一种基于张嘴动作的人脸活检方法和装置与流程

1.本发明涉及人脸检测的技术领域，尤其是涉及一种基于张嘴动作的人脸活检方法和装置。


背景技术：

2.随着技术的不断发展，人脸识别的应用场景越来越广泛，但同时网络黑产利用假人脸完成线上人脸识别造成客户损失的例子司空见惯。因此在各种业务场景下人脸识别的过程中对客户真实性、安全性和可信度的成了至关重要的问题。在市场中存在较多的活体识别产品：动作活检、静默活体检测、脸部炫光活体检测等，但目前这些产品都存在着较明显的不足，只是利用了人脸二维的信息，丢失了人脸的第三维重要信息，导致现有的人脸活检方法的准确性较低。
3.针对上述问题，还未提出有效的解决方案。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于张嘴动作的人脸活检方法和装置，以缓解了现有的人脸活检方法的准确性较低的技术问题。
5.第一方面，本发明实施例提供了一种基于张嘴动作的人脸活检方法，包括：获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果。
6.结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述resnet模块包括8个子模块，分别为2个述resnet模块包括8个子模块，分别为2个2个2个和2个所述se-block模块设置在各个子模块中的两个残差层之间。
7.结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息，包括：利用mediapipe，确定出所述rgb图像中的人脸区域，并将所述rgb图像中的人脸区
域对应的人脸采集框的位置信息确定出所述人脸区域的位置信息；利用mediapipe，确定出所述rgb图像中的嘴部区域，并确定出所述嘴部区域的位置信息。
8.结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，基于所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，包括：
9.基于所述人脸采集框的位置信息，确定出所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，其中，所述左上角的位置信息为(face_box.x1,face_box.y1)，所述右下角的位置信息为(face_box.x2,face_box.y2)；基于所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，将所述人脸采集框扩大预设倍数，得到目标位置信息，其中，所述目标位置信息包括：左上角的目标位置信息和右下角的目标位置信息，左上角的目标位置信息为(face_box.x1-n*face_box.x1,face_box.y1-n*face_box.y1)，右下角的目标位置信息为(face_box.x2+n*face_box.x2,face_box.y2+n*face_box.y2)，n为所述预设倍数。
10.结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果，包括：计算出第一概率值与所述第一概率值对应的权重值之间的乘积，得到第一乘积；计算出第二概率值与所述第二概率值对应的权重值之间的乘积，得到第二乘积；若所述第一乘积与所述第二乘积之和大于预设阈值，则所述待检测对象为活体；若所述第一乘积与所述第二乘积之和小于或等于预设阈值，则所述待检测对象为非活体。
11.第二方面，本发明实施例还提供了一种基于张嘴动作的人脸活检装置，包括：获取单元，第一确定单元，第二确定单元，计算单元和检测单元，其中，所述获取单元，用于获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；所述第一确定单元，用于确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；所述第二确定单元，用于将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；所述计算单元，用于将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；所述检测单元，用于基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果。
12.结合第二方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述resnet模块包括8个子模块，分别为2个述resnet模块包括8个子模块，分别为2个2个2个和2个所述se-block模块设置在各个子模块中的两个残差层之间。
13.结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种
可能的实施方式，其中，所述第一确定单元，用于：利用mediapipe，确定出所述rgb图像中的人脸区域，并将所述rgb图像中的人脸区域对应的人脸采集框的位置信息确定出所述人脸区域的位置信息；利用mediapipe，确定出所述rgb图像中的嘴部区域，并确定出所述嘴部区域的位置信息。
14.第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
15.第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序。
16.在本发明实施例中，通过获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果，达到了利用rgb图像的二维信息还融合了d深度图的三维信息进行人脸活检的目的，进而解决了现有的人脸活检方法的准确性较低的技术问题，从而实现了提高人脸活检的准确性的技术效果。
17.本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
18.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
19.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体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，下面描述中的附图是本发明的一些实施方式，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的附图。
20.图1为本发明实施例提供的一种基于张嘴动作的人脸活检方法的示意图；
21.图2为本发明实施例提供的conv2_x与se-block模块的示意图；
22.图3为本发明实施例提供的一种基于张嘴动作的人脸活检装置的示意图；
