阅读说明：本技术 图像特征提取方法和装置、图像处理方法和装置 (Image characteristic extracting method and device, image processing method and device ) 是由 赵威 于 2019-08-02 设计创作，主要内容包括：本发明提供了一种图像特征提取方法和装置、图像处理方法和装置,其中,图像特征提取方法包括：对图像进行边缘检测,得到轮廓图像；划分所述轮廓图像,得到若干轮廓子图像；针对每个所述轮廓子图像：确定所述轮廓子图像的质心；计算所述轮廓子图像的每个像素点与所述质心的距离；根据每个像素点与所述质心的距离、每个像素点对应的若干其他像素点,统计与像素距离及所述像素点与所述质心的距离对应的像素点的数量；其中,所述像素点与其对应的任一其他像素点的距离为所述像素距离。(The present invention provides a kind of image characteristic extracting methods and device, image processing method and device, wherein image characteristic extracting method includes: to carry out edge detection to image, obtains contour images；The contour images are divided, several profile subgraphs are obtained；For each profile subgraph: determining the mass center of the profile subgraph；Each pixel of the profile subgraph is calculated at a distance from the mass center；According to each pixel at a distance from the mass center, other corresponding several pixels of each pixel, the quantity of statistics and pixel distance and the pixel and corresponding pixel at a distance from the mass center；Wherein, the distance of other corresponding any pixels of the pixel is the pixel distance.)

图像特征提取方法和装置、图像处理方法和装置

技术领域

本发明涉及计算机技术领域，特别涉及一种图像特征提取方法和装置、图像处理方法和装置。

背景技术

在实际应用场景中，通常根据从图像中提取的颜色、形状、纹理、空间等特征对图像进行识别。由于图像的形状通常不随周围环境(如图像亮度、对比度等)的变化而变化，因此，相比于颜色特征和纹理特征，形状特征稳定性更高。

目前，从图像中提取的形状特征为与质心距离相同的像素点的数量，基于该数量构成的质心距离直方图可用于描述图像的形状。

但是，该图像特征提取过程忽略了像素点的空间特征，对图像描述的精确度较低，导致不同形状的图像具有相同的质心距离直方图，进而降低图像识别的准确度。

发明内容

鉴于此，本发明实施例提供了一种图像特征提取方法和装置、图像处理方法和装置，能够考虑像素点的空间特征，对图像进行更加精确地描述，进而能够提高图像识别的准确性。

第一方面，本发明实施例提供了一种图像特征提取方法，包括：

对图像进行边缘检测，得到轮廓图像；

划分所述轮廓图像，得到若干轮廓子图像；

针对每个所述轮廓子图像：确定所述轮廓子图像的质心；计算所述轮廓子图像的每个像素点与所述质心的距离；根据每个像素点与所述质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及所述像素点与所述质心的距离对应的像素点的数量；其中，所述像素点与其对应的任一其他像素点的距离为所述像素距离。

第二方面，本发明实施例提供了一种图像处理方法，包括：

对待识别图像进行边缘检测，得到轮廓图像；

划分所述轮廓图像，得到若干轮廓子图像；

针对每个所述轮廓子图像：确定所述轮廓子图像的质心；计算所述轮廓子图像的每个像素点与所述质心的距离；根据每个像素点与所述质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及所述像素点与所述质心的距离对应的像素点的数量；根据所述像素距离、所述像素点与所述质心的距离、与所述像素距离及所述像素点与所述质心的距离对应的像素点的数量，构建距离自相关图；

将所述待识别图像对应的若干距离自相关图分别与预先获取的模板图像的若干距离自相关图进行对比，确定所述待识别图像与所述模板图像的相似度；

其中，所述像素点与其对应的任一其他像素点的距离为所述像素距离。

第三方面，本发明实施例提供了一种图像特征提取装置，包括：

检测单元，配置为对图像进行边缘检测，得到轮廓图像；

划分单元，配置为划分所述轮廓图像，得到若干轮廓子图像；

统计单元，配置为针对每个所述轮廓子图像：确定所述轮廓子图像的质心；计算所述轮廓子图像的每个像素点与所述质心的距离；根据每个像素点与所述质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及所述像素点与所述质心的距离对应的像素点的数量；其中，所述像素点与其对应的任一其他像素点的距离为所述像素距离。

