一种具有考勤功能的门禁系统、考勤方法和相关装置与流程

1.本发明涉及数据处理技术领域，尤其是涉及一种具有考勤功能的门禁系统、考勤方法和相关装置。


背景技术：

2.门禁系统是一种对出入口通道进行管制的系统，是新型现代化安全管理系统，集图像采集、自动化识别和现代安全管理措施为一体，是解决各部门出入口实现安全防范管理的有效措施。
3.公司一般采用门禁系统用于员工进入办公园区的门禁安全管理，相关技术中，会在门禁系统中采用人脸识别技术，通过采集进门人员的人脸图像，识别该人员是否为公司的员工，进而确定是否让该人员进入。
4.但是，在采集人脸图像的过程中，只能一个人站在门禁系统的采集区域中以便采集的图像中仅包括一个人，若采集的图像中包括多人，会出现无法识别的问题，进而导致在上班高峰期间，门禁系统的采集区域中出现多名员工排队的情况，影响考勤效率。


技术实现要素：

5.针对上述问题，本技术提供一种具有考勤功能的门禁系统、考勤方法和相关装置，用于解决采集的图像中包括多人无法识别的问题，提高考勤效率。
6.基于此，本技术实施例公开了如下技术方案：
7.一方面，本技术实施例提供一种具有考勤功能的门禁系统，所述系统包括：采集单元、跟踪单元、识别单元和考勤系统展示单元；
8.所述图像采集单元，用于获取第i帧图像和第i-1帧图像；
9.所述跟踪单元包括的确定模块，用于从所述第i-1帧图像中确定目标人脸对应的模板区域；根据所述目标人脸在所述第i-1帧图像中的位置，从所述第i帧图像中确定搜索区域；其中，所述目标人脸为所述第i-1帧图像中多个人脸中的一个；
10.所述跟踪单元包括的前馈网络模块，用于提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征；根据所述目标人脸特征和所述待定人脸特征，确定所述目标人脸在所述搜索区域中的目标位置；
11.所述识别单元，用于根据所述目标位置识别所述目标人脸的身份信息；根据所述目标人脸的身份信息确定是否开门；
12.所述考勤系统展示单元，用于根据所述目标人脸的身份信息确定考勤结果。
13.可选的，若从所述第i帧图像中确定出所述目标人脸，所述跟踪单元，还用于：
14.从所述第i-1帧图像中多个人脸中再次确定与所述目标人脸不同的人脸，将与所述目标人脸不同人脸作为目标人脸，执行从所述第i-1帧图像中确定目标人脸对应的模板区域的步骤。
15.可选的，所述前馈网络模块包括第一卷积层、第一池化层、第一连接层、第二卷积
层、第二池化层、第三卷积层、第二连接层、第四卷积层、第五卷积层和融合层；
16.所述第一卷积层，用于提取所述搜索区域中的第一待定人脸特征，以及提取所述模板区域中目标人脸的第一目标人脸特征；
17.所述第一池化层，用于降低所述第一待定人脸特征得到第二待定人脸特征，以及降低所述第一目标人脸特征的维度得到第二目标人脸特征；
18.所述第一连接层，用于提取所述第二待定人脸特征得到第三待定人脸特征，以及提取所述第二目标人脸特征得到第三目标人脸特征；
19.所述第二卷积层，用于提取所述第二待定人脸特征得到第四待定人脸特征，以及提取所述第二目标人脸特征，得到第四目标人脸特征；
20.所述第二池化层，用于提取所述第四待定人脸特征得到第五待定人脸特征，以及提取所述第四目标人脸特征得到第五目标人脸特征；
21.所述第三卷积层，用于提取所述第五待定人脸特征得到第六待定人脸特征，以及提取所述第五目标人脸特征得到第六目标人脸特征；
22.所述第二连接层，用于提取所述第六待定人脸特征得到第七待定人脸特征，以及提取所述第六目标人脸特征得到第七目标人脸特征；
23.所述第四卷积层，用于提取所述第六待定人脸特征得到第八待定人脸特征，以及提取所述第六目标人脸特征得到第八目标人脸特征；
