基于社交网络的相似图像确定方法及装置与流程

本发明涉及图像技术领域，尤其涉及一种基于社交网络的相似图像确定方法及装置。

背景技术：

随着社交网络的不断发展，在社交网络中，图像在人们交流过程中，所占的比重日趋增加。不同于以往的文字，图像在传播的过程中，因其内容的特殊性，图像监测过程中常常难以实现，而另一方明，图像的侵权人在进行转载和传播时一般不会将图像进行较大规模的修改，因此，在现有的社交网络中，图像在被盗用和非法传播时，图像本身的修改的内容较少。

目前，在对社交网络中进行监测的过程中，一般都是针对文字方面的监测，而随着社交网络的发展，图像传播过程中也需要进行监控和检测。由此，在社交网络中，如何对相似图像的进行有效的检测，以避免社交网络中出现盗图和非法转载的问题，逐步受到人们的重视。因此，如何在社交网络中对目标图像的相似图像进行有效的确定，已经成为了领域内亟待解决的问题。

技术实现要素：

鉴于上述问题，本发明提供一种基于社交网络的相似图像确定方法及装置，主要目的在于在社交网络中实现对相似图像的确定功能。

为解决上述技术问题，第一方面，本发明提供了一种基于社交网络的相似图像确定方法，该方法包括：

分别提取对比图像的特征点及目标图像的特征点；

将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；

通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对，所述有效特征点匹配对为所述特征点匹配对中剔除了错误匹配关系后剩余的具有有效匹配关系的特征点匹配对；

根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域，所述对比图像有效区域面积为所述有效特征点匹配对中对比图像的特征点所形成区域的面积，所述目标图像有效区域面积为所述有效特征点匹配对中目标图像的特征点所形成区域的面积；

根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；

若是，则确定所述对比图像与所述目标图像相似。

可选的，所述根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似包括：

从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；

对所述相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；

判断所述相似值是否大于预设相似阈值；

若所述相似值大于预设相似阈值，则确定所述对比图像与所述目标图像相似。

可选的，所述将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对包括：

根据最近邻配准算法计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；

在所述多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；

对所述最近距离与次近距离进行求商计算，得到距离比值；

当所述距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

可选的，所述通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对包括：

根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；

根据所述第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；

根据所述仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

可选的，所述根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域包括：

根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，所述对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，所述目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；

根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；

根据所述对比图像中横、纵坐标的最大值与最小值，以及所述对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；

根据所述目标图像中横、纵坐标的最大值与最小值，以及所述目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

可选的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中；

从所述预置数据库中获取符合时间条件的对比图像，所述时间条件是根据用户下达的指令信息确定的。

可选的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图；

所述分别提取对比图像的特征点及目标图像的特征点，包括：

通过sift算法分别提取经灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。

第二方面，本发明还提供了一种基于社交网络的相似图像确定装置，该装置包括：

提取单元，用于分别提取对比图像的特征点及目标图像的特征点；

匹配单元，用于将所述提取单元提取的对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；

筛选单元，用于通过预设算法及预置模型对所述匹配单元得到的特征点匹配对进行筛选，得到有效特征点匹配对；

第一确定单元，用于根据所述筛选单元筛选后得到的有效特征点匹配对确定对比图像有效区域以及目标图像有效区域；

判断单元，用于根据所述筛选单元得到的有效特征点匹配对、所述第一确定单元确定的对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；

第二确定单元，用于若所述判断单元判断所述对比图像与所述目标图像相似，则确定所述对比图像与所述目标图像相似。

可选的，，所述判断单元包括：

选取模块，用于从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；

计算模块，用于对所述选取模块选取的相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；

判断模块，用于判断所述计算模块计算的相似值是否大于预设相似阈值；

所述第二确定单元，具体用于若所述相似值大于预设相似阈值，则确定所述对比图像与所述目标图像相似。

可选的，所述匹配单元包括：

第一计算模块，用于根据最近邻配准算法计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；

选取模块，用于在所述第一计算模块计算的多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；

第二计算模块，用于对所述选取模块选取的最近距离与次近距离进行求商计算，得到距离比值；

匹配模块，用于当所述第二计算模块计算的距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

可选的，所述筛选单元包括：

提取模块，用于根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；

建立模块，用于根据所述提取模块提取的第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；

筛选模块，用于根据所述建立模块建立的仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

可选的，所述第一确定单元包括：

第一确定模块，用于根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，所述对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，所述目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；

