图像处理方法、装置、存储介质及处理器与流程

1.本发明涉及图像处理技术领域，具体而言，涉及一种图像处理方法、装置、存储介质及处理器。


背景技术：

2.目前图像分割在很多应用场景中均有应用，然而图像分割的因精度要求较高，大部分都会以云端api或者借助设备端弱化的图形处理器的推理模式去实现；然而移动端受控于计算资源，在有限的计算资源下，对视频中图像分割的稳定性较差。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种图像处理方法、装置、存储介质及处理器，以至少解决相关技术中对视频中图像分割的稳定性较差的技术问题。
5.根据本发明实施例的一个方面，提供了一种图像处理方法，包括：从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
6.进一步地，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量包括：将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
7.进一步地，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，该方法还包括：确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；基于样本图像对神经网络进行训练学习，生成图像分割模型。
8.进一步地，基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像包括：对解码结果采用第一约束条件，得到目标对象的第一图像；对解码结果采用第二约束条件，得到目标对象的第二图像；将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
9.进一步地，在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，该方法还包括：接收目标对象输入用于获取目标对象的图像的请求指令；响应请求指令，将目标对象的图像推送至目标对象。
10.进一步地，在将目标对象的图像推送至目标对象之后，该方法还包括：若检测到目标对象对目标对象的图像进行修改，获取修改结果；基于修改结果对图像分割模型进行修正，以更新图像分割模型。
11.进一步地，在将目标对象的图像推送至目标对象之后，该方法还包括：若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至目标应用程序以进行发布。
12.根据本发明实施例的一个方面，还提供了一种图像处理方法，包括：接收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理的图像帧，待处理的图像帧中包括目标对象的图像；响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像；输出目标对象的图像。
13.进一步地，在输出目标对象的图像之后，该方法还包括：若检测到对目标对象的图像进行修改，获取修改结果；在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
14.根据本发明实施例的一个方面，还提供了一种图像处理方法，包括：从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
15.进一步地，在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，该方法还包括：若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
16.根据本发明实施例的另一方面，还提供了一种图像处理装置，包括：第一获取单元，用于从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；第一编码单元，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；第一解码单元，用于通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；第二获取单元，用于基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
17.进一步地，第一编码单元包括：第一获取模块，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；第一编码模块，用于将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
18.进一步地，该装置还包括：第一确定单元，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；第一生成单元，用于基于样本图像对神经网络
进行训练学习，生成图像分割模型。
19.进一步地，第二获取单元包括：第二获取模块，用于对解码结果采用第一约束条件，得到目标对象的第一图像；第三获取模块，用于对解码结果采用第二约束条件，得到目标对象的第二图像；第四获取模块，用于将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
20.进一步地，该装置还包括：第一接收单元，用于在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，接收目标对象输入用于获取目标对象的图像的请求指令；第一响应单元，用于响应请求指令，将目标对象的图像推送至目标对象。
21.进一步的，该装置还包括：第三获取单元，用于在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像进行修改，获取修改结果；第一更新单元，用于基于修改结果对图像分割模型进行修正，以更新图像分割模型。
22.进一步地，该装置还包括：第一调整单元，用于在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；第一上传单元，用于将调整后的目标对象的图像上传至目标应用程序以进行发布。
23.根据本发明实施例的一个方面，还提供了一种图像处理装置，包括：第二接收单元，用于接收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理的图像帧，待处理的图像帧中包括目标对象的图像；第二响应单元，用于响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像；第一输出单元，用于输出目标对象的图像。
24.进一步地，该装置还包括：第四获取单元，用于在输出目标对象的图像之后，若检测到对目标对象的图像进行修改，获取修改结果；第二更新单元，用于在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
25.根据本发明实施例的一个方面，还提供了一种图像处理装置，包括：第五获取单元，用于从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；第二编码单元，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，第二解码单元，用于通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；第六获取单元，用于基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
