图像处理方法和电子设备技术领域
本申请涉及图像处理方法和电子设备。
背景技术
目前，人脸识别技术广泛应用于身份验证。例如，门禁系统、电子设备
等等可以应用人脸识别技术来判断用户是否是合法用户。
然而，现有技术的人脸识别技术存在轻易被照片欺骗而失去身份验证的
足够安全性。另一方面，支持活体人脸识别的技术往往需要通过视频来完成
获取鉴别，为此需要更长的时间来获取用户的视频并进行图像处理。这大大
降低了人脸识别技术应用于身份验证的实用性。
为此，期望提供一种图像处理方法和电子设备，其能够快速完成活体人
脸识别并进行身份验证，从而提高用户的使用体验。
发明内容
根据本发明实施例，提供了一种图像处理方法，应用于包括第一图像获
取单元和第二图像获取单元的电子设备中，所述方法包括：
通过所述第一图像获取单元获取被摄体的第一图像，同时通过第二图像
获取单元获取相同被摄体的第二图像，所述第一图像和所述第二图像具有相
同的拍摄范围；
对所述第一图像和所述第二图像执行预定图像处理以获得被摄体的景深
信息；
将获得的被摄体的景深信息与预先存储的景深信息模型比较以获得比较
结果；以及
当所述比较结果满足预定条件时，确定所述被摄体是活体。
可选地，所述第一图像获取单元和所述第二图像获取单元具有相同的分
辨率和视场角。
可选地，对所述第一图像和所述第二图像执行预定图像处理以获得被摄
体的景深信息还包括：
根据包括所述第一图像和所述第二图像中的相同特征点的视差信息的多
种信息计算被摄体的景深信息。
可选地，根据包括所述第一图像和所述第二图像中的相同特征点的相位
差信息的多种信息计算被摄体的景深信息还包括：
将所述第一图像和所述第二图像并排拼接；
对齐所述第一图像和所述第二图像中的相同特征点，使得所述相同特征
点在相同水平线上；
根据所述第一图像获取单元和所述第二图像获取单元之间的距离、所述
第一图像获取单元或所述第二图像获取单元的焦距、以及作为特征点的视差
信息的相同特征点之间的距离，计算特征点的景深信息值；
将计算获得的特征点的景深信息值转换为灰度值，从而生成以灰度显示
的景深信息图像；以及
根据景深信息图像获取被摄体的景深信息。
可选地，被摄体是人脸。根据景深信息图像获取被摄体的景深信息进一
步包括：
对所述第一图像执行人脸检测以获得人脸图像的坐标；
将获得的人脸图像的坐标映射到所述景深信息图像以获得人脸图像在所
述景深信息图像中的位置；以及
获取相应位置的灰度值以生成相应的人脸灰度值矩阵作为人脸图像的景
深信息。
可选地，所述预先存储的景深信息模型通过以下方式生成：
获取多个典型特征的人脸景深信息图像并缩放为规定大小；
对多个景深信息图像执行平均处理以获得一个平均的人脸景深信息图
像；
计算所述平均的人脸景深信息图像的统计直方图特征向量；以及
存储所述统计直方图特征向量作为景深信息模型。
可选地，其中，在生成景深信息模型之后，所述图像处理方法还包括：
选取已有的任一人脸景深信息图像并且缩放为规定大小；
计算选取的人脸景深信息图像的统计直方图特征向量；
将计算的统计直方图特征向量与所述景深信息模型计算匹配值；
重复上述计算多次以获取匹配值范围。
可选地，将获得的被摄体的景深信息与预先存储的景深信息模型比较以
获得比较结果；以及当所述比较结果满足预定条件时，确定所述被摄体是活
体进一步包括：
根据第一图像中人脸图像的景深信息计算人脸图像的统计直方图特征向
量；
将计算的人脸图像的统计直方图特征向量与所述景深信息模型计算匹配
值；以及
当计算的匹配值落入所述匹配值范围内时，确定所述被摄体是活体。
根据本发明另一实施例，提供了一种电子设备，包括：
第一图像获取单元，配置为获取被摄体的第一图像；
第二图像获取单元，配置为获取相同被摄体的第二图像，所述第一图像
和所述第二图像具有相同的拍摄范围；
处理单元，配置为对所述第一图像和所述第二图像执行预定图像处理以
获得被摄体的景深信息，将获得的被摄体的景深信息与预先存储的景深信息
模型比较以获得比较结果；以及当所述比较结果满足预定条件时，确定所述
被摄体是活体。
可选地，所述第一图像获取单元和所述第二图像获取单元具有相同的分
辨率和视场角。
可选地，所述处理单元进一步配置为：
根据包括所述第一图像和所述第二图像中的相同特征点的视差信息的多
种信息计算被摄体的景深信息。