第二确定模块，用于根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；

第一计算模块，用于根据所述第二确定模块确定的对比图像中横、纵坐标的最大值与最小值，以及所述第一确定模块确定的对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；

第二计算模块，用于根据所述第二确定模块确定的目标图像中横、纵坐标的最大值与最小值，以及所述第一确定模块确定的目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

可选的，所述装置还包括：

爬取单元，用于通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中；

获取单元，用于从所述爬取单元爬取后存储的预置数据库中获取符合时间条件的对比图像，所述时间条件是根据用户下达的指令信息确定的。

可选的，所述装置还包括：

处理单元，用于对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图；

所述提取单元，具体用于通过sift算法分别提取经所述处理单元在灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。

为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的基于社交网络的相似图像确定方法。

为了实现上述目的，根据本发明的第四方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述的基于社交网络的相似图像确定方法。

借由上述技术方案，本发明提供的基于社交网络的相似图像确定方法及装置，对于现有技术在社交网络中仅针对文件进行监测的情况，本发明分别提取对比图像的特征点及目标图像的特征点，并将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对，然后通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对，随后根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域，并根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似，最后若确定相似，则确定所述对比图像与所述目标图像相似，从而实现了在社交网络中确定相似图片的功能。因此，与现有技术相比，本发明通过利用有效特征点匹配对、对比图像的有效区域以及目标图像的有效区域来判断对比图像与目标图像是否相似，并在确定二者相似时获取对比图片的来源信息，能够有效的识别目标图片是否是对比图片的相似图片，实现了目标图片的来源确定功能。同时，分别提取对比图像的特征点及目标图像的特征点，能够实现对比图像与目标图像的特征点提取功能，为后续的相似图像的判断提供了支持。另外，通过预设算法及预置模型对所述特征点匹配对进行筛选，能够从特征点匹配对中筛选出有效的特征点匹配对，排除了可能存在的干扰和误差，提高了特征点匹配对的准确度，进而在整体上提高了相似图片的确定效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种基于社交网络的相似图像确定方法流程图；

图2示出了本发明实施例提供的另一种基于社交网络的相似图像确定方法流程图；

图3示出了本发明实施例提供的一种基于社交网络的相似图像确定装置的组成框图；

图4示出了本发明实施例提供的另一种基于社交网络的相似图像确定装置的组成框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

为了在社交网络中实现对相似图像确定功能，本发明实施例提供了一种基于社交网络的相似图像确定方法，如图1所示，该方法包括：

101、分别提取对比图像的特征点及目标图像的特征点。

由于本发明实施例是一种用于在社交网络中确定相似图片的方法，因此当确定了需要对比的图片时，即目标图片，则需要选取一定数量的图像作为对比，即本发明实施例所述的对比图像。其中，本发明实施例所述的对比图像可以是在一定时间或一定范围内的图像集合中选取的图像，具体的所设定的时间及范围可以根据实际需要进行确定，在此不做具体的限定。

在图像处理领域中，通常在确定图像之间是否相似时，需要选取图像中的特征部分，并根据特征部分进行比较，以确定图像是否相似。在本发明实施例中，所选取的特征的方法具体可以为通过sift算法来提取目标图像与对比图像中的特征点。其中，sift算法，全称为尺度不变特征变换算法(scale-invariantfeaturetransform，简称sift)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。因此，在本步骤中，当确定了目标图像和对比图像后，可以通过sift算法提取二者中的特征点。需要说明的是，在本发明实施例中，在进行sift算法的特征点提取时，为了进一步提高特征点提取的准确性，还可以将目标图像及对比图像进行处理，得到二者的活度图，并基于该灰度图进行特征点的提取。

