基于视频处理的串并案分析方法及装置与流程

本发明涉及视频分析技术领域，具体而言，涉及一种基于视频处理的串并案分析方法及装置。

背景技术：

随着视频采集及分析系统在工作及生活中的普及，视频采集信息及分析技术为人们的工作和生活带来了极大的帮助，特别是在刑侦破案领域中应用较为广泛，为目前的例如流串作案、连续作案等案件的侦破做出了重大贡献。针对这类案件，在侦破案件时需要查询的历史案件信息量很大，并且案件描述关联性不高，在现有技术中，常采用通过警员同时查看多路图像并靠人工以锁定相同目标。但是，由于视频资源多，查找证据难度大，采用这种方式效率极其低下，随着分析人员的工作量加大及疲劳程度增加，其人工分析的准确性大大降低，进而影响破案的速度和效率。

技术实现要素：

有鉴于此，本申请的目的在于，提供一种基于视频处理的串并案分析方法及装置以改善上述问题。

本申请实施例提供一种基于视频处理的串并案分析方法，所述方法包括：

对获得的多个源视频中的各所述源视频进行分析处理，根据各所述源视频的分析处理结果查找到所述多个源视频中具有关联性的源视频，将查找到的源视频构成源视频组；

针对所述源视频组中的各所述源视频，获得所述源视频包括的与所述源视频组中的其他源视频的特征目标相同的特征目标；

根据所述相同的特征目标对所述源视频进行提取以得到新视频段；

查找出所述源视频组中具有相同人物特征的新视频段，并获得查找出的新视频段中的特征目标以及人物特征。

可选地，所述对获得的多个源视频中的各所述源视频进行分析处理，根据各所述源视频的分析处理结果查找到所述多个源视频中具有关联性的源视频，将查找到的源视频构成源视频组的步骤，包括：

对获得的多个源视频中的各所述源视频进行分析处理以得到各所述源视频的结构化信息和半结构化信息；

根据各所述源视频的半结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度；

将所述关联度满足预设要求的源视频判定为具有关联性的源视频，并将具有关联性的源视频构成源视频组。

可选地，所述根据各所述源视频的半结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度的步骤，包括：

根据各所述源视频的半结构化信息和结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度。

可选地，所述根据各所述源视频的半结构化信息和结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度的步骤，包括：

为各所述源视频的半结构化信息和结构化信息进行比对权重设置；

根据比对权重设置之后的半结构化信息和结构化信息将所述多个源视频进行比对，以得到所述源视频之间的关联度。

可选地，所述分析处理结果包括多个特征目标，所述针对所述源视频组中的各所述源视频，获得所述源视频包括的与所述源视频组中的其他源视频的特征目标相同的特征目标的步骤，包括：

针对所述源视频组中的各所述源视频，将所述源视频包括的多个特征目标分别与所述源视频组中的其他源视频所包括的特征目标进行比对；

获得所述源视频包括的多个特征目标中与所述其他源视频所包括的特征目标一致的特征目标，以作为相同的特征目标。

可选地，所述根据所述相同的特征目标对所述源视频进行提取以得到新视频段的步骤，包括：

查找出所述源视频中包括所述相同的特征目标的视频片段，并从所述源视频中提取出查找到的视频片段；

将查找出的视频片段进行拼接以构成新视频段。

可选地，各所述新视频段包括人物特征，所述查找出所述源视频组中具有相同人物特征的新视频段，并获得查找出的新视频段中的特征目标以及人物特征的步骤，包括：

针对所述源视频组中的各所述新视频段，获得所述新视频段中的人物特征；

将所述新视频段中的人物特征与所述源视频组中的其他新视频段的人物特征进行比对，以查找出所述其他新视频段中与所述新视频具有相同人物特征的新视频段；

获得查找出的新视频段中的特征目标以及人物特征。

本申请实施例还提供一种基于视频处理的串并案分析装置，所述装置包括：

处理模块，用于对获得的多个源视频中的各所述源视频进行分析处理，根据各所述源视频的分析处理结果查找到所述多个源视频中具有关联性的源视频，将查找到的源视频构成源视频组；

