图像处理方法和装置与流程

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，可应用于图像处理、图像检测等场景，具体涉及一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.基于人工智能的图像处理技术，已经渗透到各个领域。其中，基于人工智能的人脸认证技术，根据用户输入的人脸图像数据，判断该用户是否通过验证。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种图像处理方法，包括：确定图像检测策略所包括的第一处理操作的第一参数；根据获取的目标可见光图像和与所述目标可见光图像对应的目标红外图像，调用所述图像检测策略对应的回调函数；以及采用所述第一处理操作中的第二处理操作，并基于所述回调函数和第二参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到第一检测结果；其中，所述第二参数为所述第一参数中与所述第二处理操作对应的参数，所述第一检测结果指示所述目标对象是否与第一类别对应，所述目标可见光图像和所述目标红外图像均与目标对象对应。
7.根据本公开的另一方面，提供了一种图像处理装置，包括：参数确定单元，被配置用于确定图像检测策略所包括的第一处理操作的第一参数；函数调用单元，被配置用于根据获取的目标可见光图像和与所述目标可见光图像对应的目标红外图像，调用所述图像检测策略对应的回调函数；以及图像处理单元，被配置用于采用所述第一处理操作中的第二处理操作，并基于所述回调函数和第二参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到第一检测结果；其中，所述第二参数为所述第一参数中与所述第二处理操作对应的参数，所述第一检测结果指示所述目标对象是否与第一类别对应，所述目标可见光图像和所述目标红外图像均与目标对象对应。
8.根据本公开的另一方面，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实现根据上述的方法。
9.根据本公开的另一方面，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实现根据上述的方法。
10.根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
11.通过获取与图像检测策略所包括的第一处理操作的第一参数，执行一次对该图像检测策略的回调函数的回调，即可获得图像检测策略所对应的第一检测结果，简化图像检测策略的实现过程。同时，由于图像检测策略所包括的第一处理操作的参数是可以根据情况调整的，从而可以根据情况调整调整图像检测策略，使图像检测策略可以适应于不同的场景，针对对应于同一目标对象的目标可见光图像和目标红外图像进行处理，实现对目标对象是否对应于第一类别的检测，使获得的第一检测结果准确。
12.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
13.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
14.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
15.图2示出了根据本公开的实施例的图像处理方法的流程图；
16.图3示出了根据本公开的实施例的图像处理方法中采用第一处理操作中的第二处理操作并基于回调函数和第二参数处理目标可见光图像和目标红外图像中的至少一个图像的过程的流程图；
17.图4示出了根据本公开的实施例的图像处理方法中采用第一处理操作中的第三处理操作并基于回调函数和第三参数处理目标可见光图像和目标红外图像中的至少一个图像的过程的流程图；
18.图5示出了根据本公开的实施例的图像处理方法中采用第三处理操作中的第四处理操作并基于回调函数和第四参数处理目标可见光图像的过程的流程图；
19.图6示出了根据本公开的实施例的图像处理方法中采用第三处理操作中的第五处理操作并基于回调函数和第五参数处理目标红外图像的过程的流程图；
20.图7示出了根据本公开的实施例的图像处理方法的流程图；
21.图8示出了根据本公开的实施例的图像处理方法通过多个步骤实现图像检测策略的过程的流程图；
22.图9示出了根据本公开的实施例的图像处理装置的结构框图；以及
23.图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
24.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。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。
25.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
26.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
27.下面将结合附图详细描述本公开的实施例。
28.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
29.在本公开的实施例中，服务器120可以运行使得能够执行图像处理方法的一个或多个服务或软件应用。
30.在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
