基于模板的证件通用结构化方法和系统与流程

1.本公开涉及人工智能领域，更具体地，涉及证件识别。


背景技术：

2.目前，在数字身份认证中，需要对证件上的信息进行提取，并且进行结构化显示。然而，全球的证件有上千种，如果每种证件都需要花时间进行专门优化，则需要耗费大量时间和人力成本，这使得无法快速针对每种证件进行模板化。
3.另外，目前虽然存在一些类似卡证识别的产品，但是这些产品只能支持少数几种证件，结构化也是需要进行定制的，无法进行快速扩展，这对全球证件的快速支持具有挑战性。另外，目前的卡证识别系统通常准确率不高，并且无法进行动态的适配。
4.因此，希望能够提供一种基于模板的全球证件通用结构化方法，从而能够快速支持全球上千种证件的配置，并且通过综合因素考虑（例如，利用正则匹配规则）来进行结构化，使得证件识别结果的准确率较高，并且可以针对模板中的不同字段进行灵活适配。


技术实现要素：

5.提供本公开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。本公开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。
6.针对以上问题，根据本公开的一个方面，提供了一种基于模板的证件通用结构化方法，所述方法包括：确定待识别证件的类型；提取所述待识别证件中的多个信息和对应的位置以结构化针对所述证件类型的第一待识别模板；利用所述第一待识别模板确定所述证件类型的处于对应位置的信息类别；按对应位置和信息类别填充所述第一待识别模板；保存经填充的第一待识别模板作为针对所述证件类型的第二通用模板；以及利用针对所述证件类型的第二通用模板识别所述证件类型的证件。
7.本公开实施例的技术方案中，在模板化证件的过程中，通过自动提取信息并且确定对应位置的信息类别（例如，诸如姓名、护照号之类的关键字段）来自动设置模板，解决了全球证件的快速支持的难题，使得可以更准确、更快速、更灵活地设置模板以识别证件。
8.根据本公开的一个实施例，经填充的第一待识别模板进一步包括针对对应位置设置的一个或多个过滤规则。
9.本公开实施例的技术方案中，在对证件进行结构化时通过进一步结合证件模板的对应位置的一个或多个过滤规则（例如，正则匹配等）来使结构化的输出结果更加准确，并且该过滤规则可以灵活设置，适应性较好，另外，该结构化方法比较轻量，而无需模型优化。
10.根据本公开的进一步实施例，所述一个或多个过滤规则包括正则匹配规则。
11.根据本公开的进一步实施例，所述正则匹配规则包括正则匹配、正则过滤、所处序号、替换、多行、语种、全局/局部搜索中的一者或多者。
12.根据本公开的进一步实施例，所述一个或多个过滤规则能够动态地增减。
13.根据本公开的进一步实施例，利用针对所述证件类型的第二通用模板识别所述证件类型的证件进一步包括：提取所述证件中的至少一个信息和对应的位置；利用所述第二通用模板将针对多个信息类别的对应位置与所提取的至少一个信息的对应位置进行匹配；从经匹配位置获取针对相应信息类别的识别结果。
14.根据本公开的进一步实施例，所述多个信息包括文字信息或图像信息。
15.根据本公开的进一步实施例，确定待识别证件的类型进一步包括：对所述待识别证件进行特征抽取以得到针对所述待识别证件的特征向量；以及将针对所述待识别证件的特征向量与证件特征库中的各特征向量进行匹配以确定相似度最高的特征向量所对应的证件的类型，其中所述证件特征库是通过对多个证件类型的多个证件进行特征抽取来构建的。
16.根据本公开的进一步实施例，确定待识别证件的类型进一步包括：基于经训练的分类器来自动确定所述待识别证件的类型，其中所述分类器是基于图像特征和文字特征的特征融合来训练得到的。
17.根据本公开的进一步实施例，所述对应位置是由绝对位置和相对位置来定义的矩形框。
18.根据本公开的另一方面，提供了一种基于模板的证件通用结构化系统，所述系统包括：信息提取模块，确定待识别证件的类型；提取所述待识别证件中的多个信息和对应的位置以结构化针对所述证件类型的第一待识别模板；模板生成模块，利用所述第一待识别模板确定所述证件类型的处于对应位置的信息类别；按对应位置和信息类别填充所述第一待识别模板；保存经填充的第一待识别模板作为针对所述证件类型的第二通用模板；以及证件识别模块，利用针对所述证件类型的第二通用模板识别所述证件类型的证件。
