数据处理方法、装置、设备和计算机存储介质与流程

本公开涉及计算机视觉技术，尤其涉及一种数据处理方法、装置、设备和计算机存储介质。

背景技术：

随着社会经济的不断高速发展，智慧城市的应用范围越发深入，人脸抓拍等设施日益增多，每天都会产生数量巨大的人脸抓拍数据；为了从人脸抓拍数据中分析出可疑行为，在相关技术中，可以先存储数据，然后再从存储的历史数据中进行排查分析，需要耗费大量人力、物力，对人脸抓拍数据的分析效率较低。

技术实现要素：

本公开实施例期望提供数据处理技术方案。

本公开实施例提供了一种数据处理方法，所述方法包括：

获取包含人脸的多个待处理图像；

利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据，所述第一结构化数据包括所述多个待处理图像对应的结构化数据；

获取检索条件，根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据。

可选地，所述利用分布式计算方式对所述多个待处理图像进行解析，得到所述第一结构化数据，包括：

基于支持计算能力扩展的容器编排引擎，并采用分布式计算方式对所述多个待处理图像进行解析，得到所述第一结构化数据。

可选地，所述第一结构化数据包括人脸特征，所述根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据，包括：

按照所述人脸特征对所述第一结构化数据进行聚类，得到至少一组聚类结果，所述至少一组聚类结果中每组聚类结果表示同一人脸特征对应的结构化数据；

在所述至少一组聚类结果中，得出所述第二结构化数据，所述第二结构化数据表示符合所述检索条件的一组或多组聚类结果。

可选地，所述方法还包括：利用非关系型数据库存储所述至少一组聚类结果。

可选地，所述检索条件包括以下至少之一：

同一组聚类结果中至少n个结构化数据对应的待处理图像的采集时间在第一指定时间范围内，n为设定值；

同一组聚类结果中至少m个结构化数据对应的待处理图像的采集地点在第一指定空间范围内，m为设定值；

同一组聚类结果中结构化数据的个数在第一指定数值范围内。

可选地，所述方法还包括：

根据预先获取的筛选条件对所述第二结构化数据进行筛选，得出符合所述筛选条件的第三结构化数据。

可选地，所述筛选条件包括以下至少之一：

第一出现个数在第二指定数值范围内，所述第一出现个数表示同一组聚类结果中满足第一设定条件的结构化数据的个数，所述第一设定条件表示结构化数据对应的待处理图像的采集时间在第二指定时间范围内；

第一出现个数与总出现个数之比在第一指定比例范围内，所述总出现个数表示同一组聚类结果中结构化数据的个数；

第二出现个数在第三指定数值范围内，所述第二出现个数表示同一组聚类结果中满足第二设定条件的结构化数据的个数，所述第二设定条件表示结构化数据对应的待处理图像的采集地点在第二指定空间范围内；

第二出现个数与总出现个数之比在第二指定比例范围内。

本公开实施例还提供了一种数据处理装置，所述装置包括获取模块、第一处理模块和第二处理模块，其中，

获取模块，用于获取包含人脸的多个待处理图像；

第一处理模块，用于利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据，所述第一结构化数据包括所述多个待处理图像对应的结构化数据；

第二处理模块，用于获取检索条件，根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据。

可选地，所述第一处理模块，具体用于基于支持计算能力扩展的容器编排引擎，并采用分布式计算方式对所述多个待处理图像进行解析，得到所述第一结构化数据。

可选地，所述第一结构化数据包括人脸特征，所述第二处理模块，具体用于按照所述人脸特征对所述第一结构化数据进行聚类，得到至少一组聚类结果，所述至少一组聚类结果中每组聚类结果表示同一人脸特征对应的结构化数据；在所述至少一组聚类结果中，得出所述第二结构化数据，所述第二结构化数据表示符合所述检索条件的一组或多组聚类结果。

