乱码识别方法、装置、设备和存储介质与流程

1.本技术涉及电子技术领域，涉及但不限于一种乱码识别方法、装置、设备和存储介质。


背景技术：

2.电子设备对一段文字所用字符集的判断，大致有手动选择和预设两种方式。用户可以手动选择字符集，该方式需要用户对各字符集进行尝试，非常不方便；而对于字符集预设错误的电子设备显示出来的乱码字符，用户则没有办法进行修改，比如一些mp3设备、汽车音响等。


技术实现要素：

3.有鉴于此，本技术实施例提供一种乱码识别方法、装置、设备和存储介质。
4.第一方面，本技术实施例提供一种乱码识别方法，所述方法包括：获取待识别的第一乱码字符序列和至少一个字符集；所述至少一个字符集中包括所述第一乱码字符序列中的第一乱码字符；基于至少一个所述字符集和所述第一乱码字符序列之间的匹配度，确定所述第一乱码字符序列所属的第一目标字符集；基于所述第一目标字符集，对所述第一乱码字符序列进行解码，得到可识别字符序列。
5.第二方面，本技术实施例提供一种乱码识别装置，包括：获取模块，用于获取待识别的第一乱码字符序列和至少一个字符集；所述至少一个字符集中包括所述第一乱码字符序列中的第一乱码字符；第一确定模块，用于基于至少一个所述字符集和所述第一乱码字符序列之间的匹配度，确定所述第一乱码字符序列所属的第一目标字符集；解码模块，用于基于所述第一目标字符集，对所述第一乱码字符序列进行解码，得到可识别字符序列。
6.第三方面，本技术实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本技术实施例所述乱码识别方法中的步骤。
7.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本技术实施例所述乱码识别方法中的步骤。
8.本技术实施例中，通过基于字符集和乱码字符序列之间的匹配度，确定乱码字符序列所属的目标字符集，并基于目标字符集对乱码字符序列进行解码，得到可识别字符序列，从而可以更便捷、更智能化地确定乱码字符序列所属的目标字符集，避免了用户手动对各字符集进行尝试造成的不方便的问题，还避免了由于电子设备的字符集预设错误造成的字符无法识别的问题，提升字符识别效率。
附图说明
9.图1为本技术实施例一种乱码识别方法的流程示意图；
10.图2为本技术实施例另一种乱码识别方法的流程示意图；
11.图3为本技术实施例又一种乱码识别方法的流程示意图；
12.图4为本技术实施例再一种乱码识别方法的流程示意图；
13.图5为本技术实施例还一种乱码识别方法的流程示意图；
14.图6为本技术实施例还一种乱码识别方法的流程示意图；
15.图7为本技术实施例还一种乱码识别方法的流程示意图；
16.图8为本技术实施例还一种乱码识别方法的流程示意图；
17.图9为本技术实施例一种处理装置的组成结构示意图；
18.图10为本技术电子设备的一种硬件实体示意图。
具体实施方式
19.下面结合附图和实施例对本技术的技术方案进一步详细阐述。
20.图1为本技术实施例一种乱码识别方法的流程示意图，如图1所示，所述方法包括以下步骤：
21.步骤102：获取待识别的第一乱码字符序列和至少一个字符集；所述至少一个字符集中包括所述第一乱码字符序列中的第一乱码字符；
22.其中，乱码字符指的是由于电子设备在用文本编辑器打开源文件时，使用了不相应的字符集而造成源文件中的部分或所有字符无法被阅读的一系列字符；所述乱码图像可以是包含乱码字符的图像，可以通过摄像头扫描显示所述乱码图像，并利用ocr识别技术从电子设备显示的乱码图像中识别出来乱码字符；将获取到的乱码字符按顺序排成一列，可以生成乱码字符序列；乱码字符序列可以是“鏄
ョ
湢涓嶈鏅擄紝澶勫闂诲暭楦熴€”、、和等。
23.中文等需要多字节表示的文字有多种字符集，如简体中文(gb2312)、汉字内码扩展规范(gbk)、统一码(unicode)和繁体中文大五码(big5)、西欧、朝鲜和日本语等；第一乱码字符序列中的第一乱码字符可以属于一个或多个字符集。
24.步骤104：基于至少一个所述字符集和所述第一乱码字符序列之间的匹配度，确定所述第一乱码字符序列所属的第一目标字符集；