31.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
32.用户可以使用客户端设备101、102、103、104、105和/或106来接收第一检测结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
33.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作
系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
34.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
35.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
36.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
37.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
38.在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
39.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
40.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储
库或由文件系统支持的常规存储库。
41.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
42.参看图2，根据本公开的一些实施例的一种图像处理方法200包括：
43.步骤s210：确定图像检测策略所包括的第一处理操作的第一参数；
44.步骤s220：根据获取的目标可见光图像和与所述目标可见光图像对应的目标红外图像，调用所述图像检测策略对应的回调函数；
45.步骤s230：采用所述第一处理操作中的第二处理操作，并基于所述回调函数和第二参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到第一检测结果。
46.其中，其中，所述第二参数为所述第一参数中与所述第二处理操作对应的参数，所述第一检测结果指示所述目标对象是否与第一类别对应，所述目标可见光图像和所述目标红外图像均与目标对象对应。
47.在处理图像的过程中，通过获取与图像检测策略所包括的第一处理操作的第一参数，执行一次对该图像检测策略的回调函数的回调，即可获得图像检测策略所对应的第一检测结果，简化图像检测策略的实现过程。同时，由于图像检测策略所包括的多个处理中的每个处理的参数是可以根据情况调整的，从而可以根据情况调整调整图像检测策略，使图像检测策略可以适应于不同的场景，针对对应于同一目标对象的目标可见光图像和目标红外图像进行处理，实现对目标对象是否对应于第一目标分类的检测，使获得的第一检测结果准确。
48.在相关技术中，通过对图像执行多个处理操作，实现对图像进行检测的图像检测策略，其中，多个处理操作分别对图像进行不同的处理。例如，在实现关于人脸认证的图像检测策略的过程中，通过对图像进行人脸检测操作、人脸对齐操作、活体检测操作以及特征匹配步骤，实现人脸认证。其中，人脸检测操作用于检测图像中是否包含人脸，人脸对齐操作用于对图像中的人脸的位姿进行校正，活体检测操作用于判断图像中的人脸是否来自活体，特征匹配操作用于判断图像中的人脸在预设数据库中是否具有匹配的人脸数据。而在实现人脸认证的过程中，通过分别各个处理操作的函数实现其各自的处理，进而实现人脸认证，整个过程需要进行多次函数调用。同时，人脸认证过程往往需要在不同的场景中实现。因此，针对不同的场景，需要重新开发新的图像检测策略。例如，应用于火车站安检的人脸认证过程的图像检测策略，不能应用于在社区门禁下的人脸认证过程。又例如，在社区门禁中使用的应用于人脸认证的图像检测策略，在白天时实现的人脸认证的精度和在夜晚时实现的人脸认证的精度不一致，导致像检测策略在各种场景下的适应性不好。还例如，针对可见光图像进行处理的图像检测策略，仅能适用于白天进行的人脸认证过程，而在夜晚进行的人脸认证过程中应用时准确率低。
49.根据本公开的实施例，通过确定与图像检测策略的第一处理操作的第一参数，并且调用一次回调函数，实现图像检测策略，使实现图像检测策略的过程简单。同时，在实现图像检测策略的过程中，可以针对不同的应用场景可以通过确定相应的第一参数，实现图像检测策略适用于不同的的应用场景。同时，在实现图像检测策略时，通过第一处理操作对红外图像和可见光图像中的至少一个进行处理，使所获得的图像检测策略可以适用的环境
更加广泛，提升所获得的检测结果的准确性。例如，在图像检测策略应用于人脸认证过程时，通过调整多个处理的参数，可以是图像检测策略同时适用于火车站安检的人脸认证过程、社区门禁的白天和黑夜的人脸认证过程等等。
50.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
51.在一些实施例中，通过人脸认证设备实现本公开的图像处理方法，其中，人脸认证设备包括可见光摄像装置、红外摄像装置以及处理装置。可见光摄像装置用于对对象进行拍摄获得可见光图像(即，rcb图像)，红外摄像装置用于对对象进行拍摄获得红外图像。处理装置用于对可见光摄像装置摄取的可见光图像和红外摄像装置摄取的红外图像进行处理，从而实现图像检测策略。