可选地，所述装置还包括存储模块，所述存储模块，用于利用非关系型数据库存储所述至少一组聚类结果。

可选地，所述检索条件包括以下至少之一：

同一组聚类结果中至少n个结构化数据对应的待处理图像的采集时间在第一指定时间范围内，n为设定值；

同一组聚类结果中至少m个结构化数据对应的待处理图像的采集地点在第一指定空间范围内，m为设定值；

同一组聚类结果中结构化数据的个数在第一指定数值范围内。

可选地，所述第二处理模块，还用于根据预先获取的筛选条件对所述第二结构化数据进行筛选，得出符合所述筛选条件的第三结构化数据。

可选地，所述筛选条件包括以下至少之一：

第一出现个数在第二指定数值范围内，所述第一出现个数表示同一组聚类结果中满足第一设定条件的结构化数据的个数，所述第一设定条件表示结构化数据对应的待处理图像的采集时间在第二指定时间范围内；

第一出现个数与总出现个数之比在第一指定比例范围内，所述总出现个数表示同一组聚类结果中结构化数据的个数；

第二出现个数在第三指定数值范围内，所述第二出现个数表示同一组聚类结果中满足第二设定条件的结构化数据的个数，所述第二设定条件表示结构化数据对应的待处理图像的采集地点在第二指定空间范围内；

第二出现个数与总出现个数之比在第二指定比例范围内。

本公开实施例还提供了一种电子设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，

所述处理器用于运行所述计算机程序时，执行上述任意一种数据处理方法。

本公开实施例还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一种数据处理方法。

本公开实施例提出的数据处理方法、装置、电子设备和计算机存储介质中，获取包含人脸的多个待处理图像；利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据，所述第一结构化数据包括所述多个待处理图像对应的结构化数据；获取检索条件，根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据。如此，由于在利用分布式计算方式进行数据处理时，有利于节约整体的数据处理时间，提高数据处理效率；因而，在本公开实施例中，利用分布式计算方式对多个待处理图像进行解析，有利于降低大量的待处理图像的解析时间，可以实现海量待处理图像的实时解析处理。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1为本公开实施例的数据处理方法的流程图；

图2为本公开实施例中基于kubernetes容器编排引擎进行待处理图像解析的示意图；

图3为本公开实施例的数据处理装置的组成结构示意图；

图4为本公开实施例的电子设备的结构示意图。

具体实施方式

以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所提供的实施例仅仅用以解释本公开，并不用于限定本公开。另外，以下所提供的实施例是用于实施本公开的部分实施例，而非提供实施本公开的全部实施例，在不冲突的情况下，本公开实施例记载的技术方案可以任意组合的方式实施。

需要说明的是，在本公开实施例中，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方法或者装置不仅包括所明确记载的要素，而且还包括没有明确列出的其他要素，或者是还包括为实施方法或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的方法或者装置中还存在另外的相关要素(例如方法中的步骤或者装置中的单元，例如的单元可以是部分电路、部分处理器、部分程序或软件等等)。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。

例如，本公开实施例提供的数据处理方法包含了一系列的步骤，但是本公开实施例提供的数据处理方法不限于所记载的步骤，同样地，本公开实施例提供的数据处理装置包括了一系列模块，但是本公开实施例提供的装置不限于包括所明确记载的模块，还可以包括为获取相关信息、或基于信息进行处理时所需要设置的模块。

本公开实施例可以应用于终端和服务器组成的计算机系统中，并可以与众多其它通用或专用计算系统环境或配置一起操作。这里，终端可以是瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统，等等，服务器可以是服务器计算机系统小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

基于上述记载的内容，在本公开的一些实施例中，提出了一种数据处理方法，应用于上述数据处理装置中，并可以在监控视频分析、人员行为分析等场景中实施。

图1为本公开实施例的数据处理方法的流程图，如图1所示，该流程可以包括：

步骤101：获取包含人脸的多个待处理图像。

在实际应用中，可以采用监控设备采集包含人脸的待处理图像，监控设备可以是摄像头、抓拍机等设备；监控设备可以将采集的待处理图像发送至上述数据处理装置；可选地，可以对监控设备进行设备管理，设备管理包括增加或删除用于采集待处理图像的监控设备。

