基于机器视觉的接触网病害检测方法、系统、装置及介质

1.本发明涉及计算机视觉技术领域，尤其是一种基于机器视觉的接触网病害检测方法、系统、装置及介质。


背景技术：

2.接触网主要分为柔性接触网和刚性接触网两大类。刚性接触网相对于柔性接触网具有诸多优点，如维护检修容易，架构比较简单，安全方便,较难断线等。但是，在恶劣且长期振动的工作环境下，容易出现刚性接触网导流板故障、汇流排腐蚀、汇流排局部严重磨损等故障。接触网悬挂装置的故障将导致该供电分区全部失去电力，区段内所有运行中的车辆将失去动力，轻则发生车辆停运，重则造成交通事故。因此，实时有效地检测接触网悬挂装置的运行状态是保障轨道车辆能正常运营的重要措施。
3.复杂隧道环境是城市轨道交通不可避免的运行场景之一。在复杂隧道环境下的城轨刚性接触网绝缘子长期暴露在阴暗潮湿的隧道环境中，且需长期经受强电场和强机械应力，出现故障的几率较大，绝缘子时常会产生不同程度的病害，而绝缘子病害会降低其绝缘强度，如果长时间不被发现并且得不到更换，将会导致瓷瓶断裂而引发电路中其他不可预知的故障。
4.传统的接触网病害检测以人工巡检为主，检测效率低、检测工作量大，检测结果易受到检测者主观因素的影响，因此无法满足当前高速铁路的运营要求。现有技术中提出了一些基于机器视觉的接触网病害检测方法，然而这些方法未考虑到复杂隧道环境下获取的接触网图像清晰度一般，无法准确识别检测出绝缘子，从而影响了接触网病害检测的准确度。


技术实现要素：

5.本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
6.为此，本发明实施例的一个目的在于提供一种基于机器视觉的接触网病害检测方法，该方法提高了复杂隧道环境下接触网病害检测的准确度。
7.本发明实施例的另一个目的在于提供一种基于机器视觉的接触网病害检测系统。
8.为了达到上述技术目的，本发明实施例所采取的技术方案包括：
9.第一方面，本发明实施例提供了一种基于机器视觉的接触网病害检测方法，包括以下步骤：
10.获取待检测接触网的第一图像信息，对所述第一图像信息进行图像增强得到第二图像信息；
11.通过surf算法对所述第二图像信息进行绝缘子的粗识别，得到第三图像信息；
12.通过基于双目视觉的三维匹配算法对所述第三图像信息进行绝缘子的精准识别，得到所述待检测接触网的绝缘子图像信息；
13.通过小波变换提取所述绝缘子图像信息的第一图像特征，并将所述第一图像特征
输入到预先训练好的病害识别模型，得到所述待检测接触网的病害检测结果。
14.进一步地，在本发明的一个实施例中，所述获取待检测接触网的第一图像信息，对所述第一图像信息进行图像增强得到第二图像信息这一步骤，其具体包括：
15.通过光场相机拍摄获取待检测接触网的第一图像信息；
16.对所述第一图像信息进行深度估计，得到所述第一图像信息的场景深度；
17.根据所述场景深度确定初始透射率，进而根据所述初始透射率和预设的大气散射模型对所述第一图像信息进行去模糊处理，得到图像增强后的第二图像信息。
18.进一步地，在本发明的一个实施例中，所述通过surf算法对所述第二图像信息进行绝缘子的粗识别，得到第三图像信息这一步骤，其具体包括：
19.通过surf算法提取所述第二图像信息的第一特征点；
20.根据所述第一特征点的邻域信息确定所述第一特征点的surf描述符；
21.获取预设的绝缘子特征模板库，根据所述surf描述符在所述绝缘子特征模板库中匹配得到匹配特征点；
22.计算所述第一特征点与匹配特征点的第一相似度，当所述第一相似度大于等于预设的第一阈值，根据所述第一特征点和预设的邻域尺寸确定所述第三图像信息。
23.进一步地，在本发明的一个实施例中，所述通过基于双目视觉的三维匹配算法对所述第三图像信息进行绝缘子的精准识别，得到所述待检测接触网的绝缘子图像信息这一步骤，其具体包括：
24.获取同一时刻不同拍摄角度的两个所述第一图像信息对应的第三图像信息；
25.对获取的两个第三图像信息分别进行边缘提取，得到第一边缘图和第二边缘图；
26.对所述第一边缘图和所述第二边缘图进行三维匹配，得到若干个匹配点对；
27.根据所述匹配点对重建所述待检测接触网的绝缘子的三维空间信息；
28.根据所述三维空间信息确定所述待检测接触网的绝缘子图像信息。
29.进一步地，在本发明的一个实施例中，所述对获取的两个第三图像信息分别进行边缘提取，得到第一边缘图和第二边缘图这一步骤，其具体包括：