可选地，所述处理单元进一步配置为：
将所述第一图像和所述第二图像并排拼接；
对齐所述第一图像和所述第二图像中的相同特征点，使得所述相同特征
点在相同水平线上；
根据所述第一图像获取单元和所述第二图像获取单元之间的距离、所述
第一图像获取单元或所述第二图像获取单元的焦距、以及作为特征点的视差
信息的相同特征点之间的距离，计算特征点的景深信息值；
将计算获得的特征点的景深信息值转换为灰度值，从而生成以灰度显示
的景深信息图像；以及
根据景深信息图像获取被摄体的景深信息。
可选地，被摄体是人脸。所述处理单元进一步配置为：
对所述第一图像执行人脸检测以获得人脸图像的坐标；
将获得的人脸图像的坐标映射到所述景深信息图像以获得人脸图像在所
述景深信息图像中的位置；以及
获取相应位置的灰度值以生成相应的人脸灰度值矩阵作为人脸图像的景
深信息。
可选地，所述预先存储的景深信息模型通过以下方式生成：
获取多个典型特征的人脸景深信息图像并缩放为规定大小；
对多个景深信息图像执行平均处理以获得一个平均的人脸景深信息图
像；
计算所述平均的人脸景深信息图像的统计直方图特征向量；以及
存储所述统计直方图特征向量作为景深信息模型。
可选地，所述处理单元进一步配置为：
选取已有的任一人脸景深信息图像并且缩放为规定大小；
计算选取的人脸景深信息图像的统计直方图特征向量；
将计算的统计直方图特征向量与所述景深信息模型计算匹配值；
重复上述计算多次以获取匹配值范围。
可选地，所述处理单元进一步配置为：
根据第一图像中人脸图像的景深信息计算人脸图像的统计直方图特征向
量；
将计算的人脸图像的统计直方图特征向量与所述景深信息模型计算匹配
值；以及
当计算的匹配值落入所述匹配值范围内时，确定所述被摄体是活体。
因此，根据本发明实施例的图像处理方法和电子设备，其能够快速完成
活体人脸识别并进行身份验证，从而提高用户的使用体验。
附图说明
图1是说明根据本发明第一实施例的图像处理方法的流程图。
图2是说明根据本发明第一实施例的图像处理方法中计算被摄体的景深
信息的流程图。
图3是说明根据本发明第一实施例的图像处理方法中计算图像的景深信
息的示意图。
图4是说明根据本发明第一实施例的图像处理方法中计算被摄体的景深
信息的流程图。
图5是说明根据本发明第一实施例的图像处理方法中生成景深信息模型
的流程图。
图6是说明根据本发明第一实施例的图像处理方法中计算匹配值范围的
流程图。
图7是说明根据本发明第一实施例的图像处理方法中确定所述被摄体是
活体的流程图。
图8是说明根据本发明第二实施例的电子设备的框图。
图9是说明根据本发明第三实施例的电子设备的框图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行
清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是
全部的实施例。
<第一实施例>
下面将参考图1-6描述根据本发明第一实施例的图像处理方法。根据本
发明第一实施例的图像处理方法应用于包括第一图像获取单元和第二图像获
取单元的电子设备中。这样的电子设备可以是任何电子设备，只要其具有两
个图像获取单元，例如，两个摄像头。这样的电子设备例如可以是智能手机、
平板电脑、笔记本电脑等等。
在该第一实施例中，假设两个摄像头具有相同的分辨率和视场角。
如图1所示，根据本发明第一实施例的图像处理方法100包括：
步骤S01：通过第一图像获取单元获取被摄体的第一图像，同时通过第
二图像获取单元获取相同被摄体的第二图像，所述第一图像和所述第二图像
具有相同的拍摄范围；
步骤S102：对所述第一图像和所述第二图像执行预定图像处理以获得被
摄体的景深信息；
步骤S103：将获得的被摄体的景深信息与预先存储的景深信息模型比较
以获得比较结果；以及
步骤S104：当所述比较结果满足预定条件时，确定所述被摄体是活体。
具体地，在步骤S101中，可以预先设置第一图像获取单元(例如，第一
摄像头)和第二图像获取单元(例如，第一摄像头)，使得第一图像获取单元
和第二图像获取单元具有相同的拍摄范围。此外，可以设置第一图像获取单
元和第二图像获取单元的拍摄参数，使得第一图像获取单元和第二图像获取
单元具有相同的图像分辨率、视场角等等。此外，在电子设备中，假设第一
