基于视网膜镜像的活体检测方法、装置、设备及存储介质与流程

1.本发明涉及活体检测技术领域，尤其涉及一种基于视网膜镜像的活体检测、装置、设备及存储介质。


背景技术：

2.随着智能移动终端的普及以及无线网络技术的兴起，大量金融机构的本人认证业务也从线下识别转移到了线上身份识别的方式，通过智能移动终端完成在线身份核验和签约。由于这一项业务在线上的普及，金融机构的工作效率也得到了加强。
3.目前在线上进行身份识别认证主要是通过传统的“指定动作式”活体检测，如“张张嘴”、“眨眨眼”、“左右摇头”等进行，相比于线下认证过程中采用的双目摄像人脸识别、红外人脸识别、tof人脸识别等方案，以上的动作已能够被软件合成的视频所替代，因此在线上进行身份认证也产生了一定的风险，对各金融机构的交易和签约埋下了隐患。因此，如何提升活体检测的精准度成为了一个亟待解决的问题。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供了一种基于视网膜镜像的活体检测方法、装置、设备及存储介质，旨在解决现有技术无法提高活体检测精度的技术问题。
6.为实现上述目的，本发明提供了一种基于视网膜镜像的活体检测方法，所述方法包括以下步骤:
7.获取用户在观看检测动画视频时对应的眼部视网膜视频；
8.从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频；
9.根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；
10.获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；
11.根据所述待检测帧和所述检测参考帧对所述用户进行活体检测。
12.可选地，获取用户在观看检测动画视频时对应的眼部视网膜视频的步骤，包括：
13.获取用户在观看视频时的视网膜反射视频；
14.对所述视网膜反射视频进行清晰度筛选，以获得最优视网膜反射视频；
15.根据所述最优视网膜反射视频获得对应的眼部视网膜视频。
16.可选地，获取用户在观看检测动画视频时对应的眼部视网膜视频的步骤之前，还包括：
17.在预设坐标系上生成检测图案，将所述检测图案的中心点作为起点；
18.根据所述检测图案中心点生成一段曲线；
19.通过在所述曲线上截取轨迹点的方式生成距离与时间的函数图像；
20.根据所述函数图像生成包含所述检测图案的检测动画视频。
21.可选地，根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集的步骤，包括：
22.获取所述检测起始帧在所述目标视频中的第一播放时刻；
23.获取所述检测动画视频的定位帧，以及所述定位帧的第二播放时刻；
24.根据所述第一播放时刻和所述第二播放时刻之间的时间差从所述目标视频中抽取待检测帧集。
25.可选地，根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集的步骤之前，还包括：
26.根据所述检测动画视频对应的检测图案标识检测所述目标视频中是否存在起始检测帧；
27.在存在起始检测帧时，执行根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集的步骤。
28.可选地，根据所述待检测帧和所述检测参考帧对所述用户进行活体检测的步骤，包括：
29.获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离；
30.根据所述中心点距离对所述用户进行活体检测。
31.可选地，获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离的步骤，包括：
32.获取各待检测帧中所述检测图案标识中心点在所述预设坐标系上的位置，得到第一中心点坐标；
33.获取所述各待检测帧对应的检测参考帧中所述检测图案标识的中心点在所述预设坐标系上的位置，得到第二中心点坐标；
34.根据所述第一中心点坐标与所述第二中心点坐标确定中心点之间的距离。
35.此外，为实现上述目的，本发明还提出一种基于视网膜镜像的活体检测装置，所述基于视网膜镜像的活体检测装置包括：
36.获取模块，用于获取用户在观看检测动画视频时对应的眼部视网膜视频；
37.选取模块，用于从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频；
38.抽取模块，用于根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；
39.生成模块，用于获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；