30.分别对获取的两个第三图像信息进行二值化处理和滤波处理，得到第四图像信息和第五图像信息；
31.对所述第四图像信息和所述第五图像信息分别进行边缘检测得到多个连续轮廓，进而对所述连续轮廓进行随机霍夫变换，筛选出符合预设的第二阈值条件的连续轮廓作为绝缘子边缘轮廓；
32.根据第四图像信息和对应的绝缘子边缘轮廓得到第一边缘图，并根据所述第五图像信息和对应的绝缘子边缘轮廓得到第二边缘图。
33.进一步地，在本发明的一个实施例中，所述通过小波变换提取所述绝缘子图像信息的第一图像特征这一步骤，其具体包括：
34.通过小波变换对所述绝缘子图像信息进行分解处理，得到水平高频分量、垂直高频分量以及对角高频分量；
35.对所述水平高频分量、所述垂直高频分量以及所述对角高频分量进行维纳滤波处理，得到去噪后的水平高频分量、去噪后的垂直高频分量以及去噪后的对角高频分量；
36.根据去噪后的水平高频分量、去噪后的垂直高频分量以及去噪后的对角高频分量
确定所述绝缘子图像信息的第一图像特征。
37.进一步地，在本发明的一个实施例中，所述接触网病害检测方法还包括预先训练病害识别模型的步骤，其具体包括：
38.获取多个预设的绝缘子样本图像，通过小波变换提取所述绝缘子样本图像的第二图像特征；
39.确定各所述绝缘子样本图像的病害类型，并根据所述病害类型确定所述绝缘子样本图像的病害类型标签；
40.将所述第二图像特征输入到预先构建的卷积神经网络，得到病害类型识别结果；
41.根据所述病害类型识别结果和所述病害类型标签确定所述卷积神经网络的损失值；
42.根据所述损失值通过反向传播算法更新所述卷积神经网络的参数；
43.当所述损失值达到预设的第三阈值或迭代次数达到预设的第四阈值，停止训练，得到训练好的病害识别模型。
44.第二方面，本发明实施例提供了一种基于机器视觉的接触网病害检测系统，包括：
45.图像获取模块，用于获取待检测接触网的第一图像信息，对所述第一图像信息进行图像增强得到第二图像信息；
46.第一图像识别模块，用于通过surf算法对所述第二图像信息进行绝缘子的粗识别，得到第三图像信息；
47.第二图像识别模块，用于通过基于双目视觉的三维匹配算法对所述第三图像信息进行绝缘子的精准识别，得到所述待检测接触网的绝缘子图像信息；
48.模型识别模块，用于通过小波变换提取所述绝缘子图像信息的第一图像特征，并将所述第一图像特征输入到预先训练好的病害识别模型，得到所述待检测接触网的病害检测结果。
49.第三方面，本发明实施例提供了一种基于机器视觉的接触网病害检测装置，包括：
50.至少一个处理器；
51.至少一个存储器，用于存储至少一个程序；
52.当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于机器视觉的接触网病害检测方法。
53.第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于机器视觉的接触网病害检测方法。
54.本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
55.本发明实施例获取待检测接触网的第一图像信息，对第一图像信息进行图像增强得到第二图像信息，然后通过surf算法对第二图像信息进行绝缘子的粗识别，得到第三图像信息，再通过基于双目视觉的三维匹配算法对第三图像信息进行绝缘子的精准识别，得到待检测接触网的绝缘子图像信息，进而通过小波变换提取绝缘子图像信息的第一图像特征，并将第一图像特征输入到预先训练好的病害识别模型，得到待检测接触网的病害检测结果。本发明实施例通过图像增强、基于surf算法的粗识别以及基于双目视觉的三维匹配
算法的精准识别可以实现对复杂隧道环境下的接触网绝缘子的精确定位与识别，从而准确提取出绝缘子图像并利用预先训练的病害识别模型识别得到病害检测结果，提高了复杂隧道环境下接触网病害检测的准确度。
附图说明
56.为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
57.图1为本发明实施例提供的一种基于机器视觉的接触网病害检测方法的步骤流程图；
58.图2为本发明实施例提供的一种基于机器视觉的接触网病害检测系统的结构框图；
59.图3为本发明实施例提供的一种基于机器视觉的接触网病害检测装置的结构框图。
具体实施方式
60.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
