车脸定位方法和系统与流程

本发明涉及图像识别技术领域，特别是涉及一种车脸定位方法和系统。

背景技术：

在停车场出入口等的车辆特征分析应用中，为了对无牌车辆进行智能分析，需要确定车脸(车辆正面引擎盖下端至车辆最底端的区域)的位置。

目前流行的基于图片的车辆定位算法，大多是基于adboost(迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器))或深度学习的方式，adboost需要完整的车辆轮廓才能有效的检测车辆，基于深度学习的算法对车辆的完整性也有一定的要求，并且运行速度较慢。然而，由于停车场的特殊应用场景，经常会出现车辆拍摄角度较大、车身拍摄不全的问题。基于adboost或深度学习的方式无法有效的完成对大角度、车身拍摄不全的车脸的定位。

技术实现要素：

本发明的目的在于提供一种车脸定位方法和系统，可以有效的、快速完成对大角度、车身拍摄不全的车脸的定位。

本发明的目的通过如下技术方案实现：

一种车脸定位方法，包括：

对目标图像在第一方向上进行边缘检测，得到所述第一方向上的边缘检测结果图，所述目标图像为当前需要进行车脸定位的图像；

根据所述边缘检测结果图获取所述第一方向上的纹理丰富区域图；

将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图；

将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图，所述第二方向垂直于所述第一方向；

搜索所述第一投影直方图的波峰区域，得到第一波峰区域；

搜索所述第二投影直方图的波峰区域，得到第二波峰区域；

根据所述第一波峰区域和所述第二波峰区域确定第一车脸定位结果图。

一种车脸定位系统，包括：

边缘检测单元，用于对目标图像在第一方向上进行边缘检测，得到所述第一方向上的边缘检测结果图，所述目标图像为当前需要进行车脸定位的图像；

纹理获取单元，用于根据所述边缘检测结果图获取所述第一方向上的纹理丰富区域图；

投影单元，用于将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图，并将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图，所述第二方向垂直于所述第一方向；

搜索单元，用于搜索所述第一投影直方图的波峰区域，得到第一波峰区域，并搜索所述第二投影直方图的波峰区域，得到第二波峰区域；

粗定位单元，用于根据所述第一波峰区域和所述第二波峰区域确定第一车脸定位结果图。

根据上述本发明的方案，其是对目标图像在第一方向上进行边缘检测，得到该第一方向上的边缘检测结果图，根据所述边缘检测结果图获取该第一方向上的纹理丰富区域图，将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图，将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图，搜索第一投影直方图的波峰区域，得到第一波峰区域，搜索第二投影直方图的波峰区域，得到第二波峰区域，根据所述第一波峰区域和所述第二波峰区域得到第一车脸定位结果图，由于对目标图像在第一方向上进行了边缘检测，根据该边缘检测得到的第一方向上的边缘检测结果图获取所述第一方向上的纹理丰富区域图，并根据对该纹理丰富区域图投影、波峰检测获得的第一波峰区域和第二波峰区域得到第一车脸定位结果图，这种基于纹理的车位定位方式，不需要依赖于车辆的完整性，可以有效的完成对大角度、车身拍摄不全的车脸的定位，且整个过程不需要反复迭代或者深度学习，也提升了定位速度，同时，由于无需遍历整张图片，运算量较小，也进一步提升了定位速度。

