数字识别方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种数字识别方法、装置、电子设备及存储介质。


背景技术：

2.七段显示数字液晶板(也可以称为液晶屏)是常见的用于展示机器参数的部件，被广泛应用于空调、仪表设备、各类机械设备等。实际生产生活中，针对一些特定场景，比如智能质检—机房巡检场景，需要确认液晶板上显示的数字类别，即对液晶板上显示的数字进行识别，比如识别空调设定的温度、判断机器的运行状态等。
3.然而，相关技术中，大部分设备无法自动提供具体数字参数，需要人为识别。比如，针对智能质检—机房巡检场景，需要巡检人员不断巡视所有机房，查看各机房空调温度的读数。巡检人员疲于重复性的记录读数，在记录过程中容易产生疏忽，影响检测质量。因此，如何自动识别七段显示数字液晶板显示的数字成为亟待解决的技术问题。


技术实现要素：

4.为解决相关技术问题，本技术实施例提供一种数字识别方法、装置、电子设备及存储介质。
5.本技术实施例的技术方案是这样实现的：
6.本技术实施例提供了一种数字识别方法，包括：
7.获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；
8.基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；
9.在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；
10.根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。
11.上述方案中，所述根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况，包括：
12.判断每个笔画区域的像素值是否大于第一阈值；
13.在相应笔画区域的像素值大于所述第一阈值的情况下，确定相应笔画区域有笔画占用；或者，在相应笔画区域的像素值小于或等于所述第一阈值的情况下，确定相应笔画区域无笔画占用。
14.上述方案中，所述根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字，包括：
15.根据每个数字区域的每个笔画区域的笔画占用情况，确定每个数字区域对应的笔
画组合；
16.利用每个数字区域对应的笔画组合，识别每个数字区域的数字。
17.上述方案中，所述方法还包括：
18.确定至少一个数字区域之间的空间位置关系；
19.识别每个数字区域的数字后，利用所述空间位置关系，确定所述至少一个数字组成的数据；并发送所述至少一个数字组成的数据。
20.上述方案中，所述基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域，包括：
21.利用第一模型，在所述待处理图像中识别所述目标设备的显示区域的轮廓，得到目标区域；所述目标区域包含所述目标设备的显示区域显示的数据；
22.从所述待处理图像中截取所述目标区域，得到目标区域图像；
23.基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
24.上述方案中，所述基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域，包括：
25.对所述目标区域图像进行二值化处理，得到第一二值图像；
26.利用边界跟踪方法，从所述第一二值图像中提取所述目标设备的显示区域的轮廓；
27.对提取的所述目标设备的显示区域的轮廓进行折线化处理，得到折线化处理结果；
28.在所述折线化处理结果包含四个顶点的情况下，利用所述四个顶点对所述目标区域图像进行透视变换(英文可以表示为perspective transformation)；
29.基于轮廓提取的方式，在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
30.上述方案中，所述基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域，包括：
31.利用第一规则，对所述目标区域图像进行二值化处理，得到第二二值图像；所述第一规则用于在所述目标区域图像的像素点的像素值大于第二阈值的情况下将相应像素点的像素值设置为第一像素值，并在所述目标区域图像的像素点的像素值小于或等于所述第二阈值的情况下将相应像素点的像素值设置为第二像素值；
32.利用第二规则，对所述目标区域图像进行二值化处理，得到第三二值图像；所述第二规则用于在所述目标区域图像的像素点的像素值小于第三阈值的情况下将相应像素点的像素值设置为所述第一像素值，并在所述目标区域图像的像素点的像素值大于或等于所述第三阈值的情况下将相应像素点的像素值设置为所述第二像素值；
33.利用边界跟踪方法，从所述第二二值图像和所述第三二值图像中提取全部轮廓；判断提取的每个轮廓形成的区域的长宽比是否满足第一条件；
34.在相应轮廓形成的区域的长宽比满足所述第一条件的情况下，将相应轮廓形成的区域确定为一个数字区域。
35.本技术实施例还提供了一种数字识别装置，包括：
36.获取单元，用于获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；
37.第一处理单元，用于基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；
38.第二处理单元，用于在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；
39.第三处理单元，用于根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。
40.本技术实施例还提供了一种电子设备，包括：处理器及和用于存储能够在处理器上运行的计算机程序的存储器，
41.其中，所述处理器用于运行所述计算机程序时，执行上述任一方法的步骤。
42.本技术实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
