本發(fā)明涉及信息處理領(lǐng)域，特別涉及一種識別方法，還特別涉及一種后端服務器。

背景技術(shù)：

隨著互聯(lián)網(wǎng)和計算機信息技術(shù)的發(fā)展，人臉識別在各個領(lǐng)域所起的作用越來越重要。人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。

現(xiàn)有技術(shù)中，人臉識別的業(yè)務流程一般是由前端相機實時抓拍人臉圖片，傳遞到后端服務器進行分析。相應的，后端服務器在從前端相機獲取到同一個人臉的所有抓拍圖片后執(zhí)行尋優(yōu)算法，找到最佳人臉圖片，然后針對最佳人臉圖片進行分析，得到人臉半結(jié)構(gòu)化信息。最后將前端相機所抓拍的人臉的半結(jié)構(gòu)化信息和人臉數(shù)據(jù)庫中的半結(jié)構(gòu)化信息進行比對，從而實現(xiàn)人臉識別。

發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，在上述現(xiàn)有的人臉識別流程中，前端相機僅承擔圖像采集以及圖像傳遞的職能。大部分的針對采集圖像的人臉分析工作都是由后端服務器完成的。這樣給后端服務器造成了極大的負擔，在前端相機數(shù)量遠多于后端服務器的情況下，后端服務器的性能將會成為人臉識別的效率的瓶頸，從而導致人臉識別業(yè)務的并發(fā)執(zhí)行能力低下，無法實現(xiàn)人臉識別的實時處理。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種人臉識別方法與后端服務器，旨在使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

本發(fā)明實施例提供了一種人臉識別方法，應用于人臉識別系統(tǒng)中的后端服務器，所述人臉識別系統(tǒng)還包括多個前端設(shè)備，所述方法包括：

接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片及所述目標人臉軌跡對應的預測離開時間；

根據(jù)所述人臉圖片及所述預測離開時間，生成所述目標人臉軌跡對應的目標人臉圖片序列；

當所述人臉圖片不是所述目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，所述軌跡時間序列中包括目標人臉軌跡在內(nèi)的各人臉軌跡對應的預測離開時間；

當所述第一預測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對所述待處理人臉軌跡對應的人臉圖片序列進行人臉識別。

優(yōu)選地，所述預設(shè)策略具體為：

當所述時間差值小于或等于第二預設(shè)時間閾值時，將所述第一預測離開時間對應的人臉軌跡作為待處理人臉軌跡；

當所述時間差值大于所述第二預設(shè)時間閾值時，將識別計數(shù)值最小的人臉軌跡作為待處理人臉軌跡，所述識別計數(shù)值是所述后端服務器對人臉軌跡對應的人臉圖片序列進行人臉識別后記錄的。

優(yōu)選地，所述待處理人臉軌跡對應的人臉圖片序列進行人臉識別，具體為：

獲取所述待處理人臉軌跡對應的人臉圖片序列中的當前最佳人臉圖片，并根據(jù)所述當前最佳人臉圖片與所述待處理人臉軌跡對應的后續(xù)人臉圖片確定最佳人臉圖片，所述當前最佳人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后確定的，所述后續(xù)人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后到本次人臉識別開始時接收到的人臉圖片；

若所述最佳人臉圖片為所述當前最佳人臉圖片，則將所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后獲取的人臉半結(jié)構(gòu)化信息保存到所述待處理人臉軌跡對應的數(shù)據(jù)結(jié)構(gòu)中；

若所述最佳人臉圖片不為所述當前最佳人臉圖片，則對所述最佳人臉圖片進行人臉識別，獲取所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息，將所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息保存到所述數(shù)據(jù)結(jié)構(gòu)中。

優(yōu)選地，所述方法還包括：

當所述人臉圖片是所述目標人臉軌跡的最終人臉圖片，且所述后端服務器當前正在對第一人臉軌跡進行人臉識別時，判斷所述第一人臉軌跡中是否存在最終人臉圖片，其中，所述目標人臉軌跡的序列號與所述第一人臉軌跡的序列號不一致；