24.所述第五卷积层，用于提取所述第八待定人脸特征得到第九待定人脸特征，以及提取所述第八目标人脸特征得到第九目标人脸特征；
25.所述融合层，用于根据所述第三待定人脸特征、所述第七待定人脸特征和所述第九待定人脸特征得到所述搜索区域中的待定人脸特征，以及根据所述第三目标人脸特征、所述第七目标人脸特征和所述第九目标人脸特征得到所述模板区域中目标人脸的目标人脸特征。
26.可选的，所述第一连接层和所述第二连接层包括空洞卷积。
27.可选的，所述考勤系统展示单元，实时接收所述目标人脸的身份信息，根据所述目标人脸的身份信息和当前时间确定考勤结果。
28.另一方面，本技术实施例提供一种考勤方法，所述方法用于门禁系统，所述方法包括：
29.获取第i帧图像和第i-1帧图像；
30.从所述第i-1帧图像中确定目标人脸对应的模板区域；根据所述目标人脸在所述第i-1帧图像中的位置，从所述第i帧图像中确定搜索区域；其中，所述目标人脸为所述第i-1帧图像中多个人脸中的一个；
31.提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征；根据所述目标人脸特征和所述待定人脸特征，确定所述目标人脸在所述搜索区域中的目标位置；
32.根据所述目标位置识别所述目标人脸的身份信息；根据所述目标人脸的身份信息确定是否开门；
33.根据所述目标人脸的身份信息确定考勤结果。
34.可选的，若从所述第i帧图像中确定出所述目标人脸，所述方法还包括：
35.从所述第i-1帧图像中多个人脸中再次确定与所述目标人脸不同的人脸，将与所述目标人脸不同人脸作为目标人脸，执行从所述第i-1帧图像中确定目标人脸对应的模板区域的步骤。
36.可选的，所述提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征，包括：
37.通过神经网络模型提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征，所述神经网络模型包括：第一卷积层、第一池化层、第一连接层、第二卷积层、第二池化层、第三卷积层、第二连接层、第四卷积层、第五卷积层和融合层；
38.所述第一卷积层，用于提取所述搜索区域中的第一待定人脸特征，以及提取所述模板区域中目标人脸的第一目标人脸特征；
39.所述第一池化层，用于降低所述第一待定人脸特征得到第二待定人脸特征，以及降低所述第一目标人脸特征的维度得到第二目标人脸特征；
40.所述第一连接层，用于提取所述第二待定人脸特征得到第三待定人脸特征，以及提取所述第二目标人脸特征得到第三目标人脸特征；
41.所述第二卷积层，用于提取所述第二待定人脸特征得到第四待定人脸特征，以及提取所述第二目标人脸特征，得到第四目标人脸特征；
42.所述第二池化层，用于提取所述第四待定人脸特征得到第五待定人脸特征，以及提取所述第四目标人脸特征得到第五目标人脸特征；
43.所述第三卷积层，用于提取所述第五待定人脸特征得到第六待定人脸特征，以及提取所述第五目标人脸特征得到第六目标人脸特征；
44.所述第二连接层，用于提取所述第六待定人脸特征得到第七待定人脸特征，以及提取所述第六目标人脸特征得到第七目标人脸特征；
45.所述第四卷积层，用于提取所述第六待定人脸特征得到第八待定人脸特征，以及提取所述第六目标人脸特征得到第八目标人脸特征；
46.所述第五卷积层，用于提取所述第八待定人脸特征得到第九待定人脸特征，以及提取所述第八目标人脸特征得到第九目标人脸特征；
47.所述融合层，用于根据所述第三待定人脸特征、所述第七待定人脸特征和所述第九待定人脸特征得到所述搜索区域中的待定人脸特征，以及根据所述第三目标人脸特征、所述第七目标人脸特征和所述第九目标人脸特征得到所述模板区域中目标人脸的目标人脸特征。
48.另一方面本技术提供了一种计算机设备，所述设备包括处理器以及存储器：
