基于AI技术实现人脸微表情变化识别的方法和装置与流程

本发明实施例涉及人工智能识别领域，具体涉及一种基于ai技术实现人脸微表情变化识别的方法和装置，另外还涉及一种服务器和计算机可读存储介质。

背景技术：

微表情是人们试图压抑或隐藏真实内心情绪时流露的非常短暂的不能自主控制的面部表情，相较于普通的面部表情，微表情具有动作幅度小且停留时间短，从而不易被察觉的特性，因此，检测和识别难度较大。但是，微表情作为人们传达真实内心情绪的关键因素之一，通常发生于人们不经意间且无法控制和压抑的情况下，其可以在目标对象无意识的状态下探查目标对象的真实意图和想法。因此，通过识别预定时间范围内目标对象脸部微表情的变化信息确定目标对象的真实内心情绪，对于教育、安全、刑侦、医学、等专业领域具有非常重要的意义。

随着人工智能技术的快速发展，如何设计一种基于ai技术实现人脸微表情变化识别的方案成为本领域急需解决的技术问题。

技术实现要素：

为此，本发明实施例提供一种基于ai技术实现人脸微表情变化识别的方法，以解决现有技术中存在的人脸微表情识别过程操作步骤繁琐，不够直观，导致无法准确确定目标对象内心情绪变化情况的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

第一方面，本发明实施例提供了一种基于ai技术实现人脸微表情变化识别的方法，包括：

通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据；

获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值；

获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

进一步的，所述特征值为用于表示所述目标对象内心情绪的概率值。

进一步的，所述特征值具体包括：用于表示所述目标对象内心愉悦程度的第一类特征值、用于表示所述目标对象内心愤怒程度的第二类特征值、用于表示所述目标对象内心悲伤程度的第三类特征值、用于表示所述目标对象内心烦躁程度的第四类特征值以及用于表示所述目标对象内心惊恐程度的第五类特征值中的至少一种。

进一步的，所述根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况，具体包括：

根据所述目标对象的年龄特征信息、职业特征信息以及性别信息，确定所述目标对象分别对应的不同类型特征值的范围阈值；

根据所述预设时间范围内所述特征值的大小变化信息以及所述范围阈值，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

进一步的，所述的基于ai技术实现人脸微表情变化识别的方法，还包括：

根据所述预设时间范围内所述目标对象的内心情绪的变化情况，输出用于显示所述目标对象的内心情绪变化情况的动态变化曲线图。

第二方面，本发明实施例还提供一种基于ai技术实现人脸微表情变化识别的装置，包括：

目标视频数据提取单元，用于通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据；

特征值获得单元，用于获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值；

内心情绪确定单元，用于获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

进一步的，所述特征值为用于表示所述目标对象内心情绪的概率值；

所述特征值具体包括：用于表示所述目标对象内心愉悦程度的第一类特征值、用于表示所述目标对象内心愤怒程度的第二类特征值、用于表示所述目标对象内心悲伤程度的第三类特征值、用于表示所述目标对象内心烦躁程度的第四类特征值以及用于表示所述目标对象内心惊恐程度的第五类特征值中的至少一种。

进一步的，所述的基于ai技术实现人脸微表情变化识别的装置，还包括：

输出单元，用于根据所述预设时间范围内所述目标对象的内心情绪的变化情况，输出用于显示所述目标对象的内心情绪变化情况的动态变化曲线图。

进一步的，所述内心情绪确定单元具体用于：

根据所述目标对象的年龄特征信息、职业特征信息以及性别信息，确定所述目标对象分别对应的不同类型特征值的范围阈值；

根据所述预设时间范围内所述特征值的大小变化信息以及所述范围阈值，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

第三方面，本发明实施例还提供一种服务器，包括：

处理器；以及

存储器，用于存储基于ai技术实现人脸微表情变化识别的方法的程序，该设备通电并通过所述处理器运行该基于ai技术实现人脸微表情变化识别的方法的程序后，执行下述步骤：

通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据；

获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值；

获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

第四方面，本发明实施例还提供一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行如上任一项所述的基于ai技术实现人脸微表情变化识别的方法。

采用本发明所述的基于ai技术实现人脸微表情变化识别的方法，能够通过检测目标对象在预设时间范围内的微表情变化，快速确定所述预设时间范围内所述目标对象的内心情绪的变化情况，提高了针对目标对象内心情绪识别的效率和准确率，实现了将所述目标对象的内心情绪更加直观的呈现。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引申获得其它的实施附图。

图1为本发明实施例提供的一种基于ai技术实现人脸微表情变化识别的方法的流程图。

图2为本发明实施例提供的一种基于ai技术实现人脸微表情变化识别的装置的示意图。

图3为本发明实施例提供的一种服务器的示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

下面基于本发明所述的基于ai技术实现人脸微表情变化识别的，对其实施例进行详细描述。如图1所示，其为本发明实施例提供的一种基于ai技术实现人脸微表情变化识别的方法的流程图，具体实现过程包括以下步骤：