26.进一步地，该装置还包括：第七获取单元，用于在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；第二上传单元，用于将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
27.根据本发明实施例的一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的图像处理方法。
28.根据本发明实施例的一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的图像处理方法。
29.在本发明实施例中，采用借助多帧图像信息融合的方式，通过从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。达到了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
附图说明
30.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
31.图1是根据本发明实施例的计算机终端的硬件结构框图；
32.图2是根据本发明实施例一提供的图像处理方法的流程图；
33.图3是根据本发明实施例二提供的图像处理方法的流程图；
34.图4是根据本发明实施例三提供的图像处理方法的流程图；
35.图5是根据本发明实施例四提供的图像处理装置的示意图；
36.图6是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
37.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
38.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
39.首先，在对本技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
40.视频人像分割：给定一段人像视频序列，将人像完整的从序列里面抠选出来，得到人像图像。
41.实施例1
42.根据本发明实施例，提供了一种图像处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述
的步骤。
43.本技术实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，
……
，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
44.应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
45.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的图像处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
46.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
47.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
48.在上述运行环境下，本技术提供了如图2所示的图像处理方法。图2是根据本发明实施例一的图像处理方法的流程图。
49.步骤s201，从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像。
50.上述的视频可以用于视频人像分割。也即，需要从视频的图像帧中抠选出目标对象的图像。
51.步骤s202，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量。
52.例如，上述的前序图像的分割结果可以为待处理的图像帧前一帧图像帧的分割结果，也即，从前一帧图像帧中分割出的目标对象的图像。或者，上述的目标图像为待处理的
图像帧前一帧或者前两帧等图像帧的分割结果，本技术中不作限定。需要说明的是，在本技术实施例中的分割结果可以为多个，例如，从前一帧图像帧中分割出的目标对象的图像一和目标对象的图像二，其中，得到不同的分割结果，可以是基于不同的约束条件得到的，在此不作限定。
53.在步骤s202中前序图像的分割结果在编码器中进行融合进来，可以提升识别待处理的图像帧中目标对象的图像的稳定性，避免因为前后图像帧中的目标对象的位置偏移过大，对目标对象的定位识别不准确。通过结合前n帧图像帧的分割结果，可以对图像帧中的目标对象的图像进行准确定位以及分割，从而保证待处理的图像帧中分割出的目标对象的图像的稳定性。
54.步骤s203，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果。
55.步骤s204，基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
56.通过步骤s201至步骤s204，实现了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
57.可选地，在本技术实施例一提供的图像处理方法中，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量包括：将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
58.在上述方案中，采用高层语义组融合的方式，在编码器中的最后一层编码层中的神经网络配以不同的卷积核大小去提取不同尺度的特征，例如，深层到浅层的卷积核大小取值为7/5/3，提取出不同尺度的特征，然后将不同尺度的特征进行组合，得到待处理的图像帧的特征向量。通过上述方案，从而可以保证提出的特征的准确性，从而保证后续从图像帧中分割出的目标对象的图像的准确性。
59.可选地，在本技术实施例一提供的图像处理方法中，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，该方法还包括：确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；基于样本图像对神经网络进行训练学习，生成图像分割模型。
60.通过上述方案，限定了本技术中的图像分割模型是通过包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1，的样本图像训练得到，也即，单图和多张图可以迭代的训练图像分割模型的。从而保证了训练处的图像分割模型的精准性。
61.可选地，在本技术实施例一提供的图像处理方法中，基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像包括：对解码结果采用第一约束条件，得到目标对象的第一图像；对解码结果采用第二约束条件，得到目标对象的第二图像；将目标对象的第一
图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
62.例如，上述的第一约束条件为分类算法，第二约束条件为归一算法，通过不同的约束条件，可以得到不同的分割结果。对于不同的分割结果，用户可以在不同的应用场景中根据需求使用，以满足不同应用场景中的需求。
63.可选地，在本技术实施例一提供的图像处理方法中，在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，该方法还包括：接收目标对象输入用于获取目标对象的图像的请求指令；响应请求指令，将目标对象的图像推送至目标对象。