23.图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是
全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
25.实施例一：
26.根据本发明实施例，提供了一种基于张嘴动作的人脸活检方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
27.图1是根据本发明实施例的一种基于张嘴动作的人脸活检方法的流程图，如图1所示，该方法包括如下步骤：
28.步骤s102，获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；
29.步骤s104，确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；
30.步骤s106，将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；
31.步骤s108，将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；
32.需要说明的是，第一注意力模型和第二注意力模型的网络结构都是一样的，只是训练的数据不一样，所以两个模型的权重也不一样。
33.第一注意力模型和第二注意力模型用于提取频域图的特征，其结构都是上一层的特征叠加到下层中，而本技术中的第一注意力模型和第二注意力模型的叠加机制是隔一层来叠加，中间的那层采用se_block来让模型聚焦在关键信息上面。
34.具体的，所述resnet模块包括8个子模块，分别为2个具体的，所述resnet模块包括8个子模块，分别为2个2个2个和2个所述se-block模块设置在各个子模块中的两个残差层之间。
35.如图2所示，图2为conv2_x与se-block模块的示意图。
36.步骤s110，基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果。
37.在本发明实施例中，通过获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；将所述目标rgb
图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果，达到了利用rgb图像的二维信息还融合了d深度图的三维信息进行人脸活检的目的，进而解决了现有的人脸活检方法的准确性较低的技术问题，从而实现了提高人脸活检的准确性的技术效果。
38.需要说明的是，上述方法应用于终端设备，且该终端设备需要拥有lidar。
39.在本发明实施例中，确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息，包括：
40.步骤s11，利用mediapipe，确定出所述rgb图像中的人脸区域，并将所述rgb图像中的人脸区域对应的人脸采集框的位置信息确定出所述人脸区域的位置信息；
41.步骤s12，利用mediapipe，确定出所述rgb图像中的嘴部区域，并确定出所述嘴部区域的位置信息。
42.在本发明实施例中，首先，通过mediapipe来获取人脸区域，得到人脸采集框位置信息，包括：人脸采集框左上角的坐标：(face_box.x1,face_box.y1)，人脸框右下角的坐标：(face_box.x2,face_box.y2)。
43.然后，利用mediapipe，确定出rgb图像中的嘴部区域，并确定出嘴部区域的位置信息。
44.在本发明实施例中，将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，包括如下步骤：
45.基于所述人脸采集框的位置信息，确定出所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，其中，所述左上角的位置信息为(face_box.x1,face_box.y1)，所述右下角的位置信息为(face_box.x2,face_box.y2)；
46.基于所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，将所述人脸采集框扩大预设倍数，得到目标位置信息，其中，所述目标位置信息包括：左上角的目标位置信息和右下角的目标位置信息，左上角的目标位置信息为(face_box.x1-n*face_box.x1,face_box.y1-n*face_box.y1)，右下角的目标位置信息为(face_box.x2+n*face_box.x2,face_box.y2+n*face_box.y2)，n为所述预设倍数。
47.优选的，上述的n取值为1.25。
48.在本发明实施例中，基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果，包括：
49.步骤s21，计算出第一概率值与所述第一概率值对应的权重值之间的乘积，得到第一乘积；
50.步骤s22，计算出第二概率值与所述第二概率值对应的权重值之间的乘积，得到第二乘积；
51.步骤s23，若所述第一乘积与所述第二乘积之和大于预设阈值，则所述待检测对象为活体；
52.步骤s24，若所述第一乘积与所述第二乘积之和小于或等于预设阈值，则所述待检测对象为非活体。
53.在本发明实施例中，将目标rgb图像输入第一注意力模型，得到第一概率值cls1，将嘴部区域的d深度图输入第二注意力模型，得到第二概率值cls2。
54.然后，利用加权公式p(cls)＝0.35*cls1+0.65*cls2，计算出第一乘积与第二乘积之和，其中，0.35为第一概率值对应的权重值，0.65为第二概率值对应的权重值。
55.最后，基于以下公式确定出待检测对象是否为活体。
[0056][0057]
在本发明实施例中，不仅仅是用简单的d深度图信息，而是在张嘴这个特定条件下、特定区域的d深度图信息。由于在正常人张嘴情况下深度图会有一个明显的“凹”区域，而在常见的人脸攻击情况下是没有这个“凹”区域的，两者的深度信息是完全不同的。因此利用这个明显的特征会很有效的防御常见的人脸攻击。
[0058]
由于目前大多数的活检系统基本都是基于rgb二维信息的，黑产也利用这方面的信息针对性得优化他们的攻击手段，导致活检防御能力下降，本发明实施例中，除了利用rgb二维的信息还融合了d深度图的信息双重防御来提高活检的防御能力。
[0059]
进一步地，本发明实施例中的注意力模型提取细节的特征，能够更好得提取到人脸攻击的细微特征，从而大幅度提升电子屏幕的检测率，另外，本发明实施例使用了轻量级网络，大大减少算法耗时，方便在移动终端设备上部署，同时，本发明实施例中的d深度图可以在原本的活检流程中采集，不用影响原本活检流程，提升了用户体验。
[0060]
实施例二：
[0061]
本发明实施例还提供了一种基于张嘴动作的人脸活检装置，该基于张嘴动作的人脸活检装置用于执行本发明实施例上述内容所提供的基于张嘴动作的人脸活检方法，以下是本发明实施例提供的装置的具体介绍。