图像获取单元和第二图像获取单元都是前置相机。在第一图像获取单元和第
二图像获取单元设置完成之后，可以通过所述第一图像获取单元获取被摄体
的第一图像，同时通过第二图像获取单元获取相同被摄体的第二图像，获得
的所述第一图像和所述第二图像具有相同的拍摄范围。
然后，在步骤S102中，可以对所述第一图像和所述第二图像执行预定图
像处理以获得被摄体的景深信息。也就是说，通过对获取的第一图像和第二
图像执行预定图像处理，可以获得图像中的被摄体的景深信息。稍后，将参
考图2-4详细描述获取被摄体的景深信息的处理。
然后，在步骤S103中，可以将获得的被摄体的景深信息与预先存储的景
深信息模型比较以获得比较结果。也就是说，将被摄体的景深信息与预先得
到的景深信息模型比较，可以确定被摄体的景深信息是否满足预定条件。
最后，在步骤S104中，当所述比较结果满足预定条件时，可以确定所述
被摄体是活体。
下面，将参考图2-3详细描述获取被摄体的景深信息的处理。
例如，根据包括所述第一图像和所述第二图像中的相同特征点的视差信
息的多种信息计算被摄体的景深信息。
如图2所示，根据包括所述第一图像和所述第二图像中的相同特征点的
相位差信息的多种信息计算被摄体的景深信息还包括：
步骤S201：将第一图像和第二图像并排拼接；
步骤S202：对齐所述第一图像和所述第二图像中的相同特征点，使得所
述相同特征点在相同水平线上；
步骤S203：根据所述第一图像获取单元和所述第二图像获取单元之间的
距离、所述第一图像获取单元或所述第二图像获取单元的焦距、以及作为特
征点的视差信息的相同特征点之间的距离，计算特征点的景深信息值；
步骤S204：将计算获得的特征点的景深信息值转换为灰度值，从而生成
以灰度显示的景深信息图像；以及
步骤S205：根据景深信息图像获取被摄体的景深信息。
具体地，在步骤S201中，首先将所述第一图像和所述第二图像并排拼接。
参考图3，例如，将第二图像的左侧与第一图像右侧拼接在一起。
然后，在步骤S202中，对齐所述第一图像和所述第二图像中的相同特征
点，使得所述相同特征点在相同水平线上。如图3所示，通过以第一图像和
第二图像上部对齐的方式，使得两个图像中的相同特征点在相同水平线上，
如特征点x1和x2，x3和x4，以及x5和x6。注意，虽然图3中只示出了三
对相同的特征点，但是本领域技术人员将意识到，因为第一摄像头和第二摄
像头被设置具有相同的拍摄范围，所以第一图像和第二图像中大多数特征点
一一对应。
然后，在步骤S203中，可以根据所述第一图像获取单元和所述第二图像
获取单元之间的距离、所述第一图像获取单元或所述第二图像获取单元的焦
距、以及作为特征点的视差信息的相同特征点之间的距离，计算特征点的景
深信息值。
具体地，可以通过以下公式(1)计算特征点的景深信息值：
景深＝焦距×基线距离/视差公式(1)
其中，基线距离指第一图像获取单元和第二图像获取单元之间的距离，
视差指对应特征点之间的距离，例如图3中的特征点x1和x2，x3和x4，以
及x5和x6之间的距离，视差＝|x2-x1|，焦距是设为主图像的图像获取单元的
焦距。在本实施例中，假设第一图像为主图像，因此焦距是第一图像获取单
元的焦距。
此外，在本实施例中，虽然第一图像获取单元和第二图像获取单元设置
为具有相同的拍摄范围，但实际获取的第一图像和第二图像可能不完全相同，
如图3所示。在该情况下，可以在特征点对齐之后，根据需要适当地选取预
定范围的图像作为计算对象，如图3中用虚线框标出的范围。
根据上述公式(1)，通过对第一图像和第二图像的多个特征点进行计算，
获得多个特征点的景深信息值。
然后，在步骤S204中，可以将计算获得的特征点的景深信息值转换为灰
度值，从而生成以灰度显示的景深信息图像。
例如，假设灰度范围为0-255，因此可以将获得的特征点的景深信息值映
射为灰度值。具体地，假设与摄像头距离0的位置处的灰度值为0，与摄像
头距离1米的位置处的灰度值为255，根据特征点的景深信息值，相应地将
每个特征点的景深信息值映射为灰度值。需要注意的是，可以根据需要另外
设置灰度值映射的距离。
与平面的照片不同的是，作为活体的被摄体的不同区域具有不同的景深
信息。因此，如果用户使用照片来进行身份验证时，将被识别该照片中被摄