在一个具体的示例中，可以基于gat1400协议获取包含人脸的多个待处理图像，待处理图像为faceobject图像。

进一步地，监控设备在采集待处理图像后，可以将待处理图像的采集时间和监控设备的标识信息发送至上述数据处理装置；示例性地，监控设备的标识信息可以是监控设备的名称或其它标识信息。

步骤102：利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据，所述第一结构化数据包括所述多个待处理图像对应的结构化数据。

这里，分布式计算方式表示采用分布式计算集群对数据进行并行处理的方式；在实际实施时，可以针对每个待处理图像进行解析，得到对应待处理图像的结构化数据，利用各个待处理图像对应的结构化数据可以得到第一结构化数据。本公开实施例中，结构化数据也称作行数据，可以是由二维表结构来逻辑表达和实现的数据。

示例性地，每个待处理图像对应的结构化数据可以包括人脸特征和对应的待处理图像的图像数据，还可以包括待处理图像对应的人员年龄、性别、身高等信息；进一步地，每个待处理图像的结构化数据还可以包括待处理图像的采集时间和/或采集地点；这里，待处理图像的采集时间表示监控设备采集待处理图像的时间，待处理图像的采集地点表示监控设备采集待处理图像的地点，待处理图像的采集地点可以根据对应的监控设备的标识信息得出。

本公开实施例中，第一结构化数据可以存储于数据库中，示例性地，存储第一结构化数据的数据库可以是cassandra、kafka或mongodb等数据库；存储第一结构化数据的数据库也可以是基于osg(openscenegraph)的数据库。

步骤103：获取检索条件，根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据。

这里，检索条件可以是根据实际应用需求预先设定的条件，在实际应用中，可以接收用户输入的检索条件，也可以接收外部设备发送的检索条件，这里，外部设备可以是手机、个人计算机、平板电脑等设备。

在实际应用中，步骤101至步骤103可以基于数据处理装置中的处理器等实现，上述处理器可以为特定用途集成电路(applicationspecificintegratedcircuit，asic)、数字信号处理器(digitalsignalprocessor，dsp)、数字信号处理装置(digitalsignalprocessingdevice，dspd)、可编程逻辑装置(programmablelogicdevice，pld)、现场可编程门阵列(fieldprogrammablegatearray，fpga)、中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的数据处理装置，用于实现上述处理器功能的电子器件还可以为其它，本公开实施例不作具体限定。

可以看出，在利用分布式计算方式进行数据处理时，有利于节约整体的数据处理时间，提高数据处理效率；因而，在本公开实施例中，利用分布式计算方式对多个待处理图像进行解析，有利于降低大量的待处理图像的解析时间，可以实现海量待处理图像的实时解析处理。

对于利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据的实现方式，示例性地，可以基于支持计算能力扩展的容器编排引擎，并采用分布式计算方式对多个待处理图像进行解析，得到所述第一结构化数据。

可以看出，基于支持计算能力扩展的容器编排引擎对多个待处理图像进行解析时，由于容器编排引擎支持动态扩展计算能力，因而，可以支持对更多的待处理图像进行解析处理，即，本公开实施例的数据处理方法可以通过支持计算能力扩展的容器编排引擎，实现对更多的待处理图像的解析处理。

本公开实施例中，并不对支持计算能力扩展的容器编排引擎的种类进行限定，例如，支持计算能力扩展的容器编排引擎可以是kubernetes或其它容器编排引擎。

图2为本公开实施例中基于kubernetes容器编排引擎进行待处理图像解析的示意图，参照图2，可以基于kubernetes容器编排引擎创建多个sparkjob任务，这样，可以通过执行多个sparkjob任务对多个待处理图像进行并行解析，得到第一结构化数据；图2中，图像1、图像2和图像3分别表示不同的待处理图像。

