物品的拆封识别方法及装置、计算机存储介质、电子设备与流程

1.本公开涉及人工智能技术领域，特别涉及一种物品的拆封识别方法、物品的拆封识别装置、计算机存储介质及电子设备。


背景技术：

2.随着互联网及计算机技术的迅速发展，相关物品展示平台的功能也在日益多样化。为了避免用户购买一些贵重物品囤积居奇，产生了在物品展示平台线上识别物品是否被拆封的功能需求。
3.目前，一般是通过人工识别的方式识别物品是否拆封，然而，人工识别的方式无法保证准确率，且在识别量较大时，效率较低。
4.鉴于此，本领域亟需开发一种新的物品的拆封识别方法及装置。
5.需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。


技术实现要素：

6.本公开的目的在于提供一种物品的拆封识别方法、物品的拆封识别装置、计算机存储介质及电子设备，进而至少在一定程度上克服了相关技术中识别效率较低的问题。
7.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
8.根据本公开的第一方面，提供一种物品的拆封识别方法，包括：获取目标用户上传的物品拆封视频，所述物品拆封视频用于反应物品的拆封过程；所述物品拆封视频至少包括第一视频片段、第二视频片段、第三视频片段和第四视频片段；通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封；在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损；所述预设动作为从所述外包装中取出所述物品的动作；在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封；在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。
9.在本公开的示例性实施例中，所述通过第一视频片段识别所述物品的外包装是否完好无损，包括：对所述第一视频片段进行抽帧处理，得到至少两帧图像；通过所述至少两帧图像，识别所述物品的外包装是否完好无损。
10.在本公开的示例性实施例中，所述识别所述物品的外包装是否完好无损，包括：识别所述物品的顶部标签是否完好无损；以及，识别所述物品的底部标签是否完好无损。
11.在本公开的示例性实施例中，所述识别所述物品的顶部标签是否完好无损，包括：利用预先训练的完整性检测模型对所述至少两帧图像中的顶部标签进行完整性检测；所述完整性检测模型为分类模型；当所述完整性检测模型输出第一结果时，确定所述顶部标签
完好无损；所述第一结果用于表征所述顶部标签完好无损；当所述完整性检测模型输出第二结果时，利用预先训练的拍摄部位检测模型确定所述顶部标签是否完好无损；所述第二结果用于表征所述顶部标签被损坏或未检测到所述顶部标签。
12.在本公开的示例性实施例中，所述利用预先训练的拍摄部位检测模型确定所述顶部标签是否完好无损，包括：利用所述拍摄部位识别模型识别所述至少两帧图像中所述外包装的拍摄部位；响应于所述拍摄部位与所述顶部标签所处的预设位置一致，确定所述顶部标签被损坏；响应于所述拍摄部位与所述顶部标签所处的预设位置不一致，向所述目标用户发送重传提示信息，并根据所述目标用户重新上传的第一视频片段识别所述顶部标签是否完好无损；其中，所述重传提示信息用于提示所述目标用户重新上传所述第一视频片段。
13.在本公开的示例性实施例中，在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封，包括：通过所述外包装上的溯源码获取所述物品的购买者；若所述购买者与所述目标用户一致，则通过第二视频片段识别所述外包装是否被拆封。
14.在本公开的示例性实施例中，所述识别第二视频片段中的外包装是否被拆封，包括：识别所述外包装上的顶部标签和/或底部标签是否被拆封。
15.在本公开的示例性实施例中，所述在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损，包括：在识别出所述外包装被拆封且检测到预设动作之后，从所述物品上获取物流码；基于预先存储的物流码与溯源码的对应关系，确定所述物流码对应的目标溯源码；若所述目标溯源码与所述外包装上的溯源码一致，通过所述第三视频片段识别所述物品的密封圈是否完好无损。
16.在本公开的示例性实施例中，在获取目标用户上传的物品拆封视频之后，所述方法还包括：对每个视频片段所包含的多帧图像进行特征提取，得到每帧图像的特征信息；根据相邻两帧图像的特征信息，计算所述相邻两帧图像之间的偏差度；响应于所述偏差度小于偏差度阈值，确定所述目标用户不具备奖励领取资格。
17.在本公开的示例性实施例中，所述方法还包括：从每个视频片段中获取不包含所述物品的帧数目；响应于所述帧数目大于预设阈值，确定所述目标用户不具备奖励领取资格。
18.根据本公开的第二方面，提供一种物品的拆封识别装置，包括：视频获取模块，用于获取目标用户上传的物品拆封视频，所述物品拆封视频用于反应物品的拆封过程；所述物品拆封视频至少包括第一视频片段、第二视频片段、第三视频片段和第四视频片段；第一识别模块，用于通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封；第二识别模块，用于在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损；所述预设动作为从所述外包装中取出所述物品的动作；第三识别模块，用于在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封；奖励发放模块，用于在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。