若所述第一人臉軌跡中存在最終人臉圖片，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別大于或等于預設(shè)進度閾值，且所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值小于第三預設(shè)時間閾值時，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別小于預設(shè)進度閾值，或，所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值大于或等于第三預設(shè)時間閾值時，則中斷所述后端服務器對所述第一人臉軌跡的人臉識別，對所述目標人臉圖片序列進行人臉識別。

優(yōu)選地，還包括：

根據(jù)各所述人臉軌跡的圖片采集時間，確定各所述前端設(shè)備對應的圖像采集時間偏移；

將所述圖像采集時間偏移返回對應的前端設(shè)備，以使該前端設(shè)備修正所述圖片采集時間。

基于與上述方法相同的技術(shù)思路，本發(fā)明實施例還提出了一種后端服務器，應用于包括所述后端服務器和多個前端設(shè)備的人臉識別系統(tǒng)中，所述后端服務器包括：

接收模塊，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片及所述目標人臉軌跡對應的預測離開時間；

存儲模塊，根據(jù)所述人臉圖片及所述預測離開時間，生成所述目標人臉軌跡對應的目標人臉圖片序列；

獲取模塊，當所述人臉圖片不是所述目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，所述軌跡時間序列中包括目標人臉軌跡在內(nèi)的各人臉軌跡對應的預測離開時間；

識別模塊，當所述第一預測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對所述待處理人臉軌跡對應的人臉圖片序列進行人臉識別。

優(yōu)選地，所述預設(shè)策略具體為：

當所述時間差值小于或等于第二預設(shè)時間閾值時，將所述第一預測離開時間對應的人臉軌跡作為待處理人臉軌跡；

當所述時間差值大于所述第二預設(shè)時間閾值時，將識別計數(shù)值最小的人臉軌跡作為待處理人臉軌跡，所述識別計數(shù)值是所述后端服務器對人臉軌跡對應的人臉圖片序列進行人臉識別后記錄的。

優(yōu)選地，所述識別模塊具體用于：

獲取所述待處理人臉軌跡對應的人臉圖片序列中的當前最佳人臉圖片，并根據(jù)所述當前最佳人臉圖片與所述待處理人臉軌跡對應的后續(xù)人臉圖片確定最佳人臉圖片，所述當前最佳人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后確定的，所述后續(xù)人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后到本次人臉識別開始時接收到的人臉圖片；

若所述最佳人臉圖片為所述當前最佳人臉圖片，則將所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后獲取的人臉半結(jié)構(gòu)化信息保存到所述待處理人臉軌跡對應的數(shù)據(jù)結(jié)構(gòu)中；

若所述最佳人臉圖片不為所述當前最佳人臉圖片，則對所述最佳人臉圖片進行人臉識別，獲取所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息，將所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息保存到所述數(shù)據(jù)結(jié)構(gòu)中。

優(yōu)選地，所述后端服務器還包括：

判斷模塊，當所述人臉圖片是所述目標人臉軌跡的最終人臉圖片，且所述后端服務器當前正在對第一人臉軌跡進行人臉識別時，判斷所述第一人臉軌跡中是否存在最終人臉圖片，其中，所述目標人臉軌跡的序列號與所述第一人臉軌跡的序列號不一致；

所述識別模塊，還用于若所述第一人臉軌跡中存在最終人臉圖片，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

所述識別模塊，還用于若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別大于或等于預設(shè)進度閾值，且所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值小于第三預設(shè)時間閾值時，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

所述識別模塊，還用于若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別小于預設(shè)進度閾值，或，所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值大于或等于第三預設(shè)時間閾值時，則中斷所述后端服務器對所述第一人臉軌跡的人臉識別，對所述目標人臉圖片序列進行人臉識別。

