一种图像数据采集方法及装置与流程

1.本技术涉及人工智能技术领域，特别是涉及一种图像数据采集方法及装置。


背景技术：

2.在一些应用场景中，需要从实景中采集一些特定对象的图像数据以进行相应的处理。例如，在训练用于识别车牌的神经网络中，需要从实景中采集多个车牌的图像数据作为训练该神经网络时的样本图像数据。这些特定对象的图像数据只有在实景中存在特定对象时才能够采集到，例如车牌的图像数据需要在实景中存在车牌的情况下才能够采集得到。
3.但是能够出现在实景中的特定对象的数目往往是有限的，因此从实景中采集到的图像数据往往不够全面，导致后续相应的处理出现异常，例如假设为使得下训练得到的用于识别车牌的神经网络的性能达到理想标准需要使用十万个车牌的图像数据，但是出于各种条件的限制实际上只采集到一万个车牌的车牌数据，则可能因训练时所使用的样本数据不足，导致训练得到的神经网络性能较差。


技术实现要素：

4.本技术实施例的目的在于提供一种图像数据采集方法及装置，以实现更全面地采集图像数据。具体技术方案如下：
5.在本技术实施例的第一方面，提供了一种图像数据采集方法，所述方法包括：
6.获取待采集对象的模型参数，所述模型参数用于表示所述待采集对象的表面的几何形状；
7.构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型；
8.将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
9.在一种可能的实施例中，在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，所述方法还包括：
10.按照所述待采集对象的材质，设置所述三维模型的材质；
11.所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
12.将设置材质后的所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
13.在一种可能的实施例中，在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，所述方法还包括：
14.按照预设光照条件，构建满足所述预设光照条件且包括所述三维模型在内的三维虚拟场景；
15.所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
16.将所述三维虚拟场景映射至二维图像平面，得到所述待采集对象的图像数据。
17.在一种可能的实施例中，所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
18.按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，其中，所述目标映射关系为预设相机采集图像时实景空间与像平面之间的映射关系。
19.在一种可能的实施例中，在所述按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据之前，所述方法还包括：
20.获取预设相机的光学参数；
21.根据所述光学参数，确定所述预设相机采集图像时实景空间与像平面之间的映射关系，作为目标映射关系。
22.在本技术实施例的第二方面，提供了一种图像数据采集装置，在所述按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据之前，所述方法还包括：
23.获取预设相机的光学参数；
24.根据所述光学参数，确定所述预设相机采集图像时实景空间与像平面之间的映射关系，作为目标映射关系。
25.在一种可能的实施例中，所述装置还包括材质设置模块，用于在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，按照所述待采集对象的材质，设置所述三维模型的材质；
26.所述数据采集模块将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
27.将设置材质后的所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
28.在一种可能的实施例中，所述装置还包括场景编辑模块，用于在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，按照预设光照条件，构建满足所述预设光照条件且包括所述三维模型在内的三维虚拟场景；
29.所述数据采集模块将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
30.将所述三维虚拟场景映射至二维图像平面，得到所述待采集对象的图像数据。
31.在一种可能的实施例中，所述数据采集模块将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
32.按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，其中，所述目标映射关系为预设相机采集图像时实景空间与像平面之间的映射关系。