19.根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的物品的拆封识别方法。
20.根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的物品的拆封识别方法。
21.由上述技术方案可知，本公开示例性实施例中的物品的拆封识别方法、物品的拆封识别装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
22.在本公开的一些实施例所提供的技术方案中，一方面，通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封，在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈及密封盖是否完好无损，在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封，在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。一方面，能够自动识别物品是否拆封，解决了相关技术中人工识别物品拆分过程所导致的效率较低的问题，提升识别效率；另一方面，能够避免人工识别容易受人员疲劳、情绪等因素影响，识别效果不够稳定的问题，提升识别效果的稳定性。
23.本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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附图。
25.图1示出本公开实施例中物品的拆封识别方法的流程示意图；
26.图2示出本公开实施例中识别物品的顶部标签是否完好无损的流程示意图；
27.图3示出本公开实施例中如何利用拍摄部位检测模型识别顶部标签是否完好无损的流程示意图；
28.图4示出本公开实施例中在识别出外包装完好无损之后，如何通过第二视频片段识别外包装是否被拆封的流程示意图；
29.图5示出本公开实施例中在识别出外包装被拆封且检测到预设动作之后，如何通过第三视频片段识别物品的密封圈是否完好无损的流程示意图；
30.图6示出本公开实施例中如何根据物品拆分视频的连续性，确定是否无效目标用户的奖励领取资格的流程示意图；
31.图7示出本公开实施例中一种物品拆封的识别方法的整体流程示意图；
32.图8示出本公开实施例中另一种物品拆封的识别方法的整体流程示意图；
33.图9示出本公开示例性实施例中物品的拆封识别装置的结构示意图；
34.图10示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
35.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形
式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
36.本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
37.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
38.名贵酒类是品尝、收藏、馈赠亲友的佳品。物品展示平台为了鼓励用户购买名贵酒水自己饮用，可以对用户购得的名贵酒水进行开瓶识别。如果识别为酒瓶被开启，可以确认为用户自饮，并非黄牛抢购，然后对该用户给予奖励。由于开瓶识别概念提出较新，以目前技术，只能是用户拍完开瓶过程视频，上传至物品展示平台，由人工进行识别。
39.然而，人工识别的方法存在效率低、准确率不高、无法实时反馈等问题。此外，人工识别对人员的要求高，受识别人员疲劳、情绪等因素影响，识别效果不够稳定。在识别请求量大的情况下，该方式极大限制了识别效率，增加了物品展示平台的人力成本。
40.在本公开的实施例中，首先提供了一种物品的拆封识别方法，至少在一定程度上克服现有技术中识别效率较低的缺陷。
41.图1示出本公开实施例中物品的拆封识别方法的流程示意图，该物品的拆封识别方法的执行主体可以是对物品进行拆封识别的服务器。
42.参考图1，根据本公开的一个实施例的物品的拆封识别方法包括以下步骤：
43.步骤s110，获取目标用户上传的物品拆封视频，所述物品拆封视频用于反应物品的拆封过程；所述物品拆封视频至少包括第一视频片段、第二视频片段、第三视频片段和第四视频片段；
44.步骤s120，通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封；
45.步骤s130，在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损；所述预设动作为从所述外包装中取出所述物品的动作；
46.步骤s140，在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封；
47.步骤s150，在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。
48.在图1所示实施例所提供的技术方案中，通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包
