设备工件异常动作的检测方法、装置和电子设备与流程

1.本发明涉及异常检测的技术领域，尤其是涉及一种设备工件异常动作的检测方法、装置和电子设备。


背景技术：

2.在大量的工业生产实施活动中，部分的设备工件在工作过程中难免会出现异常动作，比如，滑块出现晃动，另外，由于一些设备工件的特殊性，无法通过装配传感器的方式对其状态进行检测，只能派遣相关人员定时对设备工件进行监控。
3.上述通过相关人员对设备工件进行监控的方式耗费了大量的人力成本，智能性差，另外，由于相关人员无法实时对设备工件进行监控，所以，会存在漏检的情况。
4.综上，现有的设备工件异常动作的检测方法存在智能性差、耗费人工成本和检测的准确性差的技术问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种设备工件异常动作的检测方法、装置和电子设备，以缓解现有的设备工件异常动作的检测方法智能性差、耗费人工成本和检测的准确性差的技术问题。
6.第一方面，本发明实施例提供了一种设备工件异常动作的检测方法，包括：
7.通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至所述第一线程的数据队列中；
8.当所述数据队列中的待检测视频帧达到预设数量后，通过第二线程复制所述数据队列中的多帧待检测视频帧，并清空所述数据队列中存储的待检测视频帧；
9.所述第二线程对多帧所述待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；
10.所述第二线程采用视频动作分析模型对多帧所述处理后的待检测视频帧进行动作分析，得到所述待检测设备工件的异常动作检测结果，其中，所述预处理和所述动作分析的耗时和不大于所述数据队列存储预设数量的待检测视频帧的耗时。
11.进一步的，在通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理之前，所述方法还包括：
12.获取图像采集装置对所述待检测设备工件进行拍摄得到的所述待检测设备工件的视频流。
13.进一步的，所述第二线程对多帧所述待检测视频帧进行预处理，包括：
14.所述第二线程对多帧所述待检测视频帧进行归一化处理，得到多帧归一化处理后的待检测视频帧；
15.所述第二线程对多帧所述归一化处理后的待检测视频帧进行双线性插值处理，得到多帧所述处理后的待检测视频帧。
16.进一步的，所述第二线程采用视频动作分析模型对多帧所述处理后的待检测视频帧进行动作分析，得到所述待检测设备工件的异常动作检测结果，包括：
17.将多帧所述处理后的待检测视频帧输入至所述视频动作分析模型，输出得到多帧所述待检测视频帧属于每种异常动作类别的概率；
18.将所述概率中最大概率对应的异常动作类别作为所述待检测设备工件的异常动作检测结果。
19.进一步的，所述方法还包括：
20.部署原始视频动作分析模型，其中，所述原始视频动作分析模型的网络结构为基于movinet的网络结构；
21.根据设备工件的原始视频流确定训练样本，并对各训练样本进行异常动作类别标注，其中，每个所述训练样本包括所述预设数量的设备工件的视频帧；
22.通过所述训练样本对所述原始视频动作分析模型进行训练，得到所述视频动作分析模型。
23.进一步的，根据设备工件的原始视频流确定训练样本，包括：
24.对所述原始视频流进行裁剪，裁剪得到多个视频片段，其中，每个所述视频片段携带有异常动作类别的信息；
25.按照预设采样帧率对每个所述视频片段进行视频帧采样，得到多组视频帧，其中，每组所述视频帧携带有异常动作类别的信息；
26.对每组所述视频帧中的各个视频帧进行预处理，得到所述训练样本。
27.进一步的，所述方法还包括：
28.若所述待检测设备工件的异常动作检测结果表示所述待检测设备工件存在异常动作，则进行报警。
29.第二方面，本发明实施例还提供了一种设备工件异常动作的检测装置，包括：
30.视频帧拉取处理单元，用于通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至所述第一线程的数据队列中；
31.复制单元，用于当所述数据队列中的待检测视频帧达到预设数量后，通过第二线程复制所述数据队列中的多帧待检测视频帧，并清空所述数据队列中存储的待检测视频帧；
32.预处理单元，用于所述第二线程对多帧所述待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；
33.动作分析单元，用于所述第二线程采用视频动作分析模型对多帧所述处理后的待检测视频帧进行动作分析，得到所述待检测设备工件的异常动作检测结果，其中，所述预处理和所述动作分析的耗时和不大于所述数据队列存储预设数量的待检测视频帧的耗时。
34.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、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计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
35.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，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
36.在本发明实施例中，提供了一种设备工件异常动作的检测方法，包括：通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至第一线程的数据队列中；当数据队列中的待检测视频帧达到预设数量后，通过第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧；第二线程对多帧待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；第二线程采用视频动作分析模型对多帧处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，其中，预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时。通过上述描述可知，本发明的设备工件异常动作的检测方法能够基于待检测设备工件的视频流对待检测设备工件的异常动作进行自动检测识别，智能性好，减少了人工成本，且提高了检测的准确性，另外，本技术在进行异常动作的检测时，采用了多线程实时待检测视频帧缓存的方式，一线程实时进行待检测视频帧的缓存，另一线程实时从缓存中取出待检测视频帧进行预处理和动作分析，且预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时，保证了在进行异常动作检测时的实时性，且不存在丢帧的情况，提高了检测结果的准确性，缓解了现有的设备工件异常动作的检测方法智能性差、耗费人工成本和检测的准确性差的技术问题。