附图说明

图1为本发明实施例一的车脸定位方法的实现流程示意图；

图2为本发明实施例二的车脸定位方法的实现流程示意图；

图3为一个具体示例中的需要进行车辆定位的图像；

图4为一个具体示例中的用水平方向边缘检测得到的水平方向边缘图；

图5为边缘检测结果图去除噪声的结果；

图6为通过连接垂直方向的边缘得到的水平纹理丰富区域图；

图7为水平纹理丰富区域图的水平方向投影直方图；

图8为水平纹理丰富区域图的垂直方向投影直方图；

图9为车脸粗定位结果；

图10为较长的边缘的连通域；

图11为车脸粗定位的垂直投影直方图；

图12为车脸垂直方向精确定位结果；

图13为车脸垂直方向精确定位结果的水平投影直方图；

图14为车脸精确定位的结果；

图15为本发明实施例三的车脸定位方法的组成示意图一；

图16为本发明实施例三的车脸定位方法的组成示意图二。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“或/和”包括一个或多个相关的所列项目的任意的和所有的组合。为叙述方便，下文中如出现“上”、“下”、“左”、“右”字样，仅表示与附图本身的上、下、左、右方向一致，并不对结构起限定作用

实施例一

本发明实施例一提供一种车脸定位方法，参见图1所示，为本发明实施例一的车脸定位方法的实现流程示意图。如图1所示，本实施例一的车脸定位方法包括如下步骤：

步骤S101：对目标图像在第一方向上进行边缘检测，得到所述第一方向上的边缘检测结果图，所述目标图像为当前需要进行车脸定位的图像；

其中，通过对目标图像进行边缘检测可以大幅度地减少数据量，并且剔除可以认为不相关的信息，保留目标图像中重要的结构属性信息(纹理信息)。

在其中一个实施例中，所述对目标图像在第一方向上进行边缘检测，得到所述第一方向上的边缘检测结果图的步骤可以包括：对所述目标图像进行卷积处理，得到卷积结果，对所述卷积结果进行阈值化处理，得到所述第一方向上的边缘检测结果图。

具体地，可以首先通过sobel算子对所述目标图像进行卷积运算，运算公式如下：

其中，I表示目标图像，G_x表示卷积结果；

其次，对卷积结果进行阈值化处理，可以得到所述第一方向上的边缘检测结果图；这里，阈值化处理是指将卷积结果中的每个像素位置(或者称为像素点)的灰度值分别与一个预设阈值进行比较，当灰度值小于该预设阈值时，将对应的像素位置赋值为0，当灰度值不小于该预设阈值时，将对应的像素位置赋值为255，一般该预设阈值可以选128，这样，可以使得图像上亮的地方更亮，暗的地方更暗，为确定车头纹理提供了基础。

步骤S102：根据所述边缘检测结果图获取所述第一方向上的纹理丰富区域图；

这里，纹理丰富区域图是对边缘检测结果进行相应处理后的图像，这里的相应处理可以包括去噪处理，或者/和边缘连接处理等等，纹理丰富区域是指进行相应处理后的图像中的白色区域。

具体地，可以通过连接所述边缘检测结果图中的第二方向的边缘得到所述第一方向上的纹理丰富区域图，这里，所述第二方向垂直于所述第一方向。

这里，纹理丰富区域图是指经过边缘连接处理后的图像。

此外，也可以先对所述边缘检测结果图进行去噪处理，得到去噪结果图，再根据去噪结果图确定所述第一方向上的纹理丰富区域图。具体地，在其中一个实施例中，所述根据所述边缘检测结果图获取所述第一方向上的纹理丰富区域图可以包括：对所述边缘检测结果图按八邻域进行连通域搜索，得到所述边缘检测结果图中的各连通域，将外接矩形的所述第一方向的宽度小于预设的第一门限值的连通域作为噪声去除，得到去噪结果图；对所述去噪结果图按列进行遍历，若任意两个相邻边缘点之间的第一方向的距离小于预设的第二门限值，则将所述相邻边缘点之间的像素全部设为白点(即赋值为255)，得到所述第一方向上的纹理丰富区域图。