[0062]
如图3所示，图3为上述基于张嘴动作的人脸活检装置的示意图，该基于张嘴动作的人脸活检装置包括：获取单元10，第一确定单元20，第二确定单元30，计算单元40和检测单元50。
[0063]
所述获取单元10，用于获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；
[0064]
所述第一确定单元20，用于确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；
[0065]
所述第二确定单元30，用于将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；
[0066]
所述计算单元40，用于将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；
[0067]
所述检测单元50，用于基于所述第一概率值和第二概率值，确定出所述待检测对
象的活检结果。
[0068]
在本发明实施例中，通过获取待检测对象的在张嘴时的面部图像，其中，所述面部图像包括：d深度图和rgb图像；确定出所述rgb图像中的人脸区域的位置信息和嘴部区域的位置信息；将所述人脸采集框的位置信息将所述人脸采集框扩大预设倍数，得到目标位置信息，并将所述rgb图像中所述目标位置信息对应的区域确定为目标rgb图像，以及将所述嘴部区域的位置信息映射至所述d深度图，确定出所述嘴部区域的d深度图；将所述目标rgb图像输入第一注意力模型，得到第一概率值，以及将所述嘴部区域的d深度图输入第二注意力模型，得到第二概率值，其中，所述第一注意力模型和所述第二注意力模型均为基于se-block模块和resnet模块构建的注意力模型；基于所述第一概率值和第二概率值，确定出所述待检测对象的活检结果，达到了利用rgb图像的二维信息还融合了d深度图的三维信息进行人脸活检的目的，进而解决了现有的人脸活检方法的准确性较低的技术问题，从而实现了提高人脸活检的准确性的技术效果。
[0069]
优选的，所述resnet模块包括8个子模块，分别为2个的，所述resnet模块包括8个子模块，分别为2个2个2个和2个所述se-block模块设置在各个子模块中的两个残差层之间。
[0070]
优选的，所述第一确定单元，用于：利用mediapipe，确定出所述rgb图像中的人脸区域，并将所述rgb图像中的人脸区域对应的人脸采集框的位置信息确定出所述人脸区域的位置信息；利用mediapipe，确定出所述rgb图像中的嘴部区域，并确定出所述嘴部区域的位置信息。
[0071]
优选的，所述第二确定单元，用于：基于所述人脸采集框的位置信息，确定出所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，其中，所述左上角的位置信息为(face_box.x1,face_box.y1)，所述右下角的位置信息为(face_box.x2,face_box.y2)；基于所述人脸采集框的左上角的位置信息和所述人脸采集框的右下角的位置信息，将所述人脸采集框扩大预设倍数，得到目标位置信息，其中，所述目标位置信息包括：左上角的目标位置信息和右下角的目标位置信息，左上角的目标位置信息为(face_box.x1-n*face_box.x1,face_box.y1-n*face_box.y1)，右下角的目标位置信息为(face_box.x2+n*face_box.x2,face_box.y2+n*face_box.y2)，n为所述预设倍数。
[0072]
优选的，所述检测单元，用于：计算出第一概率值与所述第一概率值对应的权重值之间的乘积，得到第一乘积；计算出第二概率值与所述第二概率值对应的权重值之间的乘积，得到第二乘积；若所述第一乘积与所述第二乘积之和大于预设阈值，则所述待检测对象为活体；若所述第一乘积与所述第二乘积之和小于或等于预设阈值，则所述待检测对象为非活体。
[0073]
实施例三：
[0074]
本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于
存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
[0075]
参见图4，本发明实施例还提供一种电子设备100，包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。
[0076]
其中，存储器61可能包含高速随机存取存储器(ram，random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
[0077]
总线62可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0078]
其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。
[0079]
处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field-programmable gate array，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。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。
[0080]
实施例四：
[0081]
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
[0082]
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0083]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、
以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0084]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，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，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0085]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0086]
另外，在本发明各个实施例中的各功能单元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。
[0087]
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。