附图说明
37.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。
38.图1为本发明实施例提供的一种设备工件异常动作的检测方法的流程图；
39.图2为本发明实施例提供的视频动作分析模型的训练的流程图；
40.图3为本发明实施例提供的一种设备工件异常动作的检测装置的示意图；
41.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
42.下面将结合实施例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。
43.目前，在对设备工件异常动作进行检测时，只能通过派遣相关人员定时对设备工件进行监控的方式实现，耗费了大量的人力成本，智能性差，另外，由于相关人员无法实时对设备工件进行监控，所以，会存在漏检的情况。
44.基于此，本实施例提供了一种设备工件异常动作的检测方法能够基于待检测设备工件的视频流对待检测设备工件的异常动作进行自动检测识别，智能性好，减少了人工成本，且提高了检测的准确性，另外，本技术在进行异常动作的检测时，采用了多线程实时待检测视频帧缓存的方式，一线程实时进行待检测视频帧的缓存，另一线程实时从缓存中取出待检测视频帧进行预处理和动作分析，且预处理和动作分析的耗时和不大于数据队列存
储预设数量的待检测视频帧的耗时，保证了在进行异常动作检测时的实时性，且不存在丢帧的情况，提高了检测结果的准确性。
45.为便于对本实施例进行理解，首先对本发明实施例所公开的一种设备工件异常动作的检测方法进行详细介绍。
46.实施例一：
47.根据本发明实施例，提供了一种设备工件异常动作的检测方法的实施例，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。
48.图1是根据本发明实施例的一种设备工件异常动作的检测方法的流程图，如图1所示，该方法包括如下步骤：
49.步骤s102，通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至第一线程的数据队列中；
50.在本发明实施例中，上述设备工件异常动作的检测方法应用于服务器，服务器提供了两个线程执行上述的设备工件异常动作的检测。
51.在通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理之前，该方法还包括：
52.获取图像采集装置对待检测设备工件进行拍摄得到的待检测设备工件的视频流。
53.具体的，预先在待检测设备工件的位置处安装并配置图像采集装置(例如，摄像头)，图像采集装置通过局域网接入服务器。
54.进而，对待检测设备工件的视频流，启动第一线程，应用端基于rtsp协议实时进行视频帧拉取处理，然后，将得到的待检测视频帧存储至第一线程的数据队列中。
55.步骤s104，当数据队列中的待检测视频帧达到预设数量后，通过第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧；
56.实际上，数据队列为预设长度的队列，其中能够存储预设数量的待检测视频帧。具体的，第二线程实时监听数据队列中存储的待检测视频帧的数量，当数据队列中的待检测视频帧达到预设数量后，第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧。
57.上述预设数量可以为25张，本发明实施例对上述预设数量不进行具体限制。
58.步骤s106，第二线程对多帧待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；
59.预处理后，能够降低模型输入数据的复杂度。
60.步骤s108，第二线程采用视频动作分析模型对多帧处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，其中，预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时。
61.例如，第一线程的数据队列存储预设数量的待检测视频帧的耗时为1秒，第二线程的预处理和动作分析的耗时和为0.5—0.6秒之间，那么，就能实现对待检测设备工件进行实时检测的业务需要。
62.如果不进行上述第一线程的待检测视频帧的缓存，只采用一个线程进行上述检测
过程，无法实现对待检测设备工件进行实时检测的目的。例如，若只采用一个线程，该线程先进行视频帧拉取处理，得到预设数量后的待检测视频帧后，再对该预设数量的待检测视频帧进行预处理，并对预处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果；然后，再进行视频帧拉取处理的操作，该视频帧拉取处理的操作就会出现一定的延迟，因为若预处理和动作分析的过程耗时0.5秒，而在预处理和动作分析时，视频流也是在不断产生的，由于该线程在进行预处理和动作分析的过程，无法实时进行视频帧拉取处理，需要完成预处理和动作分析后，再执行视频帧拉取处理，这样就造成了延迟，长时间检测积累后，导致因延迟时间过长造成检测结果失效。
63.另外，本发明的方法区分于绝大多数的静态图片的异常检测，采用了视频动作分析模型，对待检测视频帧的时间维度(通过多帧处理后的待检测视频帧体现的)、视频帧的长度、视频帧的宽度和视频帧的rgb通道作为输入，可以有效地捕获图像信息在时间维度中的动作变化，从而实现对于异常动作的捕获，解决待检测设备工件的异常动作的识别问题。