这里，八邻域是指上、下、左、右、左上、左下、右上和右下等8个邻域。

这里，第二门限值的大小可以根据实际需要设定。

这里，列的延伸方向是与第一方向垂直的。

其中，连通域搜索可以基于现有的连通域搜索算法实现，在此不予赘述。

步骤S103：将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图；

这里，第一投影直方图表征了目标图像的第一方向的特性。

步骤S104：将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图；

这里，第二投影直方图表征了目标图像的第二方向的特性。

其中，步骤S103和步骤S104也可以不采用上述先后顺序执行，也可以同时执行。

步骤S105：搜索所述第一投影直方图的波峰区域，得到第一波峰区域；

具体地，可以首先确定第一投影直方图对应的分割阈值，其次，根据第一投影直方图对应的分割阈值在所述第一投影直方图搜索与该分割阈值所在的边界位置，分割阈值所在的边界位置至少为两个，每相邻两个边界位置之间的区域为一个波峰区域，将这些波峰区域中的最大波峰区域确定为第一波峰区域。

其中，波峰区域的分割阈值根据预设比例值、对应的投影直方图所有值的和值以及对应的投影直方图的尺寸值(即对应的投影直方图的宽度值)确定，所述预设比例值为介于0和1之间的数。计算公式如公式(2)所示：

peakVal＝ratio*sumVal/binNum (2)

其中，peakVal表示波峰区域的分割阈值，ratio是个大于0小于1.0的数，即所述的预设比例值，sumVal是对应的投影直方图所有值的和值，binNum是对应的投影直方图的尺寸值。

例如，第一投影直方图的波峰区域的分割阈值根据预设比例值、第一投影直方图所有值的和值以及第一投影直方图的尺寸值确定。

步骤S106：搜索所述第二投影直方图的波峰区域，得到第二波峰区域；

具体地，可以首先确定第二投影直方图对应的分割阈值，其次，根据第二投影直方图对应的分割阈值在所述第二投影直方图搜索与该分割阈值所在的边界位置，分割阈值所在的边界位置至少为两个，每相邻两个边界位置之间的区域为一个波峰区域，将这些波峰区域中的最大波峰区域确定为第二波峰区域。

其中，第二投影直方图的波峰区域的分割阈值的确定方式与第一投影直方图的波峰区域的分割阈值的确定方式相似，在此不予赘述。

其中，步骤S105和步骤S106也可以不采用上述先后顺序执行，也可以同时执行。

步骤S107：根据所述第一波峰区域和所述第二波峰区域确定第一车脸定位结果图；

具体地，可以根据所述第一波峰区域确定车脸相对的第一边界和第二边界，根据第二波峰区域确定车脸相对的第三边界和第四边界，将第一边界、第二边界、第三边界和第四边界围成的中间区域定位为车脸区域，得到第一车脸定位结果图。

据此，根据上述本实施例的方案，其是对目标图像在第一方向上进行边缘检测，得到该第一方向上的边缘检测结果图，根据所述边缘检测结果图获取该第一方向上的纹理丰富区域图，将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图，将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图，搜索第一投影直方图的波峰区域，得到第一波峰区域，搜索第二投影直方图的波峰区域，得到第二波峰区域，根据所述第一波峰区域和所述第二波峰区域得到第一车脸定位结果图，由于对目标图像在第一方向上进行了边缘检测，根据该边缘检测得到的第一方向上的边缘检测结果图获取所述第一方向上的纹理丰富区域图，并根据对该纹理丰富区域图投影、波峰检测获得的第一波峰区域和第二波峰区域得到第一车脸定位结果图，这种基于纹理的车位定位方式，不需要依赖于车辆的完整性，可以有效的完成对大角度、车身拍摄不全的车脸的定位，且整个过程不需要反复迭代或者深度学习，也提升了定位速度，同时，由于无需遍历整张图片，运算量较小，也进一步提升了定位速度。

实施例二

为了能够对车脸实现更加精确的定位，本发明实施例二提供一种车脸定位方法，参见图2所示，为本发明实施例二的车脸定位方法的实现流程示意图。如图2所示，本实施例二的车脸定位方法在上述实施例一的基础上还包括如下步骤：