優(yōu)選地，還包括：

確定模塊，根據(jù)各所述人臉軌跡的圖片采集時間，確定各所述前端設(shè)備對應的圖像采集時間偏移；

發(fā)送模塊，將所述圖像采集時間偏移返回對應的前端設(shè)備，以使該前端設(shè)備修正所述圖片采集時間。

與現(xiàn)有技術(shù)相比，本發(fā)明實施例提出的技術(shù)方案至少包括以下有益效果：

本發(fā)明實施例提供了一種人臉識別方法，應用于人臉識別系統(tǒng)中的后端服務器，該人臉識別系統(tǒng)還包括多個前端設(shè)備，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片以及目標人臉軌跡對應的預測離開時間，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別，可以使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

附圖說明

圖1為本發(fā)明實施例提出的一種人臉識別方法的流程示意圖；

圖2為本發(fā)明具體實施例提出的一種人臉采集錯峰處理方法的流程示意圖；

圖3為本發(fā)明具體實施例提出的一種人臉識別處理方法流程示意圖；

圖4為本發(fā)明具體實施例提出的一種人臉識別方法流程示意圖；

圖5為本發(fā)明具體實施例提出的一種后端服務器的結(jié)構(gòu)示意圖。

具體實施方式

如背景技術(shù)所述，現(xiàn)有的人臉識別流程中的大部分工作都是由后端服務器完成的，這樣在面臨大量的前端設(shè)備傳輸過來的圖像時，后端服務器的壓力將會十分的大，從而導致此時人臉識別的效率變得十分的低下。

本發(fā)明提出了一種人臉識別方法與后端服務器，旨在減少后端服務器的工作負載，提高人臉識別業(yè)務的并發(fā)執(zhí)行能力，以及人臉識別的實時性。

本發(fā)明實施例提出了一種人臉識別方法，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片以及目標人臉軌跡對應的預測離開時間，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別，可以使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

需要說明的是，在本發(fā)明的技術(shù)方案中，應用于人臉識別系統(tǒng)中的后端服務器，該人臉識別系統(tǒng)還包括多個前端設(shè)備，其中，后端服務器為人臉識別系統(tǒng)中的后端分析裝置，具備存儲以及數(shù)據(jù)分析、處理的能力，包括但不限于PC、網(wǎng)絡視頻服務器NVR以及服務器等，前端裝置自身具有一定的分析處理能力，一般為網(wǎng)絡攝像機IPC等，本發(fā)明實施例的應用場景并不會影響本發(fā)明的保護范圍。

如圖1所示，為本發(fā)明實施例提出的一種人臉識別方法，具體步驟如下：

步驟101，接收目標前端設(shè)備發(fā)送的目標人臉軌跡的人臉圖片及目標人臉軌跡對應的預測離開時間。

在介紹本步驟之前，還應當對上述定義的名詞做出解釋，其中目標前端設(shè)備為當前人臉識別系統(tǒng)中的任意一個前端設(shè)備，該目標前端設(shè)備可以與人臉識別系統(tǒng)的后端服務器進行通信，當有目標人物進入圖像采集范圍時，自身按照預設(shè)周期進行人臉圖片抓拍以及將人臉圖片上傳至后端服務器，人臉軌跡為前端設(shè)備采集到的圖像中人臉移動形成的軌跡，在此為了方便描述，統(tǒng)一稱之為人臉軌跡，一條人臉軌跡為多個人臉圖片形成的人臉的運動路線，而對于服務器側(cè)角度，一條人臉軌跡則對應多個人臉圖片組成的人臉圖片序列，一條人臉軌跡具備自身的序列號，前端設(shè)備發(fā)送的人臉圖片分別攜帶有人臉軌跡對應的序列號。

應當說明的是，在現(xiàn)有技術(shù)中，后端服務器在前端設(shè)備完成一條人臉軌跡分析之后，才針對同一條人臉軌跡的多張人臉圖片執(zhí)行最佳人臉分析，篩選出最佳人臉，并對最佳人臉執(zhí)行人臉識別處理，而在所有的人臉圖片序列都不是完整序列時，此時的后端服務器為空閑狀態(tài)，存在著后端服務器的性能浪費，為了避免這種情況，可以根據(jù)人臉軌跡的運動情況來預測其離開前端設(shè)備的抓拍范圍時的離開時間，因此后端服務器可以根據(jù)人臉軌跡的進度來選擇是否進行人臉識別預處理，以充分利用后端服務器的閑置資源。

