓝色分量值的数值，确定该像素点的颜色是否为蓝色。还可以是基于某像素点的三原色颜色空间均值，确定该像素点的颜色是否为白色，或者黑色。
34.综上，根据本公开实施例提供的识别图像背景颜色的方法，通过确定待识别图像中包括的目标对象所在的主体区域，并基于主体区域，确定图像中主体区域以外的背景区域，且背景区域不是由对主体区域进行分离得到，使确定背景区域时不受主体区域的轮廓识别是否准确的影响，并基于背景区域中像素点的三原色颜色空间值，确定背景区域对应的背景颜色，对背景颜色的确定便捷、准确，从而能够快速、准确地确定待识别图像的背景颜色。
35.图2是根据本公开的确定待识别图像中目标对象所在的主体区域方法的流程示意图，参照图2，该方法包括以下步骤。
36.在步骤s201中，基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框。
37.在本公开实施例中，待识别图像包括目标对象，基于目标对象所在的区域，确定目标对象所在的主体区域，并确定待识别图像中的背景区域，以确定背景区域的颜色。在确定待识别图像中的主体区域时，可以是基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框。其中，目标对象检测模型可以是根据待识别图像中包括的不同类型的目标对象进行确定。例如，待识别图像为包括人物的证件照时，对应的目标对象检测模型可以
是人脸检测模型。本公开实施例中，对选用的人脸检测模型不作限定。
38.在步骤s202中，将目标检测框所在区域确定为待识别图像中的主体区域。
39.在本公开实施例中，待识别图像包括目标对象，基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框。将目标检测框所在区域确定为待识别图像中的主体区域，从而实现通过主体区域，确定用于确定待识别图像的背景颜色的背景区域。
40.综上，根据本公开实施例提供的确定待识别图像中目标对象所在的主体区域的方法，基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框，将目标检测框所在区域确定为待识别图像中的主体区域。能够减少利用人像检测方法确定主体区域，并通过分离主体区域的轮廓确定背景区域时对人像检测的结果的依赖，且对于主体区域的确定准确度高。
41.图3是根据本公开的基于主体区域，确定待识别图像的背景区域方法的流程示意图，参照图3，该方法包括以下步骤。
42.在步骤s301中，确定主体区域的坐标以及预设间距。
43.在步骤s302中，基于主体区域的坐标以及预设间距，确定待识别图像的背景区域。
44.在本公开实施例中，确定目标对象所在的主体区域，并基于主体区域的确定待识别图像中的背景区域，以确定背景区域的颜色。基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框，将目标检测框所在区域确定为待识别图像中的主体区域。可以理解地，目标检测得到的检测框的坐标，即为主体区域的坐标。
45.在一实施例中，待识别图像为证件照时，基于人脸检测模型对待识别图像进行人脸检测，得到人脸检测框，人脸检测框用于表征图像中人脸所在的位置，人脸检测框可以为矩形框。当人脸图像处于向上的正方向显示时，人脸检测框的上边缘处于人脸的眉毛、额头附近，即人脸检测框不包括人脸的头发图像。人面部的图像通常会包括面部以及头发，头发位于面部的头顶、以及面部的两侧。为了确定准确的背景区域的颜色，在确定待识别图像中包括的背景区域时，需要避免头发的图像可能对背景区域颜色判断产生的影响。可以是在主体区域以外，预先设置背景区域与主体区域之间的间距，使背景区域与主体区域相离，实现将待识别图像中人像周边可能存在头发的区域去除，以去除人体头型、发型等影响，准确地确定背景区域，并通过背景区域准确地确定背景颜色。
46.图4是根据本公开的识别图像背景颜色的方法中，主体区域与背景区域示意图。参照图4，待识别图像为证件照，其中包括的目标对象为人脸，基于人脸检测模型对待识别图像进行目标检测，得到人脸检测框abcd，将人脸检测框所在区域确定为待识别图像中的主体区域。分别确定图4中包括的是位于人脸左右两侧以及上方的三个背景区域，与主体区域之间的间距，并基于间距，确定三个背景区域。
47.可以理解地，待识别图像中包括的目标对象不同，背景区域与主体区域之间的预设间距可以是互不相同的，以准确确定待识别图像中包括的背景区域。
48.综上，根据本公开实施例提供的方法，通过确定主体区域的坐标，并利用预设间距，在确定主体区域后，基于预设间距确定待识别图像的背景区域，从而能够减少主体外观差异带来的背景区域差异，确定有效的用于确定背景颜色的背景区域，从而能够准确确定待识别图像背景颜色。
49.图5是根据本公开的基于主体区域的坐标以及预设间距，确定待识别图像的背景
区域方法的流程示意图，参照图5，该方法包括以下步骤。
50.在步骤s401中，基于主体区域的坐标，确定主体区域的区域边界中，与图像边缘垂直的对边。