19.本公开实施例的技术方案中，通过利用上述基于模板的证件通用结构化系统，可以利用快速设置的模板来与证件进行匹配，使得可以更准确、更快速、更灵活地识别证件。
20.根据本公开的一个实施例，经填充的第一待识别模板进一步包括针对对应位置设置的一个或多个过滤规则。
21.根据本公开的进一步实施例，所述一个或多个过滤规则包括正则匹配规则。
22.根据本公开的进一步实施例，所述正则匹配规则包括正则匹配、正则过滤、所处序号、替换、多行、语种、全局/局部搜索中的一者或多者。
23.根据本公开的进一步实施例，所述一个或多个过滤规则能够动态地增减。
24.根据本公开的进一步实施例，利用针对所述证件类型的第二通用模板识别所述证件类型的证件进一步包括：提取所述证件中的至少一个信息和对应的位置；利用所述第二通用模板将针对多个信息类别的对应位置与所提取的至少一个信息的对应位置进行匹配；从经匹配位置获取针对相应信息类别的识别结果。
25.根据本公开的进一步实施例，所述多个信息包括文字信息或图像信息。
26.根据本公开的进一步实施例，确定待识别证件的类型进一步包括：对所述待识别证件进行特征抽取以得到针对所述待识别证件的特征向量；以及将针对所述待识别证件的特征向量与证件特征库中的各特征向量进行匹配以确定相似度最高的特征向量所对应的证件的类型，其中所述证件特征库是通过对多个证件类型的多个证件进行特征抽取来构建的。
27.根据本公开的进一步实施例，确定待识别证件的类型进一步包括：基于经训练的分类器来自动确定所述待识别证件的类型，其中所述分类器是基于图像特征和文字特征的特征融合来训练得到的。
28.根据本公开的进一步实施例，所述对应位置是由绝对位置和相对位置来定义的矩形框。
29.根据本公开的又一方面，提供了一种存储有指令的计算机可读存储介质，当这些指令被执行时使得机器执行前述方面中的任一者所述的方法。
30.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
31.为了能详细地理解本公开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，附图仅示出了本公开的某些典型方面，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。
32.图1是根据本公开的一个实施例的基于模板的证件通用结构化系统的示意架构图。
33.图2a-2b是根据本公开的一个实施例的利用基于模板的证件通用结构化系统来对证件进行识别的场景及对应的结构化模板的示意图。
34.图3a-3b是根据本公开的一个实施例的利用基于模板的证件通用结构化方法来对证件进行识别的另一场景及对应的结构化模板的示意图。
35.图4是根据本公开的一个实施例的自动检测待识别证件的类型以进行模板匹配的方法的示意流程图。
36.图5是根据本公开的一个实施例的自动检测待识别证件的类型以进行模板匹配的另一方法的示意流程图。
37.图6是根据本公开的一个实施例的基于模板的证件通用结构化方法的示意流程图。
38.图7是根据本公开的一个实施例的基于模板的证件通用结构化系统的示意架构图。
具体实施方式
39.下面结合附图详细描述本公开，本公开的特点将在以下的具体描述中得到进一步的显现。为了解说方便，以下将以支付平台和线下商户为例来描述本发明的实施方式，但本领域技术人员可以理解，本发明同样适用于其他的参与者。
40.图1是根据本公开的一个实施例的基于模板的证件通用结构化系统100的示意架构图。如图1中所示，系统100可至少包括信息提取模块101、模板生成模块102、证件识别模块103。
41.信息提取模块101可确定待识别证件的类型，并且提取该待识别证件中的多个信