特征目标获取模块，用于针对所述源视频组中的各所述源视频，获得所述源视频包括的与所述源视频组中的其他源视频的特征目标相同的特征目标；

提取模块，用于根据所述相同的特征目标对所述源视频进行提取以得到新视频段；

新视频段获取模块，用于查找出所述源视频组中具有相同人物特征的新视频段，并获得查找出的新视频段中的特征目标以及人物特征。

可选地，所述处理模块包括：

处理单元，用于对获得的多个源视频中的各所述源视频进行分析处理以得到各所述源视频的结构化信息和半结构化信息；

关联度获取单元，用于根据各所述源视频的半结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度；

源视频组获取模块，用于将所述关联度满足预设要求的源视频判定为具有关联性的源视频，并将具有关联性的源视频构成源视频组。

可选地，所述分析处理结果包括多个特征目标，所述特征目标获取模块包括：

比对单元，用于针对所述源视频组中的各所述源视频，将所述源视频包括的多个特征目标分别与所述源视频组中的其他源视频所包括的特征目标进行比对；

特征目标获取单元，用于获得所述源视频包括的多个特征目标中与所述其他源视频所包括的特征目标一致的特征目标，以作为相同的特征目标。

本申请实施例提供的基于视频处理的串并案分析方法及装置，通过对多个源视频进行分析处理以得到具有关联性的源视频，将源视频中包括的与其他源视频相同的特征目标的视频片段进行提取以构成新视频段，如此，从大量的视频源中查找到关联的源视频，并滤除了源视频中不具有参考价值的视频段。并且，对滤除后的新视频段进行人物特征的比对，查找出多个新视频段中具有相同人物特征的新视频段，并获得查找出的新视频段包括的人物特征和特征目标，如此，可得到相同人物特征所相关的特征目标，为后续案件的侦破提供参考信息。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的电子设备的结构框图。

图2为本申请实施例提供的于视频处理的串并案分析方法的流程图。

图3为图2中步骤s110的子步骤的流程图。

图4为图2中步骤s120的子步骤的流程图。

图5为图2中步骤s140的子步骤的流程图。

图6为本申请实施例提供的基于视频处理的串并案分析装置的功能模块框图。

图7为本申请实施例提供的处理模块的功能模块框图。

图8为本申请实施例提供的特征目标获取模块的功能模块框图。

图标：100-电子设备；110-基于视频处理的串并案分析装置；111-处理模块；1111-处理单元；1112-关联度获取单元；1113-源视频组获取单元；112-特征目标获取模块；1121-比对单元；1122-特征目标获取单元；113-提取模块；114-新视频段获取模块；120-处理器；130-存储器。

具体实施方式

经发明人研究发现，在现有的针对串并案的视频分析处理时，常通过根据视频源的图像及文本的描述信息对现有视频源进行数据提取及约简计算以存入数据库，将待分析的案件与数据库中的案件进行比对以找到数据库中与待分析案件关联的串并案，分析人员再结合自身经验和支持进行案件比对，以提高破案效率。但是这种方案过度依赖于案件的描述分析，且对所用描述分析的词汇有较高要求，样本数据提取较难。并且提取的数据信息其形式较为单一，难以进行综合比对检索，对于图像中出现的共同目标无法进行确认。

此外，在现有技术中，还采用通过将待分析的案件与已有视频进行比对分析，并提取出与待分析案件有关联的视频中的感兴趣目标的特征信息。用户在输入检索条件后，对视频进行综合智能检索以查找到对应视频片段，从而提高视频排查速度。但是这种方案只能对感兴趣目标形成结构化信息并保存，对于智能识别的人员、人脸半结构化数据等无法进行比对检索。

基于上述研究发现，本申请实施例提供一种基于视频处理的串并案分析方案，通过从多个源视频中查找到具有关联性的源视频，并提取出查找到的源视频中具有共同特征目标的视频段。并且，通过对新视频段中的人物特征进行比对，以查找出具有相同人物特征的新视频段，以输出这些新视频段的特征目标及人物特征。如此，减少了用于比对的信息量，且提高了比对精度，快速实现多源案件的相同目标的获取。

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域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。

应注意到：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。

如图1所示，本发明实施例基于上述研究发现提供了一种电子设备100，所述电子设备100包括存储器130、处理器120和基于视频处理的串并案分析装置110。

所述存储器130和处理器120之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于视频处理的串并案分析装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器130中的软件功能模块。所述处理器120用于执行所述存储器130中存储的可执行的计算机程序，例如，所述基于视频处理的串并案分析装置110所包括的软件功能模块及计算机程序等，以实现基于视频处理的串并案分析方法。

其中，所述存储器130可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存储器130用于存储程序，所述处理器120在接收到执行指令后，执行所述程序。

所述处理器120可能是一种集成电路芯片，具有信号的处理能力。上述的处理器120可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)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。可以实现或者执行本发明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该处理器120也可以是任何常规的处理器等。