对于根据检索条件对第一结构化数据进行检索，得到符合检索条件的第二结构化数据的实现方式，示例性地，第一结构化数据包括人脸特征，在这种情况下，可以按照人脸特征对所述第一结构化数据进行聚类，得到至少一组聚类结果，上述至少一组聚类结果中每组聚类结果表示同一人脸特征对应的结构化数据；在上述至少一组聚类结果中，得出第二结构化数据，第二结构化数据表示符合所述检索条件的一组或多组聚类结果。

本公开实施例中，在按照人脸特征对所述第一结构化数据进行聚类时，并不对采用的聚类算法进行限定，例如，可以采用分布式的方式对所述第一结构化数据进行聚类，得到至少一组聚类结果；在两个人脸特征的相似度超过设定阈值时，可以认为这两个人脸特征为同一人脸特征，例如，设定阈值可以大于或等于80％。

在对按照人脸特征对所述第一结构化数据进行聚类时，可以将相似度超过设定阈值的人脸特征作为同一人脸特征，进而实现聚类；显然，每组聚类结果可以认为是相同人员对应的结构化数据；在实际实施时，可以将每组聚类结果记为相同人员的档案信息。

可以理解地，通过对第一结构化数据进行聚类，可以得到相同人员的结构化数据，在基于检索条件进行检索后，可以将相同人员的结构化数据进行整体提取，便于实现人员行为识别。

可选地，在得到上述至少一组聚类结果之后，可以利用非关系型数据库或关系型数据库存储上述至少一组聚类结果；示例性地，非关系型数据库可以是cassandra、mongodb等数据库，可以适用于不需要基于聚类结果立即进行检索的场景；关系型数据库可以是kafka等数据库，可以适用于需要基于聚类结果立即进行检索的场景。

可以理解地，相比于采用关系型数据库存储上述至少一组聚类结果，采用非关系型数据库存储上述至少一组聚类结果，便于后续对聚类结果进行检索，提升检索效率并支持历史多次检索。

可选地，上述检索条件可以包括以下至少之一：

条件1)同一组聚类结果中至少n个结构化数据对应的待处理图像的采集时间在第一指定时间范围内，n为设定值；

条件2)同一组聚类结果中至少m个结构化数据对应的待处理图像的采集地点在第一指定空间范围内，m为设定值；

条件3)同一组聚类结果中结构化数据的个数在第一指定数值范围内。

这里，n、m、第一指定时间范围、第一指定空间范围、第一指定数值范围均可以根据实际应用需求设定；待处理图像的采集地点可以用监控设备的地点进行表示，监控设备的地点也可以通过监控设备的标识信息确定，因而，条件2)可以转换为：同一组聚类结果中至少m个结构化数据对应的监控设备的标识信息属于用户输入的标识信息。

可以看出，在上述检索条件包括条件1)时，可以按照时间范围筛选聚类结果，在上述检索条件包括条件2)时，可以按照空间范围筛选聚类结果；在上述检索条件标记条件3)时，由于同一组聚类结果中结构化数据的个数反映了同一人脸特征的个数，因而，可以按照相同人脸特征的出现次数，筛选聚类结果。

可以理解地，本公开实施例中，可以按照实际应用场景指定检索条件，从而可以使检索出的聚类结果满足实际应用场景的需求。

可选地，在得到第二结构化数据后，可以存储第二结构化数据；示例性地，可以将第二结构化数据存储于hdfs(hadoopdistributedfilesystem)等系统中。

可选地，在得到第二结构化数据后，可以根据预先获取的筛选条件对第二结构化数据进行筛选，得出符合所述筛选条件的第三结构化数据。

可以理解地，在按照检索条件对第一结构化数据进行第一次筛选后，针对第一次筛选得出的第二结构化数据进行第二次筛选，有利于降低第二次筛选时的数据处理量。

示例性地，上述筛选条件可以包括以下至少之一：

条件4)第一出现个数在第二指定数值范围内，所述第一出现个数表示同一组聚类结果中满足第一设定条件的结构化数据的个数，所述第一设定条件表示结构化数据对应的待处理图像的采集时间在第二指定时间范围内；