息和对应的位置以结构化针对该证件类型的第一待识别模板。例如，上述对应位置可以是由绝对位置和相对位置来定义的矩形框。在一个实施方式中，信息提取模块101可通过光学字符识别（ocr）来提取待识别证件中的多个信息和对应的位置。ocr识别可例如包括图片预处理、文字检测和文字识别，其中图片预处理可例如包括灰度化（如果是彩色图像）、降噪、二值化、字符切分以及归一化。在一个实施方式中，所提取的待识别证件中的多个信息可包括图像信息（例如，照片）或文字信息。进一步地，信息提取模块101可基于以下操作来自动确定待识别证件的类型：对待识别证件进行特征抽取以得到针对待识别证件的特征向量，并且将针对待识别证件的特征向量与证件特征库中的各特征向量进行匹配以确定相似度最高的特征向量所对应的证件的类型，其中该证件特征库可以是通过对多个证件类型的多个证件进行特征抽取来构建的。在另一实施方式中，信息提取模块101可基于经训练的分类器来自动确定待识别证件的类型，其中该分类器是基于图像特征和文字特征的特征融合来训练得到的。
42.模板生成模块102可利用第一待识别模板确定该证件类型的处于对应位置的信息类别，按对应位置和信息类别填充该第一待识别模板，并且保存经填充的第一待识别模板作为针对该证件类型的第二通用模板。在一个实施方式中，还可以针对经填充的第一待识别模板设置针对对应位置的一个或多个过滤规则。在一个优选实施方式中，该一个或多个过滤规则可包括正则匹配规则。在一个优选实施方式中，正则匹配规则可包括正则匹配、正则过滤、所处序号、替换、多行、语种或全局/局部搜索等。在一个优选实施方式中，该一个或多个过滤规则可以基于模板适配来动态地增减。在一个实施方式中，信息类别可以是针对对应位置提取出的证件的关键字段，例如，姓名、出生日期等。
43.证件识别模块103可利用针对该证件类型的第二通用模板识别该证件类型的证件。在一个实施方式中，证件识别模块103可提取证件中的至少一个信息和对应的位置，利用第二通用模板将针对多个信息类别的对应位置与所提取的至少一个信息的对应位置进行匹配，并且从经匹配位置获取针对相应信息类别的识别结果。例如，在针对对应位置设置过滤规则的情况下，可以对识别结果进行进一步的过滤操作。在一个实施方式中，上述匹配操作可进一步包括：计算第二通用模板中针对每个信息类别的对应位置与所提取的至少一个信息的对应位置的交并比，在所计算出的交并比大于预设的阈值交并比时，将对应位置确定为经匹配位置，并且从经匹配位置获取针对相应信息类别的识别结果。
44.本领域技术人员能够理解，本公开的系统及其各模块既可以以硬件形式实现，也可以以软件形式实现，并且各模块可以任意合适的方式合并或组合。
45.图2a-2b是根据本公开的一个实施例的利用基于模板的证件通用结构化系统100来对证件进行识别的场景200及对应的结构化模板202的示意图。
46.如图2a所示，待识别证件的类型为新加坡身份证。首先，系统100中的信息提取模块101可通过分类算法来将当前待识别的证件自动识别为新加坡身份证，并且利用例如ocr识别技术来提取该待识别证件的多个信息和对应的位置以结构化针对新加坡身份证的第一待识别模板。随后，模板生成模块102可利用该第一待识别模板来确定处于对应位置的信息类别，并且按对应位置和信息类别来填充该第一待识别模板，如图2b所示，在rect为（0.200, 0.320, 0.800, 0.500）的对应位置处确定的信息类别（字段）为“name（姓名）”，其中rect是由绝对位置和相对位置来定义的矩形框（如图2a中的201所示）。优选地，还可以针
对经填充的第一待识别模板的对应位置设置一个或多个过滤规则（例如，图2b中针对信息类别“name”的re正则《[a-z,., ]{2,}》和re_no《name|race|birth|sex|date|place》）。随后，模板生成模块102可保存经填充的第一待识别模板作为针对新加坡身份证的第二通用模板。
[0047]
随后，系统100中的证件识别模块103可利用该第二通用模板来识别新加坡身份证。例如，在对新加坡身份证进行识别时，可以首先利用例如ocr识别技术来提取该证件中的文字信息和对应的位置，并且将其设置为集合a。
[0048]