装是否被拆封，在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈及密封盖是否完好无损，在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封，在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。一方面，能够自动识别物品是否拆封，解决了相关技术中人工识别物品拆分过程所导致的效率较低的问题，提升识别效率；另一方面，能够避免人工识别容易受人员疲劳、情绪等因素影响，识别效果不够稳定的问题，提升识别效果的稳定性。
49.以下对图1中的各个步骤的具体实现过程进行详细阐述：
50.在步骤s110中，获取目标用户上传的物品拆封视频。
51.本步骤中，可以获取目标用户上传的物品拆封视频，目标用户可以是上传物品拆封视频的用户。
52.其中，上述物品可以是名贵酒类等具备收藏价值的物品，例如：某品牌的白酒，可以根据实际情况自行设定，本公开对此不作特殊限定。
53.上述物品拆封视频用于反应物品的拆封过程。示例性的，物品的拆封过程至少可以包括以下四个阶段：未拆封的完整外包装展示-外包装拆封，并从外包装中取出物品-未拆封的物品密封圈展示-物品的密封圈及密封盖拆封，从而，上述物品拆封过程至少包括对应于以上四个阶段的四个视频片段，即第一视频片段、第二视频片段、第三视频片段和第四视频片段。
54.需要说明的是，物品的拆封过程可以根据实际情况拆分为不同的阶段数目，例如：可以对其进行更细粒度的划分，得到10个阶段，从而，上述物品拆封视频可以包括对应于上述10个阶段的10个视频片段，可以根据实际情况自行设定，本公开对此不作特殊限定。
55.以下实施例中以上述物品拆封视频包括第一视频片段、第二视频片段、第三视频片段和第四视频片段为例进行说明。
56.在获取到上述物品拆封视频之后，可以执行步骤s120。
57.在步骤s120中，通过第一视频片段识别物品的外包装是否完好无损，并在识别出外包装完好无损之后，通过第二视频片段识别外包装是否被拆封。
58.本步骤中，可以通过第一视频片段识别物品的外包装是否完好无损，第一视频片段用于反应“未拆封的完整外包装展示”，第二视频片段用于反应“外包装拆封，并从外包装中取出物品”的过程。
59.具体的，为了在不影响识别的前提下减少识别过程的运算量，可以先对第一视频片段进行抽帧处理(例如：每间隔10帧抽一帧，可以根据实际情况自行设定，本公开对此不作特殊限定)，得到至少两帧图像，进而，通过该至少两帧图像，识别物品的外包装是否完好无损。通过抽帧处理，使得识别过程不必对视频片段的所有帧都进行计算，达到节省算力、提高速度的目的。
60.具体的，可以通过上述至少两帧图像，识别物品的顶部标签是否完好无损，以及，识别物品的底部标签是否完好无损，在顶部标签和底部标签都完好无损的情况下，可以确定物品的外包装完好无损。
61.示例性的，可以先识别物品的顶部标签是否完好无损，在确定出顶部标签完好无损之后，可以识别物品的底部标签是否完好无损，或者，也可以先识别物品的底部标签是否
完好无损，在确定出底部标签完好无损之后，再识别物品的顶部标签是否完好无损，具体的先后顺序可以根据实际情况自行设定，本公开对此不作特殊限定。
62.以下实施例中以先识别物品的顶部标签是否完好无损，再识别物品的底部标签是否完好无损的顺序为例进行说明。
63.参考图2，图2示出本公开实施例中识别物品的顶部标签是否完好无损的流程示意图，包含步骤s201-步骤s203：
64.在步骤s201中，利用预先训练的完整性检测模型对至少两帧图像中的顶部标签进行完整性检测；完整性检测模型为分类模型。
65.本步骤中，可以利用预先训练的完整性检测模型对至少两帧图像中的顶部标签进行完整性检测。上述完整性检测模型的作用在于：从上述至少两帧图像中检测上述顶部标签的位置框，以及，在检测出顶部标签的位置框之后，检测位置框内的顶部标签是否完好无损。
66.由于顶部标签在外包装上所占的面积较小，为了屏蔽外包装上的背景信息的干扰，上述完整性检测模型可以设置为深度学习神经网络目标检测算法模型yolov5m。
67.上述完整性检测模型可以输出概率形式的输出结果，示例性的，其输出结果可以是：0(90％)、1(10％)，其中，0表示完好无损，90％表示顶部标签完好无损的输出结果对应的概率；1表示其他情况(有损、模糊、未识别到标签等情况)，10％表示其他情况的输出结果对应的概率；2表示其他(例如：模糊、未识别到标签等情况)，5％表示未识别到顶部标签的输出结果对应的概率。
68.需要说明的是，在训练上述完整性检测模型时，若训练样本图像较少，则可以利用人工生成训练样本图像，以及，对训练样本图像进行数据增强等，以提升训练样本图像的数据量。同时，为了使得完整性检测模型能够检测到目标较小的标签，可以对训练样本图像进行缩放，例如：将训练样本图像的每个边长缩放为512像素，不足512像素的边以(0，0，0)像素值进行填补。
69.在步骤s202中，当完整性检测模型输出第一结果时，确定顶部标签完好无损。
70.本步骤中，当完整性检测模型从上述至少两帧图像中检测到了上述顶部标签的位置框，且，确定出顶部标签完好无损时，可以输出第一结果(例如：0(90％)、1(10％))，第一结果用于表征顶部标签完好无损，从而，可以确定出该顶部标签完好无损。
71.在步骤s203中，当完整性检测模型输出第二结果时，利用预先训练的拍摄部位检测模型确定顶部标签是否完好无损；。
72.本步骤中，若上述完整性检测模型未从上述至少两帧图像中检测到顶部标签的位置矿，或者，确定出顶部标签损坏时，则可以输出第二结果(例如：0(10％)、1(90％))，第二结果用于表征顶部标签被损坏或未检测到顶部标签，此时，无法确定出顶部标签已被损坏，还是在至少两帧图像中未拍摄到顶部标签，从而，可以利用预先训练的拍摄部位检测模型对至少两帧图像进行检测，以确定顶部标签是否完好无损。
73.具体的，参考图3，图3示出本公开实施例中如何利用拍摄部位检测模型识别顶部标签是否完好无损的流程示意图，包含步骤s301-步骤s303：