33.在一种可能的实施例中，所述数据采集模块，还用于获取预设相机的光学参数；
34.根据所述光学参数，确定所述预设相机采集图像时实景空间与像平面之间的映射关系，作为目标映射关系。
35.本技术实施例有益效果：
36.本技术实施例提供的图像数据采集方法及装置，可以通过参数化建模的方式，构
建虚拟的待采集对象的三维模型，并对所构建的三维模型进行图像数据的采集，从而使得在图像数据采集过程中无需利用待采集对象实体，只需获取待采集对象的模型参数即可获得待采集对象的图像数据，因此不会受到实体数目有限的限制，采集到的图像数据更加全面。
37.当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
38.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他的实施例。
39.图1为本技术实施例提供的图像数据采集方法的一种流程示意图；
40.图2为本技术实施例提供的图像数据采集方法的另一种流程示意图；
41.图3为本技术实施例提供的图像数据采集方法的另一种流程示意图；
42.图4为本技术实施例提供的图像数据采集方法的另一种流程示意图；
43.图5为本技术实施例提供的样本数据生成方法的一种流程示意图；
44.图6a为本技术实施例提供的图像数据采集装置的一种结构示意图；
45.图6b为本技术实施例提供的图像数据采集装置的另一种结构示意图；
46.图6c为本技术实施例提供的图像数据采集装置的另一种结构示意图；
47.图7为本技术实施例提供的电子设备的一种结构示意图。
具体实施方式
48.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。
49.为了更清楚的对本技术实施例提供的图像数据采集方法进行说明，下面将对本技术实施例提供的图像数据采集方法的引用场景进行示例性说明。可以理解的是，下文所例举的示例仅是本技术实施例提供的图像数据采集方法的一种可能的应用场景，在其他可能的实施例中本技术实施例提供的图像数据采集方法也可以应用于其他可能的应用场景，以下示例对此不做限制。
50.用户出于实际需求需要训练一个用于识别车牌号的神经网络，在训练该神经网络时需要使用标注有车牌号的车牌图像作为样本数据。为使得训练得到的模型具有较好的性能，理论上应当使用足够数量的样本数据进行训练。
51.由于样本数据是由采集到的车牌的图像数据生成的，因此如果需要生成足够数量的样本数据，则需要采集足够数量的车牌的图像数据。相关技术中，可以通过对车牌进行拍摄的方式采集得到车牌的图像数据。但是，需要找到足够数量的车牌才能够拍摄得到足够数量的图像数据，而受限制各种原因能够找到的车牌数目往往有限，因此如果在训练过程
中需要使用大量样本数据，则可能因无法找到足够数量的车牌导致无法获取训练模型所需要的大量样本数据，进而造成训练得到的模型的性能较差。
52.基于此，本技术实施例提供了一种图像数据采集方法，该方法可以应用于任一具有图像数据采集功能的电子设备上，方法可以参见图1，图1所示为本技术实施例提供的图像数据采集方法的一种流程示意图，可以包括：
53.s101，获取待采集对象的模型参数。
54.s102，构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。
55.s103，将三维模型映射至二维图像平面上，得到待采集对象的图像数据。
56.选用该实施例，可以通过参数化建模的方式，构建虚拟的待采集对象的三维模型，并对所构建的是三维模型进行图像数据的采集，从而使得在图像数据采集过程中无需利用待采集对象实体，只需获取待采集对象的模型参数即可获得待采集对象的图像数据，因此不会受到实体数目有限的限制，采集到的图像数据更加全面。
57.在s101中，模型参数用于表示待采集对象的表面的几何形状。根据应用场景的不同，模型参数的表示形式不同，模型参数与所表示的几何形状应当为一一对应关系，即一个模型参数表示一个几何形状，并且一个几何形状以一个模型参数表示。
58.待采集对象可以是指特定种类的对象，如车牌、二维码等。并且待采集对象的模型参数可以是用户根据该类特定种类的对象所符合的规律假想出的参数，示例性的，假设待采集对象为车牌，模型参数包括四个子参数：坐标、字号、凸起高度、车牌字体文件，其中，坐标用于表示车牌中车牌号的位置，字号用于表示车牌中的字符，凸起高度用于表示车牌中字符相对车牌底面凸起的高度，车牌字体文件用于表示车牌中字符的字体。则根据用户的常识，坐标、字号、凸起高度以及车牌字体文件中的每个子参数应当存在一定的取值范围，例如车牌中字符相对车牌底面凸起的高度往往不会过低也不会过高，因此可以认为凸起高度的取值应当在下限阈值与上限阈值之间。则在每个子参数的取值范围内选择一个取值组成的模型参数，可以认为是一个用户假想出的车牌的模型参数。
59.在s102中，可以是根据获取到的模型参数以及预先设置的约束条件构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。可以理解的是，特定种类的对象的表面的几何形状往往具有一定的共性，这些共性可以是以约束条件的形式表示的。示例性的，车牌的底面往往为特定尺寸的矩形面，因此在预设约束条件中可以约定所构建的表面具有该特定尺寸的矩形面作为底面。
