验证码的识别方法及装置、电子设备、存储介质与流程

1.本技术涉及图像处理技术领域，特别涉及一种验证码的识别方法及装置、电子设备、计算机可读存储介质。


背景技术：

2.验证码，作为一种用户登录验证技术，在互联网服务的多个场景中被广泛应用。一般，验证码面向的使用者是用户，但在一些场景中，需要借助机器自主识别验证码。示例性的，企业在对自身应用服务进行功能测试、爬取数据时，需自动化识别应用服务各个业务流程中出现的验证码。而随着验证码技术的发展，出现越来越多复杂的验证形式，要求从验证码图像中识别出满足设定条件(比如：字符颜色、字符大小等条件)的字符。然而，现有技术一般只能识别验证码中的所有字符，因此，亟需一种自动化识别满足设定条件的字符的方案。


技术实现要素：

3.本技术实施例的目的在于提供一种验证码的识别方法及装置、电子设备、计算机可读存储介质，用于自动化识别出验证码图像中满足设定条件的字符。
4.一方面，本技术提供了一种验证码的识别方法，包括：
5.对与验证码图像对应的验证码指示信息进行语义识别，确定指定字符类型；
6.从所述验证码图像中，确定与所述指定字符类型匹配的至少一个字符目标；
7.针对所述至少一个字符目标，从所述验证码图像中裁切出对应的字符目标图像；
8.根据所述字符目标图像，确定所述验证码图像的验证码识别结果。
9.在一实施例中，所述对与验证码图像对应的验证码指示信息进行语义识别，确定指定字符类型，包括：
10.对所述验证码指示信息进行分词处理，获得若干分词结果；
11.对所述若干分词结果进行命名实体识别，获得若干作为实体的分词结果；
12.从所述若干作为实体的分词结果中，筛选出至少一种实体，作为所述指定字符类型。
13.在一实施例中，所述从所述验证码图像中，确定与所述指定字符类型匹配的至少一个字符目标，包括：
14.对所述验证码图像进行目标检测，获得若干目标检测结果，每一目标检测结果指示所述验证码图像中一个字符目标；
15.根据所述若干字符目标的目标特征，筛选出目标特征满足所述指定字符类型的至少一个字符目标。
16.在一实施例中，所述目标特征包括目标方位信息、目标尺寸信息和目标颜色信息中一种或多种的组合。
17.在一实施例中，在所述根据若干字符目标的目标特征，筛选出目标特征满足指定
字符类型的至少一个字符目标之前，所述方法还包括：
18.根据所述若干字符目标对应目标检测结果中包括的位置信息，确定每一字符目标的目标尺寸信息和目标方位信息。
19.在一实施例中，在所述根据若干字符目标的目标特征，筛选出目标特征满足指定字符类型的至少一个字符目标之前，所述方法还包括：
20.从所述若干字符目标对应的目标检测结果中，获取每一字符目标的目标颜色信息；或者，
21.对所述若干字符目标分别进行颜色分类，获得每一字符目标对应的目标颜色信息。
22.在一实施例中，所述根据所述至少一个字符目标对应的字符目标图像，确定所述验证码图像的验证码识别结果，包括：
23.将所述至少一个字符目标对应的字符目标图像，输入已训练的字符细粒度分类算法，获得至少一个已识别字符；
24.将所述至少一个已识别字符对应字符目标在所述验证码图像中的位置关系，对所述至少一个已识别字符进行排列，获得所述验证码识别结果。
25.另一方面，本技术提供了一种验证码的识别装置，包括：
26.第一确定模块，用于对与验证码图像对应的验证码指示信息进行语义识别，确定指定字符类型；
27.第二确定模块，用于从所述验证码图像中，确定与所述指定字符类型匹配的至少一个字符目标；
28.裁切模块，用于针对所述至少一个字符目标，从所述验证码图像中裁切出对应的字符目标图像；
29.第三确定模块，用于根据所述字符目标图像，确定所述验证码图像的验证码识别结果。
30.进一步的，本技术提供了一种电子设备，所述电子设备包括：
31.处理器；
32.用于存储处理器可执行指令的存储器；
33.其中，所述处理器被配置为执行上述验证码的识别方法。
34.此外，本技术提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述验证码的识别方法。