25.在一些实施例中，所述匹配度可以用字符集中的字符与第一乱码字符序列中的第一乱码字符的字符相同个数来衡量，假设第一乱码字符序列中包括12个乱码字符，某个字符集中有12个字符分别与一个乱码字符相同，则字符集和第一乱码字符序列之间的匹配度可以为100％，假设第一乱码字符序列中包括20个乱码字符，某个字符集中有1个字符与一个乱码字符相同，则字符集和第一乱码字符序列之间的匹配度可以为5％；可以根据字符集和第一乱码字符序列之间的匹配度的高低确定第一目标字符集。
26.在一些实施例中，还可以按照预设顺序选取字符集，将字符集中的字符与第一乱码字符进行匹配，直至所有第一乱码字符均在某个字符集中出现，或者某个第一乱码字符仅在一个字符集中出现，则可以将该字符集确定为第一乱码字符序列所属的第一目标字符集。
27.例如，在所述第一乱码字符序列为“鏄
ョ
湢涓嶈鏅擄紝澶勫闂诲暭楦熴€”的情况
下，可以将第一乱码字符“鏄”与字符集中的字符进行匹配，如果“鏄”仅在字符集“gbk”中出现，则可以确定第一乱码字符序列所属的第一目标字符集为“gbk”；如果“鏄”在多个第一候选字符集中出现，则可以将第一乱码字符
“ョ”
与第一候选字符集中的字符进行匹配，如果
“ョ”
在多个第二候选字符集(第二候选字符集为所述第一候选字符集的子集)中出现，则可以将第一乱码字符“湢”与第二候选字符集中的字符进行匹配，直至出现仅在一个字符集中出现的第一乱码字符，将该字符集确定为第一乱码字符序列所属的第一目标字符集。
28.步骤106：基于所述第一目标字符集，对所述第一乱码字符序列进行解码，得到可识别字符序列。
29.其中，可识别字符是由乱码字符转换而来的可识别的字符，乱码字符一般不符合对应字符集的语法结构，或语义错误；可识别字符序列一般语义正确且符合对应字符集的语法结构。假设第一目标字符集为字符集“gbk”，可以对第一乱码字符序列
““
鏄
ョ
湢涓嶈鏅擄紝澶勫闂诲暭楦熴€
””
进行解码，得到第一乱码字符序列对应的可识别字符序列“春眠不觉晓，处处闻啼鸟。”。
30.本技术实施例中，通过基于字符集和乱码字符序列之间的匹配度，确定乱码字符序列所属的目标字符集，并基于目标字符集对乱码字符序列进行解码，得到可识别字符序列，从而可以更便捷、更智能化地确定乱码字符序列所属的目标字符集，避免了用户手动对各字符集进行尝试造成的不方便的问题，还避免了由于电子设备的字符集预设错误造成的字符无法识别的问题，提升字符识别效率。
31.在一些实施例中，如图2所示，所述步骤104“基于至少一个所述字符集和所述第一乱码字符序列之间的匹配度，确定所述第一乱码字符序列所属的第一目标字符集”可以通过以下步骤141和步骤142实现：
32.步骤141：从至少一个所述字符集中，确定与所述第一乱码字符序列的匹配度最高的第一参考字符集；
33.其中，可以先确定字符集中包含的第一乱码字符的个数，将包含第一乱码字符序列中的第一乱码字符最多的字符集，确定为与第一乱码字符序列的匹配度最高的第一参考字符集。
34.步骤142：将所述第一参考字符集确定为所述第一乱码字符序列所属的第一目标字符集。
35.本技术实施例中，通过将与乱码字符序列的匹配度最高的第一参考字符集确定为第一乱码字符序列所属的第一目标字符集，从而可以更准确地确定乱码字符序列所属的字符集。
36.在一些实施例中，如图3所示，所述方法还包括：
37.步骤103：基于已训练的第一神经网络模型和所述第一乱码字符序列，确定所述第一乱码字符序列所属的第一目标字符集；
38.其中，所述已训练的第一神经网络模型基于第二乱码字符和所述第二乱码字符所属的第二目标字符集，对初始神经网络模型训练得到；所述第一目标字符集和所述第二目标字符集为所述至少一个字符集中的字符集。
39.在一个实施例中，可以利用监督学习算法，使用训练样本，对初始神经网络模型进行训练，训练样本由第二乱码字符和预期输出(第二乱码字符所属的第二目标字符集)组
成。
40.本技术实施例中，通过基于已训练的神经网络模型，确定乱码字符序列所属的字符集，从而可以更便捷、更智能化地确定乱码字符序列所属的目标字符集，避免了用户手动对各字符集进行尝试造成的不方便的问题，还避免了由于电子设备的字符集预设错误造成的字符无法识别的问题，提升字符识别效率。
41.在一些实施例中，如图4所示，所述步骤106“基于所述第一目标字符集，对所述第一乱码字符序列进行解码，得到可识别字符序列”可以通过以下步骤161和步骤162实现：
42.步骤161：基于所述第一目标字符集，确定所述第一乱码字符序列对应的第一内码值序列；所述第一目标字符集中存储乱码字符和对应的内码值；