74.在步骤s301中，利用拍摄部位识别模型识别至少两帧图像中外包装的拍摄部位。
75.本步骤中，可以利用预先训练的拍摄部位识别模型识别上述至少两帧图像中上述
外包装的拍摄部位。示例性的，上述拍摄部位识别模型也可以输出概率形式的输出结果，示例性的，其输出结果可以是：0(96％)、1 (1％)、2(1％)、3(1％)、4(1％)，其中，0表示外包装顶部，96％表示外包装顶部的输出结果对应的概率；1表示外包装底部，1％表示外包装底部的输出结果对应的概率；2表示酒瓶瓶口，1％表示酒瓶瓶口的输出结果对应的概率；3表示整个酒瓶，1％表示酒瓶瓶口的输出结果对应的概率； 4表示其他(例如：拍摄部位无法识别)，1％表示酒瓶瓶口的输出结果对应的概率。
76.在步骤s302中，响应于拍摄部位与顶部标签所处的预设位置一致，确定顶部标签被损坏。
77.本步骤中，当识别出拍摄部位为外包装顶部时(即上述拍摄部位识别模型的输出结果中外包装顶部对应的概率最大)，则可以确定拍摄部位与顶部标签所处的预设位置一致，此时可以确认至少两帧图像拍摄的是顶部标签所处的预设位置，而在该位置未识别到顶部标签，从而，可以确认外包装上的顶部标签已经被损坏。此时，可以直接终止相关识别流程，确定目标用户不具备奖励领取资格。
78.在步骤s303中，响应于拍摄部位与顶部标签所处的预设位置不一致，向目标用户发送重传提示信息，并根据目标用户重新上传的第一视频片段识别顶部标签是否完好无损。
79.本步骤中，当上述拍摄部位与顶部标签所处的预设位置不一致(即上述拍摄部位识别模型的输出结果中，其他部位所占的概率最大，从而，可以确定上述至少两帧图像中未拍摄外包装顶部，进而，可以确定用户上述的第一视频片段的拍摄内容有误(该视频片段中未拍摄到顶部标签所在的位置)，从而，可以向目标用户发送重传提示信息，以提示目标用户重新上述包含顶部标签的第一视频片段。在获取到目标用户重新上传的第一视频片段之后，可以基于上述步骤重新再次识别物品的外包装是否完好无损。
80.在识别出顶部标签完好无损之后，可以基于上述图2和图3中的流程识别底部标签是否完好无损，若识别出底部标签被损坏，则可以直接终止相关识别流程，确定目标用户不具备奖励领取资格。
81.若识别出顶部标签和底部标签均完好无损，则可以基于第二视频片段识别外包装是否被拆封。
82.具体的，可以参考图4，图4示出本公开实施例中在识别出外包装完好无损之后，如何通过第二视频片段识别外包装是否被拆封的流程示意图，包含步骤s401-步骤s402：
83.在步骤s401中，通过外包装上的溯源码获取物品的购买者。
84.本步骤中，可以先通过(第一视频片段中)外包装上的溯源码获取物品的购买者。溯源码可以设置在上述顶部标签上，通过该溯源码可以追溯物品的购买者、生产批次、生产日期等详细信息。
85.在步骤s402中，若购买者与目标用户一致，则通过第二视频片段识别外包装是否被拆封。
86.本步骤中，在通过溯源码获取到物品的购买者之后，可以比对该购买者是否与目标用户一致，例如：购买者的id(identification，标识)、地址、电话等是否与目标用户一致，若一致，则可以确定该物品的确为该目标用户所购买，该目标用户并未上传造假的物品拆封视频。
87.在通过第二视频片段识别外包装是否被拆封之前，为了减少识别过程中的运算量，可以先对第二视频片段进行抽帧处理，得到至少两帧图像(以下称第二图像集合)，进而，基于该至少两帧图像识别外包装是否被拆封。
88.具体的，可以识别外包装上述顶部标签和/或底部标签是否被拆封，即当顶部标签被拆封时，可以认定外包装已拆封；当底部标签被拆封时，也可以认定外包装被拆封；当顶部标签和底部标签均被拆封时，也可以认定外包装已被拆封。
89.以下实施例中以识别顶部标签是否被拆封的过程为例进行说明：
90.具体的，可以先利用上述完整性检测模型从第二图像集合中的顶部标签进行完整性检测，当完整性检测模型输出第一结果(例如：0(90％)、 1(10％))时，可以确定顶部标签完好无损，进而，终止上述识别流程，确定目标用户不具备奖励领取资格。当完整性检测模型输出第二结果(例如：0(10％)、1(90％))时，可以利用预先训练的拍摄部位检测模型确定顶部标签是否完好无损。
91.具体的，可以利用拍摄部位识别模型识别第二图像集合中外包装的拍摄部位，若上述拍摄部位检测模型的输出结果中0(0对应外包装顶部) 所占的概率最大，则可以确定上述拍摄部位与顶部标签所在的位置一致，若上述拍摄部位检测模型的输出结果中并非0所占的概率最大，则可以确定上述拍摄部位与顶部标签所在的位置不一致。
92.响应于拍摄部位与顶部标签所处的预设位置一致，可以确定顶部标签被损坏。响应于拍摄部位与顶部标签所处的预设位置不一致，向目标用户发送重传提示信息，并根据目标用户重新上传的第一视频片段识别顶部标签是否完好无损。
93.若识别出顶部标签已经被拆封，则可以进入步骤s130中。
94.在步骤s130中，在识别出外包装被拆封且检测到预设动作之后，通过第三视频片段识别物品的密封圈是否完好无损；预设动作为从外包装中取出物品的动作。
95.本步骤中，在识别出外包装已经被拆封之后，可以利用预先训练的基于单帧的二分类的分类器检测第二视频片段中是否包含用户将物品从外包装中取出的动作。其中，上述分类器可以是采用深度学习神经网络模型中的分类模型resnet50构建的分类器。