61.在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
62.城市轨道交通的运行场景超过70％均是地下隧道环境，而本发明实施例检测的刚性接触网绝缘子，正是在城市轨道交通线路的地下区段使用，且在城市轨道交通系统中占据主要部分；同时，复杂隧道环境相较于地面环境，不管是采光度、空气湿度、弓网系统之间的震动频率影响度均有较大差异，当前已有研究更多是基于地面正常采光下的接触网绝缘子病害检测，将其应用于复杂隧道环境下的准确度较低。
63.参照图1，本发明实施例提供了一种基于机器视觉的接触网病害检测方法，具体包括以下步骤：
64.s101、获取待检测接触网的第一图像信息，对第一图像信息进行图像增强得到第二图像信息。
65.具体地，本发明实施例基于复杂隧道环境下凸显的阴暗潮湿特征，优化图像预处理算法，对采集的初始图像进行降噪及去模糊处理，实现对复杂隧道环境下的图像增强。步骤s101包括以下步骤：
66.s1011、通过光场相机拍摄获取待检测接触网的第一图像信息；
67.s1012、对第一图像信息进行深度估计，得到第一图像信息的场景深度；
68.s1013、根据场景深度确定初始透射率，进而根据初始透射率和预设的大气散射模型对第一图像信息进行去模糊处理，得到图像增强后的第二图像信息。
69.具体地，轨道交通系统中，接触网位于列车顶部，且图像拍摄的角度对于后续的图像识别和图像处理的效果具有一定影响。在无人机技术成熟的当前，本发明实施例可通过无人机搭载光场相机从高空拍摄角度相对较好的图像后进行非接触式的检测与判断，规避常规仰拍接触网的角度对算法带来的影响，减轻算法复杂度的同时提高准确度，此外，还可以避免人工登顶等繁重工作。
70.本发明实施例在复杂隧道环境下的图像散射模型框架中，利用导向滤波改进暗通道先验理论对初始透射率的优化效果，结合基于光场图像的深度估计、散射去除算法以及区域优化的去模糊算法，从而达到复杂隧道环境下的城轨刚性接触网图像增强，获取清晰图像。
71.s102、通过surf算法对第二图像信息进行绝缘子的粗识别，得到第三图像信息。
72.具体地，绝缘子是刚性接触网的关键构件，识别绝缘子是后续判断绝缘子病害的基础。本发明实施例在复杂隧道环境下，通过surf算法和基于双目视觉的三维匹配算法，实现对绝缘子的精确定位与准确识别。步骤s102具体包括以下步骤：
73.s1021、通过surf算法提取第二图像信息的第一特征点；
74.s1022、根据第一特征点的邻域信息确定第一特征点的surf描述符；
75.s1023、获取预设的绝缘子特征模板库，根据surf描述符在绝缘子特征模板库中匹配得到匹配特征点；
76.s1024、计算第一特征点与匹配特征点的第一相似度，当第一相似度大于等于预设的第一阈值，根据第一特征点和预设的邻域尺寸确定第三图像信息。
77.具体地，本发明实施例在前述步骤中图像增强的基础上，提取城轨刚性接触网绝缘子的图像特征(包含全局特征与局部特征)，与预先建立的绝缘子特征模板库进行匹配，从而实现通过surf算法进行绝缘子的粗定位与识别，并在后续通过双目立体视觉原理，选用基于特征匹配的三维匹配算法，从而实现城轨刚性接触网绝缘子的精确定位与识别。
78.s103、通过基于双目视觉的三维匹配算法对第三图像信息进行绝缘子的精准识别，得到待检测接触网的绝缘子图像信息。
79.具体地，根据前述步骤s102中确定的包含待检测接触网的绝缘子的第三图像信息，通过边缘提取和三维匹配重建绝缘子的三维空间信息，从而可以对待检测接触网的绝缘子图像进行精准识别并提取。步骤s103具体包括以下步骤：
80.s1031、获取同一时刻不同拍摄角度的两个第一图像信息对应的第三图像信息；
81.s1032、对获取的两个第三图像信息分别进行边缘提取，得到第一边缘图和第二边缘图；
82.s1033、对第一边缘图和第二边缘图进行三维匹配，得到若干个匹配点对；
83.s1034、根据匹配点对重建待检测接触网的绝缘子的三维空间信息；
84.s1035、根据三维空间信息确定待检测接触网的绝缘子图像信息。
85.进一步作为可选的实施方式，对获取的两个第三图像信息分别进行边缘提取，得到第一边缘图和第二边缘图这一步骤s1032，其具体包括：
86.s10321、分别对获取的两个第三图像信息进行二值化处理和滤波处理，得到第四图像信息和第五图像信息；