43.其中，内码是指计算机汉字系统中使用的二进制字符编码，是沟通输入、输出与系统平台之间的交换码，通过内码可以达到通用和高效率传输文本的目的。如美国信息交换标准代码(american standard code for information interchange，ascii)；字符集中可以对应存储内码值和对应的字符，同一字符在不同字符集中对应的内码值不同，比如字符“你好”，在字符集gbk中对应的内码值是“c4e3bac3”，在字符集unicode中对应的内码值是“4f60597d”；同一内码值在不同字符集中对应的字符也不同，比如内码值“662577204e0d89c96653ff0c5904590495fb557c9e1f3002”在不同字符集中显示的字符如下表1所示。
44.表1
[0045][0046]
步骤162：对所述第一内码值序列进行解码，得到可识别字符序列。
[0047]
其中，对所述第一内码值序列“662577204e0d89c96653ff0c5904590495fb557c9e1f3002”进行解码，可以得到可识别字符序列“春眠不觉晓，处处闻啼鸟。”[0048]
本技术实施例中，通过基于字符集中内码值和字符之间的对应关系，确定乱码字符序列对应的内码值序列，从而可以更准确、高效地确定乱码字符序列对应的内码值序列。
[0049]
在一些实施例中，如图5所示，所述步骤162“对所述第一内码值序列进行解码，得到可识别字符序列”可以通过以下步骤1621和步骤1622实现：
[0050]
步骤1621：确定所述第一内码值序列中的第一内码值所属的第三目标字符集；所述第三目标字符集中存储可识别字符和对应的内码值；
[0051]
其中，第一内码值序列“662577204e0d89c96653
…”
所属的字符集可以是unicode。
[0052]
步骤1622：基于所述第三目标字符集，确定所述第一内码值序列对应的可识别字
符序列。
[0053]
其中，可以从第三目标字符集中，依次查找第一内码值序列中的第一内码值对应的可识别字符，按顺序生成可识别字符序列。如确定第一内码值“6625”对应的可识别字符为“春”，确定第一内码值“7720”对应的可识别字符为“眠”，确定第一内码值“4e0d”对应的可识别字符为“不
”……
，确定第一内码值“3002”对应的可识别字符为“。”，按顺序将可识别字符生成可识别字符序列“春眠不觉晓，处处闻啼鸟。”。
[0054]
本技术实施例中，通过先确定乱码字符序列对应的内码值序列中的内码值所属的第三目标字符集，再从所述第三目标字符集中查找该内码值对应的可识别字符，从而可以更准确、便捷地确定与乱码字符序列对应的可识别字符序列。
[0055]
在一些实施例中，如图6所示，所述步骤1621“确定所述第一内码值序列中的第一内码值所属的第三目标字符集”可以通过以下步骤16211a和步骤16212a实现：
[0056]
步骤16211a：从至少一个所述字符集中，确定所述第一内码值序列对应于至少一个所述字符集中的第二参考字符序列；
[0057]
步骤16122a：将第二参考字符满足对应字符集的语法结构的字符集，确定为所述第一内码值序列所属的第三目标字符集。
[0058]
其中，句子成分可以构成一定语法结构，所述句子成分可以包括主语、谓语、宾语、定语、状语和补语等；不同字符集的语法结构不同，因此，不同字符集对应的字符序列需要符合所属字符集的语法结构，比如简体中文的字符集的语法结构可以包括主谓短语、动宾短语、偏正短语、中补短语和联合短语等；日本语的语法结构可以包括主谓结构、主宾谓结构和主补谓结构等；可以根据第一内码值序列在不同字符集中对应的第二参考字符序列是否符合所属字符集的语法结构，来确定字符集是否为第一内码值序列所属的第三目标字符集。
[0059]
在一些实施例中，还可以对第二参考字符序列进行语义分析，确定第二参考字符序列是否有语义错误，将无语义错误的第二参考字符序列对应的字符集确定为第三目标字符集。
[0060]
在一些实施例中，还可以先对第一内码值序列进行分析，如第一内码值序列中存在相邻的两个相同的内码值“5904”，则可以再分析第二参考字符序列，在第二参考字符序列中对应位置的两个第二参考字符相同的情况下，确定该第二参考字符序列对应的字符集为第三目标字符集，如字符集“unicode”中对应两个相邻位置的内码值“59045904”的字符为“处处”，则可以将字符集“unicode”确定为第一内码值“662577204e0d89c96653
