一种基于AI的口罩佩戴检测方法和系统与流程

一种基于ai的口罩佩戴检测方法和系统
技术领域
1.本发明主要涉及人脸识别技术领域，具体地说，涉及一种基于ai的口罩佩戴检测方法和系统。


背景技术：

2.口罩是一种常用的生活用品，能够有效的防止粉尘，有害气体，唾液飞沫等进出口鼻。在医院等卫生场所，佩戴口罩既能够保证自身不受传染病流行的危害；在工地、工厂等作业环境具有较大粉尘的区域，应该佩戴口罩防止自身因吸入粉尘而对自身健康造成危害。另外，在一些重点监控场所，例如atm取款机，可疑分子会为了避免被摄像头抓拍而会刻意用口罩遮挡住面部。而对于这些需要识别是否佩戴口罩的场所，目前并没有一种方法能够快速并大量的自动检测相关人员是否按照要求佩戴口罩。若通过人工的方式去检验既要耗费大量的人力资源，且当人流过多的情况下很难保证能够监测到每个人是否佩戴口罩。
3.因此，需要提供一种基于ai的口罩佩戴检测方法和系统，用于自动、快速且准确地检测人员是否佩戴口罩。


技术实现要素：

4.本说明书实施例之一提供一种基于ai的口罩佩戴检测系统，包括：信息获取模块，包括人体检测装置、点云获取装置及图像获取装置，所述人体检测装置用于检测目标区域内是否存在人体，所述点云获取装置用于在所述人体检测装置检测到所述目标区域内存在人体时，获取所述人体的第一点云数据，并基于所述第一点云数据确定拍摄区域，所述点云获取装置还用于获取所述人体的实时位置，并基于所述实时位置判断所述人体是否位于所述拍摄区域内，所述点云获取装置还用于在判断所述人体位于所述拍摄区域内时，获取所述人体的第二点云数据，所述图像获取装置用于在所述点云获取装置判断所述人体位于所述拍摄区域内时，获取人体图像；佩戴检测模块，用于通过佩戴检测模型基于所述第二点云数据及所述人体图像判断所述人体是否佩戴口罩；结果显示模块，用于显示所述佩戴检测模型的判断结果。
5.在一些实施例中，所述信息获取模块包括机架，所述人体检测装置包括多个人体感应传感器及微处理器，多个所述人体感应传感器分别设置在所述机架的多个位置处，多个所述人体感应传感器的输出端均与所述微处理器电连接；所述微处理器用于基于多个所述人体感应传感器的输出信号，检测所述目标区域内是否存在所述人体。
6.在一些实施例中，所述点云获取装置包括设置在所述机架上的深度相机，所述深度相机基于3d结构光获取所述人体的第一点云数据和/或第二点云数据。
7.在一些实施例中，所述点云获取装置还用于：获取所述人体的第一点云数据，确定所述人体的人体特征；基于所述人体特征确定所述拍摄区域。
8.在一些实施例中，所述点云获取装置获取所述人体的实时位置，并基于所述实时位置判断所述人体是否位于所述拍摄区域内，包括：s1、按照预设频率获取所述人体的实时
点云数据；s2、基于所述实时点云数据确定所述人体的实时位置，其中，所述实时位置包括所述人体相对于所述图像获取装置的距离及角度；s3、基于所述实时位置判断所述人体是否位于所述拍摄区域内，若所述人体不位于所述拍摄区域内，执行s1。
9.在一些实施例中，所述图像获取装置包括色彩验证设备及图像采集设备；所述色彩验证设备用于在判断所述人体位于所述拍摄区域内时，从多种备选颜色光源中确定目标颜色光源，控制所述目标颜色光源发出验证光线照射至所述人体；所述图像采集设备用于在所述目标颜色光源发出验证光线照射至所述人体后，采集包含有颜色信息的所述人体图像。
10.在一些实施例中，所述佩戴检测模型包括第一判断层，所述第一判断层用于基于所述第二点云数据，获取相关于所述人体是否佩戴口罩的第一判断结果；所述佩戴检测模型包括第二判断层，所述第二判断层用于基于所述人体图像，获取相关于所述人体是否佩戴口罩的第二判断结果；所述佩戴检测模型还包括融合层，所述融合层用于融合所述第一判断结果和所述第二判断结果，判断所述人体是否佩戴口罩。
11.在一些实施例中，所述第一判断层还用于：确定所述第二点云数据与多组预设标准点云数据的点云相似度；基于所述点云相似度，生成所述第一判断结果。
12.在一些实施例中，所述第二判断层还用于：获取所述人体图像的人体颜色基于所述人体颜色及所述验证光线的颜色确定颜色相似度；基于所述颜色相似度，判断所述人体图像是否具备真实性；当判断所述人体图像具备真实性时，确定所述人体图像的感兴区域与多组预设标准图像中对应区域的图像相似度；基于所述图像相似度，生成所述第二判断结果。