35.本技术方案，通过对验证码指示信息进行语义识别，确定表征验证码识别意图的指定字符类型，并从验证码图像中确定与指定字符类型匹配的至少一个字符目标，进而以多个字符目标裁切出的字符目标图像确定验证码识别结果；本技术高效地自动化识别了验证码图像中满足设定条件的字符。
附图说明
36.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍。
37.图1为本技术一实施例提供的验证码的识别方法的应用场景示意图；
38.图2为本技术一实施例提供的电子设备的结构示意图；
39.图3为本技术一实施例提供的验证码的识别方法的流程示意图；
40.图4为本技术一实施例提供的图3中步骤310的细节流程示意图；
41.图5为本技术一实施例提供的图3中步骤340的细节流程示意图；
42.图6为本技术一实施例提供的图3中步骤320的细节流程示意图；
43.图7为本技术一实施例提供的目标检测模型的结构示意图；
44.图8为本技术一实施例提供的验证码的识别方法的示意图；
45.图9为本技术一实施例提供的验证码的识别装置的框图。
具体实施方式
46.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
47.相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
48.机器流程自动化(robotic process automation，rpa)技术可以模拟员工在日常工作中通过键盘、鼠标对计算机的操作，可以代替人类执行登录系统、操作软件、读写数据、下载文件、读取邮件等操作。以自动化机器人作为企业的虚拟劳动力，可以将员工从重复、低价值的工作中解放出来，将精力投入到高附加值的工作上，从而可以使企业在数字化智能化转型的同时又做到降低成本、增加效益。
49.rpa是一种使用软件机器人取代业务流程中的人工任务，并且像人一样与计算机的前端系统进行交互，因此rpa可以看作是一种运行在个人pc机或服务器中的软件型程序机器人，通过模仿用户在电脑上进行的操作来替代人类自动重复这些操作，例如检索邮件、下载附件、登录系统、数据加工分析等活动，快速、准确、可靠。虽然和传统的物理机器人一样都是通过设定的具体规则来解决人类工作中速度和准确度的问题，但是传统的物理机器人是软硬件结合的机器人，需要在特定的硬件支持下配合软件才能执行工作；而rpa机器人是纯软件层面的，只要安装了相应的软件，就可以部署到任意一台pc机和服务器中来完成规定的工作。
50.也就是说，rpa是一种利用“数字员工”代替人进行业务操作的一种方式及其相关的技术。本质上rpa是通过软件自动化技术，模拟人实现计算机上系统、软件、网页和文档等对象的无人化操作，获取业务信息、执行业务动作，最终实现流程自动化处理、人力成本节约和处理效率提升。在验证码识别场景中，通过rpa技术，可以替代人工解析验证码指示信息中的设定条件，进而从验证码图像中自动化识别出满足该设定条件的字符。
51.图1为本技术实施例提供的验证码的识别方法的应用场景示意图。如图1所示，该应用场景包括服务端20和服务端30；服务端20可以是服务器、服务器集群或云计算中心，用于提供应用服务，并在各个业务流程输出待识别的验证码；服务端30可以是服务器、服务器集群或云计算中心，可以对服务端20提供的应用服务进行功能测试，并在测试过程中自动化识别各个业务流程出现的验证码。
52.如图2所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图2中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处
理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是上述服务端30，用于执行验证码的识别方法。