87.s10322、对第四图像信息和第五图像信息分别进行边缘检测得到多个连续轮廓，进而对连续轮廓进行随机霍夫变换，筛选出符合预设的第二阈值条件的连续轮廓作为绝缘子边缘轮廓；
88.s10323、根据第四图像信息和对应的绝缘子边缘轮廓得到第一边缘图，并根据第五图像信息和对应的绝缘子边缘轮廓得到第二边缘图。
89.具体地，对第三图像信息g(x,y)进行二值化处理的公式如下：
[0090][0091]
其中，thresh表示灰度阈值，b(x,y)表示二值化处理后的第三图像信息。
[0092]
图像边缘即为图像局部区域亮度变化显著的部分，对于灰度图像来说，也就是灰度值有一个明显变化的区域，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。本发明实施例采用canny算子进行边缘检测，在提高对接触网绝缘子边缘的敏感性的同时，可以抑制噪声。本发明实施例采用随机霍夫变换来对检测出的连续轮廓进行筛选，从而确定绝缘子边缘轮廓。
[0093]
在一些可选的实施例中，对第四图像信息进行边缘检测得到多个连续轮廓，进而对连续轮廓进行随机霍夫变换，筛选出符合预设的第二阈值条件的连续轮廓作为绝缘子边缘轮廓这一步骤，其具体包括：
[0094]
1)通过canny算子对第四图像信息进行边缘检测得到第六图像信息，并确定第六图像信息中的连续轮廓；
[0095]
2)对第六图像信息进行遍历搜索，当搜索到连续轮廓，对连续轮廓进行随机霍夫变换，确定连续轮廓是否符合预设的尺寸阈值，当符合，确定该连续轮廓为绝缘子边缘轮廓。
[0096]
具体地，对通过canny算子提取得到的第六图像信息进行遍历搜索，从图像的左上角开始，从上而下，从左往右的顺序进行，搜索到图像中第i个独立的连续轮廓，对该连续轮廓进行rht变换(随机霍夫变换)，判断该连续轮廓是否符合预设的尺寸阈值，符合该尺寸阈值的连续轮廓即为绝缘子边缘轮廓。
[0097]
s104、通过小波变换提取绝缘子图像信息的第一图像特征，并将第一图像特征输入到预先训练好的病害识别模型，得到待检测接触网的病害检测结果。
[0098]
具体地，绝缘子常见的病害主要集中体现在掉串和裂纹两种病害类型，本发明实施例通过小波内环提取绝缘子图像的多个高频分量，基于训练好的病害识别模型实现对绝缘子病害的精准检测。
[0099]
进一步作为可选的实施方式，通过小波变换提取绝缘子图像信息的第一图像特征这一步骤，其具体包括：
[0100]
a1、通过小波变换对绝缘子图像信息进行分解处理，得到水平高频分量、垂直高频分量以及对角高频分量；
[0101]
a2、对水平高频分量、垂直高频分量以及对角高频分量进行维纳滤波处理，得到去噪后的水平高频分量、去噪后的垂直高频分量以及去噪后的对角高频分量；
[0102]
a3、根据去噪后的水平高频分量、去噪后的垂直高频分量以及去噪后的对角高频分量确定绝缘子图像信息的第一图像特征。
[0103]
具体地，本发明实施例前述步骤得到绝缘子图像信息的基础上，根据城轨刚性接触网绝缘子常见病害(掉串、裂缝)的不同物理表现，对绝缘子图像进行小波变换，分解为不同分量，再对水平、垂直以及对角高频分量进行维纳滤波和小波阈值去噪处理，去除背景噪声干扰信息、突出裂缝破损的特征，然后根据去噪后的水平高频分量、垂直高频分量以及对角高频分量形成多维度的特征向量，即为第一图像特征，将该第一图像特征输入到预先训练病害识别模型从而实现城轨刚性接触网绝缘子病害的视觉检测。
[0104]
进一步作为可选的实施方式，接触网病害检测方法还包括预先训练病害识别模型的步骤，其具体包括：
[0105]
b1、获取多个预设的绝缘子样本图像，通过小波变换提取绝缘子样本图像的第二图像特征；
[0106]
b2、确定各绝缘子样本图像的病害类型，并根据病害类型确定绝缘子样本图像的病害类型标签；
[0107]
b3、将第二图像特征输入到预先构建的卷积神经网络，得到病害类型识别结果；
[0108]
b4、根据病害类型识别结果和病害类型标签确定卷积神经网络的损失值；
[0109]
b5、根据损失值通过反向传播算法更新卷积神经网络的参数；
[0110]
b6、当损失值达到预设的第三阈值或迭代次数达到预设的第四阈值，停止训练，得到训练好的病害识别模型。
[0111]