40.判断模块，用于根据所述待检测帧和所述检测参考帧对所述用户进行活体检测。
41.此外，为实现上述目的，本发明还提出一种基于视网膜镜像的活体检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于视网膜镜像的活体检测程序，所述基于视网膜镜像的活体检测程序配置为实现如上文所述的基于
视网膜镜像的活体检测方法的步骤。
42.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于视网膜镜像的活体检测程序，所述基于视网膜镜像的活体检测程序被处理器执行时实现如上文所述的基于视网膜镜像的活体检测方法的步骤。
43.本发明通过获取用户在观看检测动画视频时对应的眼部视网膜视频；从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频；根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；根据所述待检测帧和所述检测参考帧对所述用户进行活体检测，相较于传统的活体检测方式检测用户面部动作，本发明采取记录并解析用户眼部视网膜镜像内容展开活体检测，避免被恶意软件欺骗，解决了如何提升活体检测精度的问题。
附图说明
44.图1是本发明实施例方案涉及的硬件运行环境的基于视网膜镜像的活体检测设备的结构示意图；
45.图2为本发明基于视网膜镜像的活体检测方法第一实施例的流程示意图；
46.图3为本发明基于视网膜镜像的活体检测方法第一实施例中预设坐标系示意图；
47.图4为本发明基于视网膜镜像的活体检测方法第一实施例中检测图案示意图；
48.图5为本发明基于视网膜镜像的活体检测方法第一实施例中生成曲线示意图；
49.图6为本发明基于视网膜镜像的活体检测方法第一实施例中距离与时间的函数图像示意图；
50.图7为本发明基于视网膜镜像的活体检测方法第一实施例中轨迹路程长度
‑
时间坐标系示意图；
51.图8为本发明基于视网膜镜像的活体检测方法第一实施例中视频的示例画面示意图；
52.图9为本发明基于视网膜镜像的活体检测方法第一实施例中眼部视网膜视频示意图；
53.图10为本发明基于视网膜镜像的活体检测方法第一实施例中最优视网膜反射视频示意图；
54.图11为本发明基于视网膜镜像的活体检测方法第一实施例中目标频视频是指示意图；
55.图12为本发明基于视网膜镜像的活体检测方法第一实施例中定位帧和检测帧示意图；
56.图13为本发明基于视网膜镜像的活体检测方法第二实施例的流程示意图；
57.图14为本发明基于视网膜镜像的活体检测装置第一实施例的结构框图。
58.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
59.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
60.参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于视网膜镜像的活体检测设备结构示意图。
61.如图1所示，该活体检测设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless
‑
fidelity，wi
‑
fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non
‑
volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
62.本领域技术人员可以理解，图1中示出的结构并不构成对基于视网膜镜像的活体检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
63.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于视网膜镜像的活体检测程序。
64.在图1所示的基于视网膜镜像的活体检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于视网膜镜像的活体检测设备中的处理器1001、存储器1005可以设置在基于视网膜镜像的活体检测设备中，所述基于视网膜镜像的活体检测设备通过处理器1001调用存储器1005中存储的基于视网膜镜像的活体检测程序，并执行本发明实施例提供的基于视网膜镜像的活体检测方法。
65.本发明实施例提供了一种基于视网膜镜像的活体检测方法，参照图2，图2为本发明基于视网膜镜像的活体检测方法第一实施例的流程示意图。
66.本实施例中，所述活体检测方法包括以下步骤：
67.步骤s10：获取用户在观看检测动画视频时对应的眼部视网膜视频.