…”
所属的第三目标字符集。
[0061]
本技术实施例中，由于由乱码字符序列转化后的可识别字符序列应该是满足语法结构的，因此，通过将满足语法结构的第二参考字符序列所在的字符集确定为第三目标字符集，从而可以更准确地确定第一内码值序列所属的第三目标字符集。
[0062]
在一些实施例中，如图7所示，所述步骤1621“确定所述第一内码值序列中的第一内码值所属的第三目标字符集”可以通过以下步骤16211b实现：
[0063]
步骤16211b：基于已训练的第二神经网络模型和所述第一内码值序列，确定所述第一内码值序列所属的第三目标字符集；
[0064]
其中，所述已训练的第二神经网络模型基于第二内码值序列和所述第二内码值序
列所属的第四目标字符集，对初始神经网络模型训练得到；所述第二内码值序列满足所述第四目标字符集的语法结构。
[0065]
在一个实施例中，可以利用监督学习算法，使用训练样本，对初始神经网络模型进行训练，训练样本由第二内码值序列和预期输出(第二内码值序列所属的第四目标字符集)组成，由于第一内码值序列对应的可识别字符序列应该满足语法结构，已训练的第二神经网络模型是由满足第四目标字符集的语法结构的第二内码值序列和第四目标字符集训练得到的，因此，已训练的第二神经网络模型可以确定出满足语法结构的第一内码值序列所属的第三目标字符集。
[0066]
在一个实施例中，所述第二内码值序列还可以满足所述第四目标字符集的语义标准，则已训练的第二神经网络模型可以在第一内码值序列对应的字符序列满足语法结构和语义标准的情况下，确定第一内码值序列所属的第三目标字符集。
[0067]
本技术实施例中，通过基于已训练的神经网络模型，确定内码值序列所属的字符集，从而可以更便捷、更智能化地确定内码值序列所属的目标字符集，进而从目标字符集中根据内码值和字符的对应关系，将内码值转换为可识别字符；避免了用户手动对各字符集进行尝试造成的不方便的问题，还避免了由于电子设备的字符集预设错误造成的字符无法识别的问题，提升字符识别效率。
[0068]
由于历史的原因，中文等需要多字节表示的文字有多种字符集，如gb2312、gbk、unicode等。内码是指计算机汉字系统中使用的二进制字符编码，是沟通输入、输出与系统平台之间的交换码，通过内码可以达到通用和高效率传输文本的目的。一段文字，不同的字符集其内码数值是不同的。比如“你好”，gbk的内码值是：c4e3bac3，unicode的内码值是：4f60597d。电子设备在显示这些文字时，需要正确识别其编码字符集并对其解码，否则就可能会显示出乱码。
[0069]
比如这样一段内码值的文字：662577204e0d89c96653ff0c5904590495fb557c9e1f3002，设备以不同字符集对其“解释”时，显示出来的文字如下表1所示：
[0070]
表1
[0071][0072]
电子设备对一段文字所用字符集的判断，大致有手动选择和预设两种方式。用户可以手动选择字符集的电子设备，需要用户对各字符集进行尝试，非常不方便；而对于预设
错误的电子设备显示出来的乱码，用户则没有办法进行修改，比如一些mp3设备、汽车音响等。
[0073]
针对上述问题和相关解决方案的缺陷，本方案提出：通过移动设备(如手机)摄像头采集显示乱码文字的图片，对其进行光学字符识别(optical character recognition，ocr)，识别出乱码文字，并通过机器学习算法识别出乱码文字对应的当前所用字符集，以基于所述当前所用字符集，将乱码文字转换成对应的内码值。再通过机器学习算法识别出内码值对应的原始字符集，并基于所述原始字符集对内码值进行解码显示，得到可识别文字。
[0074]
采用本方案之后的优势是：对于无法更改编码集并且已经显示乱码的设备，可以正确识别出来原有文字可以快速将乱码文字显示为正确的可读文字，不必用户一一去尝试修改编码集(即字符集)。
[0075]
图8为本技术实施例的还一种乱码识别方法的流程示意图，如图8所示，所述方法包括以下步骤：
[0076]
步骤801：通过手机摄像头扫描显示电子设备显示的乱码图像；
[0077]
步骤802：ocr识别出乱码图像中的乱码文字；
[0078]