53.存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read only memory，简称eprom)，可编程只读存储器(programmable red-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
54.本技术还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本技术提供的验证码的识别方法。
55.参见图3，为本技术一实施例提供的验证码的识别方法的流程示意图，如图3所示，该方法可以包括以下步骤310至步骤340。
56.步骤310：对与验证码图像对应的验证码指示信息进行语义识别，确定指定字符类型。
57.其中，验证码指示信息是与验证码图像对应展示的提示信息，用于提示需要识别的字符。示例性的，验证码指示信息可以是“请输入图片中红色文字”、“请输入图片中最大的文字”、“请输入图片中最左侧的文字”等。
58.指定字符类型为待提取字符的字符类型。待提取字符为验证码图像中需要提取出来，作为识别结果的字符。示例性的，指定字符类型为“红色”，或者，指定字符类型为“最大”。
59.在对任一验证码图像进行识别的过程中，可以获取该验证码图像对应展示的验证码指示信息，该验证码指示信息可以位于验证码图像周边，用于提示验证码图像中需要识别的字符。
60.在一实施例中，参见图4，为本技术一实施例提供的图3中步骤310的细节流程示意图，如图4所示，在对验证码指示信息进行语义识别时，可以执行如下步骤311至步骤313。
61.步骤311：对验证码指示信息进行分词处理，获得若干分词结果。
62.步骤312：对若干分词结果进行命名实体识别，获得若干作为实体的分词结果。
63.服务端30利用已训练的nlp(natural language processing，自然语言处理)分词算法可以对验证码指示信息进行分词处理，从而得到若干分词结果，每一分词结果为一个独立词汇。这里，分词算法可以是n-gram、crf(conditional random field algorithm，条件随机场算法)等算法，本技术对此不做限定。
64.在获得若干分词结果之后，服务端30可以利用命名实体识别模型对若干分词结果进行命名实体识别(named entity recognition，ner)。这里，命名实体(named entity)指的是人名、机构名、地名以及其它以名称为标识的实体。在命名实体识别中，还可以根据需求自定义需要识别的实体。比如：可以识别出表示颜色、尺寸、方位等信息的实体。对分词结果进行命名实体识别后，可以识别出作为实体的分词结果。比如：命名实体识别任务需要识别表示颜色的实体，而分词结果中包括词汇“红色”，则可以识别出实体“红色”。
65.步骤313：从若干作为实体的分词结果中，筛选出至少一种实体，作为指定字符类
型。
66.在获得若干作为实体的分词结果之后，可以继续从中筛选与验证码识别相关的一种或多种实体。这里，可以预先设定与验证码识别相关的实体类型。示例性的，可以设定筛选表示颜色的实体；或者，可以设定筛选表示方位的实体；或者，可以设定筛选表示颜色和方位的实体。
67.服务端30根据预先设定的实体筛选规则对若干作为实体的分词结果进行筛选后，可以得到至少一种实体，并将筛选出的实体作为待提取字符的指定字符类型。示例性的，筛选出的实体为“黑色”，说明待提取字符为验证码图像中的黑色字符。
68.步骤320：从验证码图像中，确定与指定字符类型匹配的至少一个字符目标。
69.其中，字符目标为验证码图像中的字符对象。
70.在确定出指定字符类型后，服务端30可以从验证码图像中识别出满足指定字符类型的字符目标。该字符目标存在对应的限定其在验证码图像中所在位置的矩形框。矩形框可以通过中心点坐标、宽度、长度来表示，或者，通过对角的两个顶点坐标来表示。
71.步骤330：针对至少一个字符目标，从验证码图像中裁切出对应的字符目标图像。