体的各个区域具有相同的景深信息，因此该图像是照片而不是活体的被摄体。
另一方面，如果识别被摄体的各个区域具有不同的景深信息，因此该图
像是活体。
最后，在步骤S205中，可以根据步骤S204中或的景深信息图像获取被
摄体的景深信息。
在一个实施例中，为了进行活体检测，假设被摄体是人脸。
在该实施例中，如图4所示，根据景深信息图像获取被摄体的景深信息
的方法400包括：
步骤S401：对所述第一图像执行人脸检测以获得人脸图像的坐标；
步骤S402：将获得的人脸图像的坐标映射到所述景深信息图像以获得人
脸图像在所述景深信息图像中的位置；以及
步骤S403：获取相应位置的灰度值以生成相应的人脸灰度值矩阵作为人
脸图像的景深信息。
具体地，在步骤S401中，首先对第一图像执行人脸检测并识别人脸，然
后确定人脸图像在第一图像中的坐标。
然后，在步骤S402中，因为获取的景深信息图像与第一图像不完全相同，
所以需要将获得的人脸图像的坐标映射到所述景深信息图像以获得人脸图像
在所述景深信息图像中的位置。
最后，在步骤S403中，可以获取相应位置的灰度值以生成相应的人脸灰
度值矩阵作为人脸图像的景深信息。
上面参考图2-4描述了获取人脸图像的景深信息的过程。下面，将参考
图5描述如何建立用于判断人脸图像是否是活体的景深信息模型。
如图5所示，生成景深信息模型的方法500包括：
步骤S501：获取多个典型特征的人脸景深信息图像并缩放为规定大小；
步骤S502：对多个景深信息图像执行平均处理以获得一个平均的人脸景
深信息图像；
步骤S503：计算所述平均的人脸景深信息图像的统计直方图特征向量；
以及
步骤S504：存储所述统计直方图特征向量作为景深信息模型。
具体地，在步骤S501中，例如可以对各类典型特征的人脸，进行拍照采
集，从而分别获得对应的多个典型特征的人脸景深信息图像。此外，可以将
获得的人脸景深信息图像缩放为规定大小，例如，24*24。
在步骤S502中，可以对步骤S501中获取的所有人脸景深信息图像平均
处理以获得一个平均的人脸景深信息图像。
然后，在步骤S503中，可以对步骤S502中获取的平均人脸景深信息图
像计算统计直方图特征向量。
例如，可以使用下面所示的公式(2)计算。
H ( k ) = n k N , k = 0,1 , . . . , L - 1 ]]>公式(2)
上式中k代表图像的特征取值，L是特征可取值个数，nk是图像中具有
特征值为k的像素的个数，N是图像像素的总数。
最后，在步骤S504中，可以存储在步骤S503中计算获得的所述统计直
方图特征向量作为景深信息模型。
对于上面或的景深信息模型，需要为其设置一定的匹配范围。也就是说，
落入该模型的预定范围内的图像都可以判断为活体图像。
如图6所示，计算匹配值范围的方法600包括：
步骤S601：选取已有的任一人脸景深信息图像并且缩放为规定大小；
步骤S602：计算选取的人脸景深信息图像的统计直方图特征向量；
步骤S603：将计算的统计直方图特征向量与所述景深信息模型计算匹配
值；以及
布置S604：重复上述计算多次以获取匹配值范围。
具体地，在步骤S601中，可以从已经获得的所有人脸景深信息图像中选
择任一一个，并且缩放为规定大小，例如，24*24。
然后，在步骤S602中，例如根据上面描述的方式计算该选择的人脸景深
信息图像的统计直方图特征向量。
然后，在步骤S603中，例如通过以下公式(3)计算步骤S602中获得的
人脸景深信息图像的统计直方图特征向量与已经存储的景深信息模型的匹配
值：
P ( Q , D ) = Σ K - 0 L - 1 m i n [ H Q ( k ) , H D ( k ) ] Σ K - 0 L - 1 H Q ( k ) ]]>公式(3)
其中，HQ(k)和HD(k)分别为当前选择的人脸景深图像统计直方图特征向
量和作为模型的平均人脸景深图像统计直方图特征向量，P(Q,D)为计算得到
的匹配值。
最后，在步骤S604中，重复上面步骤S601-S603的操作，使用一组已有
的人脸景深图像和作为模型的平均人脸景深图像进行匹配值计算，可以获得
一个经验性的匹配值范围。
在获得了匹配值范围之后，如图7所示，根据本发明实施例的确定被摄
体是活体的方法700包括：