条件5)第一出现个数与总出现个数之比在第一指定比例范围内，所述总出现个数表示同一组聚类结果中结构化数据的个数；

条件6)第二出现个数在第三指定数值范围内，所述第二出现个数表示同一组聚类结果中满足第二设定条件的结构化数据的个数，所述第二设定条件表示结构化数据对应的待处理图像的采集地点在第二指定空间范围内；

条件7)第二出现个数与总出现个数之比在第二指定比例范围内。

这里，第二指定数值范围、第二指定时间范围、第三指定数值范围、第二指定空间范围、第一指定比例范围、第二指定比例范围均可以根据实际应用需求设定。

可以看出，由于同一组聚类结果中结构化数据的个数反映了同一人脸特征的个数，因而，在上述检索条件包括条件4)或5)时，可以按照时间范围和相同人脸特征的出现次数，进一步筛选聚类结果，在上述检索条件包括条件6)或7)时，可以按照空间范围和相同人脸特征的出现次数，进一步筛选聚类结果。

进一步地，在得出第二结构化数据或第三结构化数据后，可以在前端页面展示第二结构化数据或第三结构化数据。

下面通过一个具体的应用实施例对本公开实施例进行进一步说明。

在一个应用场景中，犯罪嫌疑人为躲避公安机关侦查，通常采用昼伏夜出脱离公众视野，降低曝光频率，进行隐蔽出行；而基于该应用实施例中可以对昼伏夜出人员进行识别；具体地说，可以将第二指定时间范围设定为夜间的时间范围，夜间的时间范围可以预先设置；可以将第二指定数值范围设定为大于第一数值的范围，将第一指定比例范围设定为大于第一比例值的范围，第一数值和第一比例值均可以根据实际情况进行设置；如此，在筛选条件包括条件4)或条件5)时，说明相应的人员在夜间频繁出现，进而，通过筛选条件对第二结构化数据进行筛选后，得出的符合筛选条件的第三结构化数据可以认为是昼伏夜出人员对应的结构化数据。

昼伏夜出人员的识别可以应用多种应用场景，下面示例性地说明几种应用场景。

1)入室盗窃：小区晚上出现的非住民，连续多日夜行，有很大盗窃嫌疑；此时根据上述本公开应用实施例，可以查找到盗窃嫌疑人员的结构化数据，有利于在盗窃案发生后找到盗窃嫌疑人员的运动轨迹或位置，进而实施布控抓捕；或者有利于在盗窃案发生前进行提示预警。

2)反恐监测：在特殊时期，有涉恐前科人员在某些重要场所附近夜行超过x1天，需要重点关注；此时根据上述本公开应用实施例，可以在恐怖事件发生前预先查找到嫌疑人的结构化数据，以备管控；或者，可以在相应场所发生恐怖事件后，查找到嫌疑人的结构化数据，实施重点关注；x1为设定的大于1的整数。

3)医闹肇事：有医闹前科人员在医院夜行超过x2天，需要重点关注；此时根据上述本公开应用实施例，可以在医闹事件发生前预先查找到医闹前科人员的结构化数据，以备管控；或者，可以在医闹事件发生后，查找到医闹前科人员的结构化数据，实施重点关注；x2为设定的大于1的整数。

4)社区管控：当有社区矫正人员在非居住地的小区夜行超过x3天，需要重点关注；此时，根据上述本公开应用实施例，可以在吸毒或卖淫事件等发生前预先查找到嫌疑人的结构化数据，以备管控；或者，可以在吸毒/卖淫事件发生后，查找到嫌疑人的结构化数据，实施重点关注，x3为设定的大于1的整数。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定