可以理解，图1所示的结构仅为示意，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

可选地，所述电子设备100的具体类型不受限制，例如，可以是，但不限于，个人电脑(personalcomputer，pc)、web(网站)服务器、数据服务器等具有图像处理功能的设备。

结合图2，本发明实施例还提供一种可应用于上述电子设备100的基于视频处理的串并案分析方法。其中，所述方法有关的流程所定义的方法步骤可以由所述处理器120实现。下面将对图2所示的具体流程进行详细阐述。

步骤s110，对获得的多个源视频中的各所述源视频进行分析处理，根据各所述源视频的分析处理结果查找到所述多个源视频中具有关联性的源视频，将查找到的源视频构成源视频组。

在装有摄像头的案发现场，摄像头可采集案发现场的相关视频图像。对于串并案，同一个人或同一伙人可能会多次、异地作案。因此，希望能够找到该同一个人或同一伙人作案的相关视频图像，以对其进行分析找到一些破案的关键信息。但是摄像头采集到的案发现场的视频图像较多，难以从大量的视频中查找出属于同一个人或同一伙人作案的相关联的视频。

本实施例中，电子设备100接收导入的多个源视频，对多个源视频进行分析处理，以从该多个源视频中查找出具有关联性的源视频。可选地，请参阅图3，在本实施例中，步骤s110可以包括步骤s111、步骤s112以及步骤s113三个子步骤。

步骤s111，对获得的多个源视频中的各所述源视频进行分析处理以得到各所述源视频的结构化信息和半结构化信息。

步骤s112，根据各所述源视频的半结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度。

步骤s113，将所述关联度满足预设要求的源视频判定为具有关联性的源视频，并将具有关联性的源视频构成源视频组。

导入电子设备100的源视频是一种非结构化数据，不能直接并计算机和上层应用软件读取和识别。因此，需要对源视频进行结构化分析和半结构化分析以提取出源视频中的关键信息。

本实施例中，对获得的多个源视频中的各所述源视频分别进行结构化分析，例如对运动目标的识别，也就是画面中的运动对象的识别，包括人、机动车、非机动车等。此外还需对运动目标特征的识别，也就是画面中运动的人、车、物有什么特征，例如，行人的特征主要包括是否带眼镜、围巾、上衣、裤子、是否带口罩、是否背包、性别等等。机动车主要特征包括车牌号码、车身颜色、车型等。而物体特征主要包括大小、尺寸、颜色等等。上述这些信息是经过结构化分析处理可得到的结构化信息。而半结构化分析主要可得到画面中的人脸半结构化信息，该类信息是根据视频提取到的高维度向量信息，无法用结构化语言进行描述。

在获得各个源视频的结构化信息和半结构化信息后，可根据各所述源视频的半结构化信息将多个源视频进行比对以得到各所述源视频之间的关联度。为了提高得到的关联度的准确性，本实施例中，也可以结合各所述源视频的半结构化信息和结构化信息将多个源视频进行比对以得到各所述源视频之间的关联度。

可选地，在本实施例中，在利用半结构化信息进行源视频之间的比对时，可为各源视频的半结构化信息设置比对权重，若单独利用半结构化信息进行比对，则半结构化信息的比对权重可设置为100％。根据设置比对权重之后的半结构化信息将多个源视频中的各个源视频进行两两交叉比对以计算各个源视频与其他源视频之间的关联度。例如，针对源视频a，则根据其半结构化信息分别将其与源视频b、源视频c以及源视频d进行比对，以得到两者之间的关联度。

若利用半结构化信息和结构化信息相结合的方式进行源视频之间的比对时，可分别为各源视频的半结构化信息和结构化信息设置比对权重，例如半结构化信息的比对权重可设置为30％，结构化信息中的人体属性的比对权重可设置40％，结构化信息中的物体的比对权重可设置10％。需要说明的是，上述的比对权重的设置只是举例性说明，并不限定于此，可根据实际需求进行相应设置，本实施例不作具体限制。

在得到多个源视频中的各个源视频之间的关联度后，针对各个关联度，可检测该关联度是否满足预设要求，例如关联度是否超过预设阈值，若满足预设要求，则可判定该关联度相关的两个源视频为具有关联性的源视频。如此，按照上述方式，则可以查找出多个源视频中的具有关联性的源视频，例如在源视频a、b、c、d中，检测到具有关联性的源视频为源视频a、源视频b和源视频c。则可将查找到的上述具有关联性的源视频a、b、c构成源视频组。该源视频组中的各个源视频则极有可能是同一个人或同一伙人作案的作案现场图像视频。