72.在确定至少一个字符目标后，针对每一个字符目标，服务端30可以在验证码图像中进行裁切，从而得到该字符目标对应的字符目标图像。这里，字符目标图像即为从验证码图像中裁切出的包含字符目标的图像。
73.步骤340：根据至少一个字符目标对应的字符目标图像，确定验证码图像的验证码识别结果。
74.在获得若干字符目标图像后，可以对字符目标图像进行进一步的处理，从而得到字符目标图像中所包含的字符，作为验证码识别结果。在获得验证码识别结果后，可以将验证码识别结果填入验证码填写框中，从而完成验证码验证流程。在服务端30将验证码识别结果填入验证码填写框后，即通过机器流程自动化技术实现了复杂验证码的自动化识别。
75.在一实施例中，参见图5，为本技术一实施例提供的图3中步骤340的细节流程示意图，如图5所示，可以通过如下步骤341至步骤342确定验证码识别结果。
76.步骤341：将至少一个字符目标对应的字符目标图像，输入已训练的字符细粒度分类算法，获得至少一个已识别字符。
77.其中，字符细粒度分类算法为用于对字符进行分类的细粒度算法，能够实现字符的精细分类。对于相似度极高，仅相差少量笔画的字符(比如：字符“刀”和字符“刃”)能够准确分类。字符细粒度算法可以由pmg(progressive multi-granularity，渐进多粒度)、ws-dan(weakly supervised data augmentation network，弱监督数据增强网络)等细粒度算法，通过字符图像样本训练得到。
78.服务端30可以将字符目标图像输入字符细粒度分类算法，通过字符细粒度分类算法对字符目标图像进行分类，从而得到字符目标图像中的字符，作为已识别字符。
79.在一实施例中，服务端30在将字符目标图像输入字符细粒度分类算法之前，可以通过双线性插值或三线性插值等缩放手段，对字符目标图像进行缩放，使得缩放后的字符目标图像满足字符细粒度分类算法的输入尺寸要求，进而将缩放后字符目标图像输入字符细粒度分类算法。比如：字符细粒度算法所要求的输入尺寸为64*64，在将字符目标图像输入字符细粒度算法之前，可以将字符目标图像缩放为64*64。
80.步骤342：将至少一个已识别字符对应字符目标在验证码图像中的位置关系，对至少一个已识别字符进行排列，获得验证码识别结果。
81.在获得至少一个已识别字符之后，服务端30可以对已识别字符进行排列，从而得到验证码识别结果。一种情况下，如果只有一个已识别字符，可以直接将该已识别字符作为验证码识别结果。另一种情况下，如果存在至少两个已识别字符，服务端30可以检查各个已识别字符对应字符目标，在验证码图像中的位置关系。这里，位置关系可以包括验证码图像中，某个字符目标在另一个字符目标的左侧、右侧、上侧、下侧等。不同字符目标之间的位置关系可以通过字符目标的位置信息来确定。在确定各个已识别字符对应字符目标的位置关系后，可以根据预设排列方式对已识别字符进行排列，从而得到验证码识别结果。其中，预设排列方式可以是从左往右、从右往左、从上往下、从下往上等。
82.通过上述措施，通过对验证码指示信息进行语义识别，从而确定验证码图像中验证码的识别意图，进而从验证码图像中确定满足识别意图的字符目标以生成验证码识别结果。
83.在一实施例中，参见图6，为本技术一实施例提供的图3中步骤320的细节流程示意图，如图6所示，可以通过如下步骤321至步骤322确定字符目标。
84.步骤321：对验证码图像进行目标检测，获得若干目标检测结果，每一目标检测结果指示验证码图像中一个字符目标。
85.服务端30可以通过已训练的目标检测模型，对验证码图像进行目标检测，从而得到若干目标检测结果。这里，目标检测模型可以是ssd(single shot multibox detector)、yolo(you only look once)、faster-rcnn等任意一种。
86.步骤322：根据若干字符目标的目标特征，筛选出目标特征满足指定字符类型的至少一个字符目标。
87.其中，目标特征可以是字符目标在验证码图像中的尺寸信息、方位信息等。