102、将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对。

当前述步骤101提取了对比图像与目标图像的特征点后，为了进行后续相似的对比，在本步骤中需要将两个图像之间的特征点进行匹配。为了将两个图像中的特征能够与对应的特征点进行匹配，在本步骤中具体的可以视同最近邻配准算法进行匹配操作。

其中，最近邻匹配算法，是一种用于将不同图像中的特征点进行匹配的算法，主要用于图像技术领域。通常，首先可以利用二者图像中的特征点之间进行距离计算，并基于计算结果确定最近点，然后基于最近点及次近点距离之间差距，确定目标特征点所对应的另一个图像中的最近点是否为匹配特征点。

103、通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对。

其中，所述有效特征点匹配对为所述特征点匹配对中剔除了错误匹配关系后剩余的具有有效匹配关系的特征点匹配对。

在步骤102得到了特征点匹配对后，由于目标图像及对比图像不一定是非常相似的图像，和可能是完全不同的图像，因此，为了在后续的相似判断作出准确的结果，在本发明实施例中，还需要依照本步骤所述的方法，可以通过ransac算法以及放射变化模型对前述步骤102中得到的特征点匹配对进行筛除操作，从中剔除步骤102中存在异常或错误匹配关系的特征点匹配对，以便得到准确的特征点匹配对，即本发明实施例所述的有效特征点匹配对。

其中，ransac算法(randomsampleconsensus，简称ransac)，是一种通过一组包含异常数据的样本数据集，计算出数据的数学模型参数以便得到有效样本数据的算法，它于1981年由fischler和bolles所提出的，该算法经常用于计算机视觉中。同时，仿射变化模型实际上是一种用来确定图像中的点或射线经一定的规则变化的模型。由于在网络中，图像在被盗取和转发后，由于图像属性因素，都不会对图像本身进行大幅度的改动，通常都是基于大小、方向等变化，图像本身的特征点之间的位置关系并没有发生变化，因此，当一个图像是另一个图像的盗用图像时，其内部特征点之间的关系并没有发生变化，其中相邻特征点之间的仿射关系仍然没有变化。因此，在本步骤中，可以对目标图像及对比图像中得到的特征点匹配对，通过ransac算法选取定量的特征点匹配对，并建立对应的仿射变化模型，然后判断其中的匹配对是否符合该模型，从而排除异常的特征点匹配对。

104、根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域。

其中，所述对比图像有效区域为所述有效特征点匹配对中对比图像的特征点所形成的区域，所述目标图像有效区域为所述有效特征点匹配对中目标图像的特征点所形成的区域。

经步骤103进行筛选后，由于排除了异常的匹配对，因此在得到的都是有效特征点匹配对之后。而在该有效特征点匹配对中，包含目标图像的有效特征点及对比图像中的有效特征点，因此，可以根据这两个图像中的有效特征点，分别在目标图像及对比图像中确定这两个图像中实际的有效区域，并在确定过了有效区域后计算该区域面积，记作有效区域面积。

105、根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似。

由于有效特征点匹配对的数量反映了在对比图像中存在多少个与目标图像中相对应的特征点，而有效区域面积能够侧面反映这两个图像实际的相似区域，因此，根据有效特征点匹配对的数量、对比图像有效区域面积、以及目标图像有效区域面积能够判断这两个图像之间的相似程度，并且当二者的相似程度超过了某个程度时，则可以确定这二者就是相似图像。此外在确定目标图像存在与其相似的图像之后，根据社交网络中图片的传播特点，可以确定该相似图像则很可能就是该目标图像的来源。

106、若是，则确定所述对比图像与所述目标图像相似。

在经步骤105判断后，当确定对比图像与目标图像相似时，则说明该目标图像存在一个与其非常相似的图像。由于这个图像则很可能是该目标图像的源头头像，而该目标图像则很可能是基于该对比图像经一定的修改后得到的，在本步骤之后，还可以根据需要对该目标图像的来源进行追踪，因此，在本步骤中之后还可以获取该对比图像的来源信息。其中，该来源信息中可以包括该对比图像的url、网址以及其他相关信息，具体的，关于来源信息的具体数量及内容在此并不做具体限定。可以依照实际需要进行设置并获取。