43.本技术实施例提供的数字识别方法、装置、电子设备及存储介质，获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。本技术实施例的方案，基于轮廓提取的方式，在待处理图像中确定目标设备的显示区域显示的至少一个数字中每个数字对应的数字区域，并根据每个数字区域中七个笔画区域的笔画占用情况，识别每个数字区域的数字；如此，能够利用至少包含目标设备的显示数据的待处理图像，自动地识别七段显示数字液晶板显示的数字，而不需要对待处理图像进行拍摄角度、拍摄区域等条件的限制；同时，根据每个数字区域中七个笔画区域的笔画占用情况识别每个数字区域的数字，能够提高对七段显示数字液晶板显示的数字进行识别的效率和准确率。
附图说明
44.图1为本技术实施例数字识别方法的流程示意图；
45.图2为本技术应用实施例数字识别系统的数字识别流程示意图；
46.图3为本技术应用实施例的空调图片示意图；
47.图4为本技术应用实施例数字区域中的七个笔画区域示意图；
48.图5为本技术应用实施例不同数字的笔画占用情况示意图；
49.图6为本技术实施例数字识别装置的结构示意图；
50.图7为本技术实施例电子设备的结构示意图。
具体实施方式
51.下面结合附图及实施例对本技术再作进一步详细的描述。
52.相关技术中，可以通过以下方式识别液晶板显示的数字：
53.1)针对固定类型的设备，拍摄含有液晶板显示的数字的图像，手动标注数字显示区域，再利用k最邻近算法(knn)识别数字显示区域显示的数字类别(即0至9)。
54.2)利用位置固定的装置直接拍摄液晶板的数字显示区域，再利用模板匹配及神经网络的方式识别数字显示区域显示的数字类别。
55.相关技术中液晶板显示数字的识别方法存在以下问题：
56.1)通用性、数字识别的效率及数字识别的准确率受限。具体地，相关技术中存在多种类型的安装有七段显示数字液晶板的设备，这些设备的液晶板存在大小、形状等特征上的区别。而相关技术中液晶板显示数字的识别方法，通常只能针对单一类型的设备进行识别，而无法针对其他类型的设备进行识别；比如，针对发光二极管(led)液晶板设计的数字识别方案无法识别液晶显示器(lcd)液晶板显示的数字，数字识别方案的通用性较差。另外，实际进行数字识别的效率和准确率也都有待提高。
57.2)输入图像受限。具体地，相关技术中液晶板显示数字的识别方法，通常对输入图像的拍摄区域有严格的要求，如果输入图像不符合要求，则无法保证识别结果的准确率。比如，需要利用位置固定的装置针对特定区域进行拍摄；再比如，要求输入的图像不能包含除液晶板的数字显示区域外的其他背景画面，可能需要手动框选拍摄图像中的数字显示区域。这些限制增加了实际操作时的拍摄难度，可能需要花费较多时间、手动地调整拍摄装置的角度和焦距来选择合适的拍摄区域，甚至无法自动化地完成数字识别。
58.基于此，在本技术的各种实施例中，基于轮廓提取的方式，在待处理图像中确定目标设备的显示区域显示的至少一个数字中每个数字对应的数字区域，并根据每个数字区域中七个笔画区域的笔画占用情况，识别每个数字区域的数字；如此，能够利用至少包含目标设备的显示数据的待处理图像，自动地识别七段显示数字液晶板显示的数字，而不需要对待处理图像进行拍摄角度、拍摄区域等条件的限制；同时，根据每个数字区域中七个笔画区域的笔画占用情况识别每个数字区域的数字，能够提高对七段显示数字液晶板显示的数字进行识别的效率和准确率。
59.本技术实施例提供一种数字识别方法，如图1所示，该方法包括：
60.步骤101：获取待处理图像；
61.这里，所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；
62.步骤102：基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；
63.步骤103：在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；
64.步骤104：根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。
65.这里，需要说明的是，本技术实施例提供的数字识别方法，可以应用于电子设备，比如服务器、拍摄装置、机器人等。所述电子设备的具体类型可以根据需求设置，本技术实施例对此不作限定。
66.在步骤101中，实际应用时，所述电子设备可以从其他设备获取待处理图像；或者，所述电子设备也可以从本地获取待处理图像。所述电子设备具体获取待处理图像的方式可以根据需求设置，本技术实施例对此不作限定。
67.实际应用时，所述目标设备可以是安装有七段显示数字液晶板的任一类型的设备，比如空调、仪表设备、各类机械设备等。所述目标设备的具体类型可以根据需求设置，本技术实施例对此不作限定。
68.实际应用时，所述目标设备的显示区域显示的数据可以理解为所述目标设备的七段显示数字液晶板显示的数据。
69.实际应用时，所述至少一个数字可以表示温度、湿度、发送机转速、射频信号频率等各种类型的数据。所述至少一个数字具体表示的数据类型可以根据需求设置，本技术实施例对此不作限定。
70.在步骤102中，实际应用时，为了进一步提高数字识别的效率和准确率，可以先利用预先训练的神经网络模型(后续描述中记作第一模型)在所述待处理图像中识别所述目标设备的显示区域的轮廓，再基于轮廓提取的方式在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
71.基于此，在一实施例中，所述基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域，可以包括：
72.利用所述第一模型，在所述待处理图像中识别所述目标设备的显示区域的轮廓，得到目标区域；所述目标区域包含所述目标设备的显示区域显示的数据；
73.从所述待处理图像中截取所述目标区域，得到目标区域图像；
74.基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
75.这里，对所述目标设备的显示区域的轮廓识别可以理解为对所述目标设备的七段显示数字液晶板的轮廓识别；同时，所述目标设备的显示区域的轮廓可以理解为所述目标区域的轮廓。