96.需要说明的是，在训练上述分类时，可以对训练样本图像进行数据增强，例如：随机旋转、随机翻转、cutout(cutout即随机的将样本中的部分区域cut掉,并且填充0像素值,分类的结果不变)、仿射变换(affine transformation，又称仿射映射，是指在几何中，对一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间)等，以生成更多的训练样本图像，提升模型的检测精度，以及，使得模型学习到更多鲁棒性的特征，提高模型的泛化能力。此外，由于该步骤仅需要从图像中检测动作，无需关注图像细节，因此，为了减少计算量，该可以将图像尺寸缩放为224*224像素，具体的图像尺寸可以根据实际情况自行设定，本公开对此不作特殊限定。
97.上述分类器可以以概率形式输出结果，检测结果包含两类，0表示取出酒瓶的动作，1表示不是取出酒瓶的动作，从而，当输出1的概率最大时，则可以确定检测到了从外包装中取出物品的预设动作。
98.在识别出外包装被拆封且检测到预设动作之后，可以通过第三视频片段识别物品的密封圈是否完好无损，第三视频片段用于反应“未拆封的物品密封圈展示”的过程，示例性的，以物品为名贵酒类为例进行说明，则密封圈可以是覆盖在酒瓶瓶盖上的胶帽。
99.示例性的，参考图5，图5示出本公开实施例中在识别出外包装被拆封且检测到预设动作之后，如何通过第三视频片段识别物品的密封圈是否完好无损的流程示意图，包含步骤s501-步骤s503：
100.在步骤s501中，从物品上获取物流码。
101.本步骤中，可以从上述物品上获取物流码，物流码中可以包含上述物品的出产信息以及经销商信息。
102.在步骤s502中，基于预先存储的物流码与溯源码的对应关系，确定物流码对应的目标溯源码。
103.本步骤中，可以获取预先存储的物流码与溯源码的对应关系，确定出上述物流码对应的目标溯源码。
104.在步骤s503中，若目标溯源码与外包装上的溯源码一致，通过第三视频片段识别物品的密封圈是否完好无损。
105.本步骤中，可以将上述目标溯源码与(第一视频片段中)外包装上的溯源码进行一致性比对，以确定二者是否一致。若二者一致，则可以确定出目标用户并未替换过物品，不存在作假行为。进而，可以通过第三视频片段识别物品的密封圈是否完好无损。
106.具体的，可以先对第三视频片段进行抽帧处理，得到至少两帧图像(以下称第三图像集合)，进而，可以基于该至少两帧图像，识别物品的密封圈是否完好无损。
107.在识别物品的密封圈是否完好无损时，可以先利用上述完整性检测模型从第三图像集合中的密封圈进行完整性检测，当完整性检测模型输出第一结果(例如：0(90％)、1(10％))时，可以确定密封圈完好无损。当完整性检测模型输出第二结果(例如：0(10％)、1(90％))时，可以利用预先训练的拍摄部位检测模型确定密封圈是否完好无损。
108.具体的，可以利用拍摄部位识别模型识别第三图像集合中物品的拍摄部位，若上述拍摄部位检测模型的输出结果中2(2对应物品瓶口的位置) 所占的概率最大，则可以确定上述拍摄部位与密封圈所在的位置一致，若上述拍摄部位检测模型的输出结果中并非2所占的概率最大，则可以确定上述拍摄部位与密封圈所在的位置不一致。
109.响应于拍摄部位与密封圈所处的预设位置一致，可以确定密封圈被损坏，进而，可以终止上述识别流程，确定目标用户不具备奖励领取资格。响应于拍摄部位与密封圈所处的预设位置不一致，向目标用户发送重传提示信息，并根据目标用户重新上传的第三视频片段识别密封圈是否完好无损。
110.在一种可选的实施方式中，还可以从密封圈上读取物品的生产信息，生产信息可以包括生产日期及批次等，进而，根据生产信息的完整性，确定物品的密封圈是否完好无损。示例性的，当生产信息完整时(例如：完整的生产信息为10个字符，而上述密封圈上读取到10个字符，则可以确认生产信息完整)，可以认定物品的密封圈完好无损，当生产日期不完整 (例如：完整的生产信息为10个字符，而上述密封圈上读取到8个字符，则可以确认生产信息不完整)，可以认定物品的密封圈已经被损坏。
111.若识别出密封圈完好无损，则可以进入步骤s140中。
112.在步骤s140中，在识别出密封圈完好无损之后，通过第四视频片段识别物品的密封圈及密封盖是否被拆封。
113.本步骤中，在识别出出密封圈完好无损之后，可以通过第四视频片段先识别物品
的密封圈是否被拆封，在识别出物品的密封圈被拆封之后，可以识别物品的密封盖是否被拆封，第四视频片段用于反应“物品的密封圈及密封盖拆封”的过程，示例性的，以物品为名贵酒类为例进行说明，则密封盖可以是酒瓶的瓶盖。
114.具体的，可以先对第四视频片段进行抽帧处理，得到至少两帧图像(以下称第四图像集合)，进而，基于该至少两帧图像，识别物品的密封圈以及密封盖是否被拆封。
115.在识别物品的密封圈是否拆封时，可以先利用上述完整性检测模型对第四图像集合中的密封圈进行完整性检测，当完整性检测模型输出第一结果(例如：0(90％)、1(10％))时，可以确定密封圈完好无损，此时，可以终止上述识别流程，确定目标用户不具备奖励领取资格。当完整性检测模型输出第二结果(例如：0(10％)、1(90％))时，可以利用预先训练的拍摄部位检测模型确定密封圈是否完好无损。
116.具体的，可以利用拍摄部位识别模型识别第四图像集合中物品的拍摄部位，若上述拍摄部位检测模型的输出结果中2(2对应酒瓶瓶口的位置) 所占的概率最大，则可以确定上述拍摄部位与密封圈所在的位置一致，若上述拍摄部位检测模型的输出结果中并非2所占的概率最大，则可以确定上述拍摄部位与密封圈所在的位置不一致。
117.响应于拍摄部位与密封圈所处的预设位置一致，可以确定密封圈被损坏(即已拆封)。响应于拍摄部位与密封圈所处的预设位置不一致，向目标用户发送重传提示信息，并根据目标用户重新上传的第四视频片段识别密封圈是否已被拆封。
118.在识别出密封圈已经被拆封之后，可以识别物品的密封盖是否被拆封。