本发明实施例提供的基于社交网络的相似图像确定方法，对于现有技术仅针对文件进行监测的情况，与现有技术相比，本发明通过利用有效特征点匹配对、对比图像的有效区域以及目标图像的有效区域来判断对比图像与目标图像是否相似，能够有效的识别目标图片是否是对比图片的相似图片，并在确定二者相似时获取到对比图片对应的来源信息，实现了目标图片的来源确定功能。同时，分别提取对比图像的特征点及目标图像的特征点，能够实现对比图像与目标图像的特征点提取功能，为后续的相似图像的判断提供了支持。另外，通过预设算法及预置模型对所述特征点匹配对进行筛选，能够从特征点匹配对中筛选出有效的特征点匹配对，排除了可能存在的干扰和误差，提高了特征点匹配对的准确度，进而在整体上提高了相似图片的确定效果。

进一步的，作为对图1所示实施例的细化及扩展，本发明实施例还提供了另一种基于社交网络的相似图像确定方法，如图2所示，其具体步骤包括：

201、通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中。

在确定社交网络的相似图像过程中，需要获取一定数量的图像作为对比图像数据集合，用于对目标图像进行对比和识别。同时，在本发明实施例中，可以在进行后续的相似图像的来源确定前，可以根据预设的爬虫，从社交网络中爬取图像，并将爬取到的图像存储在预设的数据库中，以便后续步骤中从该数据库中获取用于与目标图像进行对比的对比图像。

其中，本步骤中爬取图像的数量，可以根据需要设定，其类别也可以根据目标图像的类别进行获取，或者根据大数据理论的数据收集原则，对社交网络中的图像进行穷极获取，当然，在本发明实施例中所爬取的图像的数量、种类以及爬取社交网络中的具体网址都可以根据实际需要进行选取，在此不做具体的限定。

需要说明的是，为了便于后续的在确定目标图像相似后，进行图片来源的追踪，在本步骤中在通过爬虫爬取社交网络中的图像时，还可以在爬取图像时同时爬取图像所对应的源头信息，并与图像一共存储在数据库中，在该源头信息中可以包括图像对应的url、网址以及转发时间等相关信息。

由此，通过网络爬虫从社交网络中爬取预定数量的图像，并存储在数据库中，能够使后续进行相似图像的确定过程中，能够为目标图像提供对比的依据，即对比图像，从而为后续的对比功能提供了数据支持。

202、从所述预置数据库中获取符合时间条件的对比图像。

其中，所述时间条件是根据用户下达的指令信息确定的。在本发明实施例中，由于在对图像进行相似图像的确定和识别时，通常盗图或非法转发的图像基本都是近期一段时间内的热门图像，此外，社交网络的兴起也仅仅是最近几年的事情，因此，在本发明实施例中，无需对社交网络中的所有时间段内的图像进行对比，而是可以根据实际需要选取具体的时间段内的图像进行对比，由此在本步骤中可以具体的根据用户下达的指令来选取符合时间条件的对比图像。

根据本步骤所述的方法，通过从预置数据库中获取符合时间条件的对比图像，能够减少后续需要对比的对比图像的数量，从而能够从整体上减少对比时间，提高在社交网络中相似图像确定的效率。

203、对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图。

由于在进行后续的特征提取过程中，由于不同的色彩会对特征的提取造成影响，因此在本步骤中需要通过现有技术的中灰度处理方法对当前的对比图像及目标图像进行相应的灰度处理，以便后续进行相应的特征提取。因此，在对对比图像和目标图像进行灰度处理后，能够使后续特征的提取更为准确。

204、分别提取对比图像的特征点及目标图像的特征点。

在前述步骤对所述目标图像和对比图像进行了灰度处理后，则本步骤具体为：通过sift算法分别提取经灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。其中，所述sift算法的描述与前述实施例中步骤101中的描述一致，在此不再赘述。同时，通过sift算法对图像进行特征点的提取方式也不做限定，可以根据需要从现有技术中的特征点提取方式进行。