52.需要说明的是，实施例以人脸认证过程为示例，说明根据本公开的图像处理方法仅仅是示例性的，本领域技术人员应当理解，根据本公开的图像处理方法还可以适用于任何基于可见光图像和红外图像获得检测结果的过程。
53.在一些实施例中，通过函数库的函数，提供第一处理操作，其中，函数的参数可以为第一处理操作的第一参数。
54.根据本公开的实施例中，第一处理操作包括多个子操作，该函数通过所包括的多个子函数实现该多个子操作。例如，该函数包括用于对目标可见光图像进行目标检测以确定目标可见光图像是否包含目标对象的检测函数、用于对目标可见光图像进行匹配处理以确定预设数据库中是否包括与目标可见光图像匹配的数据的匹配函数等，在此并不限定。
55.可以理解，第一处理操作中的多个子操作中的每一个子操作还可以包括各自相应的下一级子操作，同时，每一个子操作的下一级子操作还可以通过相应的子函数所包括(或套欠)的下一级子函数提供；依次类推，在此并不限定。
56.在根据本公开的实施例中，第二处理操作为第一处理操作中的一个子操作，与该子操作相应的参数提供所述第二处理操作的参数。
57.在一些实施例中，人脸认证设备通过提供的api接口，提供用于确定第一处理操作的第一参数的接口。例如，通过设置人脸设备的api接口的参数确定函数库中的函数中的每一个子函数的参数，从而确定第一处理操作的第一参数。在一些实施例中，api接口为high levelapi接口。在一些实施例中，响应于目标可见光图像和目标红外图像输入至high levelapi接口，在high levelapi接口内封装的多个函数自动执行，以实现图像检测策略。
58.在一些实施例中，图像检测策略对应于人脸认证过程，通过将函数库中的多个子函数进行逻辑组合，实现第一处理操作，从而实现图像检测策略。
59.在一些实施例中，可见光摄像装置可以是任意可以获得rgb图像的摄像装置，例如相机、摄像头等。
60.在一些实施例中，红外摄像装置可以是任意可以获得目标红外图像的红外装置，例如，红外照相机。
61.在一些实施例中，在人脸设备中的可见光摄像装置和红外摄像装置拍摄到对应于同一对象的可见光图像和红外图像之后，将所拍摄的可见光图像和红外图像分别确定为目标可见光图像和目标红外图像，并且将该同一对象确定为目标对象。
62.在一些实施例中，所述目标对象包括人脸，所述第一类别指示所述人脸通过验证。
63.需要理解的是，实施例以目标对象为人脸为示例进行说明，仅仅是示例性的，本领域技术人员应当理解，目标对象还可以是人体其他部位、动物等，在此并不限定。
64.在一些实施例中，响应于目标可见光图像和目标红外图像的确定，调用图像检测策略的回调函数，基于回调函数被调用，实现图像检测策略，即实现人脸认证过程。
65.在一些实施例中，如图3所示，采用所述第一处理操作中的第二处理操作，并基于所述回调函数和第二参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像包括：
66.步骤s310：采用所述第一处理操作中的第二处理操作处理目标可见光图像；
67.步骤s320：确定处理结果与所述第二处理操作所对应的预设处理结果是否匹配；
68.步骤s330：响应于确定所述第二处理操作的处理结果与所述第二处理操作所对应的预设处理结果不匹配，确定所述第一检测结果指示所述目标对象与第一类别不对应；以及
69.步骤s330’：响应于确定所述第二处理操作的处理结果与所述第二处理操作对应的预设处理结果匹配，采用所述第一处理操作中的第三处理操作，并基于所述回调函数和第三参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到所述第一检测结果，其中，所述第三参数为所述第一参数中与所述第三处理操作对应的参数。
70.在实现图像检测策略的过程中，对于第一操作中的第二处理操作，当确定其处理结果与其所对应的预设处理结果不匹配，直接确定第一检测结果，而不执行多个处理中的其他处理，避免后续进行不必要的处理，减少系统的资源消耗；当确定其处理结果与对应的预设处理结果匹配时，执行第一处理操作中的第三处理操作，以获得第一检测结果，从而实现图像检测策略。整个过程中，基于回调函数的调用，实现异步结果返回，减少系统资源被占用时间。可以理解，根据本公开的实施例，第三处理操作为第一处理操作中区别于第二处理操作的一个子操作。
71.在一些实施例中，所述第二处理操作包括：
72.对所述目标可见光图像执行的目标对象检测操作，与所述目标对象检测操作所对应的预设处理结果指示所述目标可见光图像包含所述目标对象；或者
73.对所述目标可见光图像执行的比对操作，与所述比对操作所对应的预设处理结果指示所述目标可见光图像不存在预设记录表中。
74.例如，人脸认证过程中，先对基于人脸获得的人脸可见光图像实现人脸检测操作，在人脸检测操作的结果显示人脸可见光图像中不包括人脸，即人脸检测操作的结果与相应的指示人脸可见光图像包含人脸的预设处理结果不匹配，则不实现在人脸检测操作之后的对比操作，避免不必要的第二处理操作的实现，减少系统的资源消耗。
75.又例如，人脸检测操作的结果与相应的操作结果匹配时，进一步通过比对操作，将人脸可见光图像与预设记录表中已经处理过的人脸可见光图像进行比对，当比对操作的结果显示人脸可见光图像已经存在于预设记录表中时(即，比对操作的结果与所对应的预设处理结果不相匹配)，则确定第一处理的处理结果与相应的处理结果不匹配，进而不执行第二处理操作以外的处理，减少不必要的处理的执行，减少系统的资源消耗。
76.需要说明的是，上述第二处理操作作包括先后实现的目标对象检测操作和比对操作，仅仅是示例性的，本领域技术人员应当理解，还可以设置任意其他处理操作，例如，用于