68.需要说明的是，本实施例方法的执行主体可以是智能手机或者是具有相同功能的设备，以智能手机为例对本实施例及下述各实施例进行说明。
69.可以理解的是，检测动画是指由基于视网膜镜像的活体检测装置生成的动画视频，为了防止恶意软件的认证作假，所述检测动画的生成都是具有随机性，同时，为了保证能够根据检测帧与定位帧相对位置的精准性进行检测，在检测动画中，检测图案按照随机的轨迹匀速运动。
70.进一步地，为了提升活体检测时的安全性，步骤s10之前还包括：在预设坐标系上生成检测图案，将所述检测图案的中心点作为起点；根据所述检测图案中心点生成曲线；通过在所述曲线上截取轨迹点的方式生成距离与时间的函数图像；根据所述函数图像生成包含所述检测图案的检测动画视频。
71.需要说明的是，如图3所示，预设坐标系定义为平面直角坐标系，将一个指定长度与宽度的矩形图案作为所述平面直角坐标系检测区域标记图案其中水平边为x轴、竖直边为y轴，并将两边的交汇处作为原点o，以1像素作为一个单位长度。
72.可以理解的是，如图4所示，所述检测图案是在所述矩形中绘制一个大小适中的
圆，其圆心为a，将此圆作为检测特征标记图案，并使其与x、y轴相切，此时位置即为起始位置。
73.在具体实施中，如图5所示，生成一段曲线是指在所述矩形范围内，以圆a不超过矩形边界为前提，将圆心a为起始点，随机地绘制一条连续平滑的运动轨迹，轨迹的结束点记为b点。中间运动轨迹即为所述曲线。
74.在具体实施中，如图6所示，通过在所述曲线上截取轨迹点的方式生成距离与时间的函数图像是指假设预期的活体检测的过程时间为i秒，则较为均匀在轨迹上随机选取个i
‑
1个点，记为t1～t(i
‑
1)。例如，预期活体检测的过程时间为5秒，则在轨迹上选4个点，即点t1～t4。计算t1～t(i
‑
1)各点至a点间的轨迹长度以及ab两点间的轨迹长度，并建立如图7所示的轨迹路程长度
‑
时间坐标系，单位为1s，且连接各点。调整各点间的连线使得各点间的连线，使其成为一条连贯、平滑的曲线(例如应用三次贝塞尔曲线)，该曲线即为圆a以圆心a在轨迹ab上运动的路程
‑
时间的变化曲线。上一步中的坐标系经调整后形成的变化曲线，依照上一步所生成的运动变化曲线，生成以第1步中的矩形为背景，圆a以圆心a在轨迹ab上运动的宽m像素、高n像素、时长为i秒、帧率为f帧/秒的检测动画视频，视频的示例画面如图8所示。
75.进一步地，为了提升活体检测时的准确性，步骤s10还包括：获取用户在观看视频时的视网膜反射视频；对所述视网膜反射视频进行清晰度筛选，以获得最优视网膜反射视频；根据所述最优视网膜反射视频获得对应的眼部视网膜视频。
76.可以理解的是的是，如图9所示，对应的眼部视网膜视频时指所述智能手机记录的在拍摄过程中人眼视网膜区域的视频，所述眼部视网膜视频包括左眼视网膜视频以及右眼视网膜视频。
77.在具体实施中，对所述视网膜反射视频进行清晰度筛选是指在所述左眼视网膜视频中选取检测动画的起始帧，同时在所述右眼视网膜视频中选取检测动画的起始帧，对比所述左眼视网膜视频中起始帧清晰度与右眼视网膜视频中起始帧的清晰度，选取清晰度最高的一边作为最优视网膜反射视频。
78.在具体实施中，如图10所示，根据所述最优视网膜反射视频获得对应的眼部视网膜视频是指通过对视网膜反射视频画面进行拉伸、扭曲、翻转等处理，使得调整后的检测起始帧内的检测特征标记图案相对于检测区域标记图案的位置，与定位帧中的检测特征标记图案相对于检测区域标记图案的位置相匹配。
79.步骤s20：从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频。
80.在具体实施中，如图11所示，从所述眼部视网膜视频中选取包含所述检测动画视的镜像内容的目标频视频是指，在所述眼部视网膜视频中根据检测动画找到对应的起始帧与结束帧，通过截取起始帧与结束帧中间的视频内容作为目标视频。
81.步骤s30：根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集
82.需要说明的是，一帧就是影像动画中最小单位的单幅影像画面，相当于电影胶片上的每一格镜头。一帧就是一幅静止的画面，连续的帧就形成动画，如电视图象等。我们通常说帧数，就是在1秒钟时间里传输的图片的帧数，也可以理解为图形处理器每秒钟能够刷
新几次，通常用fps(frames per second)表示。每一帧都是静止的图象，快速连续地显示帧便形成了运动的假象。高的帧率可以得到更流畅、更逼真的动画。每秒钟帧数(fps)愈多，所显示的动作就会愈流畅。
83.可以理解的是，检测起始帧是指智能手机在目标视频中寻找到的视网膜对显示设备画面形成的镜像所包含的图像中，含有检测区域标记图案且图像最为清晰的首帧。在视网膜反射视频中的目标视频里所述检测图案在初始位置时的图像。
84.在具体实施中，从所述目标视频中抽取待检测帧集是通过记录下检测起始帧在待检测视频中的播放时长位置，通过所述播放时长位置与定位帧在目标视频中抽取待检测帧集。
85.在具体实施中，设k为检测的精度系数(k<＝f)，在每1s内的检测动画视频中随机抽取k帧画面作为检测帧，记录其所处的播放时长、检测特征标记图案的中心点相对于检测区域标记图案的坐标。同时抽取视频的起始帧为定位帧。若k＝1，则所生成的定位帧和检测帧如图12所示.