205、将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对。

其中，本发明实施例在在对所述对比图像的特征点与目标图像的特征点进行匹配时，可以基于根据最近邻配准算法进行匹配，具体的，本步骤可以为：首先，根据最近邻配准算法计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；然后，在所述多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；随后，对所述最近距离与次近距离进行求商计算，得到距离比值；最后，根据距离比值与距离阈值进行对比，当所述距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

由此，通过将对比图像中的特征点与目标图像中的每个特征点进行距离的计算，并从其最近距离与最小距离进行求商计算，并根据其距离比值与预置的距离阈值进行比较，当确定小于该距离阈值时实现特征点的匹配，能够使匹配的结果更为准确，从整体上提高了基于社交网络的相似图像的确定效果。

206、通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对。

其中，所述有效特征点匹配对为所述特征点匹配对中剔除了错误匹配关系后剩余的具有有效匹配关系的特征点匹配对，当前述步骤205对对比图像与目标图像进行了特征点的匹配后，为了进一步的提高匹配对的准确度，在本步骤中具体可以包括：首先，根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，其中，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；然后，根据所述第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；最后，根据所述仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

由此，通过从对比图像以及目标图像中提取预定数量的特征点，然后基于该部分的特征点建立仿射变化模型，并依照此模型对对比图像及目标图像中的形成的特征点匹配对进行筛除，能够排除因图像噪声等其他因素的干扰，提高了特征点匹配对的准确性，进而进一步的提高本发明实施例所述的相似图像的确定方法的准确性。

207、根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域。

其中，所述对比图像有效区域为所述有效特征点匹配对中对比图像的特征点所形成的区域，所述目标图像有效区域为所述有效特征点匹配对中目标图像的特征点所形成的区域。

具体的，本步骤可以包括：首先，根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，其中，对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；然后，根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；然后，根据所述对比图像中横、纵坐标的最大值与最小值，以及所述对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；最后，根据所述目标图像中横、纵坐标的最大值与最小值，以及所述目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

其中，本发明实施例中，所述的预置公式可以为:

在上述公式中，xmax为图像中横坐标最大值，xmin为图像中的横坐标最小值，ymax为纵坐标最大值，ymin为纵坐标最小值，w为有效区域的宽度，h为有效区域的高度。

由此，通过有效区域以及其中特征点的横、纵坐标的最大、最小值，并利用预置公式，能够准确的计算出对比图像及目标图像中的有效区域面积，进而能够为后续的相似比较奠定数据基础。

208、根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似。

当前述步骤207中确定出了对比图像的有效区域、目标图像的有效区域后，具体的，本步骤可以为：从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；对所述相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；判断所述相似值是否大于预设相似阈值。

由此，通过在对比图像及目标图像中二者的有效区域面积来确定相似区域面积，并根据该相似区域面积与有效特征匹配对的数量进行求商计算得出相似值，并依照相似值与相似阈值的关系，确定对比图像与目标图像的相似程度，能够量化的方式实现对图像的相似的判断，保证了判断结果的准确性。

209、若是，则确定所述对比图像与所述目标图像相似。

根据前述步骤208中所述的方法，经前述步骤判断相似值是否大于预设相似阈值时，则在本步骤，当确定相似大于预设相似阈值时，说明二者具有较高的相似度，从而确定二者相似。此外，在社交网络中，出现这种情况的原因很可能是当前的图像是经过对比图像经修改后的图像，对比图像实际上是目标图像的源头图像，因此，在本步骤中确定了对比图像与目标图像相似后，还可以根据需要对相似图片进行源头的追踪，进而可以通过获取该对比图像的来源信息，实现目标图像的来源追踪功能。

进一步的，作为对上述图1所示方法的实现，本发明实施例还提供了一种基于社交网络的相似图像确定装置，用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示，该装置包括：提取单元31、匹配单元32、筛选单元33、第一确定单元34、判断单元35与第二确定单元36，其中