对目标可见光图像和目标红外图像进行颜色空间转换的处理操作或者用于将目标可见光图像加入缓冲队列，以待处理的缓冲队列处理操作等。
77.在一些实施例中，所述第三处理操作所对应的预设处理结果指示所述目标对象与第二类别对应，所述第二类别区别于所述第一类别。
78.例如，在人脸认证过程中，第二类别为人脸活体分类，响应于确定目标对象对应于人脸活体分类，即目标红外图像和目标可见光图像是针对活体人脸(即目标对象)进行拍摄而获得的，再获得目标对象是否对应于第一类别的第一检测结果，进一步提升所获得的第一检测结果的准确性。
79.在一些实施例中，如图4所示，所述采用所述第一处理操作中的第三处理操作，并基于所述回调函数和第三参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像包括：
80.步骤s410：采用所述第三处理操作中的第四处理操作，并基于所述回调函数和第四参数，处理所述目标可见光图像，以获得与所述目标可见光图像对应并且指示所述目标对象是否与所述第二类别对应的第一分类结果，所述第四参数是所述第三参数中与所述第四处理操作对应的参数；
81.步骤s420：采用所述第三处理操作中的第五处理操作，并基于所述回调函数和第五参数，处理所述目标红外图像，以获得与所述目标红外图像对应并且指示所述目标对象是否与所述第二类别对应的第二分类结果，所述第五参数是所述第三参数中与第五处理操作对应的参数；
82.步骤s430：响应于确定所述第一分类结果与所述第二分类结果任一个指示目标对象不与所述第一类别对应，确定所述第三处理操作的处理结果与所述第三处理操作所对应的预设处理结果不匹配。
83.在利用第三处理操作处理目标可见光图像和目标红外图像的过程中，基于对目标可见光图像和红外图像分别进行处理后获得的第一分类结果和第二分类结果，获得第三处理操作的处理结果，当确定对目标可见光图像进行第一分类之后的的第一分类结果与对目标红外图像进行第二分类之后的第二分类结果均指示目标对象与第二类别对应时，确定第三处理操作的处理结果指示所述目标对象与所述第二类别对应，使获得的第三处理操作的处理结果准确。
84.例如，在人脸认证过程中，对目标对象进行人脸活体检测(即，判断目标对象是否为人脸活体的第三处理操作)，其中，分别基于目标可见光图像和目标红外图像进行检测，以获得与目标可见图像对应并且指示目标对象是否来自人脸活体的第一分类结果和与目标红外图像对应并且指示目标对象是否来自人脸活体的第二分类结果。当第一分类结果和第二分类结果均指示目标对象来自人脸活体时，才确定人脸活体检测的检测结果指示目标对象是自人脸活体，使人脸活体检测的结果更加准确。
85.需要说明的是，实施例以分别进行对目标可见光图像和目标红外图像进行处理后，基于所获得第一分类结果和第二分类结果获得第三处理操作的处理结果仅仅是示例性的，本领域技术人员应当理解，还可以先对目标红外图像进行处理获得第二分类结果，响应于确定对红外图像的第二分类结果指示目标对象对应于第二类别，再对目标可见光图像进行处理获得第一分类结果；或者相反，先对目标可见光图像进行处理获得第一分类结果再
对目标红外图像进行处理获得第二分类结果。
86.在一些实施例中，如图5所示，采用所述第三处理操作中的第四处理操作，并基于所述回调函数和第四参数，处理所述目标可见光图像包括：
87.步骤s510：采用所述第三处理操作中的第四处理操作处理所述目标可见光图像；
88.步骤s520：确定处理结果与所述第四处理操作所对应的预设处理结果是否匹配
89.步骤s530：响应于所述第四处理操作的处理结果与所述第四处理操作所对应的预设处理结果不匹配，获得所述第一分类结果，所述第一分类结果指示所述目标对象与所述第二类别不对应；以及
90.步骤s530’：响应于所述第四处理操作的处理结果与所述第四处理操作所对应的预设处理结果相匹配，采用所述第三处理操作中的第六处理操作，并基于所述回调函数和第六参数，处理所述目标可见光图像，以获得所述第一分类结果，所述第六参数是所述第三参数中与所述第六处理操作对应的参数。
91.在对目标可见光图像进行处理获得第一分类结果的过程中，通过首先利用第四处理操作对目标可见光图像进行处理，并当第四处理操作的处理结果与第四处理操作所对应的预设处理结果不匹配时，获得指示目标对象与第二类别不对应的第一分类结果，避免执行第三处理操作中位于第四处理操作之后的其他处理操作避免后续进行不必要的处理操作，减少系统的资源消耗。
92.同时，当第三处理操作中任一个第一处理操作的结果与所对应的预设处理结果不对应时，则确定第一分类结果指示目标对象与第二目标分类不对应，提升所获得的第一分类结果的准确性，进而提升基于第一分类结果所获得的分类结果的准确性。
93.在一些实施例中，所述第三处理操作包括：
94.对所述目标可见光图像执行的第一对齐操作，与所述第一对齐操作所对应的预设处理结果指示在所述目标可见光图像中的所述目标对象的位姿与预设位姿之间的相似度不小于第一预设阈值；
95.对所述目标可见光图像执行的质量检测操作，与所述质量检测操作所对应的预设处理结果指示所述目标可见光图像的质量符合预设质量；或
96.对所述目标可见光图像执行的第一检测操作，与所述第一检测操作所对应的预设处理结果指示所述目标可见光图像对应于所述第二类别的概率不小于预设第一概率阈值。
97.例如，在人脸认证过程中，通过依次对目标可见光图像执行第一对齐操作、质量检测操作和第一检测操作，以对目标可见光图像进行处理获得第一分类结果。其中，首先利用第一对齐操作对目标可见光图像进行处理，以进行人脸对齐和对齐后的判断，其中，人脸对齐的过程即目标可见光图像中的人脸位姿校正的过程，对齐后的判断通过将校正后的位姿与预设位姿之间的相似度与第一预设阈值进行比较。当确定校正后的位姿与预设位姿之间的相似度小于第一预设阈值时，确定基于目标可见光图像中的人脸的位姿无法进行人脸活体检测的判断，因而确定不实现后续的质量检测操作和第一检测操作，进而避免不必要的操作，减小系统资源的消耗。