88.由于指定字符类型指示了待提取字符的至少一种指定特征。服务端30可以检查每一字符目标的目标特征，是否与指定字符类型指示的指定特征匹配，若是，可以确定其为目标特征满足指定字符类型的字符目标。
89.通过上述措施，可以从验证码图像中确定至少一个满足指定字符类型的字符目标。
90.在一实施例中，目标特征可以包括目标方位信息、目标尺寸信息和目标颜色信息中一种或多种的组合。这里，可以包括多种方案：
91.第一，目标特征包括目标方位信息；第二，目标特征包括目标尺寸信息；第三，目标特征包括目标方位信息和目标尺寸信息。目标方位信息为目标检测结果的方位信息，可以包括相对方位信息(比如：最上侧、最下侧、最左侧、最右侧等)和绝对方位信息(比如：上侧、下侧、居中、左侧、右侧等)。目标尺寸信息为目标检测结果的尺寸信息，可以为最大、最小等。第四，目标特征包括目标颜色信息；第五，目标特征包括目标方位信息和目标颜色信息；第六，目标特征包括目标颜色信息和目标尺寸信息；第七，目标特征包括目标颜色信息、目标方位信息和目标颜色信息。其中，目标颜色信息为目标检测结果在验证码图像中的颜色信息。
92.在任意一种目标特征包括目标尺寸信息的方案中，服务端30可以根据若干字符目
标对应目标检测结果中包括的位置信息，确定每一字符目标的目标尺寸信息。目标检测结果中的位置信息可以通过矩形框来表示，该矩形框的大小即可作为字符目标的目标尺寸信息。
93.在任意一种目标特征包括目标方位信息的方案中，服务端30可以根据若干字符目标对应检测结果中包括的位置信息，确定每一字符目标的目标尺寸信息。服务端30可以根据各个字符目标的位置信息，确定各个字符目标的中心点坐标。服务端30可以根据指定字符类型所指示的指定特征，以各个字符目标的中心点作为确定相应的目标方位信息。示例性的，指定特征为最右侧，服务端30可以确定各个字符目标的目标方位信息，除了最右侧的字符目标的目标方位信息为“最右侧”以外，其它字符目标的目标方位信息为“非最右侧”。或者，指定特征为上侧，服务端30可以根据各个字符目标的中心点坐标，确定各个字符目标的目标方位信息是否为“上侧”。
94.在任意一种目标特征包括目标颜色信息的方案中，服务端30可以从若干字符目标对应的目标检测结果中，获取每一字符目标的目标颜色信息。或者，服务端30可以对若干字符目标分别进行颜色分类，获得每一字符目标对应的目标颜色信息。
95.一种情况下，如果目标检测模型包括颜色分类任务，可以用于多任务目标检测，则目标检测结果中可以包括目标颜色信息。参见图7，为本技术一实施例提供的目标检测模型的结构示意图，如图7所示，目标检测模型包括骨干网络backbone、检测框回归分支、前背景分类分支、颜色分类分支。其中，骨干网络用于从验证码图像中提取图像特征；前背景分类分支用于对图像特征进行前景和背景分类，从而识别出验证码图像中的字符目标；检测框回归分支用于确定字符目标的位置信息；颜色分类分支用于确定字符目标的颜色信息。此时，目标检测结果可以包括位置信息、颜色信息和前景类别(前景类别表示图像中位置信息指示的部分属于前景，本方案中前景即为字符目标)。
96.另一种情况下，如果目标检测任务不包括颜色分类任务，服务端30在获得若干目标检测结果后，可以依据目标检测结果中的位置信息进行裁切，从而得到包含目标字符的目标字符图像。通过已训练的颜色分类模型对目标字符图像进行分类处理，从而得到目标检测结果的目标颜色信息。
97.服务端30可以依据指定字符类型中所包含的指定特征，确定所需要的目标特征。示例性的，指定字符类型指示了指定方位信息，比如，要求识别最右侧的字符，则服务端30可以确定每一字符目标的目标方位信息。或者，指定字符类型指示了指定方位信息和指定尺寸信息，比如，要求识别验证码左侧的最小字符，则服务端30可以确定每一字符目标的目标方位信息和目标尺寸信息。或者，指定字符类型指示了指定方位信息和指定颜色信息，则服务端可以确定字符目标的目标方位信息和目标颜色信息。
98.在获得每一字符目标的目标特征后，服务端30可以比对若干字符目标的目标特征与指定字符类型所指示的指定特征，从而筛选出目标特征与指定字符类型匹配的至少一个字符目标。