第四方面，本发明实施例提供了一种图像处理装置，包括：

检测单元，配置为对待识别图像进行边缘检测，得到轮廓图像；

划分单元，配置为划分所述轮廓图像，得到若干轮廓子图像；

统计单元，配置为针对每个所述轮廓子图像：确定所述轮廓子图像的质心；计算所述轮廓子图像的每个像素点与所述质心的距离；根据每个像素点与所述质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及所述像素点与所述质心的距离对应的像素点的数量；根据所述像素距离、所述像素点与所述质心的距离、与所述像素距离及所述像素点与所述质心的距离对应的像素点的数量，构建距离自相关图；其中，所述像素点与其对应的任一其他像素点的距离为所述像素距离；

确定单元，配置为将所述待识别图像对应的若干距离自相关图分别与预先获取的模板图像的若干距离自相关图进行对比，确定所述待识别图像与所述模板图像的相似度。

本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：图像特征提取方法通过对轮廓图像进行划分，在图像特征中融入像素点的空间信息；同时，该方法在统计过程中考虑与像素点相距像素距离的其他像素点的信息，能够在图像特征中融入相邻像素点的信息。由于得到的图像特征融合了像素点的空间信息和相邻像素点的信息，因此，该方法能够对图像进行更加精确地描述，进而能够提高图像识别的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的一种图像特征提取方法的流程图；

图2是本发明另一个实施例提供的一种图像特征提取方法的流程图；

图3是本发明一个实施例提供的一种图像处理方法的流程图；

图4是本发明一个实施例提供的一种基于距离自相关图的仿真检索效果图；

图5是本发明一个实施例提供的一种基于质心距离直方图的仿真检索效果图；

图6是本发明一个实施例提供的一种图像特征提取装置的结构示意图；

图7是本发明一个实施例提供的一种图像处理装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种图像特征提取方法，该方法可以包括以下步骤：

步骤101：对图像进行边缘检测，得到轮廓图像。

在实际应用场景中，可以采用Sobel算子、Prewitt算子等对图像进行边缘检测，得到轮廓图像。该轮廓图像为二值图像。

步骤102：划分轮廓图像，得到若干轮廓子图像。

步骤103：针对每个轮廓子图像：确定轮廓子图像的质心。

步骤104：计算轮廓子图像的每个像素点与质心的距离。

步骤105：根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量；其中，像素点与其对应的任一其他像素点的距离为像素距离。

考虑到与像素点临近的其他像素点与该像素点的相关性较大，因此，在实际应用场景中，像素距离小于指定的相关阈值。也就是说，图像特征提取过程仅关注对应的像素距离在相关阈值内的其他像素点。

该方法通过对轮廓图像进行划分，在图像特征中融入像素点的空间信息；同时，该方法在统计过程中考虑与像素点相距像素距离的其他像素点的信息，能够在图像特征中融入相邻像素点的信息。由于得到的图像特征融合了像素点的空间信息和相邻像素点的信息，因此，该方法能够对图像进行更加精确地描述，进而能够提高图像识别的准确性。

在本发明的一个实施例中，步骤102具体包括：

A1：确定轮廓图像对应的矩形包围盒。

A2：根据预设的划分阈值和矩形包围盒，将轮廓图像划分成若干轮廓子图像。

其中，划分阈值可以由用户根据经验预先确定。

A2具体包括：以W/n为单位，将轮廓图像划分成n个轮廓子图像；其中，矩形包围盒的尺寸为a×b，W＝max(a，b)，n用于表征划分阈值。

本发明实施例根据轮廓图像对应的矩形包围盒对轮廓图像进行划分，在实际场景中，还可以通过其他的方式对轮廓图像进行划分，例如，根据经过轮廓图像的质心的水平线，将轮廓图像划分成若干轮廓子图像。