51.在本公开实施例中，基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框，将目标检测框所在区域确定为待识别图像中的主体区域。由于目标检测框的形状为矩形，即主体区域可以为矩形区域，背景区域也为矩形区域，且矩形区域位于主体区域与待识别图像的图像边缘之间，背景区域与主体区域之间存在间距。待识别图像为证件照时，证件照中包括人体头胸部以上的图像，背景区域可以位于图像中在人像的头顶上方、头部左右两侧。并参照图4，主体区域abcd的形状为矩形时，矩形区域abcd边界中的两组对边，分别与图像边缘垂直。即基于主体区域abcd的坐标，确定对边ab、dc分别与图像的竖直边缘垂直，对边ad、bc分别与图像的水平边缘垂直。
52.在步骤s402中，延长对边，与图像边缘相交于第一交点。
53.在步骤s403中，在主体区域的区域边界中，确定与图像边缘平行、且相邻的第一边界。
54.可以理解地，确定待识别图像中包括的背景区域时，多个背景区域的确定方法相似，以确定人脸图像右侧的背景区域为例。将矩形区域abcd边界中的对边ab与dc延长，与图像的右边缘分别相交于第一交点e与f。并在主体区域的区域边界abcd中，确定与图像右边缘平行、且相邻的第一边界bc。
55.在步骤s404中，基于间距，在第一边界与图像边缘之间，确定与第一边界平行的第二边界，并确定第二边界与对边延长线相交的第二交点。
56.主体区域与背景区域的间距为d时，在矩形边界abcd与图像的右侧边缘之间，确定与第一边界bc平行，且距离为d的第二边界，第二边界为hg所在的直线，且第二边界与ab、dc的延长线相交于第二交点h、g。
57.在步骤s405中，将依次连接第一交点与第二交点得到的区域，确定为背景区域。
58.在确定主体区域abcd与图像的右侧边缘之间的背景区域时，依次连接第一交点与第二交点得到的区域，即将efgh确定为背景区域。
59.同理，可以基于主体区域abcd与图像的左侧边缘之间的间距，确定位于图像左侧背景区域，基于主体区域abcd与图像的上部边缘之间的间距，确定位于图像上方的背景区域。可以理解地，主体区域abcd与图像的左侧边缘、右侧边缘以及图像上边缘之间的间距，可以是根据目标对象的不同进行设置，且主体区域abcd与图像的左侧边缘、右侧边缘以及图像上边缘之间的间距可以相同，也可以不同。例如，目标对象为人体的面部图像时，由于人体头发的分布特征，可以将主体区域abcd与图像上边缘之间的间距大于主体区域abcd与图像的左侧边缘和/或右侧边缘。
60.在本公开一实施例中，可以是根据主体区域abcd的长度、宽度，通过设置的比值，分别确定主体区域abcd与图像的左侧边缘、右侧边缘以及图像上边缘之间的间距。例如，分别设置主体区域abcd与图像左侧背景区域对应的比例为ratio1、主体区域abcd与图像右侧背景区域对应的比例为ratio2，主体区域abcd与图像上部背景区域对应的比例为ratio3。则可以通过设置的上述比例，以及主体区域abcd的长度ad、宽度ab，分别确定主体区域abcd与图像左侧背景区域之间的间距为ab
×
ratio1、主体区域abcd与图像右侧背景区域之间的
间距为ab
×
ratio2，以及主体区域abcd与图像上部背景区域之间的间距为ad
×
ratio3。
61.在本公开一实施例中，主体区域左侧、右侧或者上部的背景区域面积小于设置的阈值时，此时，该背景区域面积过小，作为无效区域不进行选用。若待识别图像中主体区域左侧、右侧或者上部的背景区域面积均小于设置的阈值时，无法进行图片背景颜色的判断。主体区域左侧、右侧或者上部的背景区域面积大于或等于设置的阈值时，该背景区域有效。基于全部背景区域中的有效背景区域，进行待识别图像背景颜色的确定。
62.综上，根据本公开实施例提供的方法，基于主体区域的坐标以及预设间距，确定有效的用于确定背景颜色的背景区域，从而能够准确确定待识别图像背景颜色。
63.图6是根据本公开的基于三原色颜色空间值，确定背景区域的背景颜色方法的流程示意图，参照图6，该方法包括以下步骤。
64.在步骤s501中，统计背景区域中三原色颜色空间均值大于设定颜色阈值的像素点数量。
65.在步骤s502中，若像素点数量在背景区域中包括的全部像素点数量中的占比大于预设阈值，将待识别图像的背景颜色确定为设定颜色阈值对应的颜色。
66.在本公开实施例中，确定待识别图像中目标对象所在的主体区域，以及背景区域与主体区域之间的间距，以基于主体区域，确定待识别图像中包括的背景区域。在确定待识别图像的背景颜色为白色时，设定白色对应的颜色阈值，并确定背景区域中各像素点的rgb颜色分量的均值，并统计背景区域中均值大于设定颜色阈值的像素点数量。
67.背景区域所在的位置确定时，背景区域所包括的全部像素点数量可以根据背景区域的图像尺寸确定。例如，背景区域为3
×
5时，该背景区域包括的全部像素点数量为15个。统计背景区域中均值大于设定颜色阈值的像素点数量在背景区域中包括的全部像素点数量中的占比大于预设阈值时，设定颜色阈值对应的颜色在待识别图像的背景中占比较大，将待识别图像的背景颜色确定为设定颜色阈值对应的颜色。
68.在本公开一实施例中，确定待识别图像的背景颜色为红色时，设定红色对应的颜色阈值，该颜色阈值对应像素点红色分量值。确定背景区域中各像素点的红色分量值，并统计背景区域中红色分量值与设定的颜色阈值之间的差值小于设定的阈值时的像素点数量。
69.统计背景区域中像素点数量在背景区域中包括的全部像素点数量中的占比大于预设阈值时，将待识别图像的背景颜色确定为设定颜色阈值对应的颜色，即红色。
