图像处理方法、装置、设备和介质与流程

1.本公开涉及人工智能领域，具体涉及计算机视觉技术、图像处理技术、和深度学习技术，特别涉及一种图像处理方法、图像处理装置、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.随着人工智能领域和计算机视觉技术的发展，机器完成一些经典的图像处理任务例如目标检测、关键点检测、人脸识别等的准确度日益提升。然而，高准确度的获取需要付出算力和性能的代价。随着移动互联网和智能设备的发展，越来越多的图像处理任务需要利用端上的处理能力完成，而在这些算力较弱的设备上完成这些复杂任务则需要使用轻量型网络。
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，一种图像处理装置、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：提取待处理图像的第一特征图，第一特征图包括多个特征向量；针对多个特征向量中的每一个特征向量，确定该特征向量在第一特征图中的第一方向上的多个第一特征向量和第二方向上的多个第二特征向量；基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量；以及对多个特征向量各自对应的第三特征向量进行处理，以得到图像处理结果。
7.根据本公开的另一方面，提供了图像处理装置，包括：提取单元，被配置为提取待处理图像的第一特征图，第一特征图包括多个特征向量；第一确定单元，被配置为针对多个特征向量中的每一个特征向量，确定该特征向量在第一特征图中的第一方向上的多个第一特征向量和第二方向上的多个第二特征向量；第二确定单元，被配置为基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量；以及处理单元，被配置为对多个特征向量各自对应的第三特征向量进行处理，以得到图像处理结果。
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；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这
些指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。
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，计算机指令用于使计算机执行上述方法。
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，计算机程序在被处理器执行时实现上述方法。
11.根据本公开的一个或多个实施例，通过确定特征图中的像素在第一特征图上的第一方向上的多个第一特征向量和在第一特征图上的第二方向上的多个第二特征向量，并基于这些特征向量得到与该像素对应的第三特征向量，从而能够得到数量与处理前的特征向量的数量相同，并且融合了空间中第一方向以及第二方向的信息的多个第三特征向量，实现了以较少的计算量丰富网络的推理信息，提升图像处理结果的精度。
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示出了根据本公开示例性实施例的图像处理方法的流程图；
16.图3示出了根据本公开示例性实施例的确定第三特征向量的流程图；
17.图4示出了根据本公开示例性实施例的图像处理装置的结构框图；
18.图5示出了根据本公开示例性实施例的第二确定单元的结构框图；以及
19.图6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
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。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.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。
22.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。
23.相关技术中，现有的用于特征图中的融合空间信息的各类神经网络层中，各种池
化层是针对特征图中具有一定大小的区域执行的，会降低特征图的分辨率，而卷积层的计算量较大，并且包括需要学习的参数。
24.为解决上述问题，本公开通过确定特征图中的像素在第一特征图上的第一方向上的多个第一特征向量和在第一特征图上的第二方向上的多个第二特征向量，并基于这些特征向量得到与该像素对应的第三特征向量，从而能够得到数量与处理前的特征向量的数量相同，并且融合了空间中第一方向以及第二方向的信息的多个第三特征向量，实现了以较少的计算量丰富网络的推理信息，提升图像处理结果的精度。
25.下面将结合附图详细描述本公开的实施例。
26.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。
27.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。
28.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)网络下提供给客户端设备101、102、103、104、105和/或106的用户。
29.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。
30.用户可以使用客户端设备101、102、103、104、105和/或106来进行获取并向服务器提供待处理图像，也可以直接处理待处理图像。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，例如，用户可以利用客户端的各种输入设备采集待处理图像，也可以利用客户端执行图像处理方法。客户端设备还可以经由该接口向用户输出信息，例如，客户端可以向用户输出图像处理的结果。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。
31.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。
32.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。
33.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。
34.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。