13.本说明书实施例之一提供一种基于ai的口罩佩戴检测方法，包括：检测目标区域内是否存在人体，在检测到所述目标区域内存在人体时，获取所述人体的第一点云数据；基于所述第一点云数据确定拍摄区域；重复执行获取所述人体的实时位置，并基于所述实时位置判断所述人体是否位于所述拍摄区域内，直至所述人体位于所述拍摄区域内；当所述人体位于所述拍摄区域内时，获取所述人体的第二点云数据及人体图像；通过佩戴检测模型基于所述第二点云数据及所述人体图像判断所述人体是否佩戴口罩；显示所述佩戴检测模型的判断结果。
附图说明
14.本技术将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
15.图1是根据本技术一些实施例所示的一种基于ai的口罩佩戴检测系统的应用场景的示意图；
16.图2是根据本技术一些实施例所示的一种基于ai的口罩佩戴检测系统的模块示意图；
17.图3是根据本技术一些实施例所示的一种基于ai的口罩佩戴检测方法的流程示意图。
18.图中，110、处理设备；120、网络；130、用户终端；140、存储设备；150、人体检测装置；160、点云获取装置；170、图像获取装置。
具体实施方式
19.为了更清楚地说明本技术的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其他类似情景。应当理解，给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
20.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
21.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。虽然本技术对根据本技术的实施例的系统中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
22.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
23.图1是根据本技术一些实施例所示的一种基于水力模型的排水系统评估系统200的应用场景示意图。
24.如图1所示，应用场景可以包括处理设备110、网络120、用户终端130、存储设备140、人体检测装置150、点云获取装置160和图像获取装置170。
25.人体检测装置150可以为用于检测目标区域内是否存在人体的装置。在一些实施例中，人体检测装置150可以包括多个人体感应传感器(例如，红外热释电传感器)及微处理器，多个人体感应传感器的输出端均与微处理器电连接；微处理器用于基于多个人体感应传感器的输出信号，检测目标区域内是否存在人体。可以理解的，当人体位于目标区域时，至少一个人体感应传感器输出感应信号至微处理器，微处理器即可判断目标区域内存在人体。
26.点云获取装置160可以为用于获取人体的点云数据的装置。在一些实施例中，点云获取装置160可以包括深度相机，深度相机基于3d结构光获取人体的第一点云数据和/或第二点云数据。深度相机包含结构光投影设备、摄像机、图像采集和处理系统。其过程就是投影设备发射光线到被测物体上，摄像机拍摄在被测物体上形成的三维光图形，拍摄图像经采集处理系统处理后获得被测物体表面数据。在这个系统中，当相机和投影设备相对位置一定时，投射在被测物体上的光线畸变程度取决于物体表面的深度，所以在拍摄图像中可以得到一张拥有深度的光线图像，从而生成点云数据。在一些实施例中，点云获取装置160可以获取人体的第一点云数据，并基于第一点云数据确定拍摄区域。在一些实施例中，点云获取装置160可以获取人体的实时位置，并基于实时位置判断人体是否位于拍摄区域内。在
一些实施例中，点云获取装置160可以在判断人体位于拍摄区域内时，获取人体的第二点云数据。
27.图像获取装置170可以为用于获取人体的平面图像的装置。图像获取装置170可以包括高清摄像头。在一些实施例中，图像获取装置170包括色彩验证设备及图像采集设备，色彩验证设备用于在判断人体位于拍摄区域内时，从多种备选颜色光源中确定目标颜色光源，控制目标颜色光源发出验证光线照射至人体；图像采集设备用于在目标颜色光源发出验证光线照射至人体后，采集包含有颜色信息的人体图像。