76.实际应用时，所述待处理图像可以包含至少一个目标区域。
77.实际应用时，可以直接将所述待处理图像输入所述第一模型，得到所述第一模型输出的所述目标区域的轮廓信息，再利用所述目标区域的轮廓信息，从所述待处理图像中截取所述目标区域图像。
78.实际应用时，所述目标区域的轮廓信息可以包含所述目标区域的矩形轮廓的两点归一化坐标，比如左上角顶点和右下角顶点的两点归一化坐标。
79.实际应用时，可以预先拍摄不同类型的安装有七段显示数字液晶板的设备的图像构建模型训练数据集，利用所述模型训练数据集，可以结合神经网络训练所述第一模型。这里，训练所述第一模型具体采用的神经网络算法可以根据需求设置，比如卷积神经网络(cnn，convolutional neural network)。
80.其中，所述模型训练数据集包含的各图像之间可以存在以下至少一种不同的特征：
81.分辨率不同；
82.清晰度不同；
83.拍摄角度不同；
84.七段显示数字液晶板的型号不同；
85.七段显示数字液晶板的大小不同；
86.七段显示数字液晶板的形状不同；
87.七段显示数字液晶板的占图比不同；
88.七段显示数字液晶板的发光颜色(可以包含背景颜色和/或显示的数据的颜色)不同。
89.在本技术的各种实施例中，利用所述第一模型，能够快速、准确地在所述待处理图像中识别所述目标设备的显示区域的轮廓，从而进一步提高数字识别的效率和准确率。同时，能够进一步降低所述待处理图像的拍摄要求，不需要对待处理图像进行拍摄角度、拍摄区域等条件的限制，只要包含所述目标设备的显示区域即可。
90.实际应用时，所述待处理图像的拍摄角度可能并非正对所述目标设备的显示区域，换句话说，所述待处理图像所处的平面与所述目标设备的显示区域实际所处的平面可能存在交叉角度。因此，为了进一步提高数字识别的效率和准确率，需要对所述目标区域图像进行透视变换，使所述目标区域图像所处的平面与所述目标设备的显示区域实际所处的平面近似为同一平面，再基于轮廓提取的方式在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
91.基于此，在一实施例中，所述基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域，可以包括：
92.对所述目标区域图像进行二值化处理，得到第一二值图像；
93.利用边界跟踪方法，从所述第一二值图像中提取所述目标设备的显示区域的轮廓；
94.对提取的所述目标设备的显示区域的轮廓进行折线化处理，得到折线化处理结果；
95.在所述折线化处理结果包含四个顶点的情况下，利用所述四个顶点对所述目标区域图像进行透视变换；
96.基于轮廓提取的方式，在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
97.实际应用时，所述对提取的所述目标设备的显示区域的轮廓进行折线化处理，可以理解为将所述显示区域的轮廓曲线近似表示为一系列点、并减少点的数量的过程。
98.实际应用时，在所述折线化处理结果包含四个顶点的情况下，表示能够对所述目标区域图像进行透视变换，此时，可以基于轮廓提取的方式在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。在所述折线化处理结果包含除四外其他个数的顶点的情况下，表示无法对所述目标区域图像进行透视变换，此时，可以不对所述目标区域图像进行透视变换，直接基于轮廓提取的方式在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
99.实际应用时，可以利用道格拉斯—普克算法(英文可以表示为douglas
–
peucker algorithm)对提取的所述目标设备的显示区域的轮廓进行折线化处理，得到折线化处理结果。
100.具体地，在一实施例中，所述基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域，可以包括：
101.利用第一规则，对所述目标区域图像进行二值化处理，得到第二二值图像；所述第一规则用于在所述目标区域图像的像素点的像素值大于第二阈值的情况下将相应像素点的像素值设置为第一像素值，并在所述目标区域图像的像素点的像素值小于或等于所述第二阈值的情况下将相应像素点的像素值设置为第二像素值；
102.利用第二规则，对所述目标区域图像进行二值化处理，得到第三二值图像；所述第二规则用于在所述目标区域图像的像素点的像素值小于第三阈值的情况下将相应像素点的像素值设置为所述第一像素值，并在所述目标区域图像的像素点的像素值大于或等于所述第三阈值的情况下将相应像素点的像素值设置为所述第二像素值；
103.利用边界跟踪方法，从所述第二二值图像和所述第三二值图像中提取全部轮廓；判断提取的每个轮廓形成的区域的长宽比是否满足第一条件；
104.在相应轮廓形成的区域的长宽比满足所述第一条件的情况下，将相应轮廓形成的区域确定为一个数字区域。
105.实际应用时，所述第一值可以为255；所述第二值可以为0；所述第二阈值和所述第三阈值可以根据需求设置，所述第二阈值大于所述第三阈值；示例性地，所述第二阈值可以为200，所述第三阈值可以为35。
106.实际应用时，所述第一条件可以包含长宽比范围；在相应轮廓形成的区域的长宽比属于所述长宽比范围的情况下，可以确定相应轮廓形成的区域的长宽比满足所述第一条件；在相应轮廓形成的区域的长宽比不属于所述长宽比范围的情况下，可以确定相应轮廓形成的区域的长宽比不满足所述第一条件。
107.实际应用时，所述长宽比范围可以根据需求设置，比如大于1.4且小于2.4。
108.实际应用时，只有从数字亮度大于背景亮度(即数字像素为255、背景像素为0)的二值图像中能够提取到满足所述第一条件的轮廓。而不同类型的七段显示数字液晶板显示的数字的亮度不同，具体地，液晶板显示的数字的亮度可以大于背景的亮度，或者，液晶板显示的数字的亮度可以小于背景的亮度。在不确定液晶板显示的数字的亮度的情况下，如果仅利用第一规则对所述目标区域图像进行二值化处理或仅利用第二规则对所述目标区域图像进行二值化处理，可能无法从得到的二值图像(即所述第二二值图像或所述第三二值图像)中提取到满足所述第一条件的轮廓，导致数字识别效率降低或识别失败。因此，同时利用所述第一规则和所述第二规则对所述目标区域图像进行二值化处理，并从所述第二二值图像和所述第三二值图像中提取全部轮廓，能够保证提取到满足所述第一条件的轮廓，从而进一步提高数字识别的效率和准确率。