49.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
50.所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
51.另一方面本技术提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面所述的方法。
52.另一方面，本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面所述的方法。
53.本技术上述技术方案的优点在于：
54.本技术提供一种具有考勤功能的门禁系统，该门禁系统包括采集单元、跟踪单元、识别单元和考勤系统展示单元。其中，图像采集单元，用于获取第i帧图像和第i-1帧图像。跟踪单元包括确定模块和前馈网络模块，确定模块，用于从第i-1帧图像中确定目标人脸对应的模板区域；根据目标人脸在第i-1帧图像中的位置，从第i帧图像中确定搜索区域；前馈网络模块，用于提取搜索区域中的待定人脸特征和模板区域中目标人脸的目标人脸特征；根据目标人脸特征和待定人脸特征，确定目标人脸在搜索区域中的目标位置。识别单元，用于根据目标位置识别目标人脸的身份信息；根据目标人脸的身份信息确定是否开门。考勤系统展示单元，用于根据目标人脸的身份信息确定考勤结果。由此，若采集的图像中包括多人，将第i-1帧中多个人脸中的一个确定为目标人脸，跟踪第i-1帧中的目标人脸在第i帧中的位置，识别目标人脸的身份信息，根据目标人脸的身份信息实现门禁功能和考勤功能。解决了采集的图像中包括多人无法识别的问题，提高考勤效率。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例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本技术中记载的一些实施例，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它的附图。
56.图1为本技术实施例提供的一种具有考勤功能的门禁系统的示意图；
57.图2为本技术实施例提供的一种神经网络模型架构的示意图；
58.图3为本技术实施例提供的一种跟踪单元的示意图；
59.图4为本技术实施例提供的一种考勤方法的流程图；
60.图5为本技术实施例提供的一种计算机设备的结构图。
具体实施方式
61.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
62.下面结合图1，对本技术实施例提供的一种具有考勤功能的门禁系统进行介绍。参见图1，该图为本技术实施例提供的一种具有考勤功能的门禁系统的示意图，该系统包括采集单元101、跟踪单元102、识别单元103和考勤系统展示单元104，下面分别进行说明。
63.(1)图像采集单元101，用于获取第i帧图像和第i-1帧图像。
64.在实际应用中，员工会从远处逐渐走近公司大门，此时，具有考勤功能的门禁系统包括的图像采集单元101会不断采集员工由远及近的图像，下面以多帧图像中的第i帧图像和第i-1帧图像为例进行说明。
65.作为一种可能的实现方式，图像采集单元101还用于对采集的图像进行预处理，例如得到第i帧图像和第i-1帧图像。
66.(2)跟踪单元102主要用于跟踪目标人脸，包括确定模块1021和前馈网络模块
1022，下面分别进行说明。
67.(a)确定模块1021，用于从第i-1帧图像中确定目标人脸对应的模板区域；根据目标人脸在第i-1帧图像中的位置，从第i帧图像中确定搜索区域。