現(xiàn)有的人臉識別系統(tǒng)中都是若干臺前端設(shè)備搭配一臺后端服務器組成一個人臉識別系統(tǒng)，在本發(fā)明的技術(shù)方案中，多臺前端設(shè)備同時檢測多條人臉軌跡，以檢測周期為間隔發(fā)送多條人臉軌跡的人臉圖片到后端服務器。

由上述描述可知，人臉軌跡的離開時間是由前端設(shè)備來進行預測的，具體的，前端設(shè)備根據(jù)每條人臉軌跡，分析其前進方向和速度，并根據(jù)前端設(shè)備的安裝的空間模型，修正抓拍畫面中的人臉運動速度，預測人臉軌跡畫面的離開時間(具體的運動速度以及預測時間可以根據(jù)現(xiàn)有技術(shù)中來進行預測，在此不進行贅述)。前端設(shè)備將預測得到的每條人臉軌跡的預測離開時間發(fā)送至后端服務器，與此同時，隨著人臉軌跡的不斷前進和變化，前端設(shè)備實時修正對應人臉軌跡的離開時間，并將修正后的人臉軌跡的離開時間發(fā)送至后端服務器，后端服務器根據(jù)前端設(shè)備每隔預設(shè)時間發(fā)送的人臉軌跡對應的離開時間對后端服務器中同一人臉軌跡對應的舊離開時間進行更新。

前端設(shè)備每隔預設(shè)周期進行目標人物的人臉抓拍，然后獲取目標人物的人臉圖片，添加該人臉軌跡的序列號，并預測其離開前端設(shè)備抓拍范圍的預測離開時間，每隔預設(shè)周期向后端服務器發(fā)送該人臉軌跡的人臉圖片以及人臉軌跡對應的離開時間。

步驟102，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列。

后端服務器在接收到人臉圖片時，根據(jù)其攜帶的序列號生成相對應的人臉圖片序列。人臉圖片序列中具有相同序列號的人臉圖片，即同一人臉軌跡對應的圖片，在后端服務器中為了方便區(qū)分以序列號進行標識，當前端設(shè)備發(fā)送一條人臉軌跡的最后一張圖片時，該圖片為該人臉軌跡的最終人臉圖片，同時攜帶有結(jié)束標志，當人臉圖片序列中存在有最終人臉圖片時，定義其為完整人臉序列，為人臉軌跡的完整運動路線。

在實際的應用中，前端設(shè)備都是以檢測周期為間隔發(fā)送人臉圖片到后端服務器，會導致后端服務器在某一瞬時接收到大量的人臉圖片，造成瞬時的性能分析開銷巨大，故在本發(fā)明的優(yōu)選實施例中，后端服務器根據(jù)所有人臉軌跡對應的人臉圖片序列的圖片采集時間，針對每條人臉軌跡，生成合理的采集時間偏移，并將圖像采集時間偏移返回對應的前端設(shè)備，以使前端設(shè)備按照人臉采集時間偏移修正每條人臉軌跡的圖片采集時間。

相應的，后端服務器在收到各人臉圖片序列的離開時間后，按照離開時間與當前時間的時間差值(離開時間的先后順序)對人臉圖片序列進行排序，生成軌跡時間序列，該序列中以各個人臉軌跡的預測離開時間先后排序，其中軌跡時間序列中的第一個為時間值最小的第一預測離開時間，后續(xù)根據(jù)前端設(shè)備發(fā)送的目標人臉軌跡的新預測離開時間進行軌跡時間序列的更新并重新排序。

步驟103，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間。

應當說明的是，當人臉圖片為目標人臉軌跡的最終圖片時，則表示后端服務器中的目標人臉圖片序列為完整人臉圖片序列，則表示該人臉軌跡已經(jīng)完成記錄，后端服務器可以對其進行識別，當人臉圖片不是目標人臉軌跡的最終圖片時，則表示目標人臉圖片序列不為完整人臉圖片序列，而對于后端服務器中的人臉圖片序列全部為非完整人臉圖片序列時，則可以根據(jù)離開時間的先后順序來進行預處理，進行初步的分析，具體的包含以下幾種情況：