64.在上述方案中，在分割出目标对象的图像之后，若目标用户需要获取分割出目标对象的图像，可以将分割出的目标对象的图像推送至目标用户，以便目标用户对接收到的目标对象的图像按照需求进行灵活调整，以满足用户需求。
65.可选地，在本技术实施例一提供的图像处理方法中，在将目标对象的图像推送至目标对象之后，该方法还包括：若检测到目标对象对目标对象的图像进行修改，获取修改结果；基于修改结果对图像分割模型进行修正，以更新图像分割模型。
66.在上述方案中，若检测到目标用户对目标对象的图像进行修改，也即表示目标用户对分割出的目标对象的图像的一些地方不是很满意，或者，目标用户对分割出的目标对象的图像的一些地方不是很准确，支持目标用户手动进行调整。在调整之后，图像分割模型对调整后的目标对象的图像进行学习，以对图像分割模型中的参数进行更新修正，从而更新图像分割模型。因此，保证后续采用更新后的图像分割模型对图像分割更加准确。
67.可选地，在本技术实施例一提供的图像处理方法中，在将目标对象的图像推送至目标对象之后，该方法还包括：若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至目标应用程序以进行发布。
68.在上述方案中，目标用户对目标对象的图像的背景进行调整，例如，目标对象的图像原本的背景是模糊的，将其背景替换为纯蓝色或者采用大海或高山等作为其背景等，将调整背景后的目标对象的图像再上传至某款应用程序中进行发布，以保证发布效果。
69.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
70.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
71.实施例2
72.在上述实施例一所描述的运行环境下，本技术提供了如图3所示的图像处理方法。图3是根据本发明实施例二的图像处理方法的流程图。
73.步骤s301，接收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理
的图像帧，待处理的图像帧中包括目标对象的图像。
74.步骤s302，响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
75.步骤s303，输出目标对象的图像。
76.在步骤s301至步骤s303中，通过移动端触发的服务调用请求，调用服务器中的服务，快速准确的从图像帧中分割出的目标对象的图像，实现了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
77.可选地，在根据本发明实施例二提供的图像处理方法中，在输出目标对象的图像之后，该方法还包括：若检测到对目标对象的图像进行修改，获取修改结果；在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
78.在上述方案中，若检测到目标用户对目标对象的图像进行修改，也即表示目标用户对分割出的目标对象的图像的一些地方不是很满意，或者，目标用户对分割出的目标对象的图像的一些地方不是很准确，支持目标用户手动进行调整。在调整之后，图像分割模型对调整后的目标对象的图像进行学习，以对图像分割模型中的参数进行更新修正，从而更新图像分割模型。因此，保证后续采用更新后的图像分割模型对图像分割更加准确。
79.可选地，在本技术实施例二提供的图像处理方法中，在输出目标对象的图像之后，该方法还包括：若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；通过服务器将调整后的目标对象的图像上传至目标应用程序以进行发布。
80.在上述方案中，目标用户对目标对象的图像的背景进行调整，例如，目标对象的图像原本的背景是模糊的，将其背景替换为纯蓝色或者采用大海或高山等作为其背景等，将调整背景后的目标对象的图像再上传至某款应用程序中进行发布，以保证发布效果。
81.需要说明的是，实施例一中对图像处理的方法同样适用于本实施例二中，因此，在此不再赘述。
82.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
83.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
84.实施例3
85.在上述实施例一所描述的运行环境下，本技术提供了如图4所示的图像处理方法。
图4是根据本发明实施例三的图像处理方法的流程图。
86.步骤s401，从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；
87.步骤s402，将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；
88.步骤s403，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；
89.步骤s404，基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
90.在步骤s401至步骤s404中，通过对会议场景下的会议视频中的待处理的图像帧进行分割，可以快速准确的从图像帧中分割出的目标对象的图像，实现了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
91.可选地，在本技术实施例三提供的图像处理方法中，在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，该方法还包括：若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
92.在上述方案中，目标用户对目标对象的图像的背景进行调整，例如，目标对象的图像原本的背景是模糊的，将其背景替换为纯蓝色或者采用大海或高山等作为其背景等，将调整背景后的目标对象的图像再上传至某款应用程序中进行发布，以保证发布效果。
93.需要说明的是，实施例一中对图像处理的方法同样适用于本实施例三中，因此，在此不再赘述。
94.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
95.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
96.实施例4
97.根据本发明实施例，还提供了一种用于实施上述实施例一中的图像处理方法的装置，如图5所示，该装置包括：第一获取单元501、第一编码单元502、第一解码单元503、第二获取单元505。
98.具体的，第一获取单元501，用于从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；
99.第一编码单元502，用于将待处理的图像帧和前序图像的分割结果输入图像分割
模型中的编码器中进行编码，得到待处理的图像帧的特征向量；
100.第一解码单元503，用于通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；
101.第二获取单元504，用于基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
102.通过本发明实施例四提供的图像处理装置，实现了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