28.处理设备110可以用于处理与基于ai的口罩佩戴检测相关的信息和/或数据。例如，处理设备110可以通过佩戴检测模型基于第二点云数据及人体图像判断人体是否佩戴口罩。在一些实施例中，处理设备110可以是区域的或者远程的。例如，处理设备110可以通过网络120访问存储于用户终端130、存储设备140、人体检测装置150、点云获取装置160和/或图像获取装置170中的信息和/或资料。在一些实施例中，处理设备110可以直接与用户终端130、存储设备140、人体检测装置150、点云获取装置160和/或图像获取装置170连接以访问存储于其中的信息和/或资料。在一些实施例中，处理设备110可以在云平台上执行。例如，该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。在一些实施例中，处理设备110可以包含处理器，处理器可以包含一个或多个子处理器(例如，单芯处理设备或多核多芯处理设备)。仅仅作为范例，处理器可包含中央处理器(cpu)、专用集成电路(asic)、专用指令处理器(asip)、图形处理器(gpu)、物理处理器(ppu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编辑逻辑电路(pld)、控制器、微控制器单元、精简指令集电脑(risc)、微处理器等或以上任意组合。
29.网络120可促进应用场景中数据和/或信息的交换。在一些实施例中，应用场景中的一个或多个组件(例如，用户终端130、存储设备140、人体检测装置150、点云获取装置160和/或图像获取装置170)可以通过网络120发送数据和/或信息给应用场景中的其他组件。例如，处理设备110可以通过网络120从存储设备140获取第二点云数据及人体图像。在一些实施例中，网络120可以是任意类型的有线或无线网络。例如，网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(lan)、广域网络(wan)、蓝牙网络、zigbee网络、近场通讯(nfc)网络等或以上任意组合。
30.用户终端130可以获取应用场景中的信息或数据，用户(例如，基于ai的口罩佩戴检测的管理人员)可以是用户终端130的使用者。例如，用户终端130可以通过网络120从处理设备110获取佩戴检测模型的判断结果。在一些实施例中，用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中，移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。
31.在一些实施例中，存储设备140可以与网络120连接以实现与应用场景的一个或多个组件(例如，处理设备110、用户终端130、人体检测装置150、点云获取装置160和/或图像获取装置170等)通讯。应用场景的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中，存储设备140可以直接与应用场景中的一个或多个组件(如，理设备110、用户终端130、人体检测装置150、点云获取装置160和/或图像获取装置170等)连接或通讯。在一些实施例中，存储设备140可以是处理设备110的一部分。
32.关于人体检测装置150、点云获取装置160和/或图像获取装置170的更多描述可以
参见图2及其相关描述，此处不再赘述。
33.应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本技术的范围。对于本领域普通技术人员而言，在本技术内容的指导下，可做出多种变化和修改。可以以各种方式组合本技术描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本技术的范围。
34.图2是根据本技术一些实施例所示的一种基于ai的口罩佩戴检测方法的流程示意图。
35.步骤210，检测目标区域内是否存在人体，在检测到目标区域内存在人体时，获取人体的第一点云数据。在一些实施例中，步骤210可以由信息获取模块执行。
36.信息获取模块可以包括机架，人体检测装置150的多个人体感应传感器可以分别设置在机架的多个位置处，用于从不同角度感应目标区域内是否存在人体。人体检测装置150的微处理器可以基于多个人体感应传感器的输出信号，检测目标区域内是否存在人体。例如，当存在至少一个人体感应传感器感应到人体，输出感应信号至微处理器时，微处理器可以判断目标区域内存在人体，并输出第一反馈信号至点云获取装置160。
37.在检测到目标区域内存在人体时，点云获取装置160可以接收到微处理器发送的第一反馈信号，接收到第一反馈信号后，点云获取装置160可以获取人体的第一点云数据。
38.步骤220，基于第一点云数据确定拍摄区域。在一些实施例中，步骤220可以由信息获取模块执行。