109.实际应用时，还可以利用最大类间方差法(otsu)，也可以称为大津法，对所述目标区域图像进行二值化处理。
110.在步骤103中，实际应用时，可以通过判断每个笔画区域的像素值是否大于预设阈值(后续描述中记作第一阈值)来判断该笔画区域是否有笔画占用。
111.基于此，在一实施例中，所述根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况，可以包括：
112.判断每个笔画区域的像素值是否大于第一阈值；
113.在相应笔画区域的像素值大于所述第一阈值的情况下，确定相应笔画区域有笔画占用；或者，在相应笔画区域的像素值小于或等于所述第一阈值的情况下，确定相应笔画区域无笔画占用。
114.实际应用时，所述第一阈值可以根据需求设置。
115.在步骤104中，实际应用时，针对每个数字区域，确定相应的七个笔画区域中每个笔画区域的笔画占用情况后，可以确定该数字区域对应的笔画组合，从而能够识别该数字区域的数字类别，即确定该数字区域的数字为0至9中的哪一个数字。
116.基于此，在一实施例中，所述根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字，可以包括：
117.根据每个数字区域的每个笔画区域的笔画占用情况，确定每个数字区域对应的笔画组合；
118.利用每个数字区域对应的笔画组合，识别每个数字区域的数字。
119.实际应用时，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域时，还可以确定至少一个数字区域之间的空间位置关系，识别每个数字区域的数字后，可以利用所述空间位置关系，确定所述至少一个数字组成的数据，即确定所述目标设备的显示区域的最终的数字识别结果。
120.基于此，在一实施例中，所述方法还可以包括：
121.确定至少一个数字区域之间的空间位置关系；
122.识别每个数字区域的数字后，利用所述空间位置关系，确定所述至少一个数字组成的数据；并发送所述至少一个数字组成的数据。
123.这里，所述确定所述至少一个数字组成的数据，可以理解为利用所述空间位置关系将识别的每个数字区域的数字拼接为字符串，作为对所述目标设备的显示区域的数字识别结果。
124.实际应用时，所述电子设备可以将所述至少一个数字组成的数据发送至其他设备；或者，所述电子设备可以将所述至少一个数字组成的数据发送至本地的其他逻辑单元。所述至少一个数字组成的数据的接收端具体可以根据需求设置，本技术实施例对此不作限定。
125.本技术实施例提供的数字识别方法，获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。本技术实施例的方案，基于轮廓提取的方式，在待处理图像中确定目标设备的显示区域显示的至少一个数字中每个数字对应的数字区域，并根据每个数字区域中七个笔画区域的笔画占用情况，识别每个数字区域的数字；如此，能够利用至少包含目标设备的显示数据的待处理图像，自动地识别七段显示数字液晶板显示的数字，而不需要对待处理图像进行拍摄角度、拍摄区域等条件的限制；同时，根据每个数字区域中七个笔画区域的笔画占用情况识别每个数字区域的数字，能够提高对七段显示数字液晶板显示的数字进行识别的效率和准确
率。
126.下面结合应用实施例对本技术再作进一步详细的描述。
127.在本应用实施例中，所述待处理图像为待检测空调工单图片；所述目标设备为空调；所述目标设备的显示区域显示的数据包含的至少一个数字表示空调的设定温度；所述第一模型称为目标检测模型；所述目标区域称为液晶板区域；所述目标区域图像称为液晶板图像。
128.在本应用实施例中，针对运营商的智能管线巡检机房场景，为了保证各机房中大量的服务器能够正常运作，需要将各机房内的温度控制在较低的范围，因此，各机房内空调的温度需要设定在25℃以下。巡检人员可以手动拍摄各机房的空调照片上传到数字识别系统，或者，可以由移动机器人自动拍摄各机房的空调照片上传到数字识别系统；手动或自动拍摄的照片不需要固定特别小的拍摄区域，只需要包含空调液晶板区域且保证图片清晰即可。针对上传的空调图像，数字识别系统只对空调液晶板区域进行分析，自动化、快速、准确地识别图片中空调的设定温度，判断空调的设定温度是否符合规范，并记录识别结果和判断结果，与管线巡检的其他场景结合，构成完整的智能管线巡检管理系统，减少人力投入并提高数据准确性。
129.在本应用实施例中，数字识别系统基于目标检测模型和数字图像处理方法(也可以称为数字类别判断方法)实现，具体地，如图2所示，数字识别系统识别空调设定温度的过程可以包括以下步骤：
130.步骤201：输入待检测空调工单图片；之后执行步骤202。
131.步骤202：采用训练好的目标检测模型定位液晶板区域；之后执行步骤203。
132.步骤203：采用参数调优好的数字类别判断方法输出空调设定温度；之后执行步骤204；
133.步骤204：给出(即输出)温度识别结果。
134.其中，在步骤201中，所述待检测空调工单图片可以由巡检人员手动对各机房的空调进行拍摄后上传到数字识别系统，或者，可以由移动机器人自动对各机房的空调进行拍摄后上传到数字识别系统。
135.在步骤202中，对目标检测模型进行训练的过程具体可以包括以下步骤：
136.步骤2021：准备智能管线巡检空调图片作为目标检测模型的训练数据集；之后执行步骤2022；
137.步骤2022：构建卷积神经网络，训练目标检测模型；之后执行步骤2023；
138.步骤2023：训练完成，输出最优模型。