98.在对目标可见光图像实现第一对齐操作之后，响应于第一对齐操作的结果与所对应的预设处理结果匹配，即确定基于目标可见光图像中的人脸的位姿可以进行人脸活体检测的判断，进一步利用质量检测操作对目标可见光图像进行处理，其中，将目标可见光图像
的质量与预设质量进行比较。当确定目标可见光图像的质量的不符合预设质量时，判断基于目标可见光图像的质量无法进行人脸活体检测的判断，因而确定不实现后续的第一检测操作，进而避免不必要的操作，减小系统资源的消耗。在一些示例中，预设质量例如可以是预设亮度范围、预设清晰度范围等。
99.进一步，在对目标可见光图像实现质量检测操作之后，响应于质量检测操作的结果与所对应的预设处理结果匹配，即确定基于目标可将光图像的质量可以进行人脸活体检测的判断，进一步利用第一检测操作对目标可见光图像进行处理以获得目标对象对应于第二类别的概率，并将基于目标可将光图像获得的目标对象对应于第二类别的概率与预设第一概率阈值进行比较。当基于目标可将光图像获得的对应于第二类别的概率不小于第一概率阈值时，确定第一分类结果指示目标对象与第二类别对应，反之，则不对应，从而实现对目标图像进行处理获得第一分类结果。
100.需要说明的是，上述多个第一处理操作包括先后实现的第一对齐操作、质量检测操作和第一检测操作，仅仅是示例性的，本领域技术人员应当理解，还可以设置任意可以提升第一分类结果的准确性的第一处理操作。
101.在一些实施例中，如图6所示，采用所述第三处理操作中的第五处理操作，并基于所述回调函数和第五参数，处理所述目标红外图像包括：
102.步骤s610：采用所述第三处理操作中的第五处理操作处理目标红外图像；
103.步骤s620：确定处理结果与所述第五处理操作所对应的预设处理结果是否匹配；
104.步骤s630：响应于所述第五处理操作的处理结果与所述第五处理操作所对应的预设处理结果不匹配，获得所述第二分类结果，所述第二分类结果指示所述目标对象与所述第二类别不对应；以及
105.步骤s630’：响应于所述第五处理操作的处理结果与所述第五处理操作所对应的预设处理结果相匹配，采用所述第三处理操作中的第七处理操作，并基于所述回调函数和第七参数，处理所述目标红外图像，以获得所述第二分类结果，所述第七参数是所述第三参数中与所述第七处理操作对应的参数。
106.在对目标红外图像进行处理获得第二分类结果的过程中，首先利用第五处理操作对目标红外图像进行处理，。当第五处理操作的处理结果与第五处理操作所对应的预设处理结果不匹配时，直接获得指示目标对象与第二类别不对应的第三处理操作的结果，同时不实现第三处理操作中位于第五处理操作之后的理操作，进一步避免后续进行不必要的操作，减少系统的资源消耗。
107.同时，当第三处理操作中任一个处理操作的结果与所对应的预设操作阈值不对应时，则确定第二分类结果指示目标对象与第二目标类别不对应，提升所获得的第二分类结果的准确性，进而提升基于第二分类结果所获得的第三处理操作的处理结果的准确性。
108.在一些实施例中，所述多个第二处理操作包括：
109.对所述目标红外图像执行的目标对象检测操作，与所述目标对象检测操作所对应的预设处理结果指示在所述目标红外图像包括所述目标对象；
110.对所述目标红外图像执行的第二对齐操作，与所述第二对齐操作所对应的预设处理结果指示所述目标对象的位姿与预设位姿之间的相似度不小于第二预设阈值；或
111.对所述目标红外图像执行的第二检测操作，与所述第二检测操作所对应的预设处
理结果指示所述目标对像对应于所述第二类别的概率不小于预设第二概率阈值。
112.例如，在人脸认证过程中，通过依次对目标红外图像执行目标对象检测操作、第二对齐操作和第二检测操作，以对目标红外图像进行处理以获得第二分类结果。其中，首先利用目标对象检测操作对目标红外图像进行处理以确定目标红外图像中是否包含目标对象，即人脸。当确定目标红外图像中不包括目标对象时，即确定第二分类结果指示目标对象不对应于第二目标分类(即目标对象非来自于人脸活体，而是来自于攻击(例如屏幕攻击)或合成图)，进而避免不必要的操作，减小系统资源的消耗。
113.在对目标红外图像实现目标对象检测操作之后，响应于目标对象检测操作的结果与所对应的预设处理结果匹配，即确定基于目标红外图像中包含目标对象(即，人脸)，进一步利用第二对齐操作对目标可见光图像进行处理，以对目标红外图像中的人脸的位姿进行校正，并将校正后的位姿与与预设位姿进行比较进行比较。当校正后的位姿与预设位姿之间的相似度小于第二预设阈值时，判断基于目标红外图像中目标对象的位姿无法进行人脸活体检测的判断，因而确定不实现后续的第二检测操作，进而避免不必要的操作，减小系统资源的消耗。
114.进一步，在对目标红外图像实现第二对齐操作之后，响应于第二对齐操作的结果与所对应的预设处理结果匹配，即确定基于目标红外图像中目标对象的位姿可以进行人脸活体检测的判断，进一步利用第二检测操作对目标红外图像进行处理以获得目标对象对应于第二目标分类的概率，并将基于红外图像获得的目标对象对应于第二目标分类的概率与预设第二概率阈值进行比较。当基于目标红外图像获得的对应于第二类别的概率不小于第二概率阈值时，确定第二分类结果指示目标对象与第二类别对应，反之，则不对应，从而实现对红外图像处理以获得第二分类结果。