随后，证件识别模块103可针对该证件采用对应的第二通用模板来进行结构化，解析出该证件的各个字段的内容。具体的结构化步骤如下：s1：将所提取出的证件中的文字信息所对应的位置与第二通用模板中的字段rect分别进行交并比计算，并且保留交并比大于预设的交并比阈值（例如，0.3）的结果。以图2b中的name字段为例，将集合a中的每一行都与该信息类别的rect进行iou匹配，计算出符合要求的文字行有“name”和“xxx”这两个字段，设为集合b（预识别结果）。
[0049]
s2：随后利用如图2b中所示的一个或多个过滤规则来对针对每个信息类别的预识别结果进行进一步过滤以得到针对每个信息类别的识别结果。以图2b中的name为例，将集合b通过name字段中的re正则《[a-z,., ]{2,}》 进行匹配，只有全部为大写字母，且长度大于2的文字信息才符合要求，由此可见，第一行“name”不符合上述正则匹配规则，而第二行“xxx”符合上述正则匹配规则，由此将符合正则匹配规则的文字信息（即“xxx”）设为集合c。随后可将集合c中的文字信息再经过re_no《name|race|birth|sex|date|place》 进行过滤，其中若在集合c中存在re_no中的文字（例如，“name”），则进行过滤剔除改行，此时集合c中的“xxx”不满足正则过滤re_no条件，则保留。随后继续对集合c中的文字信息进行order（所处序号）、replace（替换）等操作，直到最终剩下集合d。集合d中的文字信息随后作为name字段的值以用于后续结构化输出。随后对模板中的所有信息类别（例如，中文姓名、出生日期、证件号码）进行一一比对，以得到针对每个信息类别的对应的识别结果。随后，针对该证件的识别结果可以例如以键值的方式来结构化输出，例如，针对name字段输出《name，xxx》。
[0050]
通过上述基于模板的结构化方法来识别证件，可以快速支持接入全球证件，只需按照规则来快速配置每个证件的模板，就可以进行该证件的识别和结构化输出。另外，该结构化方法基于相对位置、绝对位置、内容、正则、正则过滤等综合因素考虑，效果更好，准确率更高，并且针对各个字段可以动态调整过滤规则，使得对证件的配置更为灵活。
[0051]
图3a-3b是根据本公开的一个实施例的利用基于模板的证件通用结构化系统100来对证件进行识别的场景300及对应的结构化模板302的示意图。
[0052]
如图3a所示，待识别证件的类型为驾驶证。类似于图2a-2b所描述的，首先，系统100中的信息提取模块101可通过分类算法来将当前待识别的证件自动识别为驾驶证，并且利用例如ocr识别技术来提取该待识别证件的多个信息和对应的位置以结构化针对驾驶证的第一待识别模板。随后，模板生成模块102可利用该第一待识别模板来确定处于对应位置的信息类别，并且按对应位置和信息类别来填充该第一待识别模板，如图2b所示，在rect为（0.243, 0.768, 0.500, 0.830）的对应位置处确定的信息类别（字段）为“出生日期”，其中rect是由绝对位置和相对位置来定义的矩形框（如图3a中的301所示）。优选地，还可以针对
经填充的第一待识别模板的对应位置设置一个或多个过滤规则（例如，图3b中针对信息类别“出生日期”的re正则《[0-9]{2}[-/.] [0-9]{2}[-/.] [0-9]{4}》和re_no 《name|race|birth|sex|date|place》。随后，模板生成模块102可保存经填充的第一待识别模板作为针对驾驶证的第二通用模板。
[0053]
随后，证件识别模块103可利用该第二通用模板来识别驾驶证。例如，在对驾驶证进行识别时，可以首先利用例如ocr识别技术来提取该证件中的文字信息和对应的位置，并且将其设置为集合a。
[0054]