提取单元31，可以用于分别提取对比图像的特征点及目标图像的特征点；

匹配单元32，可以用于将所述提取单元31提取的对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；

筛选单元33，可以用于通过预设算法及预置模型对所述匹配单元32得到的特征点匹配对进行筛选，得到有效特征点匹配对；

第一确定单元34，可以用于根据所述筛选单元33筛选后得到的有效特征点匹配对确定对比图像有效区域以及目标图像有效区域；

判断单元35，可以用于根据所述筛选单元33得到的有效特征点匹配对、所述第一确定单元34确定的对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；

第二确定单元36，可以用于若所述判断单元35判断所述对比图像与所述目标图像相似，则确定所述对比图像与所述目标图像相似。

进一步的，作为对上述图2所示方法的实现，本发明实施例还提供了另一种基于社交网络的相似图像确定装置，用于对上述图2所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容，所述本实施例提供的另一种基于社交网络的相似图像确定装置，可以如图4所示，该装置包括：提取单元41、匹配单元42、筛选单元43、第一确定单元44、判断单元45与第二确定单元46，其中

提取单元41，可以用于分别提取对比图像的特征点及目标图像的特征点；

匹配单元42，可以用于将所述提取单元41提取的对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；

筛选单元43，可以用于通过预设算法及预置模型对所述匹配单元42得到的特征点匹配对进行筛选，得到有效特征点匹配对；

第一确定单元44，可以用于根据所述筛选单元43筛选后得到的有效特征点匹配对确定对比图像有效区域以及目标图像有效区域；

判断单元45，可以用于根据所述筛选单元43得到的有效特征点匹配对、所述第一确定单元44确定的对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；

第二确定单元46，可以用于若所述判断单元45判断所述对比图像与所述目标图像相似，则确定所述对比图像与所述目标图像相似。

进一步的，所述判断单元45包括：

选取模块451，可以用于从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；

计算模块452，可以用于对所述选取模块451选取的相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；

判断模块453，可以用于判断所述计算模块452计算的相似值是否大于预设相似阈值；

所述第二确定单元46，具体用于若所述相似值大于预设相似阈值，则确定所述对比图像与所述目标图像相似。

进一步的，所述匹配单元42包括：

第一计算模块421，可以用于根据最近邻配准算法计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；

选取模块422，可以用于在所述第一计算模块421计算的多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；

第二计算模块423，可以用于对所述选取模块422选取的最近距离与次近距离进行求商计算，得到距离比值；

匹配模块424，可以用于当所述第二计算模块423计算的距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

进一步的，所述筛选单元43包括：

提取模块431，可以用于根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；

建立模块432，可以用于根据所述提取模块431提取的第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；

筛选模块433，可以用于根据所述建立模块432建立的仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

进一步的，所述第一确定单元44包括：

第一确定模块441，可以用于根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，所述对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，所述目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；

第二确定模块442，可以用于根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；

第一计算模块443，可以用于根据所述第二确定模块442确定的对比图像中横、纵坐标的最大值与最小值，以及所述第一确定模块441确定的对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；

第二计算模块444，可以用于根据所述第二确定模块442确定的目标图像中横、纵坐标的最大值与最小值，以及所述第一确定模块441确定的目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

进一步的，所述装置还包括：

爬取单元47，可以用于通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中；

获取单元48，可以用于从所述爬取单元47爬取后存储的预置数据库中获取符合时间条件的对比图像，所述时间条件是根据用户下达的指令信息确定的。

进一步的，所述装置还包括：

处理单元49，可以用于对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图；

所述提取单元41，可以具体用于通过sift算法分别提取经所述处理单元49在灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。

借由上述技术方案，本发明实施例提供一种基于社交网络的相似图像确定方法及装置。对于现有技术仅针对文件进行监测的情况，本发明分别提取对比图像的特征点及目标图像的特征点，并将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对，然后通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对，随后根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域，并根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似，若是，则确定所述对比图像与所述目标图像相似，从而实现了在社交网络中确定相似图片的功能。因此，与现有技术相比，本发明通过利用有效特征点匹配对、对比图像的有效区域以及目标图像的有效区域来判断对比图像与目标图像是否相似，能够有效的识别目标图片是否是对比图片的相似图片，实现了在社交网络中确定相似图片的功能。同时，分别提取对比图像的特征点及目标图像的特征点，能够实现对比图像与目标图像的特征点提取功能，为后续的相似图像的判断提供了支持。另外，通过预设算法及预置模型对所述特征点匹配对进行筛选，能够从特征点匹配对中筛选出有效的特征点匹配对，排除了可能存在的干扰和误差，提高了特征点匹配对的准确度，进而在整体上提高了相似图片的确定效果。