115.需要说明的是，上述第三处理操作包括先后实现的目标对象检测操作、第二对齐操作和第二检测操作，仅仅是示例性的，本领域技术人员应当理解，还可以设置任意可以提升第二分类结果的准确性的第三处理操作。
116.在一些实施例中，第一处理操作还包括匹配处理操作，在实现第三处理操作之后，响应于第三处理操作的处理结果与所对应的预设处理结果相匹配，进一步进行匹配处理操作。
117.在一些实施例中，匹配处理操作的过程包括：提取目标可见光图像的特征；将所提取的特征与预设数据库中的多个特征中的每一个特征进行对比；响应于预设数据库中的第一特征与所提取的特征之间的相似度不小于预设阈值，确定匹配处理操作的结果与所对应的预设处理结果相匹配；以及，响应于确定匹配处理操作的结果与所对应的预设处理结果相匹配，确定所述第一检测结果指示所述目标对象与第一类别对应。
118.在一些实施例中，匹配处理操作的过程包括：提取目标可见光图像的特征；将目标可见光图像的特征与目标对象对应的第一图像的特征对比；响应于第一图像的特征与目标可见光图像的特征之间的相似度不小于预设阈值，确定匹配处理操作的结果与所对应的预设处理结果相匹配；以及，响应于确定匹配处理操作的结果与所对应的预设处理结果相匹配，确定所述第一检测结果指示所述目标对象与第一类别对应。在一个示例中，目标对象为人脸，第一图像为人脸对应的证件照，例如身份证照片。
119.在一些实施例中，如图7所示，根据本公开的图像处理方法还包括：
120.步骤s710：响应于确定所述检测结果指示所述目标对象与所述第一类别不对应，获取更新的可见光图像和与所述更新的可见光图像对应的更新的红外图像，所述更新的可见光图像和所述更新的红外图像与第一对象对应；以及
121.步骤s720：将所述更新的可见光图像确定为所述目标可见光图像，将所述更新的红外图像确定为所述目标红外图像，并且将所述第一对象确定为所述目标对象。
122.在确定检测结果指示目标对象与第一目标分类不对应之后，重新获得目标可见光图像和目标红外图像，进而实现对重新获得的目标可见光图像和目标红外图像所对应的目标对象是否对应于第一类别进行判断。
123.参看图8，对根据本公开的一个实施例的图像处理方法中基于回调函数被调用通过利用第一处理处理得到图像检测策略对应的检测结果的过程进行示例性说明。
124.如图8所示，在利用第一处理操作实现图像检测策略的过程中，通过步骤811-814，实现利用第二处理操作对目标可见光图像的处理。
125.在步骤811中，利用检测跟踪操作对目标可见光图像进行处理，并判断检测跟踪操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤811的结果显示检测跟踪操作的处理结果与所对应的预设处理结果匹配，执行步骤812；反之，则确定第一检测结果指示目标对象与第一类别不对应。
126.在步骤812中，利用比对操作对目标可见光图像进行，以判断目标可见光图像是否存在于预设列表中。响应于步骤812的结果显示比对操作的结果与所对应的预设处理结果匹配，执行步骤813；反之，则确定第一检测结果指示目标对象与第一类别不对应。
127.在步骤813中，将目标可见光图像添加至缓冲队列，以待处理。
128.在步骤814中，响应于上一目标可见光图像被处理完，利用比对处操作对从步骤813中的缓冲队列中获取的目标可将光图像进行处理，并判断该目标可见光图像是否存在于预设列表中。响应于步骤814的结果显示比对操作的结果与所对应的预设处理结果匹配，确定第一处理的结果与所对应的预设处理结果匹配，进而进入利用第三处理操作处理目标可见光图像和目标红外图像的过程；反之，则确定第一检测结果指示目标对象与第一类别不对应。
129.上述经过步骤812和步骤814实现两次比对操作，进一步避免对相同或相近的目标可见光图像进行重复处理，减少计算资源的消耗。
130.在利用第三处理操作处理目标可见光图像和目标红外图像的的过程中，通过步骤821a-821c实现对目标可见光图像处理以获得第一分类结果，以及通过822a-822c步骤实现对目标红外图像处理以获得第二分类结果，最后步骤823基于第一分类结果和第二分类结果获得第三处理操作的处理结果。
131.在步骤821a中，利用对齐操作对目标可见光图像进行处理，并判断对齐操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤821a的结果显示对齐操作的处理结果与所对应的预设处理结果匹配，执行步骤821b；反之，则确定第一分类结果指示目标对象与第二类别不对应。
132.在步骤821b中，利用质量检测操作对目标可见光图像进行处理，并判断质量检测操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤821b的结果显示质量检测操作的处理结果与所对应的预设处理结果匹配，执行步骤821c；反之，则确定第一分类结果
指示目标对象与第二类别不对应。
133.在步骤821c中，利用第一检测操作对目标可见光图像进行处理，并判断第一检测操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤821c的结果显示第一检测操作的处理结果与所对应的预设处理结果匹配，确定第一分类结果指示目标对象与第二目标分类对应；反之，则确定第一分类结果指示目标对象与第二目标分类不对应。
134.在步骤822a中，利用目标对象检测操作对目标红外图像进行处理，并判断目标对象检测操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤822a的结果显示目标对象检测的处理结果与所对应的预设处理结果匹配，执行步骤822b；反之，则确定第二分类结果指示目标对象与第二类别不对应。