64.在本发明实施例中，提供了一种设备工件异常动作的检测方法，包括：通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至第一线程的数据队列中；当数据队列中的待检测视频帧达到预设数量后，通过第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧；第二线程对多帧待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；第二线程采用视频动作分析模型对多帧处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，其中，预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时。通过上述描述可知，本发明的设备工件异常动作的检测方法能够基于待检测设备工件的视频流对待检测设备工件的异常动作进行自动检测识别，智能性好，减少了人工成本，且提高了检测的准确性，另外，本技术在进行异常动作的检测时，采用了多线程实时待检测视频帧缓存的方式，一线程实时进行待检测视频帧的缓存，另一线程实时从缓存中取出待检测视频帧进行预处理和动作分析，且预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时，保证了在进行异常动作检测时的实时性，且不存在丢帧的情况，提高了检测结果的准确性，缓解了现有的设备工件异常动作的检测方法智能性差、耗费人工成本和检测的准确性差的技术问题。
65.上述内容对本发明的设备工件异常动作的检测方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
66.在本发明的一个可选实施例中，第二线程对多帧待检测视频帧进行预处理，包括：
67.第二线程对多帧待检测视频帧进行归一化处理，得到多帧归一化处理后的待检测视频帧；第二线程对多帧归一化处理后的待检测视频帧进行双线性插值处理，得到多帧处理后的待检测视频帧。
68.具体的，归一化处理能降低模型输入数据的复杂度，上述每帧处理后的待检测视频帧可以为3*224*224的图像，本发明实施例对上述待检测视频帧的大小不进行具体限制。若多帧处理后的待检测视频帧为25帧处理后的待检测视频帧，那么，每帧处理后的待检测视频帧可以表示为3*x*224*224，x为1至25之间的正整数，x表示该处理后的待检测视频帧在多帧处理后的待检测视频帧中的位置，也就是通过x来体现时间的维度。
69.在本发明的一个可选实施例中，第二线程采用视频动作分析模型对多帧处理后的
待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，具体包括：
70.将多帧处理后的待检测视频帧输入至视频动作分析模型，输出得到多帧待检测视频帧属于每种异常动作类别的概率；将概率中最大概率对应的异常动作类别作为待检测设备工件的异常动作检测结果。
71.具体的，上述每种异常动作类别中有一种类别为不存在异常动作的类别，也即动作正常的类别。
72.在本发明的一个可选实施例中，该方法还包括：若待检测设备工件的异常动作检测结果表示待检测设备工件存在异常动作，则进行报警。
73.具体的，当检测到待检测设备工件存在异常动作时，及时进行报警，通知相关工作人员对待检测设备工件的异常动作进行相应的处理，从而有效地提升设备工件的生产效率和工作效率。
74.下面对视频动作分析模型的训练过程进行介绍：
75.在本发明的一个可选实施例中，参考图2，该方法还包括：
76.步骤s201，部署原始视频动作分析模型，其中，原始视频动作分析模型的网络结构为基于movinet的网络结构；
77.上述原始视频动作分析模型为3d深度神经网络模型。
78.步骤s202，根据设备工件的原始视频流确定训练样本，并对各训练样本进行异常动作类别标注，其中，每个训练样本包括预设数量的设备工件的视频帧；
79.具体包括如下过程：对原始视频流进行裁剪，裁剪得到多个视频片段，其中，每个视频片段携带有异常动作类别的信息；按照预设采样帧率对每个视频片段进行视频帧采样，得到多组视频帧，其中，每组视频帧携带有异常动作类别的信息；对每组视频帧中的各个视频帧进行预处理，得到训练样本。
80.具体的，上述预设采样帧率可以为25帧的采样帧速率，本发明实施例对上述预设采样帧率不进行具体限制。上述预处理后，一个训练样本包含25帧视频帧，每帧视频帧的大小为3*224*224，本发明实施例对上述视频帧的大小不进行具体限制。
81.另外，上述原始视频动作分析模型的输出层可以为softmax层。
82.步骤s203，通过训练样本对原始视频动作分析模型进行训练，得到视频动作分析模型。
83.本发明的设备工件异常动作的检测方法能够基于待检测设备工件的视频流对待检测设备工件的异常动作进行自动检测识别，智能性好，减少了人工成本，且提高了检测的准确性，另外，本技术在进行异常动作的检测时，采用了多线程实时待检测视频帧缓存的方式，一线程实时进行待检测视频帧的缓存，另一线程实时从缓存中取出待检测视频帧进行预处理和动作分析，且预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时，保证了在进行异常动作检测时的实时性，且不存在丢帧的情况，提高了检测结果的准确性。
84.实施例二：
85.本发明实施例还提供了一种设备工件异常动作的检测装置，该设备工件异常动作的检测装置主要用于执行本发明实施例一中所提供的设备工件异常动作的检测方法，以下对本发明实施例提供的设备工件异常动作的检测装置做具体介绍。
86.图3是根据本发明实施例的一种设备工件异常动作的检测装置的示意图，如图3所示，该装置主要包括：视频帧拉取处理单元10、复制单元20、预处理单元30和动作分析单元40，其中：
87.视频帧拉取处理单元，用于通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至第一线程的数据队列中；
88.复制单元，用于当数据队列中的待检测视频帧达到预设数量后，通过第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧；
89.预处理单元，用于第二线程对多帧待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；
90.动作分析单元，用于第二线程采用视频动作分析模型对多帧处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，其中，预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时。