99.示例性的，验证码指示信息为“请输入图片中最小文字”，通过分词和命名实体识别，可以得到“最小”作为待提取字符的指定字符类型。换而言之，指定字符类型指示了指定尺寸信息。服务端30可以根据若干字符目标的位置信息，确定每一字符目标的目标尺寸信息，进而从中确定最小的目标尺寸信息，选中最小的目标尺寸信息对应的字符目标，作为与
指定字符类型匹配的字符目标。
100.示例性的，验证码指示信息为“请输入图片中红色文字”，通过分词和命名实体识别，可以得到“红色”作为待提取字符的指定字符类型。换而言之，指定字符类型指示了指定颜色信息。服务端30可以比对每一字符目标的目标颜色信息，是否与指定颜色信息一致，也就是是否为红色，进而从中确定红色的字符目标，作为与指定字符类型匹配的字符目标。
101.示例性的，验证码指示信息为“请输入图片中下侧最大的蓝色文字”，通过分词和命名实体识别，可以得到“下侧”、“最大”、“蓝色”作为待提取字符的指定字符类型。换而言之，指定字符类型指示了指定方位信息、指定尺寸信息和指定颜色信息。服务端30可以根据若干字符目标的位置信息，确定每一字符目标的目标方位信息和目标尺寸信息，并通过颜色分类得到每一字符目标的目标颜色信息，进而从中确定验证码图像下侧最大的蓝色字符目标，作为与指定字符类型匹配的字符目标。
102.参见图8，为本技术一实施例提供的验证码的识别方法的示意图，如图8所示，验证码图像中包括不同颜色的英文、数字或中文字符，字符存在旋转、交叠和位移等情况。与验证码图像对应展示的验证码指示信息为“请输入图片中红色文字”，对验证码指示信息进行分词，得到分词结果“请”、“输入”、“图片”、“中”、“红色”、“文字”，通过命名实体识别，从中确定作为实体的分词结果“图片”、“红色”和“文字”，并从中筛选出实体“红色”，作为待提取字符的指定字符类型。对验证码图像进行多任务目标检测，从而得到验证码图像中每一目标检测结果指示的字符目标。从多个字符目标中筛选出红色的字符目标，并从验证码图像中进行裁切，得到对应的字符目标图像。进一步的，对每一字符目标图像进行细粒度分类，从而得到红色字符“g”和“e”。根据“g”和“e”对应字符目标在验证码图像的位置关系，对“g”和“e”进行排列，得到验证码识别结果“ge”，并填入验证码填写框中，完成验证流程。
103.图9是本发明一实施例的一种验证码的识别装置的框图，如图9所示，该装置可以包括：
104.第一确定模块910，用于对与验证码图像对应的验证码指示信息进行语义识别，确定指定字符类型；
105.第二确定模块920，用于从所述验证码图像中，确定与所述指定字符类型匹配的至少一个字符目标；
106.裁切模块930，用于针对所述至少一个字符目标，从所述验证码图像中裁切出对应的字符目标图像；
107.第三确定模块940，用于根据所述字符目标图像，确定所述验证码图像的验证码识别结果。
108.上述装置中各个模块的功能和作用的实现过程具体详见上述验证码的识别方法中对应步骤的实现过程，在此不再赘述。
109.在本技术所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例
如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
110.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
111.功能如果以软件功能模块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，本技术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)执行本技术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、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。