135.在步骤822b中，利用第二对齐操作对目标红外图像进行处理，并判断第二对齐操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤822b的结果显示第二对齐操作的处理结果与所对应的预设处理结果匹配，执行步骤822c；反之，则确定第二分类结果指示目标对象与第二类别不对应。
136.在步骤822c中，利用第一活体检测操作对目标红外图像进行处理，并判断第一检测操作的处理结果是否与所对应的预设处理结果匹配。响应于步骤821c的结果显示第一检测操作的处理结果与所对应的预设处理结果匹配，确定第二分类结果指示目标对象与第二类别对应；反之，则确定第二分类结果指示目标对象与第二类别不对应。
137.在步骤823中，基于上述通过步骤821a-821c实现对目标可见光图像进行处理所获得的第一分类结果，以及通过822a-822c步骤实现对目标红外图像进行处理所获得的第二分类结果进行判断，获得第三处理操作的处理结果，其中，当第一分类结果和第二分类结果中的任意一项指示目标对象与第二目标分类不对应，确定第三处理操作的处理结果与所对应的预设处理结果不匹配，进而确定第一检测结果指示目标对象与第一目标分类不对应；反之，则确定第三处理操作的处理结果与所对应的预设处理结果相匹配，进而进入利用匹配处理操作对目标图像进行处理的过程。
138.在利用匹配处理操作对目标图像进行处理的过程中，通过步骤831对目标可见光图像进行特征提取，并通过步骤832将步骤831所提取的特征与预设数据库中的特征进行匹配，以判断预设数据库中是否存在与步骤831所提取的特征相匹配的特征，从而获得判断第三处理830的处理结果是否与所对应的预设处理结果匹配，进而确定目标对象是否与第一类别对应的第一检测结果。其中，响应于步骤832的结果显示预设数据库中存在与步骤831所提取的特征相匹配的特征，则确定第三处理830的处理结果与所对应的预设处理结果匹配，进而确定检测结果指示目标对象与第一类别对应；反之，则确定第三处理830的处理结果与所对应的预设处理结果不匹配，进而确定检测结果指示目标对象与第一类别不对应。
139.根据本公开的另一方面，还提供一种图像处理装置，如图9所示，装置900包括：参数确定单元910，被配置用于被配置用于确定图像检测策略所包括的第一处理操作的第一参数；函数调用单元920，被配置用于根据获取的目标可见光图像和与所述目标可见光图像对应的目标红外图像，调用所述图像检测策略对应的回调函数；图像处理单元930，被配置用于采用所述第一处理操作中的第二处理操作，并基于所述回调函数和第二参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到第一检测结果；其中，所述第二参数为所述第一参数中与所述第二处理操作对应的参数，所述第一检测结果指示所述
目标对象是否与第一类别对应，所述目标可见光图像和所述目标红外图像均与目标对象对应。
140.在一些实施例中，所述图像处理单元930包括：第一确定单元，被配置用于响应于确定所述第二处理操作的处理结果与所述第二处理操作所对应的预设处理结果不匹配，确定所述第一检测结果指示所述目标对象与第一类别不对应；第二确定单元，被配置用于响应于确定所述第二处理操作的处理结果与所述第二处理操作对应的预设处理结果匹配，采用所述第一处理操作中的第三处理操作，并基于所述回调函数和第三参数，处理所述目标可见光图像和所述目标红外图像中的至少一个图像，得到所述第一检测结果，其中，所述第三参数为所述第一参数中与所述第三处理操作对应的参数。
141.在一些实施例中，所述第二处理操作包括：对所述目标可见光图像执行的检测跟踪操作，其中，所述检测跟踪操作所对应的预设处理结果指示所述目标可见光图像包含所述目标对象；或者对所述目标可见光图像执行的比对操作，其中，所述比对操作所对应的预设处理结果指示所述目标可见光图像不存在于预设记录表中。
142.在一些实施例中，所述第三处理操作所对应的预设处理结果指示所述目标对象与第二类别对应，所述第二类别区别于所述第一类别。
143.在一些实施例中，所述第二确定单元包括：第一处理子单元，被配置用于采用所述第三处理操作中的第四处理操作，并基于所述回调函数和第四参数，处理所述目标可见光图像，以获得与所述目标可见光图像对应并且指示所述目标对象是否与所述第二类别对应的第一分类结果，所述第四参数是所述第三参数中与所述第四处理操作对应的参数；第二处理子单元，被配置用于采用所述第三处理操作中的第五处理操作，并基于所述回调函数和第五参数，处理所述目标红外图像，以获得与所述目标红外图像对应并且指示所述目标对象是否与所述第二类别对应的第二分类结果，所述第五参数是所述第三参数中与第五处理操作对应的参数；以及第二确定子单元，被配置用于响应于确定所述第一分类结果与所述第二分类结果任一个指示目标对象不与所述第一类别对应，确定所述第三处理操作的处理结果与所述第三处理操作所对应的预设处理结果不匹配。
144.在一些实施例中，所述第一处理子单元包括：第一确定子单元，被配置响应于所述第四处理操作的处理结果与所述第四处理操作所对应的预设处理结果不匹配，获得所述第一分类结果，所述第一分类结果指示所述目标对象与所述第二类别不对应；以及第二确定子单元，被配置用于响应于所述第四处理操作的处理结果与所述第四处理操作所对应的预设处理结果相匹配，采用所述第三处理操作中的第六处理操作，并基于所述回调函数和第六参数，处理所述目标可见光图像，以获得所述第一分类结果，所述第六参数是所述第三参数中与所述第六处理操作对应的参数。