139.其中，在步骤2021中，可以对管线巡检空调工单图片进行筛查，如图3所示，尽量选取多张不同类型(比如led类型、lcd类型、发光颜色不同等)的液晶板的空调图片；同时，针对选取的每张空调图片，可以对相应图片中的液晶板区域用矩形框进行位置标注，生成标注文件。针对选取的多张空调图片和每张空调图片对应的标注文件，可以按照预设比例(可以根据需求设置，比如8：1：1)分成目标检测模型的训练数据集、验证数据集和测试数据集；所述训练数据集用于对所述目标检测模型进行训练，需要包含空调图片和每张空调图片对应的标注文件；所述验证数据集用于对所述目标检测模型的训练结果进行验证，需要包含空调图片和每张空调图片对应的标注文件；所述测试数据集用于对所述目标检测模型进行
测试，可以不包含标注文件。
140.在步骤2022中，可以构建卷积神经网络，进行所述目标检测模型的训练和调优。具体地，本应用实施例选用了快速区域卷积神经网络(faster-rcnn，faster region-based convolutional neural network)算法，该算法的区域建议网络(rpn，region proposal network)分支可以将候选框提取合并到深度网络中，实现端到端的快速目标检测。在对所述目标检测模型进行训练和调优的过程中，可以设置训练迭代次数、学习率参数等，利用步骤2021中的训练数据集对所述目标检测模型的参数进行训练，并利用验证数据集和测试数据集检验所述目标检测模型的训练效果。
141.在步骤203中，对数字类别判断方法进行参数调优的过程可以包括以下步骤：
142.步骤2031：目标检测模型截取保存液晶板图像作为后续处理输入图像；之后执行步骤2032；
143.步骤2032：在截取的图像中寻找轮廓，并判断处理后的轮廓是否包含4个顶点；之后执行步骤2033；
144.步骤2033：满足4个顶点的轮廓执行透视变换，不满足的原图输出；之后执行步骤2034；
145.步骤2034：利用固定阈值法和otsu法进行图像二值化处理；之后执行步骤2035；
146.步骤2035：寻找所有二值化图像轮廓区域；之后执行步骤2036；
147.步骤2036：判断轮廓区域宽高比是否满足一定阈值范围；之后执行步骤2037；
148.步骤2037：满足预设宽高比条件的轮廓执行七段笔画区域的重合面积判断；之后执行步骤2038；
149.步骤2038：完成数字类别判断方法的参数调优。
150.其中，在步骤2031中，可以将步骤2021准备的所有空调工单图片输入步骤2022训练好的目标检测模型，以定位各空调工单图片的液晶板区域；所述目标检测模型可以输出相应液晶板区域的矩形边框的左上角和右下角两个顶点的归一化坐标信息(x1，y1)和(x2，y2)。利用所述目标检测模型输出的归一化坐标，可以截取并保存相应的液晶板图像。如果一张工单图片中存在多台空调，有多个液晶板区域，则可以截取保存所有液晶板图像，将截取的液晶板图像作为后续处理的输入图像。
151.在步骤2032中，可以利用边界跟踪二值图像拓扑结构分析法，提取每个液晶板图像的轮廓。具体地，可以将输入的液晶板图像转换为二值图像f(即上述第一二值图像)，找出二值图像f的所有轮廓后再进行折线化处理(即将曲线近似表示为一系列点，并减少点的数量)，判断折线化处理后的轮廓是否包含四个顶点。
152.这里，基于边界跟踪的数字化二值图像拓扑结构分析的基本思想是：设输入的二值图像f＝{f
ij
}，ij表示一个像素点的具体行列位置，f
ij
表示一个像素点的具体像素值，所有像素点构成整张二值化图像f。初始化nbd＝1，nbd表示当前轮廓的序列编号，需要注意图像边界是一条特殊的轮廓，其编号固定为1。采用水平逐行扫描的方式遍历图像f，每当开始遍历新的一行，重新设置lnbd＝1；lnbd表示当前行在发现新轮廓前最后遇到的轮廓。具体地，该分析过程可以包括以下步骤：
153.步骤1：对f
ij
进行判断，执行以下操作之一：
154.a)如果f
ij
＝1且f
ij-1
＝0，则像素点(i，j)是图像中一个外边界的起始点，nbd＝nbd
1，(i2，j2)＝(i，j-1)；
155.b)在f
ij
不满足条件a的情况下，如果f
ij
≥1且f
ij 1
＝0，则像素点(i，j)是图像中一个孔边界的起始点，nbd＝nbd 1，(i2，j2)＝(i，j 1)，lnbd＝f
ij
如果(if)f
ij
＞1；
156.c)在f
ij
不满足条件a和条件b的情况下，执行步骤4。
157.步骤2：根据新发现轮廓的类型以及编号为lnbd的轮廓类型，决定当前轮廓的父轮廓。如果两者类型一致(皆为外轮廓或皆为孔轮廓)，则执行步骤3。
158.步骤3：从像素点(i，j)开始，沿着检测到的边界，执行以下步骤3.1至步骤3.5。
159.步骤3.1：以像素点(i，j)为中心点，从像素点(i2，j2)开始，顺时针遍历像素点(i，j)的八个邻域区域，寻找第一个非0像素。将第一个找到的非0像素行列坐标值赋值给像素点(i1，j1)，继续执行步骤3.2；如果没有非0像素值，f
ij
＝－nbd并跳转到步骤4。
160.步骤3.2：(i2，j2)＝(i1，j1)，(i3，j3)＝(i，j)。
161.步骤3.3：以像素点(i3，j3)为中心点，从像素点(i2，j2)下一块区域开始，逆时针遍历像素点(i3，j3)的八个邻域区域，寻找第一个非0像素。将第一个找到的非0像素行列坐标值赋值给像素点(i4，j4)，继续执行步骤3.4。
162.步骤3.4：通过以下方式之一改变f
i3j3
的值：
163.如果像素点(i3，j
3 1
)为0，f
i3j3
＝－nbd；
164.如果像素点(i3，j
3 1
)不为0且f
i3j3
＝1，f
i3j3
＝nbd；
165.其他情况，不改变f
i3j3
值。
166.步骤3.5：如果(i4，j4)＝(i，j)且(i3，j3)＝(i1，j1)，表明轮廓已经遍历完一圈，回到起始点，则跳转到步骤4；否则(i2，j2)＝(i3，j3)，(i3，j3)＝(i4，j4)，然后回到步骤3.3。
167.步骤4：如果f
ij
不等于1，lnbd＝|f
ij
|，则跳转到像素点(i，j 1)继续逐行扫描，当扫描抵达图片右下角时，算法结束。
168.在本应用实施例中，利用道格拉斯—普克算法进行轮廓的折线化处理，该算法的基本思想是：将曲线近似表示为一系列点，并减少点的数量。具体地，该算法可以包括以下步骤：
169.1)在曲线首尾两点a，b之间连接一条直线ab，该直线为曲线的弦；
170.2)得到曲线上离该直线段距离最大的点c，计算其与ab的距离d；