119.在识别物品的密封盖是否拆封时，可以先利用上述完整性检测模型对第四图像集合中的密封盖进行完整性检测，当完整性检测模型输出第一结果(例如：0(90％)、1(10％))时，可以确定密封盖完好无损，此时，可以终止上述识别流程，确定目标用户不具备奖励领取资格。当完整性检测模型输出第二结果(例如：0(10％)、1(90％))时，可以利用预先训练的拍摄部位检测模型确定密封盖是否完好无损。
120.具体的，可以利用拍摄部位识别模型识别第四图像集合中物品的拍摄部位，若上述拍摄部位检测模型的输出结果中2(2对应酒瓶瓶口的位置) 所占的概率最大，则可以确定上述拍摄部位与密封盖所在的位置一致，若上述拍摄部位检测模型的输出结果中并非2所占的概率最大，则可以确定上述拍摄部位与密封盖所在的位置不一致。
121.响应于拍摄部位与密封盖所处的预设位置一致，可以确定密封盖被损坏(即已拆封)。响应于拍摄部位与密封盖所处的预设位置不一致，向目标用户发送重传提示信息，并根据目标用户重新上传的第四视频片段识别密封盖是否已被拆封。
122.在步骤s150中，在识别出密封圈及密封盖被拆封之后，向目标用户发放奖励。
123.本步骤中，在识别出密封圈及密封盖均已被拆封之后，可以确认物品已经被拆封，目标用户购买物品并非是为了囤积居奇，从而，可以向目标用户发放奖励。示例性的，发放奖励的方式可以是向目标用户返积分、购物券、现金奖励等，可以根据实际情况自行设定，本公开对此不作特殊限定。
124.在一种可选的实施方式中，在获取到目标用户上传的物品拆封视频之后，本公开还可以检测上述物品拆分视频是否连续，在物品拆封视频连续的情况下，可以通过上述步骤s110-步骤s150中的识别过程，判断用户是否具备奖励领取资格，在物品拆封视频不连续的情况下，则无需执行上述步骤s110-步骤s150中的识别过程，直接确定目标用户不具备奖
励领取资格。
125.参考图6，图6示出本公开实施例中如何根据物品拆分视频的连续性，确定是否无效目标用户的奖励领取资格的流程示意图，包含步骤s601-步骤s603：
126.在步骤s601中，对每个视频片段所包含的多帧图像进行特征提取，得到每帧图像的特征信息。
127.本步骤中，可以提取每个视频片段中所包含的多帧图像对应的特征信息，该特征信息可以是特征向量。示例性的，可以采用imagenet预训练的神经网络模型，去掉最后一层全连接层，只取倒数第二层的输出logit 作为特征向量，向量维度为2048维。示例性的，某一帧图像对应的特征向量可以表示为：a(x
11
，x
12
，x
13
，
……
x
1n
)，n＝2048。
128.为了减少运算量，加速计算过程，还可以将每帧图像都缩放至448*448 像素尺寸，然后将预处理后的图像输入上述神经网络模型中进行特征提取，得到每帧图像对应的特征向量，还可以对每个特征向量进行归一化操作。
129.在步骤s602中，根据相邻两帧图像的特征信息，计算相邻两帧图像之间的偏差度。
130.本步骤中，可以根据相邻两帧图像的特征信息，计算相邻两帧图像之间的偏差度。示例性的，可以基于欧式距离来计算偏差度，欧式距离的计算公式参考以下公式1：
[0131][0132]
其中，d表示上述偏差度，示例性的，以第i帧图像的特征向量为a (x
11
，x
12
，x
13
，
……
x
1n
)，第i 1帧图像的特征向量为b (x
21
，x
22
，x
23
，
……
x
2n
)为例进行说明，则第i帧图像和第i 1帧图像的偏差度可以参考以下公式2：
[0133][0134]
在计算出偏差度之后，当任意相邻两帧的偏差度均小于偏差度阈值时，可以确定目标用户上传的视频片段不存在拼接伪造视频的嫌疑，从而，可以执行上述步骤s110-步骤s150，以识别物品是否被开封。而当任意两帧图像的偏差度大于偏差度阈值时，可以执行步骤s603：
[0135]
在步骤s603中，响应于偏差度大于偏差度阈值，确定目标用户不具备奖励领取资格。
[0136]
本步骤中，当任意两帧图像的偏差度大于偏差度阈值时，可以确定该视频片段不连续，可能存在伪造开封视频的嫌疑，从而，可以直接确定目标用户不具备奖励领取资格。
[0137]
在一种可选的实施方式中，在获取到目标用户上传的物品拆封视频之后，本公开还可以从每个视频片段中获取不包含物品的帧数目(即物品被移出拍摄镜头的帧数目)，当该帧数目大于预设阈值时，可以认定目标用户存在中途替换物品的嫌疑，确定目标用户不具备奖励领取资格，否则，可以执行上述步骤s110-步骤s150中的步骤，以识别物品是否拆封。
[0138]
本公开通过利用人工智能自动识别物品开封，一方面，省去了人工识别成本，提升了识别效率，另一方面，使得识别结果更加稳定可靠，不受人为工作状态等因素的干扰。
[0139]
参考图7，图7示出本公开实施例中一种物品拆封的识别方法的整体流程示意图，
包含步骤s701-步骤s711：
[0140]
在步骤s701之前，可以对获取到的多个视频片段分别进行连续性识别，若任一视频片段不连续，则终止识别流程；若上述多个视频片段均连续，则可以执行步骤s701；
[0141]
在步骤s701中，对各视频片段进行抽帧处理，得到每个视频片段对应的至少两帧图像；
[0142]
在步骤s702中，根据第一视频片段对应的至少两帧图像，识别顶部标签是否完好无损；
[0143]
在确认顶部标签完好无损之后，进入步骤s703中，溯源码核验(通过顶部标签上的溯源码获取物品购买者，根据物品购买者与目标用户是否一致来确认视频是否造假)；
[0144]
在确认视频未造假之后，进入步骤s704中，根据第二视频片段对应的至少两帧图像，识别底部标签是否完好无损；
[0145]
在确认底部标签完好无损之后，进入步骤s705中，根据第三视频片段对应的至少两帧图像，识别顶部标签是否拆封；
[0146]
在确认顶部标签被拆封之后，进入步骤s706中，根据第四视频片段对应的至少两帧图像，识别物品是否从外包装中取出；