145.在一些实施例中，所述第三处理操作包括：对所述目标可见光图像执行的第一对齐操作，其中，所述第一对齐操作所对应的预设处理结果指示在所述目标可见光图像中的所述目标对象的位姿与预设位姿之间的相似度不小于第一预设阈值；对所述目标可见光图像执行的质量检测操作，其中，所述质量检测操作所对应的预设处理结果指示所述目标可见光图像的质量符合预设质量；或者对所述目标可见光图像执行的第一活体检测操作，其中，所述第一活体检测操作所对应的预设处理结果指示所述目标可见光图像对应于所述第二目标分类的概率不小于预设第一概率阈值。
146.在一些实施例中，所述第二处理子单元包括：第三确定子单元，被配置用于响应于所述第五处理操作的处理结果与所述第五处理操作所对应的预设处理结果不匹配，获得所述第二分类结果，所述第二分类结果指示所述目标对象与所述第二类别不对应；以及第四确定子单元，被配置用于响应于所述第五处理操作的处理结果与所述第五处理操作所对应的预设处理结果相匹配，采用所述第三处理操作中的第七处理操作，并基于所述回调函数和第七参数，处理所述目标红外图像，以获得所述第二分类结果，所述第七参数是所述第三参数中与所述第七处理操作对应的参数。
147.在一些实施例中，所述第三处理操作包括：对所述目标红外图像执行的目标对象检测操作，其中，所述目标对象检测操作所对应的预设处理结果指示在所述目标红外图像包括所述目标对象；对所述目标红外图像执行的第二对齐操作，其中，所述第二对齐操作所对应的预设处理结果指示所述目标对象的位姿与预设位姿之间的相似度不小于第二预设阈值；或者对所述目标红外图像执行的第二活体检测操作，其中，所述第二活体检测操作所对应的预设处理结果指示所述目标对像对应于所述第二目标分类的概率不小于预设第二概率阈值。
148.在一些实施例中，装置900还包括：图像获取单元，被配置用于响应于确定所述检测结果指示所述目标对象与所述第一类别不对应，获取更新的可见光图像和与所述更新的可见光图像对应的更新的红外图像，所述更新的可见光图像和所述更新的红外图像与第一对象对应；以及图像确定单元，被配置用于将所述更新的可见光图像确定为所述目标可见光图像，将所述更新的红外图像确定为所述目标红外图像，并且将所述第一对象确定为所述目标对象。
149.在一些实施例中，所述目标对象包括人脸，所述第一类别指示所述人脸通过验证。
150.根据本公开的另一方面，还提供一种电子设备，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计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
151.根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
152.根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
153.参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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。
154.如图10所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/
输出(i/o)接口1005也连接至总线1004。
155.电子设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
156.计算单元1001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1001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1001执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200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1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到ram 1003并由计算单元1001执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
157.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。
158.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。
159.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。
160.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。
161.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。
162.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。
163.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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。
164.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。