60.在s103中，二维图像平面根据应用场景的不同可以是指不同的图像平面，可以理解的是，相机拍摄实景中的物体得到图像数据的过程可以视为将三维实景空间中的物体映射至二维图像平面的过程，因此将三维模型映射至二维图像平面可以视为通过虚拟相机在虚拟的三维空间中拍摄三维模型得到图像数据的过程。
61.可以理解的是，如前述s101中的分析，模型参数可以是用户假想得到的，在其他可能的实施例中，模型参数也可以是由计算机按照预设规则计算得到的，可见相较于实体对象模型参数更易于获取，因此通过模型参数采集得到图像数据相比于通过拍摄实体对象采集得到图像数据，得到的图像数据可以更全面。
62.在一些应用场景中，三维模型的表面材质可能对后续处理没有影响或产生的影响可以忽略不计，则在这这些应用场景中是将未设置材质的三维模型映射至二维图像平面，
以得到待采集对象的图像数据，未设置材质的三维模型的材质可以是默认材质。在一些应用场景中，三维模型的表面材质可能对后续处理产生不可忽略的影响，则在这些应用场景中，可以参见图2，图2所示为本技术实施例提供的图像数据采集方法的另一种流程示意图，可以包括：
63.s201，获取待采集对象的模型参数。
64.该步骤与前述s101相同，可以参见前述s101中的相关描述，在此不再赘述。
65.s202，构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。
66.该步骤与前述s102相同，可以参见前述s101中的相关描述，在此不再赘述。
67.s203，按照待采集对象的材质，设置三维模型的材质。
68.如果待采集对象为实体对象，则待采集对象的材质为该实体对象实际的材质，如果待采集对象为假想对象，则待采集对象的材质为该假想对象理论上可能使用的材质。
69.待采集对象的材质可以是指待采集对象的材料和质感，例如假设待采集对象为车牌，则待采集对象的材料可以是金属，质感可以是具有光泽也可以是带有磨损，可以是光滑也可以是粗糙等等。
70.s204，将设置材质后的三维模型映射至二维图相平面上，得到待采集对象的图像数据。
71.选用该实施例，可以使得通过模型参数采集得到的图像数据与采集实体对象得到的图像数据更加接近，提高采集得到的图像数据的准确性。
72.可以理解的是，在一些应用场景可能需要获取不同光照条件下采集到的图像数据，示例性的，仍以训练用于识别车牌的神经网络为例。由于在实际工作过程中拍摄到不同车牌图像时的光照条件可能不同，例如中午光线充足而晚上光线暗淡，因此中午拍摄到的车牌图像和晚上拍摄到的车牌图像的光照条件不同。为了使得训练得到的神经网络能够识别不同光照条件下拍摄到的车牌图像，因此在训练神经网络时需要获取不同光照条件下采集得到的图像数据，作为样本数据。
73.如果是通过拍摄实体对象采集图像数据，则为获取不同光照条件下采集得到的图像数据，需要不断更改拍摄实体对象时所处环境的光照条件，操作较为繁琐，效率较低。
74.基于此，本技术实施例提供了一种图像数据采集方法，可以如图3所示，图3所示为本技术实施例提供的图像数据采集方法的另一种可能的流程示意图，可以包括：
75.s301，获取待采集对象的模型参数。
76.该步骤与前述s101相同，可以参见前述s101中的相关描述，在此不再赘述。
77.s302，构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。
78.该步骤与前述s102相同，可以参见前述s101中的相关描述，在此不再赘述。
79.s303，按照预设光照条件，构建满足预设光照条件且包括三维模型在内的三维虚拟场景。
80.预设光照条件中可以约定光源的位置、亮度、朝向、类型等参数中的一个或多个参数。示例性的，预设光照条件中可以约定光源的类型为点光源，位置为位置a，亮度为亮度1，朝向为朝向角φ，则可以是构建包括三维模型在内的三维虚拟场景，并以该三维虚拟场景中的位置a处存在亮度为亮度1，朝向为朝向角φ的点光源为前提，对该三维虚拟场景进行光影渲染。光影渲染的方式可以是采用光栅渲染的方式，也可以是采用光线追踪的渲染方
式，本实施例对此不做限制。
81.s304，将三维虚拟场景映射至二维图像平面，得到待采集对象的图像数据。
82.选用该实施例，可以通过在三维虚拟场景中添加虚拟光源的方式仿真真实光照条件，可以通过更改预设光照条件的方式获取不同光照条件下的图像数据，无需对实景中的光照条件进行更改，因此操作简单并且效率较高。
83.可以理解的是，在一些应用场景中可能需要获取通过特定种类的相机拍摄实体对象得到的图像数据，例如可能需要获取鱼眼相机拍摄到的图像数据，也可能需要获取正交投影相机拍摄到的图像数据，还可能需要获取透视投影相机拍摄到的图像数据。示例性的，仍以前述训练用于识别车牌的神经网络为例，假设训练得到的神经网络在实际工作过程中，输入的图像为透视投影相机拍摄到的图像，则理论上在训练神经网络时所使用的样本数据应当为透视投影相机拍摄到的图像数据。