步骤s120，针对所述源视频组中的各所述源视频，获得所述源视频包括的与所述源视频组中的其他源视频的特征目标相同的特征目标。

步骤s130，根据所述相同的特征目标对所述源视频进行提取以得到新视频段。

由于用于分析的视频数据量一般均很大，源视频中某些视频片段可能并不包括具有参考价值的事物，因此，为了减少比对的工作量，可将源视频中的一些不具有参考价值的视频片段从源视频中滤除。可选地，请参阅图4，在本实施例中，步骤s120可以包括步骤s121和步骤s122两个子步骤。

步骤s121，针对所述源视频组中的各所述源视频，将所述源视频包括的多个特征目标分别与所述源视频组中的其他源视频所包括的特征目标进行比对。

步骤s122，获得所述源视频包括的多个特征目标中与所述其他源视频所包括的特征目标一致的特征目标，以作为相同的特征目标。

可选地，针对构成的源视频组中的各个源视频，由上述可知，对各个源视频均进行了结构化分析和半结构化分析得到了结构化信息和半结构化信息，本实施例中，查找到所述源视频中结构化信息和半结构化信息相关的特征目标，例如半结构化信息对应的人脸、机动车相关结构化信息对应的机动车等等。将从该源视频中查找到的特征目标分别与源视频组中其他源视频包含的特征目标进行比对，以找到该源视频中包括的多个特征目标中与其他源视频包括的特征目标一致的特征目标，即相同的特征目标。例如，针对源视频a中的特征目标1、特征目标2和特征目标3，其中，特征目标1在源视频b和源视频c中均出现，特征目标2在源视频d中出现，而特征目标3只在源视频a中出现。则可判定源视频a中的特征目标1和特征目标2为源视频a相对于其他源视频的相同的特征目标。

在查找到源视频a中的相同的特征目标后，可查找出该源视频中包括所述相同的特征目标的视频片段，例如查找到包含所述特征目标1的视频片段a，以及包含所述特征目标2的视频片段b，将查找出的视频片段a和视频片段b从源视频a中提取出，并将视频片段a和视频片段b拼接为新视频段。在本实施例中，可以一帧图像为最小提取单元以进行视频片段的提取。如此，将不具有参考价值的视频段从源视频中滤除，得到的新视频段包含有对于后续分析有用的信息，减少了后续分析的数据量，有利于提高分析效率。

步骤s140，查找出所述源视频组中具有相同人物特征的新视频段，并获得查找出的新视频段中的特征目标以及人物特征。

根据上述分析可得到各个新视频段的例如人脸、人体属性、物品信息、机动车信息以及非机动信息等，若直接利用上述所有信息进行比对，则比对的效率将很慢。而对于串并案的侦破，其中的人物特征是最具有参考价值的信息之一，因此，可重点结合人物特征进一步对得到的新视频段进行比对，以得到多个新视频段中具有的相同的特征。

可选地，请参阅图5，在本实施例中，步骤s140可以包括步骤s141、步骤s142以及步骤s143三个子步骤。

步骤s141，针对所述源视频组中的各所述新视频段，获得所述新视频段中的人物特征。

步骤s142，将所述新视频段中的人物特征与所述源视频组中的其他新视频段的人物特征进行比对，以查找出所述其他新视频段中与所述新视频具有相同人物特征的新视频段。

步骤s143，获得查找出的新视频段中的特征目标以及人物特征。

针对得到的多个新视频段中的各个新视频段，可获得新视频段中的人物特征，例如该新视频段中出现的人物的性别、身高、臂长与身高比例、腿长与身高以及鞋号等等。将获得的上述人物特征分别与源视频组中的其他新视频段中的人物特征进行比对，如此，可获得所述源视频组中包括相同的人物特征的新视频段。

应当理解，在串并案的侦破时，除了需要确定作案人员的人脸及人体属性等特征之外，还需结合以往视频获得作案人员出现的地点、作案人员所乘坐的车辆等等，这些信息有助于案件的侦破。

根据上述步骤所获得的包括相同人物特征的新视频段中，有些新视频段可能同时出现了该人物以及乘坐的车辆，有些新视频段可能同时出现了该人物以及包括该人物的具有识别性的背景图像，或者是某两个新视频段中同时出现了该人物以及另外一个相同的人物或事物。因此，可获得查找到的所有的新视频段中的人物特征以及特征目标，该特征目标包括了上述的例如车辆、背景事物等特征。后续可利用获得的所有新视频段所包含的特征目标以获得对侦破关联案件有利的参考信息。