103.可选地，根据本发明实施例四提供的图像处理装置中，第一编码单元502包括：第一获取模块，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；第一编码模块，用于将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
104.可选地，根据本发明实施例四提供的图像处理装置中，该装置还包括：第一确定单元，用于将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；第一生成单元，用于基于样本图像对神经网络进行训练学习，生成图像分割模型。
105.可选地，根据本发明实施例四提供的图像处理装置中，第二获取单元504包括：第二获取模块，用于对解码结果采用第一约束条件，得到目标对象的第一图像；第三获取模块，用于对解码结果采用第二约束条件，得到目标对象的第二图像；第四获取模块，用于将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
106.可选地，根据本发明实施例四提供的图像处理装置中，该装置还包括：第一接收单元，用于在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，接收目标对象输入用于获取目标对象的图像的请求指令；第一响应单元，用于响应请求指令，将目标对象的图像推送至目标对象。
107.可选地，根据本发明实施例四提供的图像处理装置中，该装置还包括：第三获取单元，用于在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像进行修改，获取修改结果；第一更新单元，用于基于修改结果对图像分割模型进行修正，以更新图像分割模型。
108.可选地，根据本发明实施例四提供的图像处理装置中，该装置还包括：第一调整单元，用于在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；第一上传单元，用于将调整后的目标对象的图像上传至目标应用程序以进行发布。
109.此处需要说明的是，上述的第一获取单元501、第一编码单元502、第一解码单元503、第二获取单元505对应于实施例1中的步骤s201至步骤s204，两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
110.实施例5
111.本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
112.可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
113.在本实施例中，上述计算机终端可以执行应用程序的图像处理方法中以下步骤的程序代码：从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
114.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
115.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；基于样本图像对神经网络进行训练学习，生成图像分割模型。
116.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：对解码结果采用第一约束条件，得到目标对象的第一图像；对解码结果采用第二约束条件，得到目标对象的第二图像；将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
117.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，接收目标对象输入用于获取目标对象的图像的请求指令；响应请求指令，将目标对象的图像推送至目标对象。
118.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像进行修改，获取修改结果；基于修改结果对图像分割模型进行修正，以更新图像分割模型。
119.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至目标应用程序以进行发布。
120.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：接
收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理的图像帧，待处理的图像帧中包括目标对象的图像；响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像；输出目标对象的图像。
121.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：在输出目标对象的图像之后，若检测到对目标对象的图像进行修改，获取修改结果；在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
122.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
123.上述计算机终端还可以执行应用程序的图像处理方法中以下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
124.可选地，图6是根据本发明实施例的一种计算机终端的结构框图。如图6所示，该计算机终端可以包括：一个或多个(图6中仅示出一个)处理器、存储器。
125.其中，存储器可用于存储软件程序以及模块，如本发明实施例中的图像处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的图像处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
126.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
127.可选的，上述处理器还可以执行如下步骤的程序代码：将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
128.可选的，上述处理器还可以执行如下步骤的程序代码：将待处理的图像帧和前序
图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；基于样本图像对神经网络进行训练学习，生成图像分割模型。
129.可选的，上述处理器还可以执行如下步骤的程序代码：对解码结果采用第一约束条件，得到目标对象的第一图像；对解码结果采用第二约束条件，得到目标对象的第二图像；将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
130.可选的，上述处理器还可以执行如下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，接收目标对象输入用于获取目标对象的图像的请求指令；响应请求指令，将目标对象的图像推送至目标对象。
131.可选的，上述处理器还可以执行如下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像进行修改，获取修改结果；基于修改结果对图像分割模型进行修正，以更新图像分割模型。
132.可选的，上述处理器还可以执行如下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至目标应用程序以进行发布。