其中，所述乱码文字是乱码字符的一种，识别出的乱码文字可以组成第一乱码字符序列“鏄
ョ
湢涓嶈
…”
。
[0079]
步骤803：通过机器学习算法或机器学习模型，识别乱码文字所在的乱码字符集；
[0080]
其中，所述乱码字符集又称第一目标字符集，可以将第一乱码字符序列输入至已训练的第一神经网络模型中，所述第一神经网络模型可以输出第一乱码字符序列中的乱码文字所在的第一目标字符集；所述已训练的第一神经网络模型是基于第二乱码字符和所述第二乱码字符所属的第二目标字符集，对初始神经网络模型训练得到的。第一乱码字符序列“鏄
ョ
湢涓嶈
…”
对应的乱码字符集可以是gbk。
[0081]
步骤804：按照所述乱码字符集查出每个乱码文字对应的内码值(又称编码值)；
[0082]
其中，乱码字符集中可以对应存储乱码字符和所述乱码字符对应的内码值；可以通过乱码字符集查出第一乱码字符序列对应的第一内码值序列“662577204e0d89c96653
…”
。
[0083]
步骤805：通过机器学习算法或机器学习模型，推断这段内码值的原始字符集；
[0084]
其中，所述原始字符集又称第三目标字符集，可以将内码值序列输入至已训练的第二神经网络模型中，所述第二神经网络模型可以输出内码值序列中的内码值所在的第三目标字符集；所述已训练的第二神经网络模型是基于第二内码值序列和所述第二内码值序列所属的第四目标字符集，对初始神经网络模型训练得到的。所述第二内码值序列满足所述第四目标字符集的语法结构。第一内码值序列“662577204e0d89c96653
…”
对应的原始字符集可以是unicode。
[0085]
步骤806：按照所述原始字符集对这段内码值进行解码，显示出对应的可识别文字。
[0086]
其中，原始字符集中可以对应存储可识别字符和所述可识别字符对应的内码值；可以通过原始字符集查出第一内码值序列“662577204e0d89c96653
…”
对应的可识别字符“春眠不觉晓
…”
。
[0087]
需要说明的是，本技术实施例中，如果以软件功能模块的形式实现上述的乱码识
别方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得计算机设备(可以是手机、平板电脑、台式机、个人数字助理等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本技术实施例不限制于任何特定的硬件和软件结合。
[0088]
基于方法的实施例，本技术实施例提供一种乱码识别装置，该装置包括所包括的各模块，可以通过计算机设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(cpu，central processing unit)、微处理器(mpu，microprocessor unit)、数字信号处理器(dsp，digital signal processing)或现场可编程门阵列(fpga，field programmable gate array)等。
[0089]
图9为本技术实施例一种乱码识别装置的组成结构示意图，如图9所示，所述装置900包括获取模块901、确定模块902和解码模块903，其中：
[0090]
获取模块901，用于获取待识别的第一乱码字符序列和至少一个字符集；所述至少一个字符集中包括所述第一乱码字符序列中的第一乱码字符；
[0091]
第一确定模块902，用于基于至少一个所述字符集和所述第一乱码字符序列之间的匹配度，确定所述第一乱码字符序列所属的第一目标字符集；
[0092]
解码模块903，用于基于所述第一目标字符集，对所述第一乱码字符序列进行解码，得到可识别字符序列。
[0093]
在一些实施例中，所述第一确定模块，包括第一确定子模块，用于从至少一个所述字符集中，确定与所述第一乱码字符序列的匹配度最高的第一参考字符集；第二确定子模块，用于将所述第一参考字符集确定为所述第一乱码字符序列所属的第一目标字符集。
[0094]
在一些实施例中，所述装置还包括：第二确定模块，用于基于已训练的第一神经网络模型和所述第一乱码字符序列，确定所述第一乱码字符序列所属的第一目标字符集；其中，所述已训练的第一神经网络模型基于第二乱码字符和所述第二乱码字符所属的第二目标字符集，对初始神经网络模型训练得到。
[0095]