171.3)比较d与预先给定的阈值的大小，如果小于该阈值，则直线ab作为曲线的近似，该段曲线处理完毕；
172.4)如果d大于该阈值，则用c将曲线分为两段ac和bc，并分别对两段曲线进行步骤(1)至步骤(3)的处理；
173.5)当所有曲线都处理完毕时，依次连接各个分割点形成的折线，即可以作为曲线的近似。
174.在步骤2033中，可以在折线化处理后的轮廓包含四个顶点的情况下，认为找到液晶板的真实轮廓，将步骤2032中折线化处理后的轮廓区域进行透视变换，并将透视变换后的图像输入到下一步骤(即步骤2034)；如果没有满足条件的轮廓，即没有包含四个顶点的轮廓的情况下，可以直接将截取的原图(即液晶板图像)输入后续步骤。
175.这里，透视变换的基本思想是：将图像投影到一个新的视平面。透视变换的通用变换公式为：
[0176][0177]
其中，(u，v)表示原始图像的像素坐标，(x＝x'/w'，y＝y'/w')表示透视变换之后的图像的像素坐标。
[0178]
实际应用时，透视变换的数学表达式可以简化为：
[0179][0180]
在步骤2034中，针对步骤2033中生成的图像，由于可能存在lcd、led等不同类型的空调液晶板(分别为数字亮度小于背景亮度以及数字亮度大于背景亮度的液晶板类型)，因此，采用两种二值化方法：固定阈值法及otsu法，尽可能保证二值化处理后温度数字与背景区域分开，即保证生成的多张二值化图像包含数字区域为白色、背景区域为黑色的二值化图像。具体地，可以先基于固定的阈值提取两次二值化图像，第一次可以设置一个较高的阈值(即上述第二阈值)，比如200，高于该阈值的像素全部置为255，其余置0(针对led液晶板，数字为发光区域，即数字亮度大于背景亮度)。第二次可以设置一个较低的阈值(即上述第三阈值)，比如35，低于该阈值的像素全部置为255，其余置0(针对lcd液晶板，数据为暗区域，即数字亮度小于背景亮度)。另外，还可以利用otsu提取一次二值化图像。针对每张液晶板图像生成的三张二值化图像，可以将每张二值化图像输入后续步骤。
[0181]
这里，otsu的基本思想是：假设存在像素阈值th，可以将图像所有的像素分为两类：c1和c2；c1＜th，c2＞th。假设这两类像素各自的像素均值分别为m1和m2，图像的全局像素均值为mg；并假设像素被分为c1和c2的概率分别为p1和p2。此时，
[0182]
p1
×
m1 p2
×
m2＝mg
ꢀꢀꢀ
(3)
[0183]
p1 p2＝1
ꢀꢀꢀ
(4)
[0184]
类间方差表达式为：
[0185]
σ2＝p1
×
(m1-mg)2 p2
×
(m2-mg)2ꢀꢀꢀ
(5)
[0186]
将公式(3)和公式(4)先后代入公式(5)进行化简，可以得到以下公式：
[0187]
σ2＝p1
×
p2
×
(m1-m2)2ꢀꢀꢀ
(6)
[0188]
其中，
[0189][0190][0191][0192]
基于上述公式，遍历0至255个灰度级，得到使公式(6)最大的k，即为阈值th。
[0193]
在步骤2035中，针对每个二值化图像，可以利用边界跟踪二值图像拓扑结构分析法，提取整张图像的所有边界轮廓。
[0194]
在步骤2036中，针对提取的每个轮廓，可以确定相应轮廓形成的区域的宽高比(可以表示为h/w)，如果相应轮廓形成的区域的宽高比满足1.4＜h/w＜2.4的条件，则可以确定该轮廓为数字区域的轮廓，之后执行步骤2037；否则，舍去(即丢弃)相应轮廓并继续遍历下
一个轮廓。
[0195]
在步骤2037中，针对宽高比满足1.4＜h/w＜2.4的条件的轮廓，执行七段笔画区域的重合面积判断。具体地，可以提取相应轮廓的宽度w和高度h，假设dw＝0.25*w、dh＝0.15*h、dhc＝0.05*h，图4所示的七个笔画区域中每个笔画区域可以利用相应笔画区域的左上角坐标以及右下角坐标来表示：上段笔画区域0(0，0)、(w，dh)；左上段笔画区域1(0，0)、(dw，h/2)；右上段笔画区域2(w-dw，0)、(w，h/2)；中间段笔画区域3(0，h/2-dhc)、(w，h/2 dhc)；左下段笔画区域4(0，h/2)、(dw，h)；右下段笔画区域5(w-dw，h/2)、(w，h)；下段笔画区域6(0，h-dh)、(w，h)。计算七个笔画区域中每个笔画区域的像素值，在相应笔画区域的像素值大于指定阈值(即上述第一阈值)的情况下，可以认定该区域有笔画占用；在相应笔画区域的像素值小于或等于指定阈值的情况下，则认定该区域没有笔画占用。
[0196]
在步骤2038中，根据每个数字区域中的七个笔画区域中每个笔画区域的笔画占用情况，可以得到每个数字区域对应的笔画组合，如图5所示，数字0至数字9中每个数字对应的笔画组合不同；通过不同的笔画组合，能够识别相应的数字类别。最终可以按照各数字区域之间的空间位置关系拼接所有识别到的数字，输出最终温度识别结果。
[0197]
在步骤2038中，数字类别判断方法的参数调优可以包含对各类阈值等参数的调优。
[0198]
本应用实施例提供的方案，具有以下优点：
[0199]
1)适用于运营商的管线巡检场景，以及其他包含七段显示液晶板、需要识别液晶板显示的数字的场景，比如液晶电表—识别电表电量读数、液晶仪表盘—识别仪表盘上各项参数的数值等场景。在需要将基于数字图像处理方法实现的数字识别方案应用于新的场景时，不需要对数字识别方案进行重新训练，而可以直接复用，提高了数字识别方案的复用性。
[0200]
2)提出了目标检测模型和数字图像处理方法的结合，基于目标检测模型快速定位机房空调图片中的液晶板区域，截取液晶板图像并输入后续数字图像处理方法判断数字类别。这一串联结构能够快速定位局部图像(即液晶板区域)，排除复杂无效背景区域的干扰，只对有效特征进行利用，即只对局部图像进行是否存在数字以及数字类别的判断，降低拍摄要求，不需要限定输入图像的拍摄角度，适用于各种类型的液晶板；同时，能够对质量不一的静态空调图片进行批量检测，得到空调设定的具体温度，提升对液晶板显示的数字进行识别的效率和准确率。
[0201]