1)當各人臉圖片序列中不存在完整人臉圖片序列(即人臉圖片不是目標人臉軌跡的最終人臉圖片)，且各人臉圖片序列的離開時間與當前時間的時間差值小于第一預設(shè)時間閾值時，不進行任何處理；

需要說明的是，目標人臉軌跡對應的目標人物若在前端設(shè)備的抓拍范圍運動時間若小于第一預設(shè)時間閾值，則表示該目標的運動時間過短，抓拍的圖片質(zhì)量以及結(jié)束時間都無法進行準確預測，設(shè)置第一時間閾值能夠保證一旦有人臉軌跡的最終圖片到達形成完整人臉軌跡序列，后端服務器能夠有空閑資源及時對完整人臉軌跡序列進行處理，從而得到最終識別結(jié)果，因此后端服務器需要對人臉軌跡的運動時間進行限定，此種情況下，人臉圖片序列的離開時間不小于第一預設(shè)時間閾值，則不進行任何處理。

2)當各人臉圖片序列中不存在完整人臉圖片序列(即人臉圖片不是目標人臉軌跡的最終人臉圖片)，獲取軌跡時間序列中時間值最小的第一預測離開時間，且第一預測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略對人臉圖片序列進行識別。

3)當人臉圖片是目標人臉軌跡的最終人臉圖片時，且后端服務器當前處于空閑狀態(tài)時，則直接進行完整人臉圖片序列的識別。

4)當人臉圖片是目標人臉軌跡的最終人臉圖片時，且后端服務器當前正在執(zhí)行第一人臉圖片序列的識別任務時(也可以為其他圖片序列的識別任務，在此指服務器人臉識別資源被占用)，則需要進一步判斷后端服務器當前識別的第一人臉圖片序列是否為完整人臉圖片序列。

步驟104，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別。

針對上述情況2)，后端服務器針對當前維護的所有人臉軌跡對應人臉圖片序列，統(tǒng)計各人臉軌跡的識別計數(shù)值以及離開時間，其中，人臉軌跡的識別計數(shù)值是當服務器空閑時選取根據(jù)預設(shè)策略選取待處理人臉軌跡并進行相應的人臉圖片序列的人臉識別后記錄的，每次人臉識別結(jié)束后為該待處理人臉軌跡對應的人臉圖片序列的識別計數(shù)值加一，識別計數(shù)值為整數(shù)，初始值為0，選擇合適的人臉軌跡執(zhí)行人臉識別處理，查詢所有人臉軌跡對應的人臉圖片序列，計算人臉軌跡的預測離開時間和當前時間的時間差值，具體有以下兩種預設(shè)策略：

(1)第一預測離開時間與當前時間的時間差值小于或等于第二預設(shè)時間閾值，將第一預測離開時間對應的人臉軌跡作為待處理人臉軌跡；

(2)若第一預測離開時間與當前時間的時間差值大于第二預設(shè)時間閾值，則選擇識別計數(shù)值最小的人臉軌跡作為待處理人臉軌跡。

在上述過程中，第一預測離開時間與當前時間的時間差值小于或等于第二預設(shè)時間閾值時，則表示該人臉軌跡臨近運動結(jié)束，可以優(yōu)先對其進行處理，而選擇人臉識別計數(shù)值小的人臉軌跡，則表示該人臉軌跡對應的人臉識別次數(shù)最少，對應的人臉圖片序列中未經(jīng)過人臉識別的人臉圖片較多，可以有效的減輕后續(xù)處理能力的壓力。