步骤S201：对所述第一车脸定位结果图按照连通域的倾斜角度进行仿射变换，得到所述第一方向的校正结果；

具体地，通过对第一车脸定位结果图按照连通域的倾斜角度进行仿射变换，可以完成对车脸第一方向的校正，得到所述第一方向的校正结果。

此外，在对所述第一车脸定位结果图按照连通域的倾斜角度进行仿射变换之前，可以先对所述第一车脸定位结果图进行去噪处理。在去噪处理完成后，对去噪处理后的结果图按照连通域的倾斜角度进行仿射变换，得到所述第一方向的校正结果。

其中，对所述第一车脸定位结果图进行去噪处理可以包括：对所述第一车脸定位结果图按八邻域进行连通域搜索，按照搜索到的各连通域第一方向的宽度从小到大排序，选出最大的设定数目的连通域；对选出的各连通域分别按照最小二乘法拟合成直线，拟合成的直线的倾斜角作为对应的连通域的倾斜角，获取选出的各连通域的倾斜角度数均值；根据所述倾斜角度数均值确定倾斜角度数下限值和倾斜角度数上限值；将搜索到的各连通域中小于所述倾斜角度数下限值或者大于所述倾斜角度数上限值的连通域作为噪声去除。

这里，设定数目的大小可以根据实际需要确定，

其中，一般以倾斜角度数均值与某一设定度数值的差值确定为倾斜角度数下限值，以倾斜角度数均值与某一设定度数值的和值确定为倾斜角度数上限值。该设定度数值的大小可以根据实际需要确定，例如8。

步骤S202：将所述校正结果进行所述第二方向的投影，得到第三投影直方图；

步骤S203：搜索所述第三投影直方图的波峰区域，得到第三波峰区域；

其中，第三波峰区域的获得方式与第二波峰区域的获得方式相类似，在此不予赘述。

步骤S204：根据所述第三波峰区域确定车脸的第一预设类型边界的定位结果；

这里，第一预设类型边界的定位结果是第一预设类型边界的精确定位结果，其中，车脸的第一预设类型边界一般是指车脸左右边界。

步骤S205：对所述第一预设类型边界的定位结果进行所述第一方向的投影，得到第四投影直方图；

步骤S206：搜索所述第四投影直方图的波峰区域，得到第四波峰区域；

其中，第四波峰区域的获得方式与第一波峰区域的获得方式相类似，在此不予赘述。

其中，第三波峰区域和第四波峰区域的确定方式，与上述的第一波峰区域和第二波峰区域的确定方式是相似的，在此不予赘述。

步骤S207：根据所述第四波峰区域确定车脸的第二预设类型边界的定位结果；

这里，第二预设类型边界的定位结果是第二预设类型边界的精确定位结果，其中，车脸的第二预设类型边界一般是指车脸上下边界。

步骤S208：根据所述第一预设类型边界的定位结果和第二预设类型边界的定位结果获取第二车脸定位结果图；

具体地，可以将根据第一预设类型边界的定位结果得到的两个相对边界和根据第二预设类型边界的定位结果得到的两个相对边界围成的中间区域定位为车脸区域，根据定位的车辆区域得到第二车脸定位结果图。

考虑到，有时会出现所确定出的车辆水平宽度或者垂直高度明显较小的情况，为了在这种情况下也能定位出车脸。在其中一个实施例中，所述根据所述第一预设类型边界的定位结果和第二预设类型边界的定位结果获取第二车脸定位结果图可以包括：在根据所述第一预设类型边界的定位结果判定所述第二方向的波峰宽度小于预设的第三门限值，或者在根据所述第二预设类型边界的定位结果判定所述第一方向的波峰宽度小于预设的第四门限值，则将所述选出的各连通域的范围确定为车脸范围，根据所确定的车脸范围获取所述第二车脸定位结果图。