3)由于不限制拍摄角度，图像的拍摄角度倾斜可能导致数字类别判断出错，例如数字7可能会因为倾斜导致右侧两段笔画区域(即图4中的右上段笔画区域2和右下段笔画区域5)显示笔画未被占用。而在本应用实施例中，对能够调整的图像进行透视变换处理，再通过二值化处理、轮廓提取找到满足条件的数字区域，判断七段显示数字区域实际笔画占用情况，输出数字类别，能够提升数字识别的效率和准确率，且方法复用性高。
[0202]
为了实现本技术实施例的方法，本技术实施例还提供了一种数字识别装置，如图6所示，该装置包括：
[0203]
获取单元601，用于获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；
[0204]
第一处理单元602，用于基于轮廓提取的方式，在所述待处理图像中确定所述至少
一个数字中每个数字对应的数字区域；
[0205]
第二处理单元603，用于在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；
[0206]
第三处理单元604，用于根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。
[0207]
其中，在一实施例中，所述第二处理单元603，具体用于：
[0208]
判断每个笔画区域的像素值是否大于第一阈值；
[0209]
在相应笔画区域的像素值大于所述第一阈值的情况下，确定相应笔画区域有笔画占用；或者，在相应笔画区域的像素值小于或等于所述第一阈值的情况下，确定相应笔画区域无笔画占用。
[0210]
在一实施例中，所述第三处理单元604，具体用于：
[0211]
根据每个数字区域的每个笔画区域的笔画占用情况，确定每个数字区域对应的笔画组合；
[0212]
利用每个数字区域对应的笔画组合，识别每个数字区域的数字。
[0213]
在一实施例中，该装置还包括第四处理单元，用于：
[0214]
确定至少一个数字区域之间的空间位置关系；
[0215]
识别每个数字区域的数字后，利用所述空间位置关系，确定所述至少一个数字组成的数据；并发送所述至少一个数字组成的数据。
[0216]
在一实施例中，所述第一处理单元602，具体用于：
[0217]
利用第一模型，在所述待处理图像中识别所述目标设备的显示区域的轮廓，得到目标区域；所述目标区域包含所述目标设备的显示区域显示的数据；
[0218]
从所述待处理图像中截取所述目标区域，得到目标区域图像；
[0219]
基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
[0220]
在一实施例中，所述第一处理单元602，还用于：
[0221]
对所述目标区域图像进行二值化处理，得到第一二值图像；
[0222]
利用边界跟踪方法，从所述第一二值图像中提取所述目标设备的显示区域的轮廓；
[0223]
对提取的所述目标设备的显示区域的轮廓进行折线化处理，得到折线化处理结果；
[0224]
在所述折线化处理结果包含四个顶点的情况下，利用所述四个顶点对所述目标区域图像进行透视变换；
[0225]
基于轮廓提取的方式，在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
[0226]
在一实施例中，所述第一处理单元602，还用于：
[0227]
利用第一规则，对所述目标区域图像进行二值化处理，得到第二二值图像；所述第一规则用于在所述目标区域图像的像素点的像素值大于第二阈值的情况下将相应像素点的像素值设置为第一像素值，并在所述目标区域图像的像素点的像素值小于或等于所述第
二阈值的情况下将相应像素点的像素值设置为第二像素值；
[0228]
利用第二规则，对所述目标区域图像进行二值化处理，得到第三二值图像；所述第二规则用于在所述目标区域图像的像素点的像素值小于第三阈值的情况下将相应像素点的像素值设置为所述第一像素值，并在所述目标区域图像的像素点的像素值大于或等于所述第三阈值的情况下将相应像素点的像素值设置为所述第二像素值；
[0229]
利用边界跟踪方法，从所述第二二值图像和所述第三二值图像中提取全部轮廓；判断提取的每个轮廓形成的区域的长宽比是否满足第一条件；
[0230]
在相应轮廓形成的区域的长宽比满足所述第一条件的情况下，将相应轮廓形成的区域确定为一个数字区域。
[0231]
实际应用时，所述获取单元601、所述第一处理单元602、所述第二处理单元603、所述第三处理单元604和所述第四处理单元可由所述数字识别装置中的处理器结合通信接口实现。
[0232]
需要说明的是：上述实施例提供的数字识别装置在处理图像时，仅以上述各程序模块的划分进行举例说明，实际应用时，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的数字识别装置与数字识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0233]
基于上述程序模块的硬件实现，且为了实现本技术实施例的方法，本技术实施例还提供了一种电子设备，如图7所示，该电子设备700包括：
[0234]
通信接口701，能够与其他电子设备进行信息交互；
[0235]
处理器702，与所述通信接口701连接，以实现与其他电子设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法；
[0236]
存储器703，存储能够在所述处理器702上运行的计算机程序。
[0237]
具体地，所述处理器702，用于：
[0238]
获取待处理图像；所述待处理图像至少包含目标设备的显示区域显示的数据；所述目标设备的显示区域显示的数据包含至少一个数字；
[0239]
基于轮廓提取的方式，在所述待处理图像中确定所述至少一个数字中每个数字对应的数字区域；
[0240]
在每个数字区域中确定与数字的笔画对应的七个笔画区域，并确定每个笔画区域的像素值；根据每个笔画区域的像素值，确定每个数字区域的每个笔画区域的笔画占用情况；
[0241]
根据每个数字区域的每个笔画区域的笔画占用情况，识别每个数字区域的数字。
[0242]
其中，在一实施例中，所述处理器702，具体用于：
[0243]
判断每个笔画区域的像素值是否大于第一阈值；
[0244]