步骤s101：通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据。

在本发明实施例中，所述的图像采集装置可以是指录像机、摄像机以及带有录像功能的智能手机等设备。所述的目标对象可以是指待检测区域内待识别的人员。所述视频数据内部通常包含至少一个所述目标对象的脸部图像。

在具体实施过程中，微表情通常持续的时间非常短暂，仅为0.04秒至0.25秒，大多数人往往难以觉察到微表情的存在，而微表情却是反应一个人内心实际情绪最关键的因素之一。基于现有的人工智能(artificialintelligence)技术可以有效获取目标对象的微表情。具体的，本发明利用现有的人工智能技术中的人脸识别技术可以有准确的捕捉目标对象的微表情，进一步分析处理可以获得目标对象真实的内心情绪。因此，服务器端通常从所述视频数据中提取预设时间范围内的视频数据作为目标视频数据，例如：从所述视频数据中提取0.04秒至0.25秒内的视频数据作为目标视频数据。

步骤s102：获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值。

在步骤s101中从所述视频数据中提取预设时间范围内的目标视频数据之后，为本步骤做了数据准备工作，进一步的，在本步骤中服务器端可以基于python技术获得所述目标视频数据所包含的视频帧，进而利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值。

在实际实施过程中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值，所述识别模型是预先通过大量的训练样本进行训练进而不断调整内部参数获得的基于深度卷积神经网络的脸部微表情识别模型。需要说明的是，所述微表情可以是指人们通过做一些表情把内心感受或情绪表达出来，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它细微的表情变化信息。微表情最短可持续时间为1/25秒，虽然一个细微的表情变化可能只持续一瞬间，但有时却恰恰表达与脸部所表现出的掩饰表情相反的情绪。在基于ai技术实际识别人脸过程中，与人们有意识做出的表情相比，微表情通常更能体现人们真实的感受或情绪。微表情在应用上更倾向于指代那些被抑制的表情。譬如说在明显悲伤的情况下，某人表现出大部分悲痛的表情，嘴角却抑制不住地上翘。这时，这个人明显表现出悲伤的情绪，但是却不由自主的出现了微笑的微表情。由于自身理性的抑制，表现的不明显抑或较为短暂。类似这样的差异在微表情分析中更为常用。

需要说明的是，在具体实施过程中，高兴或愉悦时的面部微表情可以包括：嘴角翘起，面颊上抬起皱，眼睑收缩，眼睛尾部会形成“鱼尾纹”等。悲伤时的面部微表情可以包括：眯眼，眉毛收紧，嘴角下拉，下巴抬起或收紧等。愤怒时的面部微表情可以包括：眉毛下垂，前额紧皱，眼睑和嘴唇紧张等。惊恐时的面部微表情可以包括：嘴巴和眼睛张开，眉毛上扬，鼻孔张大等。烦躁时的面部微表情可以包括：上嘴唇上抬，眉毛下垂，眯眼等。

举例而言，如果某人很自然地表现高兴的表情，且其中不含有微表情，就能断定这人是高兴的情绪或感受。但是如果其间如果捕捉到有细微的嗤笑的微表情闪现，则通常认为这张“高兴”的面孔下实际体现的是狡猾的或不可信的情绪。

步骤s103：获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

在步骤s102中获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值之后，为本步骤做了数据准备工作，进一步的，在本步骤中可以获得所述预设时间范围内所述特征值的大小变化信息，进而确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

在本发明实施例中，所述特征值为用于表示所述目标对象内心情绪的概率值。所述特征值具体包括：用于表示所述目标对象内心愉悦程度的第一类特征值、用于表示所述目标对象内心愤怒程度的第二类特征值、用于表示所述目标对象内心悲伤程度的第三类特征值、用于表示所述目标对象内心烦躁程度的第四类特征值以及用于表示所述目标对象内心惊恐程度的第五类特征值中的至少一种。

在实际实施过程中，服务器端通常从一段目标视频数据中提取0.04秒至0.25秒内的所述特征值的大小变化信息。下面以第一类特征值为例进行说明，例如：在0.04秒时第一类特征值为90％，在0.08秒时第一类特征值为80％，在0.12秒时第一类特征值为60％，在0.16秒时第一类特征值为30％，在0.20秒时第一类特征值为75％，在0.25秒时第一类特征值为90％，由于所述第一类特征值用于表示所述目标对象内心愉悦程度，且所述第一类特征值是由识别模型根据目标对象的脸部微表情获得的。因此，可以得出所述目标对象在极短的时间内愉悦程度经历了由高到低再升高的过程。