这里，所述选出的各连通域是指上述的在经过连通域搜索、对搜索的各连通域第一方向的宽度从小到大排序，选出的最大的设定数目的连通域。

其中，上述的第一方向一般为水平方向，上述的第二方向一般为水平方向的垂直方向。

具体示例

为了便于理解本发明的方案，以下通过一个具体示例进行阐述，但本发明方案的实现方式不限于此。在本具体示例中，是以第一方向是水平方向，二方向是水平方向的垂直方向为例进行说明。

为了定位图3中的车脸，对图3用sobel算子进行卷积运算，运算公式如公式(1)。

对卷积结果进行阈值化处理，可以得到图像的水平方向边缘图，如图4所示。对图4按八临域进行连通域搜寻，得到全部的连通域，将外接矩形的水平方向的宽度小于minWidth1(相当于上述的第一门限值)的连通域作为噪声去除，可以得到图4的去噪结果图5。

对图5按列进行遍历，如果相邻边缘点之间的距离小于verDist(相当于上述的第一门限值)，则将这两点间的像素全置为白点，得到图6。图6所示白色区域(即灰度值为255的区域)即为水平方向纹理丰富的区域。对图6进行水平方向投影得到水平方向投影直方图，即图7，对图6进行垂直方向投影得到垂直方向投影直方图，即图8。分别搜索水平方向投影直方图和垂直方向投影直方图的波峰区域，可以车脸粗定位结果，如图9。其中，计算波峰分割阈值如公式(2)。

对图9按八邻域进行连通域搜寻，按连通域水平方向的宽度从大到小排序，对最大的referNum(相当于上述的设定数目)个连通域逐个按最小二乘法拟合成直线，得到直线的倾斜角即为该连通域的倾斜角，这些倾斜角度数的均值为meanAng，即为车脸水平方向的倾斜角。将图9中连通域倾斜角度大于meanAng+8(相当于上述的倾斜角度数上限值)，或小于meanAng-8(相当于上述的倾斜角度数下限值)的连通域视为噪声去除，其中，图10为较长的边缘的连通域。

对车脸粗定位结果按倾斜角度meanAng进行仿射变换，可以完成车脸水平方向的校正。对校正结果进行垂直投影可以得到车脸粗定位结果的垂直投影直方图，即图11，该垂直投影直方图的最大波峰区域即为车脸左右边界的精确定位结果。对左右边界精确定位结果进行水平投影可以得到其水平投影直方图图13，直方图的最大波峰区域即为车脸上下边界的精确定位结果。其中，图12为车脸垂直方向精确定位结果。如果水平投影直方图的波峰宽度小于minHeight(相当于上述的第四门限值)，或垂直投影直方图的波峰宽度小于minWidth2(相当于上述的第三门限值)，则以最大的referNum个连通域的范围作为车脸的精确范围。车脸校正后的精确定位结果如图14。

本具体示例中，根据Sobel算子得到水平纹理特征，根据纹理密集程度和倾斜角来能快速定位车脸的精确位置，并实现车脸水平方向的倾斜校正的方法，使定位结果能包含车脸的全部特征，能为车型识别、车标识别、车脸特征识别、车身颜色等车辆智能分析提供基础。

实施例三

根据上述实施例中的车脸定位方法，本发明还提供一种车脸定位系统。图15为本发明实施例三的车脸定位系统的组成结构示意图。如图15所示，实施例三的车脸定位系统包括类型边缘检测单元301、纹理获取单元302、投影单元303、搜索单元304和粗定位单元305，其中：

边缘检测单元301，用于对目标图像在第一方向上进行边缘检测，得到所述第一方向上的边缘检测结果图，所述目标图像为当前需要进行车脸定位的图像；

纹理获取单元302，用于根据所述边缘检测结果图获取所述第一方向上的纹理丰富区域图；

投影单元303，用于将所述纹理丰富区域图进行所述第一方向的投影，得到第一投影直方图，并将所述纹理丰富区域图进行第二方向的投影，得到第二投影直方图，所述第二方向垂直于所述第一方向；