请参阅图6，本申请实施例还提供一种应用于上述电子设备100的基于视频处理的串并案分析装置110，所述装置包括处理模块111、特征目标获取模块112、提取模块113以及新视频段获取模块114。

所述处理模块111用于对获得的多个源视频中的各所述源视频进行分析处理，根据各所述源视频的分析处理结果查找到所述多个源视频中具有关联性的源视频，将查找到的源视频构成源视频组。本实施例中，关于所述处理模块111的描述具体可参考上述步骤s110的详细描述，也即，所述步骤s110可以由处理模块111执行，因而在此不作更多说明。

所述特征目标获取模块112用于针对所述源视频组中的各所述源视频，获得所述源视频包括的与所述源视频组中的其他源视频的特征目标相同的特征目标。本实施例中，关于所述特征目标获取模块112的描述具体可参考上述步骤s120的详细描述，也即，所述步骤s120可以由特征目标获取模块112执行，因而在此不作更多说明。

所述提取模块113用于根据所述相同的特征目标对所述源视频进行提取以得到新视频段。本实施例中，关于所述提取模块113的描述具体可参考上述步骤s130的详细描述，也即，所述步骤s130可以由提取模块113执行，因而在此不作更多说明。

所述新视频段获取模块114用于查找出所述源视频组中具有相同人物特征的新视频段，并获得查找出的新视频段中的特征目标以及人物特征。本实施例中，关于所述新视频段获取模块114的描述具体可参考上述步骤s140的详细描述，也即，所述步骤s140可以由新视频段获取模块114执行，因而在此不作更多说明。

可选地，请参阅图7，在本实施例中，所述处理模块111还包括处理单元1111、关联度获取单元1112以及源视频组获取单元1113。

所述处理单元1111用于对获得的多个源视频中的各所述源视频进行分析处理以得到各所述源视频的结构化信息和半结构化信息。本实施例中，关于所述处理单元1111的描述具体可参考上述步骤s111的详细描述，也即，所述步骤s111可以由处理单元1111执行，因而在此不作更多说明。

所述关联度获取单元1112用于根据各所述源视频的半结构化信息将所述多个源视频进行比对以得到各所述源视频之间的关联度。本实施例中，关于所述关联度获取单元1112的描述具体可参考上述步骤s112的详细描述，也即，所述步骤s112可以由关联度获取单元1112执行，因而在此不作更多说明。

所述源视频组获取单元1113用于将所述关联度满足预设要求的源视频判定为具有关联性的源视频，并将具有关联性的源视频构成源视频组。本实施例中，关于所述源视频组获取单元1113的描述具体可参考上述步骤s113的详细描述，也即，所述步骤s113可以由源视频组获取单元1113执行，因而在此不作更多说明。

可选地，请参阅图8，在本实施例中，所述分析处理结果包括多个特征目标，所述特征目标获取模块112包括比对单元1121以及特征目标获取单元1122。

所述比对单元1121用于针对所述源视频组中的各所述源视频，将所述源视频包括的多个特征目标分别与所述源视频组中的其他源视频所包括的特征目标进行比对。本实施例中，关于所述比对单元1121的描述具体可参考上述步骤s121的详细描述，也即，所述步骤s121可以由比对单元1121执行，因而在此不作更多说明。

所述特征目标获取单元1122，用于获得所述源视频包括的多个特征目标中与所述其他源视频所包括的特征目标一致的特征目标，以作为相同的特征目标。本实施例中，关于所述特征目标获取单元1122的描述具体可参考上述步骤s122的详细描述，也即，所述步骤s122可以由特征目标获取单元1122执行，因而在此不作更多说明。

综上所述，本申请实施例提供的基于视频处理的串并案分析方法及装置，通过对多个源视频进行分析处理以得到具有关联性的源视频，将源视频中包括的与其他源视频相同的特征目标的视频片段进行提取以构成新视频段，如此，从大量的视频源中查找到关联的源视频，并滤除了源视频中不具有参考价值的视频段。并且，对滤除后的新视频段进行人物特征的比对，查找出多个新视频段中具有相同人物特征的新视频段，并获得查找出的新视频段包括的人物特征和特征目标，如此，可得到相同人物特征所相关的特征目标，为后续案件的侦破提供参考信息。

在本申请所提供的实施例中，应该理解到，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发明的实施例的装置、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，所述模块、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。也应当注意，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。

需要说明的是，在本文中，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：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。