[0147]
在确认物品从外包装中取出之后，进入步骤s707中，物流码核验(从物品上读取物流码，确认物流码与溯源码之间是否存在绑定关系)；
[0148]
若存在绑定关系，则进入步骤s708中，根据第五视频片段，识别瓶盖上的胶帽是否完好无损；该步骤中，可以读取密封盖上的生产日期和批次号等信息，根据信息是否完整来辅助验证胶帽是否完好无损；
[0149]
在步骤s709中，根据第六视频片段，识别瓶盖上的胶帽是否被拆封；
[0150]
在确认胶帽被拆封之后，进入步骤s710中，根据第七视频片段，识别瓶盖是否被拆封；
[0151]
在确认密封盖被拆封之后，进入步骤s711中，确认开封，输出开封识别结果。
[0152]
参考图8，图8示出本公开实施例中另一种物品拆封的识别方法的整体流程示意图，包含步骤s801-步骤s813：
[0153]
在获取到物品拆封视频之后，可以先通过gpu资源池对每个视频片段进行连续性识别，若连续性识别通过，则可以进入步骤s801中，对各视频片段进行抽帧，得到每个视频片段对应的至少两帧图像；
[0154]
在步骤s802中，对每个视频片段对应的至少两帧图像进行预处理；
[0155]
在步骤s803中，识别顶部标签是否完好无损；
[0156]
在确认顶部标签完好无损之后，进入步骤s804中，溯源码核验(根据顶部标签上的溯源码核验购买者与目标用户是否一致)；
[0157]
若一致，则进入步骤s805中，识别底部标签是否完好无损；
[0158]
若底部标签完好无损，则进入步骤s806中，识别顶部标签是否已拆封；
[0159]
在确认顶部标签已被拆封之后，进入步骤s807中，识别是否存在从外包装中取出物品的动作；
[0160]
若存在，进入步骤s808中，物流码核验(核验物品上的物流码与外包装上的溯源码之间是否具有关联关系)；
[0161]
若具有关联关系，则进入步骤s809中，识别密封圈是否完好无损；
[0162]
在确认密封圈完好无损之后，进入步骤s810中，生产日期和批次号核验(核验密封盖上的生产日期和批次号信息是否完整)；
[0163]
若完整，则进入步骤s811中，识别物品上的密封圈是否被拆封；
[0164]
在确认密封圈被拆封之后，进入步骤s812中，识别物品上的密封盖是否被拆封；
[0165]
在确认密封盖被拆封之后，进入步骤s813中，综合上述识别结果进行逻辑判断，并输出开封识别结果。
[0166]
本公开根据各个步骤模块对于cpu(central processing unit，中央处理器，缩写：cpu)和gpu(graphics processing unit，图形处理器，缩写： gpu)需求的不同，将模块进行拆分，采用微服务分布式的方式进行部署。对于上述步骤s801、s802、s804、s808、s810和s813这些cpu运算密集型步骤，可以将其部署至cpu资源池，对于步骤s803、s805、s806、 s807、s809、s811和s812这些gpu预算密集型步骤，可以将其部署至 gpu资源池服务器。这样可以使用户能够根据实际计算性能的需求，动态地调整服务所使用的cpu和gpu资源，在满足服务吞吐能力的同时，最大限度的利用cpu和gpu资源。通过微服务的架构模式，可以使各个步骤形成流水线处理，尽量使各个模块的计算达到并行，大大提升了服务整体的速度和服务吞吐量，能够在有限的计算资源下尽量承受更多的计算请求，在较低硬件需求的条件下实现了更多路视频识别的能力。
[0167]
本公开还提供了一种物品的拆封识别装置，图9示出本公开示例性实施例中物品的拆封识别装置的结构示意图；如图9所示，物品的拆封识别装置900可以包括视频获取模块910、第一识别模块920、第二识别模块930、第三识别模块940和奖励发放模块950。其中：
[0168]
视频获取模块910，用于获取目标用户上传的物品拆封视频，所述物品拆封视频用于反应物品的拆封过程；所述物品拆封视频至少包括第一视频片段、第二视频片段、第三视频片段和第四视频片段；
[0169]
第一识别模块920，用于通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封；
[0170]
第二识别模块930，用于在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损；所述预设动作为从所述外包装中取出所述物品的动作；
[0171]
第三识别模块940，用于在识别出所述密封圈完好无损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封；
[0172]
奖励发放模块950，用于在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。
[0173]
在本公开的示例性实施例中，第一识别模块920，被配置为：
[0174]
对所述第一视频片段进行抽帧处理，得到至少两帧图像；通过所述至少两帧图像，识别所述物品的外包装是否完好无损。
[0175]
在本公开的示例性实施例中，第一识别模块920，被配置为：
[0176]
识别所述物品的顶部标签是否完好无损；以及，识别所述物品的底部标签是否完好无损。
[0177]
在本公开的示例性实施例中，第一识别模块920，被配置为：
[0178]
利用预先训练的完整性检测模型对所述至少两帧图像中的顶部标签进行完整性检测；所述完整性检测模型为分类模型；当所述完整性检测模型输出第一结果时，确定所述顶部标签完好无损；所述第一结果用于表征所述顶部标签完好无损；当所述完整性检测模型输出第二结果时，利用预先训练的拍摄部位检测模型确定所述顶部标签是否完好无损；所述第二结果用于表征所述顶部标签被损坏或未检测到所述顶部标签。