86.进一步地，为了提升活体检测的准确度步骤s30还包括：获取所述检测起始帧在所述目标视频中的第一播放时刻；获取所述检测动画视频的定位帧，以及所述定位帧的第二播放时刻；根据所述第一播放时刻和所述第二播放时刻之间的时间差从所述目标视频中抽取待检测帧集。
87.具体实施中，所述第一播放时刻是指通过检测起始帧与检测视频中的定位帧通过在同一坐标系下确定相对的位置从而进一步地确定的时刻。
88.可以理解的是，所述检测动画的第二播放时刻是根据智能手机实时进行活体检测时检测到的检测动画视频中定位帧对应的时刻。
89.在具体实施中，根据所述第一播放时刻和所述第二播放时刻之间的时间差从所述目标视频中抽取待检测帧集是通过截取对应时刻之间的目标视频内容。
90.进一步地，为了降低在活体检测过程中资源的调用，步骤s40之前还包括：根据所述检测动画视频对应的检测图案标识检测所述目标视频中是否存在起始检测帧；在存在起始检测帧时，执行根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集的步骤。
91.在具体实施中，根据所述检测动画视频对应的检测图案标识检测所述目标视频中是否存在起始检测帧是通过对目标视频进行清晰度解析来进行判定。
92.步骤s40：获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取。
93.需要说明的是，检测参考帧基于上述定位帧从所述检测动画视频中抽取是指在包含检测动画的目标视频中以帧率f截取屏幕的图像。
94.步骤s50：根据所述待检测帧和所述检测参考帧对所述用户进行活体检测。
95.在具体实施中，所述待检测帧和所述检测参考帧中间检测动画的相对位置越小代表眼角膜镜像画面与展示画面的匹配度越高，也代表着活体检测更加精确。
96.在具体实施中，根据所述待检测帧和所述检测参考帧对所述用户进行活体检测是指根据所述待检测帧和所述检测参考帧画面的相似程度进行匹配，当上述两帧相似程度达到预设百分比时，可以认定活体检测成功。
97.本实施例通过获取用户在观看检测动画视频时对应的眼部视网膜视频；从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频；根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；根据所述待检测帧和所述检测参考帧对所述用户进行活体检测，相较于传统的活体检测方式检测用户面部动作，本发明采取记录并解析用户眼部视网膜镜像内容展开活体检测，避免了被恶意软件欺骗，解决了提升活体检测精度的问题。
98.参考图13，图13为本发明活体检测方法第二实施例的流程示意图。
99.基于上述第一实施例，在本实施例中，所述步骤s50包括：
100.s501：获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离；
101.在具体实施中，获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离是通过获取各待检测帧中所述检测图案标识中心点在所述预设坐标系上的位置，得到第一中心点坐标；获取所述各待检测帧对应的检测参考帧中所述检测图案标识的中心点在所述预设坐标系上的位置，得到第二中心点坐标；根据所述第一中心点坐标与所述第二中心点坐标确定中心点之间的距离。
102.在具体实施中，通过所述待检测帧和所述检测参考帧包含的检测动画中所包含的检测图像的中心点之间的距离来对匹配度进行计算。将所述待检测帧与所述检测参考帧的检测检测图案置于在生成检测视频时产生的同一坐标系下就可以通过智能手机计算出所述所述待检测帧和所述检测参考帧。
103.在具体实施中，确定位于同一坐标系下的所述待检测帧和所述检测参考帧的坐标，得到所述待检测帧的位置坐标以及所述检测参考帧的位置坐标，通过计算确定所述中心点之间的距离。
104.s502：根据所述中心点距离对所述用户进行活体检测，
105.在具体实施中，根据所述中心点距离对所述用户进行活体检测是指设立预设阈值，在所述中心点距离小于预设阈值时判定活体检测成功。
106.本实施例通过获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离；根据所述中心点距离对所述用户进行活体检测，实现了待检测帧与检测帧画面匹配度的确定，避免了传统方式下通过对两张图像之间的画面对比的方式，减少了在活体检测中系统调用过多的资源，解决了如何快速进行活体检测的问题。
107.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于视网膜镜像的活体检测程序，所述基于视网膜镜像的活体检测程序被处理器执行时实现如上文所述的基于视网膜镜像的活体检测方法的步骤。