步骤S701：根据第一图像中人脸图像的景深信息计算人脸图像的统计直
方图特征向量；
步骤S702：将计算的人脸图像的统计直方图特征向量与所述景深信息模
型计算匹配值；以及
步骤S703：当计算的匹配值落入所述匹配值范围内时，确定所述被摄体
是活体。
具体地，在步骤S701中，可以根据第一图像中识别的人脸(即，被摄体)
的人脸图像的景深信息，计算人脸图像的统计直方图特征向量。
然后，在步骤S702中，可以将计算的人脸图像的统计直方图特征向量与
所述景深信息模型计算匹配值。例如，可以使用上面描述的公式(3)来计算
匹配值。
最后，在步骤S703中，当计算的匹配值落入所述匹配值范围内时，确定
所述被摄体是活体。
上面描述了第一摄像头和第二摄像头是相同摄像头的实施例。在另一实
施例中，第一摄像头和第二摄像头还可以设置为具有不同分辨率和视场角。
在该实施例中，可以根据用户使用时的缩放程度，自动判断以哪个摄像
头的信息为主，并且以作为主摄像头获得的图像将作为上面所述的第一图像，
并且该主摄像头的焦距作为上面公式(2)中使用的焦距来进行计算。
因此，根据本发明实施例的图像处理方法，不需要通过视频来完成活体
鉴别，而只需要设置在电子设备上的两个摄像头拍摄被摄体的一副图像就可
以立即完成活体人脸识别，并进行身份验证。因此，大大提高了用户的使用
体验。
<第二实施例>
图8是示意性图示了根据本公开第二实施例的电子设备800的框图。如
图8所示，电子设备800包括一个或多个处理器810、存储装置820、输入装
置830、输出装置840、通信装置850和两个摄像头860a和860b，这些组件
通过总线系统870和/或其它形式的连接机构(未示出)互连。应当注意，图
8所示的电子设备800的组件和结构只是示例性的，而非限制性的，根据需
要，电子设备800也可以具有其他组件和结构。
处理器810可以是中央处理单元(CPU)或者具有数据处理能力和/或指
令执行能力的其它形式的处理单元，并且可以控制电子设备800中的其它组
件以执行期望的功能。
存储装置820可以包括一个或多个计算机程序产品，所述计算机程序产
品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失
性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高
速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器
(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多
个计算机程序指令，处理器810可以运行所述程序指令，以实现上面结合图
1至图7描述的图像处理方法。在所述计算机可读存储介质中还可以存储各
种应用程序和各种数据，例如图像数据以及所述应用程序使用和/或产生的各
种数据等。
输入装置830可以是用户用来输入指令的装置，并且可以包括键盘、鼠
标、麦克风和触摸屏等中的一个或多个。所述指令例如是使用下述摄像头860
拍摄图像的指令。输出装置840可以向外部(例如用户)输出各种信息(例
如图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。通信装置
850可以通过网络或其它技术与其它装置(例如个人计算机、服务器、移动
台、基站等)通信，所述网络可以是因特网、无线局域网、移动通信网络等，
所述其它技术例如可以包括蓝牙通信、红外通信等。摄像头860a和860b可
以拍摄待处理的图像(例如照片、视频等)，并且将所拍摄的图像存储在存储
装置820中以供其它组件使用。
如上所述，摄像头860a和860b可以是相同的摄像头，也可以是具有不
同分辨率和视场角的摄像头。例如，一个为广角、无限远焦距的低像素摄像
头，另一个为传统定焦高像素摄像头。在进行人脸识别拍摄人脸图像时，两
个摄像头同时进行拍摄，并且经过调焦，使得两个摄像头具有近似的拍摄范
围和图像质量。
因此，根据本发明实施例的电子设备，能够快速完成活体人脸识别并进
行身份验证，从而提高用户的使用体验。
<第三实施例>
根据本发明第三实施例的电子设备900包括：
第一图像获取单元901，配置为获取被摄体的第一图像；