随后，证件识别模块103可针对该证件采用对应的第二通用模板来进行结构化，解析出该证件的各个字段（包括例如驾驶证号、姓名、性别、国籍、住址、出生日期、初次领证日期、准驾车型、有效期限等）的内容。具体的结构化步骤也类似于图2a-2b中所示。以图3b中的出生日期字段为例，将集合a中的每一行都与该出生日期字段的rect进行iou匹配，计算出符合要求的文字信息有“出生日期”、“date of birth”和“dd-mm-yyyy”，设为集合b（预识别结果）。随后可将集合b通过出生日期字段中的re正则《[0-9]{2}[-/.] [0-9]{2}[-/.] [0-9]{4}》 进行匹配，只有符合上述re正则格式的文字信息才符合要求，由此可见，“出生日期”和“date of birth”两个文字信息不符合上述正则匹配规则，而“dd-mm-yyyy”符合上述正则匹配规则，由此将符合正则匹配规则的文字信息（即“dd-mm-yyyy”）设为集合c。随后可将集合c中的文字信息再经过re_no 《name|race|birth|sex|date|place》 进行过滤，其中若在集合c中存在re_no中的文字（例如，“date”和“birth”），则进行过滤剔除改行，此时集合c中的“dd-mm-yyyy”不满足正则过滤re_no条件，则保留。随后继续对集合c中的文字信息进行order（所处序号）、replace（替换）等操作，直到最终剩下集合d。集合d中的文字信息随后作为出生日期字段的值以用于后续结构化输出。随后对模板中的所有信息类别（例如，驾驶证号、姓名、性别、国籍、住址、出生日期、初次领证日期、准驾车型、有效期限）进行一一比对，以得到针对每个信息类别的对应的识别结果。随后，针对该证件的识别结果可以例如以键值的方式来结构化输出，例如，针对出生日期字段输出《出生日期，dd-mm-yyyy》。
[0055]
图4是根据本公开的一个实施例的自动检测待识别证件的类型以进行模板匹配的方法400的示意流程图。在方法400中，首先对待识别证件进行特征抽取以得到针对待识别证件的特征向量，并且随后将针对该待识别证件的特征向量与证件特征库中的各特征向量进行匹配以自动确定相似度最高的特征向量所对应的证件的类型，其中该证件特征库可以是通过对多个证件类型的证件进行特征抽取来构建的。
[0056]
通过预先构建证件特征库，并且采用特征匹配来自动识别证件类型，可以快速匹配针对该证件类型的预置模板，从而无需手动选择模板，这使得结构化过程更为简单、快速。
[0057]
图5是根据本公开的一个实施例的自动检测待识别证件的类型以进行模板匹配的另一方法500的示意流程图。在方法500中，首先可以对待识别证件进行图像特征提取和文字特征提取，其中图像特征提取可以是基于cnn来进行的，文字特征提取可以是基于ocr来进行的。随后可以将所提取出的图像特征和文字特征进行特征融合，并且经融合的特征向量可被输入经训练的分类器以供自动识别证件类型。
[0058]
方法500中的分类器可以是基于机器学习来训练得到的，其中可以首先对各种类型的证件进行图像特征提取和文字特征提取，随后将两种特征进行融合之后再输入分类器
来对该分类器进行训练。
[0059]
通过基于经训练的分类器来自动确定待识别证件的类型，并且基于图像特征和文字特征的特征融合来训练分类器，可以更准确地识别证件类型，并且快速匹配针对该证件类型的预置模板，从而无需手动选择模板，这使得结构化过程更为简单、快速。
[0060]
图6是根据本公开的一个实施例的基于模板的证件通用结构化方法600的示意流程图。方法600开始于步骤601，信息提取模块101可确定待识别证件的类型。在一个实施方式中，确定待识别证件的类型进一步包括：对待识别证件进行特征抽取以得到针对该待识别证件的特征向量；以及将针对该待识别证件的特征向量与证件特征库中的各特征向量进行匹配以确定相似度最高的特征向量所对应的证件的类型，其中该证件特征库是通过对多个证件类型的多个证件进行特征抽取来构建的。在另一实施方式中，可以基于经训练的分类器来自动确定待识别证件的类型，其中该分类器是基于图像特征和文字特征的特征融合来训练得到的。
[0061]
在步骤602，信息提取模块101可提取待识别证件中的多个信息和对应的位置以结构化针对该证件类型的第一待识别模板。在一个实施方式中，上述对应位置可以是由绝对位置和相对位置来定义的矩形框，如图2b和3b中的rect所描述的。在一个实施方式中，该多个信息可包括图像信息或文字信息。
[0062]
在步骤603，模板生成模块102可利用该第一待识别模板确定该证件类型的处于对应位置的信息类别。
[0063]