68.其中，目标人脸为第i-1帧图像中多个人脸中的一个，例如，通过特征提取、人脸识别等方式识别出第i-1帧图像中的多个人脸，然后随机从多个人脸中确定出一个人脸作为目标人脸，用于后续跟踪识别。模板区域即为第i-1帧图像中包括目标人脸的区域，本技术实施例不具体限定模板区域的大小，例如，可以为127*127*3。
69.由于相邻帧中人脸的运动变化较小，故可以根据目标人脸在第i-1帧图像中的位置，在第i帧图像相同的位置向外扩充一部分区域，如2*2倍区域，通过对第i帧图像进行候选框裁剪以及尺寸变换后得到搜索区域，本技术实施例不具体限定搜索区域的大小，例如，可以为255*255*3。
70.(b)前馈网络模块1022，用于提取搜索区域中的待定人脸特征和模板区域中目标人脸的目标人脸特征；根据目标人脸特征和待定人脸特征，确定目标人脸在搜索区域中的目标位置。
71.前馈网络模块1022主要用于提取图像特征，通过比对搜索区域中的待定人脸特征和模板区域中的目标人脸特征，确定目标人脸在搜索区域中的位置，即从第i帧图像包括的多人中确定出目标人脸。
72.本技术实施例不具体限定前馈网络模块的内容，下面以前馈网络模块中包括训练好的神经网络模型为例进行说明。
73.该神经网络模型包括第一卷积层、第一池化层、第一连接层、第二卷积层、第二池化层、第三卷积层、第二连接层、第四卷积层和第五卷积层。
74.参见图2，该图为本技术实施例提供的一种神经网络模型架构的示意图。
75.将搜索区域输入至第一卷积层中，通过第一卷积层提取搜索区域的第一待定人脸特征，以及将模板区域输入至第一卷积层中，通过第一卷积层提取模板区域中目标人脸的第一目标人脸特征。
76.将第一待定人脸特征输入至第一池化层中，通过第一池化层降低第一待定人脸特征得到第二待定人脸特征，以及将第一目标人脸特征输入至第一池化层中，通过第一池化层降低第一目标人脸特征的维度得到第二目标人脸特征。
77.将第二待定人脸特征输入至第一连接层中，通过第一连接层提取第二定人脸特征得到第三待定人脸特征，以及将第二目标人脸特征输入至第一连接层中，通过第一连接层提取第二目标人脸特征得到第三目标人脸特征。
78.将第二待定人脸特征输入至第二卷积层中，通过第二卷积层提取第二待定人脸特征得到第四待定人脸特征，以及将第二目标人脸特征至第二卷积层中，通过第二卷积层提取第二目标人脸特征，得到第四目标人脸特征。
79.将第四待定人脸特征输入至第二池化层中，通过第二池化层提取第四待定人脸特征得到第五待定人脸特征，以及将第四目标人脸特征输入至第二池化层中，通过第二池化层提取第四目标人脸特征得到第五目标人脸特征。
80.将第五待定人脸特征输入至第三卷积层中，通过第三卷积层提取第五待定人脸特征得到第六待定人脸特征，以及将第五目标人脸特征输入至第三卷积层中，通过第三卷积
层提取第五目标人脸特征得到第六目标人脸特征。
81.将第六待定人脸特征输入至第二连接层中，通过第二连接层提取第六待定人脸特征得到第七待定人脸特征，以及提将第六目标人脸特征输入至第二连接层中，通过第二连接层取第六目标人脸特征得到第七目标人脸特征。
82.将第六待定人脸特征输入至第四卷积层中，通过第四卷积层提取第六待定人脸特征得到第八待定人脸特征，将第六目标人脸特征输入至第四卷积层中，通过第四卷积层提取第六人脸特征得到第八目标人脸特征。
83.将第八待定人脸特征输入至第五卷积层中，通过第五卷积层提取第八待定人脸特征得到第九待定人脸特征，以及将第八目标人脸特征输入至第五卷积层中，通过第五卷积层提取第八目标人脸特征得到第九目标人脸特征。
84.将第三待定人脸特征、第七待定人脸特征和第九待定人脸特征输入至融合层，通过融合层得到搜索区域中的待定人脸特征，将第三目标人脸特征、第七目标人脸特征和第九目标人脸特征输入至融合层，通过融合层得到模板区域中目标人脸的目标人脸特征。
85.由此，通过表征浅层特征的第三待定人脸特征、表征中层的第七待定人脸特征和表征深层的第九待定人脸特征得到的待定人脸特征更为准确，通过表征浅层特征的第三目标人脸特征、表征中层的第七目标人脸特征和表征深层的第九目标人脸特征得到的目标人脸特征更为准确。