[0179]
在本公开的示例性实施例中，第一识别模块920，被配置为：
[0180]
利用所述拍摄部位识别模型识别所述至少两帧图像中所述外包装的拍摄部位；响应于所述拍摄部位与所述顶部标签所处的预设位置一致，确定所述顶部标签被损坏；响应于所述拍摄部位与所述顶部标签所处的预设位置不一致，向所述目标用户发送重传提示信息，并根据所述目标用户重新上传的第一视频片段识别所述顶部标签是否完好无损；其中，所述重传提示信息用于提示所述目标用户重新上传所述第一视频片段。
[0181]
在本公开的示例性实施例中，第二识别模块930，被配置为：
[0182]
通过所述外包装上的溯源码获取所述物品的购买者；若所述购买者与所述目标用户一致，则通过第二视频片段识别所述外包装是否被拆封。
[0183]
在本公开的示例性实施例中，第二识别模块930，被配置为：
[0184]
识别所述外包装上的顶部标签和/或底部标签是否被拆封。
[0185]
在本公开的示例性实施例中，第三识别模块940，被配置为：
[0186]
在识别出所述外包装被拆封且检测到预设动作之后，从所述物品上获取物流码；基于预先存储的物流码与溯源码的对应关系，确定所述物流码对应的目标溯源码；若所述目标溯源码与所述外包装上的溯源码一致，通过所述第三视频片段识别所述物品的密封圈是否完好无损。
[0187]
在本公开的示例性实施例中，在获取目标用户上传的物品拆封视频之后，奖励发放模块950，被配置为：
[0188]
对每个视频片段所包含的多帧图像进行特征提取，得到每帧图像的特征信息；根据相邻两帧图像的特征信息，计算所述相邻两帧图像之间的偏差度；响应于所述偏差度大于偏差度阈值，确定所述目标用户不具备奖励领取资格。
[0189]
在本公开的示例性实施例中，奖励发放模块950，被配置为：
[0190]
从每个视频片段中获取不包含所述物品的帧数目；响应于所述帧数目大于预设阈值，确定所述目标用户不具备奖励领取资格。
[0191]
上述物品的拆封识别装置中各模块的具体细节已经在对应的物品的拆封识别方法中进行了详细的描述，因此此处不再赘述。
[0192]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0193]
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0194]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等) 执行根据本公开实施方式的方法。
[0195]
本技术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可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0196]
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0197]
计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0198]
计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的方法。
[0199]
此外，在本公开实施例中还提供了一种能够实现上述方法的电子设备。
[0200]
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0201]
下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0202]
如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030以及显示单元1040。
[0203]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图1中所示的：步骤s110，获取目标用户上传的物品拆封视频，所述物品拆封视频用于反应物品的拆封过程；所述物品拆封视频至少包括第一视频片段、第二视频片段、第三视频片段和第四视频片段；步骤s120，通过第一视频片段识别所述物品的外包装是否完好无损，并在识别出所述外包装完好无损之后，通过第二视频片段识别所述外包装是否被拆封；步骤s130，在识别出所述外包装被拆封且检测到预设动作之后，通过第三视频片段识别所述物品的密封圈是否完好无损；所述预设动作为从所述外包装中取出所述物品的动作；步骤s140，在识别出所述密封圈完好无
损之后，通过第四视频片段识别所述物品的密封圈及密封盖是否被拆封；步骤s150，在识别出所述密封圈及密封盖被拆封之后，向所述目标用户发放奖励。
[0204]
存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(rom)10203。
[0205]
存储单元1020还可以包括具有一组(至少一个)程序模块10205 的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0206]
总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0207]
电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等) 通信。这种通信可以通过输入/输出(i/o)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0208]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。