当然，本发明所述的实施例中不限于上述所列举的第一类特征值，可以利用预设的识别模型同时获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的多个特征值，以及多个特征值在预设时间范围内的大小变化信息。

另外，服务器端还可以预先根据设定的目标对象的年龄特征信息、职业特征信息以及性别信息，确定所述目标对象分别对应的不同类型特征值的范围阈值，根据所述预设时间范围内所述特征值的大小变化信息以及所述范围阈值，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

进一步的，服务器端还可以根据所述预设时间范围内所述目标对象的内心情绪的变化情况，输出用于显示所述目标对象的内心情绪变化情况的动态变化曲线图。例如，x轴为时间，y轴为第一类特征值大小，在0.04秒时第一类特征值为90％，在0.08秒时第一类特征值为80％，在0.12秒时第一类特征值为60％，在0.16秒时第一类特征值为30％，在0.20秒时第一类特征值为75％，在0.25秒时第一类特征值为90％。

采用本发明所述的基于ai技术实现人脸微表情变化识别的方法，能够通过检测目标对象在预设时间范围内的微表情变化，快速确定所述预设时间范围内所述目标对象的内心情绪的变化情况，提高了针对目标对象内心情绪识别的效率和准确率，实现了将所述目标对象的内心情绪更加直观的呈现。

与上述提供的一种基于ai技术实现人脸微表情变化识别的方法相对应，本发明还提供一种基于ai技术实现人脸微表情变化识别的装置。由于该装置的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的基于ai技术实现人脸微表情变化识别的装置的实施例仅是示意性的。请参考图2所示，其为本发明实施例提供的一种基于ai技术实现人脸微表情变化识别的装置的示意图。

本发明所述的一种基于ai技术实现人脸微表情变化识别的装置包括如下部分：

目标视频数据提取单元201，用于通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据；

在本发明实施例中，所述的图像采集装置可以是指录像机、摄像机以及带有录像功能的智能手机等设备。所述的目标对象可以是指待检测区域内待识别的人员。所述视频数据内部通常包含至少一个所述目标对象的脸部图像。

在具体实施过程中，微表情通常持续的时间非常短暂，仅为0.04秒至0.25秒，大多数人往往难以觉察到微表情的存在，而微表情却是反应一个人内心实际情绪最关键的因素之一。基于现有的人工智能(artificialintelligence)技术可以有效获取目标对象的微表情。具体的，本发明利用现有的人工智能技术中的人脸识别技术可以有准确的捕捉目标对象的微表情，进一步分析处理可以获得目标对象真实的内心情绪。因此，服务器端通常从所述视频数据中提取预设时间范围内的视频数据作为目标视频数据，例如：从所述视频数据中提取0.04秒至0.25秒内的视频数据作为目标视频数据。

特征值获得单元202，用于获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值；

在实际实施过程中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值，所述识别模型可以预先通过大量的训练样本进行训练进而不断调整内部参数获得。需要说明的是，所述微表情可以是指人们通过做一些表情把内心感受或情绪表达出来，在人们做的不同表情之间，或是某个表情里，脸部会“泄露”出其它细微的表情变化信息。微表情最短可持续时间为1/25秒，虽然一个细微的表情变化可能只持续一瞬间，但有时却恰恰表达与脸部所表现出的掩饰表情相反的情绪。在基于ai技术实际识别人脸过程中，与人们有意识做出的表情相比，微表情通常更能体现人们真实的感受或情绪。微表情在应用上更倾向于指代那些被抑制的表情。譬如说在明显悲伤的情况下，某人表现出大部分悲痛的表情，嘴角却抑制不住地上翘。这时，这个人明显表现出悲伤的情绪，但是却不由自主的出现了微笑的微表情。由于自身理性的抑制，表现的不明显抑或较为短暂。类似这样的差异在微表情分析中更为常用。

需要说明的是，在具体实施过程中，高兴或愉悦时的面部微表情可以包括：嘴角翘起，面颊上抬起皱，眼睑收缩，眼睛尾部会形成“鱼尾纹”等。悲伤时的面部微表情可以包括：眯眼，眉毛收紧，嘴角下拉，下巴抬起或收紧等。愤怒时的面部微表情可以包括：眉毛下垂，前额紧皱，眼睑和嘴唇紧张等。惊恐时的面部微表情可以包括：嘴巴和眼睛张开，眉毛上扬，鼻孔张大等。烦躁时的面部微表情可以包括：上嘴唇上抬，眉毛下垂，眯眼等。

举例而言，如果某人很自然地表现高兴的表情，且其中不含有微表情，就能断定这人是高兴的情绪或感受。但是如果其间如果捕捉到有细微的嗤笑的微表情闪现，则通常认为这张“高兴”的面孔下实际体现的是狡猾的或不可信的情绪。