84.基于此，本技术实施例提供了一种图像数据采集方法，可以参见图4，图4所示为本技术实施例提供的图像数据采集方法的另一种可能的流程示意图，可以包括：
85.s401，获取待采集对象的模型参数。
86.该步骤与前述s101相同，可以参见前述s101中的相关描述，在此不再赘述。
87.s402，构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。
88.该步骤与前述s102相同，可以参见前述s101中的相关描述，在此不再赘述。
89.s403，按照目标映射关系将三维模型映射至二维图像平面上，得到待采集对象的图像数据。
90.其中，目标映射关系为预设相机采集图像时实景空间与像平面之间的映射关系。为描述方便，假设实景空间中的一个空间点的坐标为(xr,yr,zr)，像平面中一个像素点的像素坐标为(xc,yc)，三维虚拟空间中一个虚拟空间点的坐标为(xv,yv,zv)，二维图像平面中一个像素点的像素坐标为(x
p
,y
p
)，则如果以矩阵f表示预设相机采集图像时实景空间与像平面之间的映射关系，则矩阵f应当满足以下关系：
91.(xc,yc)＝f
×
(xr,yr,zr)
92.在对三维模型进行映射时，可以是按照下式对三维模型中的各个点进行映射：
93.(x
p
,y
p
)＝f
×
(xv,yv,zv)
94.f可以是根据预设相机的光学参数确定得到的，光学参数可以是预先获取得到的，可以是通过标定得到，光学参数可以是指预设相机的内参，本实施例对此不做限制。
95.可以理解的是，预设相机可以是指实体相机也可以是用户假想出的假想相机。如果预设相机为实体相机，则预设相机的光学参数为该实体相机实际的光学参数，如果预设相机为假想相机，则预设相机的光学参数可以是用户根据相机的光学参数的可能取值范围假想出的光学参数。
96.下面将结合具体的应用场景，对三维模型的构建进行详细的说明，假设待采集对象的孔状二维码，孔状二维码的表面可以视为存在多个孔洞的平面，因此孔状二维码的模型参数可以包括以下子参数：孔洞坐标、孔洞半径、孔洞深度、孔洞间隔。
97.其中，孔洞的坐标用于表示孔洞在该平面上的位置，孔洞半径用于表示孔洞开口处的半径，孔洞深度用于表示孔洞的底面距离该平面的垂直距离，孔洞间隔可以是用于表示相邻孔洞的中心之间的距离，也可以是用于表示相邻孔洞的边缘之间的最小距离。在其
他可能的实施例，也可以只包括这些参数中的部分参数，例如，在一些可能的实施例中，不同孔状二维码中孔洞半径是一致的，则模型参数中可以不包括半径。则可以是按照孔洞的坐标所表示的位置在该平面上，按照孔洞间隔所表示的间隔依次设置半径为空桶半径、深度为孔洞深度的孔洞，以得到模型参数所表示的几何形状的表面。
98.参见图5，图5所示为本技术实施例提供的样本数据生成方法的一种可能的流程示意图，可以包括：
99.s501，获取待采集对象的模型参数。
100.该步骤与前述s101相同，可以参见前述s101的相关描述，在此不再赘述。
101.s502，构建模型参数所表示的几何形状的表面，作为待采集对象的三维模型。
102.该步骤与前述s102相同，可以参见前述s101的相关描述，在此不再赘述。
103.s503，按照待采集对象的材质，设置三维模型的材质。
104.该步骤与前述s203相同，可以参见前述s203的相关描述，在此不再赘述。
105.s504，按照预设光照条件，构建满足预设光照条件且包括设置材质后的三维模型在内的三维虚拟场景。
106.该步骤与前述s303类似，区别仅在于三维模型已经设置材质，可以类推得到，因此不再赘述。
107.s505，按照目标映射关系将三维虚拟场景映射至二维图像平面，得到待采集对象的图像数据。
108.其中，目标映射关系为预设相机采集图像时实景空间与像平面之间的映射关系。
109.s506，标注采集得到的图像数据，得到样本数据。
110.标注的方式根据应用场景的不同可以不同，示例性的，以训练用于识别车牌的神经网络为例，可以是在图像数据中标注车牌的位置以及车牌号。
111.参见图6a，图6a所示为本技术实施例提供的图像数据采集装置的一种结构示意图，可以包括：
112.参数获取模块601，用于获取待采集对象的模型参数，所述模型参数用于表示所述待采集对象的表面的几何形状；
113.参数化构建模块602，用于构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型；
114.数据采集模块603，用于将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
115.在一种可能的实施例中，如图6b所示，所述装置还包括材质设置模块604，用于在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，按照所述待采集对象的材质，设置所述三维模型的材质；
116.所述数据采集模块603将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
117.将设置材质后的所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