35.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。
36.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。
37.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视频文件的信息。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。
38.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。
39.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。
40.根据本公开的一方面，提供了一种图像处理方法。如图2所示，图像处理方法包括：
步骤s201、提取待处理图像的第一特征图，第一特征图包括多个特征向量；步骤s202、针对多个特征向量中的每一个特征向量，确定该特征向量在第一特征图中的第一方向上的多个第一特征向量和第二方向上的多个第二特征向量；步骤s203、基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量；以及步骤s204、对多个特征向量各自对应的第三特征向量进行处理，以得到图像处理结果。
41.由此，通过确定特征图中的像素在第一特征图上的第一方向上的多个第一特征向量和在第一特征图上的第二方向上的多个第二特征向量，并基于这些特征向量得到与该像素对应的第三特征向量，从而能够得到数量与处理前的特征向量的数量相同，并且融合了空间中第一方向以及第二方向的信息的多个第三特征向量，实现了以较少的计算量丰富网络的推理信息，提升图像处理结果的精度。
42.本公开的方法可以用于各类具体的图像处理方法，例如目标检测、关键点检测、人脸识别、图像语义分割等等，在此不做限定。在一个示例性实施例中，本公开的方法用于关键点检测，并能够以可忽略的时间代价增量以提升关键点检测的准确率。
43.在步骤s201、提取待处理图像的第一特征图。
44.根据一些实施例，本公开的方法可以由神经网络实现。步骤s201、步骤s204中例如可以使用现有的用于图像处理的神经网络模型的整体或部分进行特征图提取和对特征图进行处理以得到图像处理结果。神经网络模型的示例可以包括resnet、mobilenet、inception等等，也可以使用本领域技术人员根据需求搭建的神经网络，在此不做限定。
45.在一个示例性实施例中，第一特征图的尺寸可以为c*w*h，则第一特征图上的特征向量(即，像素点/特征点)的尺寸为c*1*1，其坐标可以表示为(x,y)。
46.在步骤s202、针对多个特征向量中的每一个特征向量，确定该特征向量在第一特征图中的第一方向上的多个第一特征向量和第二方向上的多个第二特征向量。
47.根据一些实施例，第一特征图为矩形，第一方向和第二方向可以分别是水平方向和垂直方向，也可以分别是垂直方向和水平方向。可以理解的是，第一方向和第二方向例如也可以是其他方向，在此不做限定。为表述方便，本公开中的第一方向为水平方向，第二方向为垂直方向，但这样的设定仅为示例性的。
48.根据一些实施例，在步骤s202，可以确定每一个特征向量(即，特征图中的每一个像素点/特征点)在水平方向上的全部或部分特征向量(即，第一特征图中与该像素点同行的全部或部分像素点)，以及垂直方向上的全部或部分特征向量(即，第一特征图中与该像素点同列的全部或部分像素点)。在一个示例性实施例中，多个第一特征向量为水平方向上的全部特征向量，多个第二特征向量为垂直方向上的全部特征向量，这样的方式能够提供更多的这两个方向上的空间信息。
49.在步骤s203、基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量。
50.根据一些实施例，可以通过多种方式基于多个第一特征向量和多个第二特征向量得到对应的第三特征向量。例如，可以对这些第一特征向量和第二特征向量直接求算数平均(即，平均池化)，这样的方式最为简单，计算量也很小；也可以为每一个第一特征向量和第二特征向量设置权重，从而能够提供更丰富的信息。除上述方式外，还可以采用其他方法基于多个第一特征向量和多个第二特征向量以得到对应的第三特征向量，在此不做限定。
51.根据一些实施例，如图3所示，步骤s203、基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量可以包括：步骤s301、将多个第一特征向量进行融合，以得到第三特征向量的第一分量；步骤s302、将多个第二特征向量进行融合，以得到第三特征向量的第二分量；以及步骤s303、将第三特征向量的第一分量和第三特征向量的第二分量进行融合，以得到第三特征向量。由此，通过对第一方向上的多个第一特征向量和第二方向的多个第二特征向量分别进行融合，使得能够区分来自两个不同空间方向上的信息，进一步丰富网络推理的信息融合。
52.可以理解的是，可以参考前文描述的多种基于多个第一特征向量和多个第二特征向量以得到对应的第三特征向量的方式，以将多个第一特征向量进行融合以得到第一分量/将多个第二特征向量进行融合以得到第二分量。
53.根据一些实施例，步骤s301、将多个第一特征向量进行融合，以得到第三特征向量的第一分量可以包括：对多个第一特征向量沿第一方向进行平均池化，以得到第三特征向量的第一分量。步骤s302、将多个第二特征向量进行融合，以得到第三特征向量的第二分量可以包括：对多个第二特指向量沿第二方向进行平均池化，以得到第三特征向量的第二分量。由此，通过使用平均池化使得能够以极小的计算量代价实现对同一空间方向上的特征向量的融合，同时保留了每一个特征向量的信息。
54.根据一些实施例，步骤s303、将第三特征向量的第一分量和第三特征向量的第二分量进行融合，以得到第三特征向量可以包括：将第三特征向量的第一分量和第三特指向量的第二分量相加，以得到第三特征向量。由此，通过将融合了第一方向上的信息的第一分量和融合了第二方向上的信息的第二分量直接相加，可以使得得到的第三特征向量的通道数与第一特征图中的特征向量的通道数相同，从而使得后续的卷积层的计算量和参数量不会产生变化。
55.根据一些实施例，步骤s303、将第三特征向量的第一分量和第三特征向量的第二分量进行融合，以得到第三特征向量可以包括：将第三特征向量的第一分量和第三特指向量的第二分量拼接，以得到第三特征向量。由此，通过将第一分量和第二分量拼接，使得能够最大程度保留第一方向上的空间信息和第二方向上的空间信息，从而进一步提升图像处理结果的准确率。
56.在步骤s204、对多个特征向量各自对应的第三特征向量进行处理，以得到图像处理结果。