108.参照图14，图14为本发明基于视网膜镜像的活体检测装置第一实施例的结构框图。
109.如图14所示，本发明实施例提出的基于视网膜镜像的活体检测装置包括：
110.获取模块301：获取用户在观看检测动画视频时对应的眼部视网膜视频；
111.选取模块302：从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容
的目标视频；
112.抽取模块303：根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；
113.生成模块304：获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；
114.判断模块305：根据所述待检测帧和所述检测参考帧对所述用户进行活体检测。
115.本实施例通过获取用户在观看检测动画视频时对应的眼部视网膜视频；从所述眼部视网膜视频中选取包含所述检测动画视频的镜像内容的目标视频；根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集；获取所述待检测帧集中各待检测帧对应的检测参考帧，所述检测参考帧基于上述定位帧从所述检测动画视频中抽取；根据所述待检测帧和所述检测参考帧对所述用户进行活体检测，相较于传统的活体检测方式检测用户面部动作，本发明采取记录并解析用户眼部视网膜镜像内容展开活体检测，避免被恶意软件欺骗，解决了如何提升活体检测精度的问题。
116.在一实施例中，所述获取模块301，还用于获取用户在观看视频时的视网膜反射视频；对所述视网膜反射视频进行清晰度筛选，以获得最优视网膜反射视频；根据所述最优视网膜反射视频获得对应的眼部视网膜视频。
117.在一实施例中，所述获取模块301，还用于在预设坐标系上生成检测图案，将所述检测图案的中心点作为起点；根据所述检测图案中心点生成一段曲线；通过在所述曲线上截取轨迹点的方式生成距离与时间的函数图像；根据所述函数图像生成包含所述检测图案的检测动画视频。
118.在一实施例中，所述抽取模块303，还用于获取所述检测起始帧在所述目标视频中的第一播放时刻；获取所述检测动画视频的定位帧，以及所述定位帧的第二播放时刻；根据所述第一播放时刻和所述第二播放时刻之间的时间差从所述目标视频中抽取待检测帧集。
119.在一实施例中，所述抽取模块303，还用于根据所述检测动画视频对应的检测图案标识检测所述目标视频中是否存在起始检测帧；在存在起始检测帧时，执行根据所述目标视频中的检测起始帧和所述检测动画视频的定位帧从所述目标视频中抽取待检测帧集的步骤。
120.在一实施例中，所述判断模块305，还用于获取各待检测帧中所述检测图案标识的中心点与对应的检测参考帧中所述检测图案标识的中心点之间的中心点距离；根据所述中心点距离对所述用户进行活体检测。
121.在一实施例中，所述判断模块305，还用于获取各待检测帧中所述检测图案标识中心点在所述预设坐标系上的位置，得到第一中心点坐标；获取所述各待检测帧对应的检测参考帧中所述检测图案标识的中心点在所述预设坐标系上的位置，得到第二中心点坐标；根据所述第一中心点坐标与所述第二中心点坐标确定中心点之间的距离。
122.本发明活体检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
123.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、物品或者系统不仅包括那些要素，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、物品或者系统所固有
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过程、方法、物品或者系统中还存在另外的相同要素。
124.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
125.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，本发明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(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
126.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。