在前述实施例提出的数据处理方法的基础上，本公开实施例提出了一种数据处理装置。

图3为本公开实施例的数据处理装置的组成结构示意图，如图3所示，所述装置包括：获取模块301、第一处理模块302和第二处理模块303，其中，

获取模块301，用于获取包含人脸的多个待处理图像；

第一处理模块302，用于利用分布式计算方式对所述多个待处理图像进行解析，得到第一结构化数据，所述第一结构化数据包括所述多个待处理图像对应的结构化数据；

第二处理模块303，用于获取检索条件，根据所述检索条件对所述第一结构化数据进行检索，得到符合所述检索条件的第二结构化数据。

在一实施方式中，所述第一处理模块302，具体用于基于支持计算能力扩展的容器编排引擎，并采用分布式计算方式对所述多个待处理图像进行解析，得到所述第一结构化数据。

在一实施方式中，所述第一结构化数据包括人脸特征，所述第二处理模块303，具体用于按照所述人脸特征对所述第一结构化数据进行聚类，得到至少一组聚类结果，所述至少一组聚类结果中每组聚类结果表示同一人脸特征对应的结构化数据；在所述至少一组聚类结果中，得出所述第二结构化数据，所述第二结构化数据表示符合所述检索条件的一组或多组聚类结果。

在一实施方式中，所述装置还包括存储模块304，所述存储模块304，用于利用非关系型数据库存储所述至少一组聚类结果。

在一实施方式中，所述检索条件包括以下至少之一：

同一组聚类结果中至少n个结构化数据对应的待处理图像的采集时间在第一指定时间范围内，n为设定值；

同一组聚类结果中至少m个结构化数据对应的待处理图像的采集地点在第一指定空间范围内，m为设定值；

同一组聚类结果中结构化数据的个数在第一指定数值范围内。

在一实施方式中，所述第二处理模块303，还用于根据预先获取的筛选条件对所述第二结构化数据进行筛选，得出符合所述筛选条件的第三结构化数据。

在一实施方式中，所述筛选条件包括以下至少之一：

第一出现个数在第二指定数值范围内，所述第一出现个数表示同一组聚类结果中满足第一设定条件的结构化数据的个数，所述第一设定条件表示结构化数据对应的待处理图像的采集时间在第二指定时间范围内；

第一出现个数与总出现个数之比在第一指定比例范围内，所述总出现个数表示同一组聚类结果中结构化数据的个数；

第二出现个数在第三指定数值范围内，所述第二出现个数表示同一组聚类结果中满足第二设定条件的结构化数据的个数，所述第二设定条件表示结构化数据对应的待处理图像的采集地点在第二指定空间范围内；

第二出现个数与总出现个数之比在第二指定比例范围内。

在实际应用中，上述获取模块301、第一处理模块302、第二处理模块303和存储模块304均可以由位于电子设备中的处理器实现，该处理器可以为asic、dsp、dspd、pld、fpga、cpu、控制器、微控制器、微处理器中的至少一种。

另外，在本实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能模块的形式实现。

所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，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或者该技术方案的全部或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)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(readonlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

具体来讲，本实施例中的一种数据处理方法对应的计算机程序指令可以被存储在光盘，硬盘，u盘等存储介质上，当存储介质中的与一种数据处理方法对应的计算机程序指令被一电子设备读取或被执行时，实现前述实施例的任意一种数据处理方法。

基于前述实施例相同的技术构思，参见图4，其示出了本公开实施例提供的一种电子设备40，可以包括：存储器41和处理器42；其中，

所述存储器41，用于存储计算机程序和数据；

所述处理器42，用于执行所述存储器中存储的计算机程序，以实现前述实施例的任意一种数据处理方法。

在实际应用中，上述存储器41可以是易失性存储器(volatilememory)，例如ram；或者非易失性存储器(non-volatilememory)，例如rom，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；或者上述种类的存储器的组合，并向处理器42提供指令和数据。

上述处理器42可以为asic、dsp、dspd、pld、fpga、cpu、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本公开实施例不作具体限定。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述

本申请所提供的各方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的各产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的各方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本公开各个实施例所述的方法。

上面结合附图对本公开的实施例进行了描述，但是本公开并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本公开的启示下，在不脱离本公开宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本公开的保护之内。