39.在一些实施例中，点云获取装置160可以获取人体的第一点云数据，确定人体的人体特征，其中，人体特征可以为与人体的体型相关的信息，例如，身高等。在一些实施例中，点云获取装置160可以基于第一点云数据确定拍摄区域。例如，点云获取装置160可以获取第一点云数据中人体最高点的三维坐标和人体最低点的三维坐标，计算人体最高点和人体最低点之间高度差(即人体身高)；基于人体特征确定拍摄区域。在一些实施例中，点云获取装置160可以基于人体相对于图像获取装置170的目标角度及人体与图像获取装置170之间的目标距离确定目标拍摄区域。在一些实施例中，点云获取装置160可以预存有目标人体相对于图像获取装置170的目标角度(例如，-5
°
～5
°
)。在一些实施例中，点云获取装置160可以基于人体特征信息确定目标人体与图像获取装置170之间的目标距离。例如，点云获取装置160可以基于身高确定目标人体与图像获取装置170之间的目标距离。示例地，身高为1米时，目标距离为1.2米。又示例的，身高为1.8米时，目标距离为1.5米。
40.在一些实施例中，机架上还包括投影装置，投影装置可以投影光线至目标区域，投影装置的位置可调，当基于第一点云数据确定拍摄区域，点云获取装置160可以根据确定的拍摄区域调整投影装置的位置，再控制投影装置投影光线至目标区域，以提示人体拍摄区域的位置。
41.步骤230，重复执行获取人体的实时位置，并基于实时位置判断人体是否位于拍摄区域内，直至人体位于拍摄区域内。在一些实施例中，步骤230可以由信息获取模块执行。
42.在一些实施例中，步骤230可以具体包括：
43.s1、点云获取装置160按照预设频率(例如，5秒一次)获取人体的实时点云数据；
44.s2、点云获取装置160基于实时点云数据确定人体的实时位置，其中，实时位置包
括人体相对于图像获取装置170的距离及角度；
45.s3、基于实时位置判断人体是否位于拍摄区域内，若人体不位于拍摄区域内，执行s1。
46.可以理解的，当基于实时位置判断人体位于拍摄区域内时，可以结束步骤230执行步骤240。
47.步骤240，当人体位于拍摄区域内时，获取人体的第二点云数据及人体图像。在一些实施例中，步骤240可以由信息获取模块执行。
48.在一些实施例中，当基于实时位置判断人体位于拍摄区域内时，点云获取装置160可以再次对人体进行扫描，人体位于拍摄区域内时的第二点云数据。
49.在一些实施例中，人体位于拍摄区域内时，色彩验证设备可以从多种备选颜色光源中确定目标颜色光源，控制目标颜色光源发出验证光线照射至人体，目标颜色光源发出验证光线照射至人体后，图像采集设备可以采集包含有颜色信息的人体图像。
50.可以理解的，色彩验证设备可以由多个光源组件构成，每个光源组件可以发出不同的颜色的光线，人体位于拍摄区域内时，色彩验证设备可以从多个光源组件中确定一个光源组件，并控制该目光源组件发出验证光线照射至人体，目标颜色光源发出验证光线照射至人体后。在一些实施例中，色彩验证设备可以随机从多个光源组件中确定一个光源组件，根据该光源组件的编号，可以获取验证光线的颜色。
51.步骤250，通过佩戴检测模型基于第二点云数据及人体图像判断人体是否佩戴口罩。在一些实施例中，步骤250可以由佩戴检测模块执行。
52.在一些实施例中，佩戴检测模型可以包括第一判断层，第一判断层用于基于第二点云数据，获取相关于人体是否佩戴口罩的第一判断结果。具体的，确定第二点云数据与多组预设标准点云数据的点云相似度；基于点云相似度，生成第一判断结果。在一些实施例中，佩戴检测模型可以先从第二点云数据中提取人脸的点云数据，并确定提取的人脸的点云数据与多组预设标准点云数据的点云相似度。预设标准点云数据可以是获取的真实的佩戴口罩的人脸对应的点云数据或通过生成对抗网络生成的虚拟的佩戴口罩的人脸对应的点云数据。第一判断结果可以为第二点云数据与多组预设标准点云数据的点云相似度的均值或加权和。
53.在一些实施例中，佩戴检测模型包括第二判断层，第二判断层用于基于人体图像，获取相关于人体是否佩戴口罩的第二判断结果。具体的，第二判断层可以获取人体图像的人体颜色；基于人体颜色及验证光线的颜色确定颜色相似度；基于颜色相似度，判断人体图像是否具备真实性；当判断人体图像具备真实性时，确定人体图像的感兴区域与多组预设标准图像中对应区域的图像相似度；基于图像相似度，生成第二判断结果。其中，感兴趣区域可以为人的脸部中眼睛以下的区域，预设标准图像可以是获取的真实的佩戴口罩的人脸图像或通过生成对抗网络生成的虚拟的佩戴口罩的人脸图像。在一些实施例中，第二判断结果可以为人体图像的感兴区域与多组预设标准图像中对应区域的图像相似度的均值或加权和。