133.可选的，上述处理器还可以执行如下步骤的程序代码：接收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理的图像帧，待处理的图像帧中包括目标对象的图像；响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像；输出目标对象的图像。
134.可选的，上述处理器还可以执行如下步骤的程序代码：在输出目标对象的图像之后，若检测到对目标对象的图像进行修改，获取修改结果；在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
135.可选的，上述处理器还可以执行如下步骤的程序代码：从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
136.可选的，上述处理器还可以执行如下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
137.采用本发明实施例，提供了一种图像处理方法的方案。通过采用借助多帧图像信息融合的方式，通过从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的
目标对象的图像。达到了提升图像帧中分割出的目标对象的图像的准确性目的，从而实现了保证图像分割的稳定性的技术效果，进而解决了相关技术中对视频中图像分割的稳定性较差的技术问题。
138.本领域普通技术人员可以理解，图6所示的结构仅为示意，计算机终端也可以是智能手机(如android手机、ios手机等)、平板电脑、掌声电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图6其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图6所示不同的配置。
139.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
140.实施例6
141.本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的图像处理方法所执行的程序代码。
142.可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
143.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：从视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
144.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：将待处理的图像帧和前序图像的分割结果输入图像分割模型中进行编码，获取目标编码层的输出，得到目标编码层输出的特征集合，其中，目标编码层为编码器中最后一层编码层的前一层编码层；将目标编码层输出的特征集合输入编码器中的最后一层编码层进行特征编码，得到待处理的图像帧的特征向量，其中，最后一层编码层中的神经网络配置有不同的卷积核大小，以去提取不同尺度的特征。
145.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量之前，确定样本图像，其中，样本图像中包括以下至少之一：当前帧图像、当前帧图像的前n帧图像的分割结果和前n帧图像的原始图像，n≥1；基于样本图像对神经网络进行训练学习，生成图像分割模型。
146.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：对解码结果采用第一约束条件，得到目标对象的第一图像；对解码结果采用第二约束条件，得到目标对象的第二图像；将目标对象的第一图像和目标对象的第二图像作为对待处理的图像帧的分割结果。
147.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，接收目标对象
输入用于获取目标对象的图像的请求指令；响应请求指令，将目标对象的图像推送至目标对象。
148.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像进行修改，获取修改结果；基于修改结果对图像分割模型进行修正，以更新图像分割模型。
149.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在将目标对象的图像推送至目标对象之后，若检测到目标对象对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至目标应用程序以进行发布。
150.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：接收移动端发送的服务调用请求，其中，服务调用请求中携带有待处理的图像帧，待处理的图像帧中包括目标对象的图像；响应服务调用请求，在服务器中将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量，通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像；输出目标对象的图像。
151.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在输出目标对象的图像之后，若检测到对目标对象的图像进行修改，获取修改结果；在服务器中基于修改结果对图像分割模型进行修正，以更新图像分割模型。
152.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：从会议视频中获取待处理的图像帧，其中，待处理的图像帧中包括目标对象的图像；将待处理的图像帧和前序图像的分割结果输入图像分割模型中的编码器中进行编码，得到待处理的图像帧的特征向量；通过图像分割模型中的解码器对待处理的图像帧的特征向量进行特征解码，得到解码结果；基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像。
153.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在基于解码结果，得到从待处理的图像帧中分割出的目标对象的图像之后，若检测到对目标对象的图像的背景进行调整，获取调整后的目标对象的图像；将调整后的目标对象的图像上传至会议视频，以作为目标对象的标识。
154.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
155.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
156.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
157.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的
部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
158.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
159.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
160.以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。