相應地，對待處理人臉軌跡進行識別處理，具體識別方法包含以下步驟：

a)若該人臉軌跡之前已經(jīng)進行過識別處理，則從人臉軌跡對應的人臉圖片序列中找到上一次分析過程中確定的當前最佳人臉圖片，即上一次分析過程中選舉的最佳人臉，最佳人臉圖片為最符合后端服務器中處理規(guī)則的人臉圖片(該處理規(guī)則為清晰，人臉正面照等，該處理規(guī)則不是不發(fā)明所關(guān)注的方向，在此不做過多贅述)，若該人臉軌跡沒有進行過人臉識別，不存在當前最佳人臉圖片，則直接執(zhí)行下述步驟b)。

b)從該人臉軌跡的上一次人臉識別后到本次人臉識別過程開始時接收到的后續(xù)人臉圖片，與當前最佳人臉圖片之間選舉出最佳人臉圖片。

具體的，上一次人臉識別過程中處理了若干人臉圖片，并選舉出了當前最佳人臉圖片，在本次人臉識別過程中，需要進行人臉識別的人臉圖片包括：上一次人臉識別完成后接收到的后續(xù)人臉圖片和當前最佳人臉圖片，在這些人臉圖片中選舉出最佳人臉圖片。

為了方便說明上述過程，在此以實際應用場景中的一條人臉軌跡對應的人臉圖片序列為例進行說明，該人臉圖片序列為：A1，A2，A3，A4，A5，A6，A7，A8，A9，A10，每個序號對應一張人臉圖片，當前已經(jīng)接收了10張圖片。假設(shè)之前的預分析在人臉圖片A1-A5已經(jīng)處理到當前最佳人臉圖片A5，也就是在人臉圖片A1-A5之間找到了當前最佳人臉圖片(定義為opt_pic)，那么本次識別需要做的就是從A6-A10+opt_pic這6張圖片中選出最佳人臉圖片。

c)選舉出最佳人臉后，生成人臉半結(jié)構(gòu)化信息，將分析的人臉半結(jié)構(gòu)化信息保存到對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中；

在具體的應用場景中，若最佳人臉圖片為當前最佳人臉圖片，則將后端服務器之前針對當前最佳人臉圖片獲取的最佳人臉半結(jié)構(gòu)化信息保存到對應該人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中；若最佳人臉圖片為后續(xù)的人臉圖片中的一個，不是當前最佳人臉圖片，則獲取最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息，將最佳人臉圖片對應的人臉對應的人臉半結(jié)構(gòu)化信息保存到對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中。

d)人臉軌跡對應的識別計數(shù)值加一。

通過上述人臉識別方法對不完整人臉圖片序列進行預處理，當采集到最終人臉圖片后，則對應人臉軌跡完成識別任務，輸出最終識別的人臉半結(jié)構(gòu)化信息，在此過程中，后端服務器充分利用了閑置資源，并減少了該人臉軌跡后期的識別分析工作量，提高了后續(xù)工作的效率以及實時性。

而針對于上述步驟4)，在后端服務器中，設(shè)置完整人臉圖片序列的處理優(yōu)先級高于不完整人臉圖片序列，在后端服務器空閑時間對不完整人臉圖片序列進行處理，當后端服務器中存在正在處理的第一人臉圖片序列時，此時接收到的人臉圖片為目標人臉軌跡的最終圖片時，則后端服務器中具有了完整的人臉圖片序列，此時后端服務器需要判斷第一人臉圖片序列是否為完整人臉圖片序列，具體包括兩種情況：

情況一、第一人臉軌跡中存在最終人臉圖片，則等待后端服務器完成當前對第一人臉軌跡對應的第一人臉圖片序列的識別任務后，再進行其他完整人臉圖片序列的識別，即將其他完整人臉圖片序列按照離開時間排序加入待處理任務。

情況二、第一人臉軌跡中不存在最終人臉圖片，則需要對后端服務器當前的識別任務的完成度以及第一人臉圖片序列對應的的預測離開時間與當前時間的時間差值進行判斷，具體為：(1)當后端服務器當前執(zhí)行的第一人臉圖片序列的識別任務完成度大于或等于預設(shè)進度閾值，且第一人臉圖片序列對應的的預測離開時間與當前時間的時間差值小于第三預設(shè)時間閾值時，等待后端服務器完成當前對第一人臉圖片序列的識別任務后，再進行目標人臉圖片序列的識別；(2)當后端服務器當前執(zhí)行的第一人臉圖片序列的識別任務完成度小于預設(shè)進度閾值，或，第一人臉圖片序列對應的的預測離開時間與當前時間的時間差值大于或等于第三預設(shè)時間閾值時，中斷后端服務器當前對第一人臉圖片序列的識別分析任務，直接進行目標人臉圖片序列的識別。