70.综上，根据本公开实施例提供的方法，统计背景区域中三原色颜色空间均值大于设定颜色阈值的像素点数量，若像素点数量在背景区域中包括的全部像素点数量中的占比大于预设阈值，将待识别图像的背景颜色确定为设定颜色阈值对应的颜色，能够便捷、准确地通过三原色颜色空间值确定待识别图像的背景颜色。
71.基于相同的构思，本公开实施例还提供一种识别图像背景颜色的装置。
72.可以理解的是，本公开实施例提供的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。
73.图7是根据本公开的识别图像背景颜色的装置的框图。
74.如图7所示，本公开实施例的识别图像背景颜色的装置600，包括：确定模块601和获取模块602。
75.确定模块601，用于确定待识别图像中目标对象所在的主体区域，并基于主体区域，确定待识别图像的背景区域，以及确定背景区域中像素点的三原色颜色空间值，并基于三原色颜色空间值，确定背景区域的背景颜色。
76.获取模块602，用于获取背景区域中包括的像素点。
77.在本公开示例性的实施方式中，确定模块601还用于：基于目标对象检测模型对待识别图像进行目标检测，得到目标检测框；将目标检测框所在区域确定为待识别图像中的主体区域。
78.在本公开示例性的实施方式中，确定模块601还用于：确定主体区域的坐标以及预设间距；基于主体区域的坐标以及预设间距，确定待识别图像的背景区域，其中，间距为背景区域与主体区域之间、距离最近的、平行区域边界之间的距离。
79.在本公开示例性的实施方式中，背景区域为矩形区域，矩形区域位于主体区域与待识别图像的图像边缘之间，确定模块601还用于：基于主体区域的坐标，确定主体区域的区域边界中，与图像边缘垂直的对边；延长对边，与图像边缘相交于第一交点；在主体区域的区域边界中，确定与图像边缘平行、且相邻的第一边界；基于间距，在第一边界与图像边缘之间，确定与第一边界平行的第二边界，并确定第二边界与对边延长线相交的第二交点；将依次连接第一交点与第二交点得到的区域，确定为背景区域。
80.在本公开示例性的实施方式中，确定模块601还用于：统计背景区域中三原色颜色空间值大于设定颜色阈值的像素点数量；若像素点数量在背景区域中包括的全部像素点数量中的占比大于预设阈值，将待识别图像的背景颜色确定为设定颜色阈值对应的颜色。
81.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。
82.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。
83.图8示出了可以用来实施本公开的实施例的示例电子设备700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。
84.如图8所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
85.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通
信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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。
86.计算单元701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701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701执行上文所描述的各个方法和处理，例如识别图像背景颜色的方法。例如，在一些实施例中，识别图像背景颜色的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708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的识别图像背景颜色的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行识别图像背景颜色的方法。
87.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。
88.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。
89.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。
90.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。
91.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。
92.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。
93.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，本发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。
94.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。