此外，通过网络爬虫从社交网络中爬取预定数量的图像，并存储在数据库中，能够在后续进行相似图像的确定过程中，为目标图像提供对比的依据，即对比图像，从而为后续的对比功能提供了数据支持。进一步的，通过从预置数据库中获取符合时间条件的对比图像，能够减少后续需要对比的对比图像的数量，整体上减少对比时间，提高在社交网络中相似图像确定的效率。另外，通过将对比图像中的特征点与目标图像中的每个特征点进行距离的计算，并从其最近距离与最小距离进行求商计算，并根据其距离比值与预置的距离阈值进行比较，当确定小于该距离阈值时实现特征点的匹配，能够使匹配的结果更为准确，从整体上提高了基于社交网络的相似图像的确定效果。并且，在本发明中通过从对比图像以及目标图像中提取预定数量的特征点，然后基于该部分的特征点建立仿射变化模型，并依照此模型对对比图像及目标图像中的形成的特征点匹配对进行筛除，能够排除因图像噪声等其他因素的干扰，提高了特征点匹配对的准确性，进而使本发明实施例所述的相似图像的确定方法的准确性进一步的提高。同时，通过有效区域以及其中特征点的横、纵坐标的最大、最小值，并利用预置公式，能够准确的计算出对比图像及目标图像中的有效区域面积，进而能够为后续的相似比较奠定数据基础。与现有技术相比，发明还通过在对比图像及目标图像中二者的有效区域面积来确定相似区域面积，并根据该相似区域面积与有效特征匹配对的数量进行求商计算得出相似值，并依照相似值与相似阈值的关系，确定对比图像与目标图像的相似程度，能够量化的方式实现对图像的相似的判断，保证了判断结果的准确性。

所述基于社交网络的相似图像确定装置包括处理器和存储器，上述提取单元、匹配单元、筛选单元、第一确定单元、判断单元与第二确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现在社交网络中对相似图像的确定功能。

存储器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(flashram)，存储器包括至少一个存储芯片。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述基于社交网络的相似图像确定方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述基于社交网络的相似图像确定方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：分别提取对比图像的特征点及目标图像的特征点；将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对，所述有效特征点匹配对为所述特征点匹配对中剔除了错误匹配关系后剩余的具有有效匹配关系的特征点匹配对；根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域，所述对比图像有效区域面积为所述有效特征点匹配对中对比图像的特征点所形成区域的面积，所述目标图像有效区域面积为所述有效特征点匹配对中目标图像的特征点所形成区域的面积；根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；若是，则确定所述对比图像与所述目标图像相似。

进一步的，所述根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似包括：

从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；

对所述相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；

判断所述相似值是否大于预设相似阈值；

若所述相似值大于预设相似阈值，则确定所述对比图像与所述目标图像相似。

进一步的，所述将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对包括：

计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；

在所述多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；

对所述最近距离与次近距离进行求商计算，得到距离比值；

当所述距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

进一步的，所述通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对包括：

根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；

根据所述第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；

根据所述仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

进一步的，所述根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域包括：

根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，所述对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，所述目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；

根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；

根据所述对比图像中横、纵坐标的最大值与最小值，以及所述对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；

根据所述目标图像中横、纵坐标的最大值与最小值，以及所述目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