54.可以理解的，当颜色相似度低于预设颜色相似度阈值时，佩戴检测模型可以判断人脸图像不具备真实性，可以直接判断人体未佩戴口罩，无需再进行后续的图像相似度，从而提高检测的效率。
55.在一些实施例中，佩戴检测模型还包括融合层，融合层用于融合第一判断结果和第二判断结果，判断人体是否佩戴口罩。具体的，融合层可以对第一判断结果和第二判断结果进行计算，以获取第三判断结果，例如，融合层可以计算第一判断结果和第二判断结果的加权和，将加权和结果作为第三判断结果，当第三判断结果小于预设阈值时，佩戴检测模型判断人体未佩戴口罩。
56.在一些实施例中，佩戴检测模型可以包括但不限于卷积神经网络(convolutional neural networks,cnn)模型、长短记忆循环神经网络(long short-term memory，lstm)模型、双向长短记忆循环神经网络(bi-directional long short-term memory，bi-lstm)模型、resnet、resnext、se-net、densenet、mobilenet、shufflenet、regnet、efficientnet、inception等。
57.步骤260，显示佩戴检测模型的判断结果。在一些实施例中，步骤260可以由结果显示模块执行。
58.在一些实施例中，机架上可以设置有用于播报判断结果的装置，该装置可以通过语音、文字等形式显示佩戴检测模型的判断结果，以便于在检测到人体未佩戴口罩时，提醒人员佩戴口罩。
59.可以理解的，本说明书提供的一种基于ai的口罩佩戴检测方法和系统，通过检测目标区域内是否存在人体，在检测到目标区域内存在人体时，获取人体的第一点云数据，可以在目标区域不存在人体时，避免数据采集，从而减少成本和数据冗余；基于第一点云数据确定拍摄区域；重复执行获取人体的实时位置，并基于实时位置判断人体是否位于拍摄区域内，直至人体位于拍摄区域内；当人体位于拍摄区域内时，获取人体的第二点云数据及人体图像，可以使得获取的人体图像更加完整清晰；通过佩戴检测模型基于第二点云数据及人体图像判断人体是否佩戴口罩，可以有效避免人员在口罩佩戴检查中作弊，提高检查的有效性；显示佩戴检测模型的判断结果，以便于在检测到人体未佩戴口罩时，提醒人员佩戴口罩。
60.应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本技术的范围。对于本领域普通技术人员而言，在本技术内容的指导下，可做出多种变化和修改。可以以各种方式组合本技术描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本技术的范围。
61.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
62.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
63.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的
种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
64.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
65.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在监理人员计算机上运行、或作为独立的软件包在监理人员计算机上运行、或部分在监理人员计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与监理人员计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
66.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
67.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
68.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
69.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他
的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。