86.作为一种可能的实现方式，第一连接层和第二连接成包括空洞卷积，在这家感受野的同时降低计算量。
87.参见图3，该图为本技术实施例提供的一种跟踪单元的示意图。该跟踪单元包括两个相同的神经网络模型，在图3中，仅示出其中一个神经网络的内部结构。
88.将模板区域和搜索区域分别输入至对应的神经网络模型中，通过神经网络模型得到待定人脸特征和目标人脸特征。其中，相比于图2，图3中的神经网络中的第一连接层和第二连接成包括空洞卷积。
89.若模板区域的大小为127*127*3，搜索区域的大小为255*255*3，则图3所示的神经网络模型的输入输出入表1所示。
90.表1
91.92.由此，将模板区域和搜索区域通过相同的神经网络模型，得到的目标人脸特征和待定人脸特征的侧重点相同。将目标人脸特征和待定人脸特征输入至交叉卷积层中，得到目标人脸在搜索区域的相关性图，相关性最大的位置即为目标人脸在搜索区域中的位置。
93.(3)识别单元103，用于根据目标位置识别目标人脸的身份信息；根据目标人脸的身份信息确定是否开门。
94.目标位置是识别单元103的输入，将跟踪的目标人脸作为识别单元的输入，识别出目标人脸，识别操作由门禁系统自动化完成，若是该公司员工则为其开门，若非该公司员工则不开门。识别结果存储推送到考勤系统，作为考勤打卡的依据。
95.(4)考勤系统展示单元104，用于根据目标人脸的身份信息确定考勤结果。
96.考勤系统展示单元104主要是接受来自门禁系统的实时打卡数据，并进行用户交互，实时解析并展示用户的出勤情况。
97.考勤系统充当用户交互角色，主要作用是将第三方系统推送的数据进行解析，包括门禁系统推送的打卡数据。考勤系统的展示包括用户端和管理端展示，用户端展示个人考勤簿，可查看每日打卡时间和每日出勤情况；管理端以机构为单位展示机构下员工的出勤情况，包括请假、迟到、早退、出差等具体数据。
98.作为一种可能的实现方式，针对考勤系统的离线解析数据，需要批量启动后定时去解析数据，导致管理员不能实时查看员工出勤情况，如果出现考勤异常，员工不能及时进行异常处理，影响考核的问题，考勤系统展示单元，实时接收目标人脸的身份信息，根据目标人脸的身份信息和当前时间确定考勤结果。由此，通过实时解析并记录总行各部门员工打卡、出勤异常、出差和各种类型的请假等情况，并接收和解析其他外部办公系统的数据推送，方便考勤管理员进行实时出勤统计，员工实时处理考勤异常。
99.作为一种可能的实现方式，若从第i帧图像中确定出所述目标人脸，所述跟踪单元102，还用于：
100.从第i-1帧图像中多个人脸中再次确定与目标人脸不同的人脸，将与目标人脸不同人脸作为目标人脸，执行从第i-1帧图像中确定目标人脸对应的模板区域的步骤。
101.由此，通过依次识别第i帧图像中出现的人脸，排除相关技术中门禁系统单目标采集图像和单目标进行识别的场景局限性，提升门禁打卡速度，提高早高峰出勤效率。
102.由上述技术方案可知，本技术提供一种具有考勤功能的门禁系统，该门禁系统包括采集单元、跟踪单元、识别单元和考勤系统展示单元。其中，图像采集单元，用于获取第i帧图像和第i-1帧图像。跟踪单元包括确定模块和前馈网络模块，确定模块，用于从第i-1帧图像中确定目标人脸对应的模板区域；根据目标人脸在第i-1帧图像中的位置，从第i帧图像中确定搜索区域；前馈网络模块，用于提取搜索区域中的待定人脸特征和模板区域中目标人脸的目标人脸特征；根据目标人脸特征和待定人脸特征，确定目标人脸在搜索区域中的目标位置。识别单元，用于根据目标位置识别目标人脸的身份信息；根据目标人脸的身份信息确定是否开门。考勤系统展示单元，用于根据目标人脸的身份信息确定考勤结果。由此，若采集的图像中包括多人，将第i-1帧中多个人脸中的一个确定为目标人脸，跟踪第i-1帧中的目标人脸在第i帧中的位置，识别目标人脸的身份信息，根据目标人脸的身份信息实现门禁功能和考勤功能。解决了采集的图像中包括多人无法识别的问题，提高考勤效率。