具体地，对于病害识别模型来说，病害类型识别结果的准确性可以通过损失函数(loss function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(cost function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本发明实施例中，可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的病害识别模型。具体的迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。
[0112]
以上对本发明实施例的方法步骤进行了说明。可以认识到，本发明实施例通过图像增强、基于surf算法的粗识别以及基于双目视觉的三维匹配算法的精准识别可以实现对复杂隧道环境下的接触网绝缘子的精确定位与识别，从而准确提取出绝缘子图像并利用预先训练的病害识别模型识别得到病害检测结果，提高了复杂隧道环境下接触网病害检测的准确度。
[0113]
参照图2，本发明实施例提供了一种基于机器视觉的接触网病害检测系统，包括：
[0114]
图像获取模块，用于获取待检测接触网的第一图像信息，对第一图像信息进行图
像增强得到第二图像信息；
[0115]
第一图像识别模块，用于通过surf算法对第二图像信息进行绝缘子的粗识别，得到第三图像信息；
[0116]
第二图像识别模块，用于通过基于双目视觉的三维匹配算法对第三图像信息进行绝缘子的精准识别，得到待检测接触网的绝缘子图像信息；
[0117]
模型识别模块，用于通过小波变换提取绝缘子图像信息的第一图像特征，并将第一图像特征输入到预先训练好的病害识别模型，得到待检测接触网的病害检测结果。
[0118]
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0119]
参照图3，本发明实施例提供了一种基于机器视觉的接触网病害检测装置，包括：
[0120]
至少一个处理器；
[0121]
至少一个存储器，用于存储至少一个程序；
[0122]
当上述至少一个程序被上述至少一个处理器执行时，使得上述至少一个处理器实现上述的一种基于机器视觉的接触网病害检测方法。
[0123]
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0124]
本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，该处理器可执行的程序在由处理器执行时用于执行上述一种基于机器视觉的接触网病害检测方法。
[0125]
本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种基于机器视觉的接触网病害检测方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0126]
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
[0127]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0128]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的
常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0129]
上述功能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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0130]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0131]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。
[0132]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0133]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0134]
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0135]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟
悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。