内心情绪确定单元203，用于获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

在本发明实施例中，所述特征值为用于表示所述目标对象内心情绪的概率值。所述特征值具体包括：用于表示所述目标对象内心愉悦程度的第一类特征值、用于表示所述目标对象内心愤怒程度的第二类特征值、用于表示所述目标对象内心悲伤程度的第三类特征值、用于表示所述目标对象内心烦躁程度的第四类特征值以及用于表示所述目标对象内心惊恐程度的第五类特征值中的至少一种。

在实际实施过程中，服务器端通常从一段目标视频数据中提取0.04秒至0.25秒内的所述特征值的大小变化信息。下面以第一类特征值为例进行说明，例如：在0.04秒时第一类特征值为90％，在0.08秒时第一类特征值为80％，在0.12秒时第一类特征值为60％，在0.16秒时第一类特征值为30％，在0.20秒时第一类特征值为75％，在0.25秒时第一类特征值为90％，由于所述第一类特征值用于表示所述目标对象内心愉悦程度，且所述第一类特征值是由识别模型根据目标对象的脸部微表情获得的。因此，可以得出所述目标对象在极短的时间内愉悦程度经历了由高到低再升高的过程。

当然，本发明所述的实施例中不限于上述所列举的第一类特征值，可以利用预设的识别模型同时获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的多个特征值，以及多个特征值在预设时间范围内的大小变化信息。

另外，服务器端还可以预先根据设定的目标对象的年龄特征信息、职业特征信息以及性别信息，确定所述目标对象分别对应的不同类型特征值的范围阈值，根据所述预设时间范围内所述特征值的大小变化信息以及所述范围阈值，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。

进一步的，服务器端还可以根据所述预设时间范围内所述目标对象的内心情绪的变化情况，输出用于显示所述目标对象的内心情绪变化情况的动态变化曲线图。例如，x轴为时间，y轴为第一类特征值大小，在0.04秒时第一类特征值为90％，在0.08秒时第一类特征值为80％，在0.12秒时第一类特征值为60％，在0.16秒时第一类特征值为30％，在0.20秒时第一类特征值为75％，在0.25秒时第一类特征值为90％。

采用本发明所述的基于ai技术实现人脸微表情变化识别的装置，能够通过检测目标对象在预设时间范围内的微表情变化，快速确定所述预设时间范围内所述目标对象的内心情绪的变化情况，提高了针对目标对象内心情绪识别的效率和准确率，实现了将所述目标对象的内心情绪更加直观的呈现。

与上述提供的一种基于ai技术实现人脸微表情变化识别的方法相对应，本发明还提供一种计算机可读存储介质。由于该计算机可读存储介质的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的计算机可读存储介质仅是示意性的。

本发明提供一种计算机存储介质包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行如上任意一项所述的基于ai技术实现人脸微表情变化识别的方法。

请参考图3所示，其为本发明实施例提供的一种服务器的示意图。具体的，所述服务器可以包括处理器301和存储器302；其中，所述存储器302，用于存储基于ai技术实现人脸微表情变化识别的方法的程序，该设备通电并通过所述处理器301运行该基于ai技术实现人脸微表情变化识别的方法的程序后，执行下述步骤：

通过预设的图像采集装置获得目标对象的视频数据，从所述视频数据中提取预设时间范围内的目标视频数据；

获得所述目标视频数据所包含的视频帧，利用预设的识别模型获得所述视频帧中每一帧图像内所述目标对象的脸部分别对应的特征值；其中，所述识别模型为根据所述目标对象在连续时间范围内脸部微表情确定的用于表示所述目标对象的内心情绪的特征值；

获得所述预设时间范围内所述特征值的大小变化信息，根据所述预设时间范围内所述特征值的大小变化信息，确定在所述预设时间范围内所述目标对象的内心情绪的变化情况。另外，本发明所述的服务器还可以执行如上任意一项所述的基于ai技术实现人脸微表情变化识别的方法。

在本发明实施例中，处理器或处理器模块可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(fieldprogrammablegatearray，简称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也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。

存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

其中，非易失性存储器可以是只读存储器(read-onlymemory，简称rom)、可编程只读存储器(programmablerom，简称prom)、可擦除可编程只读存储器(erasableprom，简称eprom)、电可擦除可编程只读存储器(electricallyeprom，简称eeprom)或闪存。

易失性存储器可以是随机存取存储器(randomaccessmemory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，简称sram)、动态随机存取存储器(dynamicram，简称dram)、同步动态随机存取存储器(synchronousdram，简称sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，简称ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，简称esdram)、同步连接动态随机存取存储器(synchlinkdram，简称sldram)和直接内存总线随机存取存储器(directrambusram，简称drram)。

本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。