在步骤604，模板生成模块102可按对应位置和信息类别填充第一待识别模板。优选地，还可以针对经填充的第一待识别模板设置针对对应位置的一个或多个过滤规则。在一个优选实施方式中，该一个或多个过滤规则可包括正则匹配规则（例如，图2b或3b中re字段所示的正则匹配）。正则匹配规则可例如包括正则匹配、正则过滤、所处序号、替换、多行、语种、全局/局部搜索中的一者或多者。该一个或多个过滤规则可以动态地增减，这使得过滤规则可以灵活地设置，适应性较好。
[0064]
在步骤605，模板生成模块102可保存经填充的第一待识别模板作为针对该证件类型的第二通用模板。
[0065]
在步骤606，证件识别模块103可利用针对该证件类型的第二通用模板识别该证件类型的证件。在一个实施方式中，在证件识别的过程中，证件识别模块103可利用例如ocr文字识别技术来提取待识别证件中的至少一个信息和对应的位置，利用对应的第二通用模板将针对多个信息类别的对应位置与所提取的至少一个信息的对应位置进行匹配，并且从经匹配位置获取针对相应信息类别的识别结果。在一个实施方式中，可在上述提取信息和对应位置之前对该待识别证件的图片进行摆正，以便尽可能地将待识别证件的图片与通用模板对齐，从而更好地进行后续匹配，其中摆正可以例如通过透视投影方法来进行。在一个实施方式中，上述匹配可以通过以下操作来进行：计算模板中的每个信息类别的对应位置与所提取的至少一个信息的对应位置的交并比，并且在所计算出的交并比大于预设的阈值交并比（例如，0.3）时，将对应位置确定为经匹配位置。
[0066]
通过将这种新结构化方法设计成基于模板操作，一个标注人员可以很快完成证件的配置，从而能够快速支持全球上千种证件的配置，并且该新结构化模型体积小，无需模型优化，准确率高，可以通用于客户端和服务端。
[0067]
图7是根据本公开的一个实施例的基于模板的证件通用结构化系统700的示意架构图。如图7中所示，系统700可包括存储器701和至少一个处理器702。存储器701可包括ram、rom、或其组合。存储器701可存储计算机可执行指令，这些指令在由至少一个处理器702执行时使该至少一个处理器702执行本文中所描述的各种功能，包括：确定待识别证件的类型；提取该待识别证件中的多个信息和对应的位置以结构化针对该证件类型的第一待识别模板；利用该第一待识别模板确定该证件类型的处于对应位置的信息类别；按对应位置和信息类别填充该第一待识别模板；保存经填充的第一待识别模板作为针对该证件类型的第二通用模板；以及利用针对该证件类型的第二通用模板识别该证件类型的证件。在一些情形中，存储器701可尤其包含bios，该bios可控制基本硬件或软件操作，诸如与外围组件或设备的交互。处理器602可包括智能硬件设备（例如，通用处理器、dsp、cpu、微控制器、asic、fpga、可编程逻辑器件、分立的门或晶体管逻辑组件、分立的硬件组件，或其任何组合）。
[0068]
结合本文中的公开描述的各种解说性框以及模块可以用设计成执行本文中描述的功能的通用处理器、dsp、asic、fpga或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可被实现为计算设备的组合（例如，dsp与微处理器的组合、多个微处理器、与dsp核心协同的一个或多个微处理器，或者任何其他此类配置）。
[0069]
本文中所描述的功能可以在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实现，则各功能可以作为一条或多条指令或代码存储在计算机可读介质上或藉其进行传送。其他示例和实现落在本公开及所附权利要求的范围内。例如，由于软件的本质，本文描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或其任何组合来实现。实现功能的特征也可物理地位于各种位置，包括被分布以使得功能的各部分在不同的物理位置处实现。
[0070]
以上所已经描述的内容包括所要求保护主题的各方面的示例。当然，出于描绘所要求保护主题的目的而描述每一个可以想到的组件或方法的组合是不可能的，但本领域内的普通技术人员应该认识到，所要求保护主题的许多进一步的组合和排列都是可能的。从而，所公开的主题旨在涵盖落入所附权利要求书的精神和范围内的所有这样的变更、修改和变化。