在一些实施例中，所述解码模块，包括：第三确定子模块，用于基于所述第一目标字符集，确定所述第一乱码字符序列对应的第一内码值序列；所述第一目标字符集中存储乱码字符和对应的内码值；解码子模块，用于对所述第一内码值序列进行解码，得到可识别字符序列。
[0096]
在一些实施例中，所述解码子模块，包括：第一确定单元，用于确定所述第一内码值序列中的第一内码值所属的第三目标字符集；所述第三目标字符集中存储可识别字符和对应的内码值；第二确定单元，用于基于所述第三目标字符集，确定所述第一内码值序列对应的可识别字符序列。
[0097]
在一些实施例中，所述第一确定单元，包括：第一确定子单元，用于从至少一个所述字符集中，确定所述第一内码值序列对应于至少一个所述字符集中的第二参考字符序列；第二确定子单元，用于将第二参考字符满足对应字符集的语法结构的字符集，确定为所述第一内码值序列所属的第三目标字符集。
[0098]
在一些实施例中，所述第一确定单元，包括：第三确定子单元，用于基于已训练的第二神经网络模型和所述第一内码值序列，确定所述第一内码值序列所属的第三目标字符集；其中，所述已训练的第二神经网络模型基于第二内码值序列和所述第二内码值序列所属的第四目标字符集，对初始神经网络模型训练得到；所述第二内码值序列满足所述第四目标字符集的语法结构。
[0099]
以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术装置实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0100]
对应地，本技术实施例提供一种电子设备，图10为本技术实施例电子设备的一种硬件实体示意图，如图10所示，该设备1000的硬件实体包括：包括存储器1001和处理器1002，所述存储器1001存储有可在处理器1002上运行的计算机程序，所述处理器1002执行所述程序时实现上述实施例中乱码识别方法中的步骤。
[0101]
存储器1001配置为存储由处理器1002可执行的指令和应用，还可以缓存待处理器1002以及设备1000中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(flash)或随机访问存储器(random access memory，ram)实现。
[0102]
对应地，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中乱码识别方法中的步骤。
[0103]
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同设备实施例相似的有益效果。对于本技术存储介质和方法实施例中未披露的技术细节，请参照本技术设备实施例的描述而理解。
[0104]
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0105]
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0106]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0107]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0108]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。或者，本技术上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得计算机设备(可以是手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
[0109]
本技术所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。本技术所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。本技术所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
[0110]
以上所述，仅为本技术的实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。