91.在本发明实施例中，提供了一种设备工件异常动作的检测装置，包括：通过第一线程实时对待检测设备工件的视频流进行视频帧拉取处理，并将得到的待检测视频帧存储至第一线程的数据队列中；当数据队列中的待检测视频帧达到预设数量后，通过第二线程复制数据队列中的多帧待检测视频帧，并清空数据队列中存储的待检测视频帧；第二线程对多帧待检测视频帧进行预处理，得到多帧处理后的待检测视频帧；第二线程采用视频动作分析模型对多帧处理后的待检测视频帧进行动作分析，得到待检测设备工件的异常动作检测结果，其中，预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时。通过上述描述可知，本发明的设备工件异常动作的检测装置能够基于待检测设备工件的视频流对待检测设备工件的异常动作进行自动检测识别，智能性好，减少了人工成本，且提高了检测的准确性，另外，本技术在进行异常动作的检测时，采用了多线程实时待检测视频帧缓存的方式，一线程实时进行待检测视频帧的缓存，另一线程实时从缓存中取出待检测视频帧进行预处理和动作分析，且预处理和动作分析的耗时和不大于数据队列存储预设数量的待检测视频帧的耗时，保证了在进行异常动作检测时的实时性，且不存在丢帧的情况，提高了检测结果的准确性，缓解了现有的设备工件异常动作的检测方法智能性差、耗费人工成本和检测的准确性差的技术问题。
92.可选地，该装置还用于：获取图像采集装置对待检测设备工件进行拍摄得到的待检测设备工件的视频流。
93.可选地，预处理单元还用于：第二线程对多帧待检测视频帧进行归一化处理，得到多帧归一化处理后的待检测视频帧；第二线程对多帧归一化处理后的待检测视频帧进行双线性插值处理，得到多帧处理后的待检测视频帧。
94.可选地，动作分析单元还用于：将多帧处理后的待检测视频帧输入至视频动作分析模型，输出得到多帧待检测视频帧属于每种异常动作类别的概率；将概率中最大概率对应的异常动作类别作为待检测设备工件的异常动作检测结果。
95.可选地，该装置还用于：部署原始视频动作分析模型，其中，原始视频动作分析模型的网络结构为基于movinet的网络结构；根据设备工件的原始视频流确定训练样本，并对各训练样本进行异常动作类别标注，其中，每个训练样本包括预设数量的设备工件的视频帧；通过训练样本对原始视频动作分析模型进行训练，得到视频动作分析模型。
96.可选地，该装置还用于：对原始视频流进行裁剪，裁剪得到多个视频片段，其中，每个视频片段携带有异常动作类别的信息；按照预设采样帧率对每个视频片段进行视频帧采样，得到多组视频帧，其中，每组视频帧携带有异常动作类别的信息；对每组视频帧中的各个视频帧进行预处理，得到训练样本。
97.可选地，该装置还用于：若待检测设备工件的异常动作检测结果表示待检测设备工件存在异常动作，则进行报警。
98.本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
99.如图4所示，本技术实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，所述存储器602存储有所述处理器601可执行的机器可读指令，当电子设备运行时，所述处理器601与所述存储器602之间通过总线通信，所述处理器601执行所述机器可读指令，以执行如上述设备工件异常动作的检测方法的步骤。
100.具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述设备工件异常动作的检测方法。
101.处理器601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601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601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技术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。结合本技术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602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
102.对应于上述设备工件异常动作的检测方法，本技术实施例还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存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述设备工件异常动作的检测方法的步骤。
103.本技术实施例所提供的设备工件异常动作的检测装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本技术实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
104.在本技术所提供的实施例中，应该理解到，所揭露装置和方法，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。
105.再例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
106.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。
107.另外，在本技术提供的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。
108.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述车辆标记方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
109.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
110.最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，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技术揭露的技术范围内，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技术实施例技术方案的范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。