在具體的應用場景中，當后端服務器接收到前端設(shè)備發(fā)送的最終人臉圖片后，需要判斷最終人臉圖片的序列號是否與后端服務器當前執(zhí)行的識別任務中的第一人臉圖片序列的序列號相同，若相同，則不進行處理，若不同，則按照上述步驟進行相應的處理，在此不再進行贅述。

在后端服務器完成了對人臉軌跡的識別分析后，將人臉軌跡對應的人臉圖片序列刪除，根據(jù)人臉軌跡的半結(jié)構(gòu)化信息，和人臉數(shù)據(jù)庫中的半結(jié)構(gòu)化信息進行比對，實現(xiàn)人臉識別任務。

通過應用本發(fā)明實施例提出的一種人臉識別方法，應用于人臉識別系統(tǒng)中的后端服務器，該人臉識別系統(tǒng)還包括多個前端設(shè)備，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片以及目標人臉軌跡對應的預測離開時間，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別，可以使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

為了進一步闡述本發(fā)明的技術(shù)思想，現(xiàn)結(jié)合具體的應用場景，對本發(fā)明的技術(shù)方案進行說明。

在發(fā)明的具體實施例中的人臉識別系統(tǒng)中包含有一個分析服務器和若干人臉采集攝像機，其中，分析服務器相當于上述實施例中的后端服務器，人臉采集攝像機則相當于上述實施例中的前端設(shè)備，假設(shè)人臉識別系統(tǒng)中存在M臺人臉采集攝像機，該方法具體步驟如下：

步驟A，人臉采集錯峰處理；

步驟B，人臉軌跡狀態(tài)維護流程；

步驟C，人臉識別處理流程；

步驟D，人臉軌跡選擇子流程。

以下針對上述步驟A的人臉采集錯峰處理進行描述，為了減少分析服務器同時處理多臺人臉攝像機時，人臉采集攝像機同時上報人臉圖片造成的瞬時性能分析開銷，采用進行人臉采集錯峰處理，如圖2所示，為本發(fā)明具體實施例提出的一種人臉采集錯峰處理方法的流程示意圖，具體包括以下步驟：

S201，分析服務器建立人臉軌跡序列；

具體的，M臺人臉采集攝像機同時采集到N條人臉軌跡，同時將N條人臉軌跡對應的人臉圖片上傳至分析服務器，分析服務器在接收到人臉圖片后建立相應的人臉軌跡序列，每條人臉軌跡序列具有自身的序列號。

S202，分析服務器更新人臉軌跡序列；

具體的，M臺人臉采集攝像機同時檢測N條人臉軌跡，以人臉采集攝像機的檢測周期T1為間隔實時發(fā)送N條人臉軌跡的小圖圖片序列到分析服務器，分析服務器將其更新至對應的人臉軌跡序列中。其中，針對一條人臉軌跡的最后一張圖片，隨圖片信息帶上結(jié)束標志，分析服務器接收并保存N條人臉軌跡的圖片序列及相關(guān)標志。