118.在一种可能的实施例中，如图6c所示，所述装置还包括场景编辑模块605，用于在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，
按照预设光照条件，构建满足所述预设光照条件且包括所述三维模型在内的三维虚拟场景；
119.所述数据采集模块603将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
120.将所述三维虚拟场景映射至二维图像平面，得到所述待采集对象的图像数据。
121.在一种可能的实施例中，所述数据采集模块603将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
122.按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，其中，所述目标映射关系为预设相机采集图像时实景空间与像平面之间的映射关系。
123.在一种可能的实施例中，所述数据采集模块603，还用于获取预设相机的光学参数；
124.根据所述光学参数，确定所述预设相机采集图像时实景空间与像平面之间的映射关系，作为目标映射关系。
125.本技术实施例还提供了一种电子设备，如图7所示，包括：
126.存储器701，用于存放计算机程序；
127.处理器702，用于执行存储器701上所存放的程序时，实现如下步骤：
128.获取待采集对象的模型参数，所述模型参数用于表示所述待采集对象的表面的几何形状；
129.构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型；
130.将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
131.在一种可能的实施例中，在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，所述方法还包括：
132.按照所述待采集对象的材质，设置所述三维模型的材质；
133.所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
134.将设置材质后的所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据。
135.在一种可能的实施例中，在所述构建所述模型参数所表示的几何形状的表面，作为所述待采集对象的三维模型之后，所述方法还包括：
136.按照预设光照条件，构建满足所述预设光照条件且包括所述三维模型在内的三维虚拟场景；
137.所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
138.将所述三维虚拟场景映射至二维图像平面，得到所述待采集对象的图像数据。
139.在一种可能的实施例中，所述将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，包括：
140.按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据，其中，所述目标映射关系为预设相机采集图像时实景空间与像平面之间的映
射关系。
141.在一种可能的实施例中，在所述按照目标映射关系将所述三维模型映射至二维图像平面上，得到所述待采集对象的图像数据之前，所述方法还包括：
142.获取预设相机的光学参数；
143.根据所述光学参数，确定所述预设相机采集图像时实景空间与像平面之间的映射关系，作为目标映射关系。
144.上述电子设备提到的存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
145.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，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。
146.在本技术提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像数据采集方法的步骤。
147.在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像数据采集方法。
148.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
149.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。
150.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部
分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质以及计算机程序产品而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
151.以上所述仅为本技术的较佳实施例，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。