103.该门禁系统不仅能够实现门禁功能，还能实现考勤功能，通过目标跟踪、目标识别
从而进行门禁控制和考勤系统打卡的智能一体化目标。通过目标跟踪和目标识别来控制控制门禁，还通过实时推送数据，完成员工考勤打卡，较大的提升了门禁打卡系统的排队等候效率，同时实时更新考勤数据。
104.本技术实施例除了提供具有考勤功能的门禁系统外，还提供了考勤方法，如图4所示，包括：
105.s401：获取第i帧图像和第i-1帧图像；
106.s402：从所述第i-1帧图像中确定目标人脸对应的模板区域；根据所述目标人脸在所述第i-1帧图像中的位置，从所述第i帧图像中确定搜索区域；其中，所述目标人脸为所述第i-1帧图像中多个人脸中的一个；
107.s403：提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征；根据所述目标人脸特征和所述待定人脸特征，确定所述目标人脸在所述搜索区域中的目标位置；
108.s404：根据所述目标位置识别所述目标人脸的身份信息；根据所述目标人脸的身份信息确定是否开门；
109.s405：根据所述目标人脸的身份信息确定考勤结果。
110.作为一种可能的实现方式，若从所述第i帧图像中确定出所述目标人脸，所述方法还包括：
111.从所述第i-1帧图像中多个人脸中再次确定与所述目标人脸不同的人脸，将与所述目标人脸不同人脸作为目标人脸，执行从所述第i-1帧图像中确定目标人脸对应的模板区域的步骤。
112.作为一种可能的实现方式，所述提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征，包括：
113.通过神经网络模型提取所述搜索区域中的待定人脸特征和所述模板区域中目标人脸的目标人脸特征，所述神经网络模型包括：第一卷积层、第一池化层、第一连接层、第二卷积层、第二池化层、第三卷积层、第二连接层、第四卷积层、第五卷积层和融合层；
114.所述第一卷积层，用于提取所述搜索区域中的第一待定人脸特征，以及提取所述模板区域中目标人脸的第一目标人脸特征；
115.所述第一池化层，用于降低所述第一待定人脸特征得到第二待定人脸特征，以及降低所述第一目标人脸特征的维度得到第二目标人脸特征；
116.所述第一连接层，用于提取所述第二待定人脸特征得到第三待定人脸特征，以及提取所述第二目标人脸特征得到第三目标人脸特征；
117.所述第二卷积层，用于提取所述第二待定人脸特征得到第四待定人脸特征，以及提取所述第二目标人脸特征，得到第四目标人脸特征；
118.所述第二池化层，用于提取所述第四待定人脸特征得到第五待定人脸特征，以及提取所述第四目标人脸特征得到第五目标人脸特征；
119.所述第三卷积层，用于提取所述第五待定人脸特征得到第六待定人脸特征，以及提取所述第五目标人脸特征得到第六目标人脸特征；
120.所述第二连接层，用于提取所述第六待定人脸特征得到第七待定人脸特征，以及提取所述第六目标人脸特征得到第七目标人脸特征；
可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
135.还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。
136.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
137.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。