该方法能够通过矩形包围盒对轮廓图像进行均匀地划分，以在图像特征中融入轮廓图像的空间信息。

在本发明的一个实施例中，该方法还包括：

确定轮廓图像对应的矩形包围盒；

确定轮廓图像对应的像素点与质心的距离中的最小值；

确定轮廓图像对应的像素点与质心的距离中的最大值；

根据矩形包围盒、最大值和最小值，对各个像素点与质心的距离进行标准化；

根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量，包括：

根据经过标准化的每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量。

不同的像素点与质心的距离差异较大，对像素点与质心的距离进行标准化，能够简化计算。

在本发明的一个实施例中，根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量，包括：

确定当前像素点的上侧或下侧或左侧或右侧是否存在其他像素点，其中，其他像素点与质心的距离等于当前像素点与质心的距离；当前像素点与其他像素点的距离为当前像素距离；

如果是，则与当前像素距离及当前像素点与质心的距离对应的像素点的数量加1；

其中，当前像素点为轮廓子图像的任一像素点，当前像素距离为预设的若干像素距离中任意一个。

在本发明实施例中，采用四邻域的方法寻找其他像素点，即关注当前像素点的上侧、下侧、左侧和右侧。在实际应用场景中，还可以采用八邻域的方法寻找其他像素点，即确定当前像素点的上侧或下侧或左侧或右侧或左上侧或左下侧或右上侧或右下侧是否存在其他像素点。

如图2所示，本发明实施例提供了一种图像特征提取方法，包括以下步骤：

步骤201：对图像进行边缘检测，得到轮廓图像。

利用Sobel算子对图像进行边缘检测，得到轮廓图像。

步骤202：确定轮廓图像对应的矩形包围盒。

矩形包围盒的尺寸为a×b，且a＞b。

步骤203：根据预设的划分阈值和矩形包围盒，将轮廓图像划分成若干轮廓子图像。

以a/n为单位，将轮廓图像划分成n个轮廓子图像；其中，n用于表征划分阈值。

步骤204：针对每个轮廓子图像：确定轮廓子图像的质心。

轮廓子图像的像素点b_i的坐标为(x_i，y_i)；

根据式(1)和式(2)计算轮廓子图像的质心c(x_c，y_c)。

其中，N用于表征轮廓子图像的像素点的数量。

步骤205：计算轮廓子图像的每个像素点与质心的距离。

d(bi，c)用于表征像素点bi与质心c的距离。

每个轮廓子图像对应的像素点与质心的距离构成一个距离矩阵。

步骤206：确定轮廓图像对应的像素点与质心的距离中的最小值。

步骤207：确定轮廓图像对应的像素点与质心的距离中的最大值。

步骤208：根据矩形包围盒、最大值和最小值，对各个像素点与质心的距离进行标准化。

根据式(4)对像素点与质心的距离进行标准化。

其中，norm_dis用于表征经过标准化的每个像素点与质心的距离，dis用于表征像素点与质心的距离，dis_min用于表征述轮廓图像对应的像素点与质心的距离中的最小值，dis_max用于表征轮廓图像对应的像素点与质心的距离中的最大值，W用于表征矩形包围盒的最大边长，在本发明实施例中，W＝a。

步骤209：根据经过标准化的每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量。

其中，像素点与其对应的任一其他像素点的距离为像素距离。

针对每一个像素距离，依次扫描轮廓子图像的各个像素点，将各个像素点分别作为当前像素点执行以下步骤：确定当前像素点的上侧或下侧或左侧或右侧是否存在其他像素点，其中，其他像素点与质心的距离等于当前像素点与质心的距离；当前像素点与其他像素点的距离为当前像素距离；如果是，则与当前像素距离及当前像素点与质心的距离对应的像素点的数量加1，否则，扫描下一个像素点。

其中，当前像素点为轮廓子图像的任一像素点，当前像素距离为若干像素距离中任一像素距离。

在本发明实施例中，需要对每个像素距离下，不同像素点与质心的距离对应的像素点的数量进行统计。例如，像素距离包括：1、3、5、7，像素点与质心的距离包括：1、2、3......50，则该方法需要统计像素距离分别为1、3、5、7，像素点与质心的距离分别为1-50时像素点的数量。例如，统计像素距离为1、像素点与质心的距离为1-50时，分别对应的像素点的数量；统计像素距离为3、像素点与质心的距离为1-50时，分别对应的像素点的数量；

在对轮廓子图像的各个像素点进行扫描的过程中，可以按照距离矩阵中像素点的排列顺序，对各个像素点进行扫描，以避免统计过程出现错误，造成统计结果不准确。

与像素距离及像素点与质心的距离对应的像素点的数量，可以表示为一个K行M列的矩阵，其中，各行对应的像素距离不同，各列对应的像素点与质心的距离不同。根据该矩阵，可以生成距离自相关图。在图像识别过程中，可以通过各个轮廓子图像对应的距离自相关图的对比，确定两个图像的相似性。