57.根据一些实施例，多个特征向量各自对应的第三特征向量可以构成第二特征图。如上，可以使用现有的用于图像处理的神经网络模型的整体或部分对特征图进行处理以得到图像处理结果。
58.根据一些实施例，步骤s204可以包括：使用1
×
1的卷积核对第二特征图进行处理，以得到第三特征图；以及对第三特征图进行处理，以得到图像处理结果。
59.由于现有的1
×
1卷积都是对每个位置特征通道维度进行信息融合，在网络运算推理过程中缺少空间维度的信息融合。因此，通过在1
×
1卷积前加入执行上述步骤s202和步骤s203的神经网络模块，使得能够以很小的计算代价获取空间尺度上的信息，从而很好地实现对1
×
1卷积缺乏尺度维度信息融合交流的补足。两个模块的组合使用能够进一步丰富网络的推理融合信息，提升图像处理任务结果的精度。组合后的模块可以满足即插即用的
需求。
60.根据本公开的另一方面，提供了一种图像处理装置。如图4所示，图像处理装置400包括：提取单元410，被配置为提取待处理图像的第一特征图，第一特征图包括多个特征向量；第一确定单元420，被配置为针对多个特征向量中的每一个特征向量，确定该特征向量在第一特征图中的第一方向上的多个第一特征向量和第二方向上的多个第二特征向量；第二确定单元430，被配置为基于多个第一特征向量和多个第二特征向量，确定与该特征向量对应的第三特征向量；以及处理单元440，被配置为对多个特征向量各自对应的第三特征向量进行处理，以得到图像处理结果。可以理解的是，图像处理装置400中的单元410-单元440的操作和图2中的步骤s201-步骤s204的操作类似，在此不做赘述。
61.根据一些实施例，如图5所示，第二确定单元430可以包括：第一融合子单元510，被配置为将多个第一特征向量进行融合，以得到第三特征向量的第一分量；第二融合子单元520，被配置为将多个第二特征向量进行融合，以得到第三特征向量的第二分量；以及第三融合子单元530，被配置为将第三特征向量的第一分量和第三特征向量的第二分量进行融合，以得到第三特征向量。
62.根据一些实施例，第一融合子单元510可以被进一步配置为对多个第一特征向量进行平均池化，以得到第三特征向量的第一分量。第二融合子单元520可以被进一步配置为对多个第二特指向量进行平均池化，以得到第三特征向量的第二分量。
63.根据一些实施例，第三融合子单元530可以被进一步配置为将第三特征向量的第一分量和第三特指向量的第二分量相加，以得到第三特征向量。
64.根据一些实施例，第三融合子单元530可以被进一步配置为将第三特征向量的第一分量和第三特指向量的第二分量拼接，以得到第三特征向量。
65.根据一些实施例，多个特征向量各自对应的第三特征向量可以构成第二特征图。处理单元440可以包括：第一处理子单元，被配置为使用1
×
1的卷积核对第二特征图进行处理，以得到第三特征图；以及第二处理子单元，被配置为对第三特征图进行处理，以得到图像处理结果。
66.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。
67.根据本公开的实施例，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。
68.参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600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。
69.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram603中，还可存储设备600操作所需的各种程序和数据。计
算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
70.设备600中的多个部件连接至i/o接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606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607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、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600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。
71.计算单元601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601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、各种运行机器学习网络算法的计算单元、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601执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理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608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。
72.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。
73.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。
74.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。
75.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。
76.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。
77.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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。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。
78.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。
79.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。