在相应笔画区域的像素值大于所述第一阈值的情况下，确定相应笔画区域有笔画占用；或者，在相应笔画区域的像素值小于或等于所述第一阈值的情况下，确定相应笔画区域无笔画占用。
[0245]
在一实施例中，所述处理器702，具体用于：
[0246]
根据每个数字区域的每个笔画区域的笔画占用情况，确定每个数字区域对应的笔
画组合；
[0247]
利用每个数字区域对应的笔画组合，识别每个数字区域的数字。
[0248]
在一实施例中，所述处理器702，还用于：
[0249]
确定至少一个数字区域之间的空间位置关系；
[0250]
识别每个数字区域的数字后，利用所述空间位置关系，确定所述至少一个数字组成的数据；并发送所述至少一个数字组成的数据。
[0251]
在一实施例中，所述处理器702，具体用于：
[0252]
利用第一模型，在所述待处理图像中识别所述目标设备的显示区域的轮廓，得到目标区域；所述目标区域包含所述目标设备的显示区域显示的数据；
[0253]
从所述待处理图像中截取所述目标区域，得到目标区域图像；
[0254]
基于轮廓提取的方式，在所述目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
[0255]
在一实施例中，所述处理器702，具体用于：
[0256]
对所述目标区域图像进行二值化处理，得到第一二值图像；
[0257]
利用边界跟踪方法，从所述第一二值图像中提取所述目标设备的显示区域的轮廓；
[0258]
对提取的所述目标设备的显示区域的轮廓进行折线化处理，得到折线化处理结果；
[0259]
在所述折线化处理结果包含四个顶点的情况下，利用所述四个顶点对所述目标区域图像进行透视变换；
[0260]
基于轮廓提取的方式，在透视变换后的目标区域图像中确定所述至少一个数字中每个数字对应的数字区域。
[0261]
在一实施例中，所述处理器702，具体用于：
[0262]
利用第一规则，对所述目标区域图像进行二值化处理，得到第二二值图像；所述第一规则用于在所述目标区域图像的像素点的像素值大于第二阈值的情况下将相应像素点的像素值设置为第一像素值，并在所述目标区域图像的像素点的像素值小于或等于所述第二阈值的情况下将相应像素点的像素值设置为第二像素值；
[0263]
利用第二规则，对所述目标区域图像进行二值化处理，得到第三二值图像；所述第二规则用于在所述目标区域图像的像素点的像素值小于第三阈值的情况下将相应像素点的像素值设置为所述第一像素值，并在所述目标区域图像的像素点的像素值大于或等于所述第三阈值的情况下将相应像素点的像素值设置为所述第二像素值；
[0264]
利用边界跟踪方法，从所述第二二值图像和所述第三二值图像中提取全部轮廓；判断提取的每个轮廓形成的区域的长宽比是否满足第一条件；
[0265]
在相应轮廓形成的区域的长宽比满足所述第一条件的情况下，将相应轮廓形成的区域确定为一个数字区域。
[0266]
需要说明的是：所述处理器702具体执行上述操作的过程详见方法实施例，这里不再赘述。
[0267]
当然，实际应用时，电子设备700中的各个组件通过总线系统704耦合在一起。可理解，总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外，还
包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统704。
[0268]
本技术实施例中的存储器703用于存储各种类型的数据以支持电子设备700的操作。这些数据的示例包括：用于在电子设备700上操作的任何计算机程序。
[0269]
上述本技术实施例揭示的方法可以应用于处理器702中，或者由处理器702实现。处理器702可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器702可以是通用处理器、数字信号处理器(dsp，digital signal processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器702可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器703，处理器702读取存储器703中的信息，结合其硬件完成前述方法的步骤。
[0270]
在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、现场可编程门阵列(fpga，field-programmable gate array)、通用处理器、控制器、微控制器(mcu，micro controller unit)、微处理器(microprocessor)、或者其他电子元件实现，用于执行前述方法。
[0271]
可以理解，本技术实施例的存储器703可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic random access memory)、同步连接动态随机存取存储器(sldram，synclink dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本技术实施例描述的存储器旨在包括但不限于这些和任意其他适合类型的存储器。
[0272]
在示例性实施例中，本技术实施例还提供了一种存储介质，即计算机存储介质，具
体为计算机可读存储介质，例如包括存储计算机程序的存储器703，上述计算机程序可由电子设备700的处理器702执行，以完成前述方法所述步骤。计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、flash memory、磁表面存储器、光盘、或cd-rom等存储器。
[0273]
需要说明的是：“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。
[0274]
另外，本技术实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
[0275]
以上所述，仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。