进一步的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中；

从所述预置数据库中获取符合时间条件的对比图像，所述时间条件是根据用户下达的指令信息确定的。

进一步的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图；

所述分别提取对比图像的特征点及目标图像的特征点，包括：

通过sift算法分别提取经灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。

本发明实施例中的设备可以是服务器、pc、pad、手机等。

本发明实施例还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：分别提取对比图像的特征点及目标图像的特征点；将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对；通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对，所述有效特征点匹配对为所述特征点匹配对中剔除了错误匹配关系后剩余的具有有效匹配关系的特征点匹配对；根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域，所述对比图像有效区域面积为所述有效特征点匹配对中对比图像的特征点所形成区域的面积，所述目标图像有效区域面积为所述有效特征点匹配对中目标图像的特征点所形成区域的面积；根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似；若是，则确定所述对比图像与所述目标图像相似。

进一步的，所述根据所述有效特征点匹配对、对比图像有效区域以及目标图像有效区域判断所述对比图像与所述目标图像是否相似包括：

从所述对比图像有效区域与所述目标图像有效区域中选取面积较小值，作为相似面积；

对所述相似面积与所述有效特征点匹配对的数量进行求商计算，得到相似值；

判断所述相似值是否大于预设相似阈值；

若所述相似值大于预设相似阈值，则确定所述对比图像与所述目标图像相似。

进一步的，所述将所述对比图像的特征点与目标图像的特征点进行匹配，得到特征点匹配对包括：

根据最近邻配准算法计算所述对比图像中特征点与所述目标图像中每个特征点的距离，得到多个特征点距离值；

在所述多个特征点距离中选取最小值及第二小值，作为最近距离及次近距离；

对所述最近距离与次近距离进行求商计算，得到距离比值；

当所述距离比值小于预置距离阈值时，将所述对比图像中特征点与所述目标图像中对应所述最近距离的特征点进行匹配，作为特征点匹配对，所述特征点匹配对中包含对比图像中的特征点以及对应的所述目标图像中的特征点。

进一步的，所述通过预设算法及预置模型对所述特征点匹配对进行筛选，得到有效特征点匹配对包括：

根据所述特征点匹配对，分别在所述对比图像与所述目标图像中提取同等预定数量的特征点，分别记作第一特征集合与第二特征集合，所述第一特征集合为所述对比图像中提取的，所述第二特征集合为所述目标图像中提取的；

根据所述第一特征集合、所述第二特征集合以及所述特征点匹配对建立仿射变换模型；

根据所述仿射变换模型，通过ransac算法对所述特征点匹配对中的特征点进行筛选操作，以便将所述特征点匹配对中不符合所述仿射变换模型的特征点进行筛除，并记录所述筛除后得到的有效特征点匹配对的数量。

进一步的，所述根据所述有效特征点匹配对确定对比图像有效区域以及目标图像有效区域包括：

根据所述有效特征点匹配对，分别确定所述对比图像中的有效区域以及所述目标图像中的有效区域，所述对比图像中的有效区域为所述有效特征点匹配对对应的特征点在所述对比图像中所形成的区域，所述目标图像中的有效区域为所述有效特征点匹配对对应的特征点在所述目标图像中所形成的区域；

根据所述有效特征点匹配对，分别确定所述对比图像中横、纵坐标的最大值与最小值，以及所述目标图像中横、纵坐标的最大值与最小值；

根据所述对比图像中横、纵坐标的最大值与最小值，以及所述对比图像中的有效区域，通过预置公式计算出所述对比图像的有效面积；

根据所述目标图像中横、纵坐标的最大值与最小值，以及所述目标图像中的有效区域，通过预置公式计算出所述目标图像的有效面积。

进一步的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

通过网络爬虫从社交网络中爬取预定数量的图像，作为对比图像并存储在预置数据库中；

从所述预置数据库中获取符合时间条件的对比图像，所述时间条件是根据用户下达的指令信息确定的。

进一步的，在所述分别提取对比图像的特征点及目标图像的特征点之前，所述方法还包括：

对所述对比图像及所述目标图像进行灰度处理，以便得到对应的灰度图；

所述分别提取对比图像的特征点及目标图像的特征点，包括：

通过sift算法分别提取经灰度处理后的对比图像的特征点及经灰度处理后的目标图像的特征点。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

存储器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(flashram)。存储器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(transitorymedia)，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。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。

以上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。