如图3所示，本发明实施例提供了一种图像处理方法，包括：

步骤301：对待识别图像进行边缘检测，得到轮廓图像；

步骤302：划分轮廓图像，得到若干轮廓子图像；

步骤303；针对每个轮廓子图像：确定轮廓子图像的质心；

步骤304：计算轮廓子图像的每个像素点与质心的距离；

步骤305：根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量；其中，像素点与其对应的任一其他像素点的距离为像素距离；

步骤306：根据像素距离、像素点与质心的距离、与像素距离及像素点与质心的距离对应的像素点的数量，构建轮廓子图像对应的距离自相关图；

步骤307：将待识别图像对应的若干距离自相关图分别与预先获取的模板图像的若干距离自相关图进行对比，确定待识别图像与模板图像的相似度。

以像素距离、像素点与质心的距离、与像素距离及像素点与质心的距离对应的像素点的数量为坐标轴，建立坐标系，得到距离自相关图。

如图4所示，是基于距离自相关图的仿真检索效果图，如图5所示，是基于质心距离直方图的仿真检索效果图。通过图4与图5的对比可以看出，基于距离自相关图的仿真检索准确度高，效果更好。也就是说，从图像中提取的“与像素距离及像素点与质心的距离对应的像素点的数量”由于考虑了像素点的空间信息和相邻的其他像素点的信息，因此，对图像描述的精确度提高，进而提高图像识别的准确度。

如图6所示一种图像特征提取装置，包括：

检测单元601，配置为对图像进行边缘检测，得到轮廓图像；

划分单元602，配置为划分轮廓图像，得到若干轮廓子图像；

统计单元603，配置为针对每个轮廓子图像：确定轮廓子图像的质心；计算轮廓子图像的每个像素点与质心的距离；根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量；其中，像素点与其对应的任一其他像素点的距离为像素距离。

在本发明的一个实施例中，划分单元602，配置为确定轮廓图像对应的矩形包围盒；根据预设的划分阈值和矩形包围盒，将轮廓图像划分成若干轮廓子图像。

在本发明的一个实施例中，划分单元602，配置为以W/n为单位，将轮廓图像划分成n个轮廓子图像；其中，矩形包围盒的尺寸为a×b，W＝max(a，b)，n用于表征划分阈值。

在本发明的一个实施例中，该装置包括：标准化单元；

标准化单元，配置为确定轮廓图像对应的矩形包围盒；确定轮廓图像对应的像素点与质心的距离中的最小值；确定轮廓图像对应的像素点与质心的距离中的最大值；根据矩形包围盒、最大值和最小值，对各个像素点与质心的距离进行标准化；

统计单元603，配置为根据经过标准化的每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量。

在本发明的一个实施例中，统计单元603，配置为确定当前像素点的上侧或下侧或左侧或右侧是否存在其他像素点，其中，其他像素点与质心的距离等于当前像素点与质心的距离；当前像素点与其他像素点的距离为当前像素距离；如果是，则与当前像素距离及当前像素点与质心的距离对应的像素点的数量加1；其中，当前像素点为轮廓子图像的任一像素点，当前像素距离为预设的若干像素距离中任意一个。

如图7所示，本发明实施例提供了一种图像处理装置，包括：

检测单元701，配置为对待识别图像进行边缘检测，得到轮廓图像；

划分单元702，配置为划分轮廓图像，得到若干轮廓子图像；

统计单元703，配置为针对每个轮廓子图像：确定轮廓子图像的质心；计算轮廓子图像的每个像素点与质心的距离；根据每个像素点与质心的距离、每个像素点对应的若干其他像素点，统计与像素距离及像素点与质心的距离对应的像素点的数量；根据像素距离、像素点与质心的距离、与像素距离及像素点与质心的距离对应的像素点的数量，构建距离自相关图；其中，像素点与其对应的任一其他像素点的距离为像素距离；

确定单元704，配置为将待识别图像对应的若干距离自相关图分别与预先获取的模板图像的若干距离自相关图进行对比，确定待识别图像与模板图像的相似度。

本发明实施例提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令可被处理器执行以实现上述任一实施例的方法。

本发明实施例提供了一种图像特征提取设备，包括：用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行上述任一实施例的方法。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。