第二图像获取单元902，配置为获取相同被摄体的第二图像，所述第一
图像和所述第二图像具有相同的拍摄范围；
处理单元903，配置为对所述第一图像和所述第二图像执行预定图像处
理以获得被摄体的景深信息，将获得的被摄体的景深信息与预先存储的景深
信息模型比较以获得比较结果；以及当所述比较结果满足预定条件时，确定
所述被摄体是活体。
可选地，所述第一图像获取单元901和所述第二图像获取单元902具有
相同的分辨率和视场角。
可选地，所述处理单元903进一步配置为：
根据包括所述第一图像和所述第二图像中的相同特征点的视差信息的多
种信息计算被摄体的景深信息。
可选地，所述处理单元903进一步配置为：
将所述第一图像和所述第二图像并排拼接；
对齐所述第一图像和所述第二图像中的相同特征点，使得所述相同特征
点在相同水平线上；
根据所述第一图像获取单元901和所述第二图像获取单元902之间的距
离、所述第一图像获取单元901或所述第二图像获取单元902的焦距、以及
作为特征点的视差信息的相同特征点之间的距离，计算特征点的景深信息值；
将计算获得的特征点的景深信息值转换为灰度值，从而生成以灰度显示
的景深信息图像；以及
根据景深信息图像获取被摄体的景深信息。
可选地，被摄体是人脸。所述处理单元903进一步配置为：
对所述第一图像执行人脸检测以获得人脸图像的坐标；
将获得的人脸图像的坐标映射到所述景深信息图像以获得人脸图像在所
述景深信息图像中的位置；以及
获取相应位置的灰度值以生成相应的人脸灰度值矩阵作为人脸图像的景
深信息。
可选地，所述预先存储的景深信息模型通过以下方式生成：
获取多个典型特征的人脸景深信息图像并缩放为规定大小；
对多个景深信息图像执行平均处理以获得一个平均的人脸景深信息图
像；
计算所述平均的人脸景深信息图像的统计直方图特征向量；以及
存储所述统计直方图特征向量作为景深信息模型。
可选地，所述处理单元903进一步配置为：
选取已有的任一人脸景深信息图像并且缩放为规定大小；
计算选取的人脸景深信息图像的统计直方图特征向量；
将计算的统计直方图特征向量与所述景深信息模型计算匹配值；
重复上述计算多次以获取匹配值范围。
可选地，所述处理单元903进一步配置为：
根据第一图像中人脸图像的景深信息计算人脸图像的统计直方图特征向
量；
将计算的人脸图像的统计直方图特征向量与所述景深信息模型计算匹配
值；以及
当计算的匹配值落入所述匹配值范围内时，确定所述被摄体是活体。
因此，根据本发明实施例的电子设备，能够快速完成活体人脸识别并进
行身份验证，从而提高用户的使用体验。
需要注意的是，上面的实施例仅仅是用作示例，本发明不限于这样的示
例，而是可以进行各种变化。
需要说明的是，在本说明书中，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。
最后，还需要说明的是，上述一系列处理不仅包括以这里所述的顺序按
时间序列执行的处理，而且包括并行或分别地、而不是按时间顺序执行的处
理。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发
明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来
实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者
部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介
质中，如ROM(只读存储器)/RAM(随机存取存储器)、磁碟、光盘等，包
括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网
络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理
及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法
及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在
具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应
理解为对本发明的限制。