搜索单元304，用于搜索所述第一投影直方图的波峰区域，得到第一波峰区域，并搜索所述第二投影直方图的波峰区域，得到第二波峰区域；

粗定位单元305，用于根据所述第一波峰区域和所述第二波峰区域确定第一车脸定位结果图。

在其中一个实施例中，如图16所示，本发明的车脸定位系统，还可以包括校正单元306、边界定位单元307和精确定位单元308，其中：

校正单元306用于对所述第一车脸定位结果图按照连通域的倾斜角度进行仿射变换，得到所述第一方向的校正结果；

搜索单元304还用于将所述校正结果进行所述第二方向的投影，得到第三投影直方图；

所述搜索单元还用于搜索所述第三投影直方图的波峰区域，得到第三波峰区域；

边界定位单元307用于根据所述第三波峰区域确定车脸的第一预设类型边界的定位结果；

投影单元303还用于对所述第一预设类型边界的定位结果进行所述第一方向的投影，得到第四投影直方图；

搜索单元304还用于搜索所述第四投影直方图的波峰区域，得到第四波峰区域；

边界定位单元307还用于根据所述第四波峰区域确定车脸的第二预设类型边界的定位结果；

精确定位单元308，用于根据所述第一预设类型边界的定位结果和第二预设类型边界的定位结果获取第二车脸定位结果图。

在其中一个实施例中，纹理获取单元302可以对所述边缘检测结果图按八邻域进行连通域搜索，得到所述边缘检测结果图中的各连通域，将外接矩形的所述第一方向的宽度小于预设的第一门限值的连通域作为噪声去除，得到去噪结果图，对所述去噪结果图按列进行遍历，若任意两个相邻边缘点之间的第一方向的距离小于预设的第二门限值，则将所述相邻边缘点之间的像素全部设为白点，得到所述第一方向上的纹理丰富区域图。

在其中一个实施例中，校正单元306还用于在对所述第一车脸定位结果图按照连通域的倾斜角度进行仿射变换之前，先对所述第一车脸定位结果图进行去噪处理，所述对所述第一车脸定位结果图进行去噪处理包括：对所述第一车脸定位结果图按八邻域进行连通域搜索，按照搜索到的各连通域第一方向的宽度从小到大排序，选出最大的设定数目的连通域；对选出的各连通域分别按照最小二乘法拟合成直线，拟合成的直线的倾斜角作为对应的连通域的倾斜角，获取选出的各连通域的倾斜角度数均值；根据所述倾斜角度数均值确定倾斜角度数下限值和倾斜角度数上限值；将搜索到的各连通域中小于所述倾斜角度数下限值或者大于所述倾斜角度数上限值的连通域作为噪声去除。

在其中一个实施例中，精确定位单元308可以在根据所述第一预设类型边界的定位结果判定所述第二方向的波峰宽度小于预设的第三门限值，或者在根据所述第二预设类型边界的定位结果判定所述第一方向的波峰宽度小于预设的第四门限值，则将所述选出的各连通域的范围确定为车脸范围，根据所确定的车脸范围获取所述第二车脸定位结果图。

在其中一个实施例中边缘检测单元301可以对所述目标图像进行卷积处理，得到卷积结果，对所述卷积结果进行阈值化处理，得到所述第一方向上的边缘检测结果图。

在其中一个实施例中，波峰区域的分割阈值根据预设比例值、对应的投影直方图所有值的和值以及对应的投影直方图的尺寸值确定，所述预设比例值为介于0和1之间的数。

在其中一个实施例中，所述第一方向为水平方向，所述第二方向为水平方向的垂直方向。

本发明实施例提供的车脸定位系统，需要指出的是：以上对于车脸定位系统的描述，与上述车脸定位方法的描述是类似的，并且具有上述车脸定位方法的有益效果，为节约篇幅，不再赘述；因此，以上对本发明实施例提供的车脸定位系统中未披露的技术细节，请参照上述提供的车脸定位方法的描述。

需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该图像或者车辆惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。