S203，確定各個人臉軌跡的采集時間；

具體的，分析服務器分析N條人臉軌跡序列的采集周期起始時間，針對每條人臉軌跡，生成合理的采集時間偏移，通知人臉采集攝像機。

S204，人臉采集攝像機按照采集時間偏移修正每條人臉軌跡的采集起始時間。

由此可知，通過上述步驟A的人臉采集周期錯峰處理，可以實現(xiàn)將人臉抓拍圖片到達后端的時間均勻分散開來，減少瞬時的性能分析開銷，提升分析的實時性。

以下針對上述步驟B的人臉軌跡狀態(tài)維護流程進行說明，具體包括為人臉采集攝像機前端設(shè)備側(cè)以及后端服務器側(cè)兩個角度，以下針對人臉采集攝像機前端設(shè)備側(cè)的步驟進行描述：

a)，預測人臉軌跡離開畫面的時間；

具體的，人臉采集攝像機針對每路人臉軌跡，分析其前進方向和速度，并根據(jù)人臉采集攝像機安裝的空間模型，修正畫面中的人臉運動速度，預測人臉軌跡離開畫面的時間。

b)，將人臉軌跡的結(jié)束時間發(fā)送至分析服務器；

具體的，人臉采集攝像機將預測得到的每條人臉軌跡的預測離開時間發(fā)送到分析服務器。

c)，修正人臉軌跡的離開時間；

具體的，隨著人臉軌跡的不斷運動，人臉采集攝像機實時修改正對應的人臉軌跡的離開時間，并將修正的人臉軌跡離開時間發(fā)送至分析服務器。

以上針對前端設(shè)備側(cè)進行了描述，現(xiàn)在以分析服務器為角度進行描述，分析服務器針對每路人臉軌跡，進行如下處理：

對人臉軌跡序列進行排序，根據(jù)最新的人臉軌跡時間，識別計數(shù)值(該路人臉軌跡已經(jīng)執(zhí)行過的人臉識別的次數(shù))；將N條人臉軌跡的離開時間按照時間先后順序排序，保存到人臉軌跡離開時間隊列FaceLeftTimeQue中，時間最早的記錄在隊列頭部。

當有新的人臉軌跡進入畫面，新增相關(guān)人臉軌跡的數(shù)據(jù)結(jié)構(gòu)；當人臉序列中有人臉軌跡離開畫面，且執(zhí)行完人臉識別任務，刪除對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)。

以下對上述步驟C中的人臉識別處理流程進行說明，具體的，分析服務器基于上述步驟A以及步驟B中維護的所有人臉軌跡信息，執(zhí)行分析處理，如圖3所示，為本發(fā)明具體實施例提出的一種人臉識別處理方法流程示意圖，具體步驟如下：

S301，等待當前人臉識別任務執(zhí)行完畢，或收到某條人臉軌跡的最后一張人臉圖片(相當于實施例中的最終圖片)；

S302，判斷當前是否接收到某條人臉軌跡的最后一張人臉圖片；

具體的，若是，則執(zhí)行步驟S308；若否則執(zhí)行步驟S303；

S303，從FFaceLeftTimeQue中取第一條記錄；

具體的，F(xiàn)aceLeftTimeQue中是根據(jù)人臉軌跡的離開時間按照時間先后順序進行排序的，第一條記錄則為分析服務器中離開時間最早的一條人臉軌跡。

S304，計算當前時間和首記錄之間的時間差值；

S305，判斷時間差值是否大于人臉識別時間FaceRegTime；

具體的，如果當前時間CurTime距離FaceLeftTimeQue中第一條記錄的時間之差大于人臉識別時間FaceRegTime，則執(zhí)行步驟S306，若否，則返回步驟S301。

S306，按照人臉軌跡選擇子流程找到待處理的人臉軌跡，執(zhí)行人臉識別子流程；

具體的，在執(zhí)行完人臉識別流程后，返回步驟S301，等待當前人臉識別任務執(zhí)行完畢，執(zhí)行完畢后，繼續(xù)確定是否具有待處理人臉軌跡，或收到某條人臉軌跡的最后一張人臉圖片。

S307，針對最佳人臉圖片F(xiàn)aceLastOpt進行人臉識別子流程；

S308，定義最終圖片F(xiàn)TLast；

具體的，定義某條人臉軌跡的最后一張人臉圖片為FTLast，執(zhí)行步驟S309。

S309，判斷當前分析服務器是否在執(zhí)行人臉識別任務；

具體的，若是，則執(zhí)行步驟S310，若否，則執(zhí)行步驟S307。

S310，如果當前有人臉識別任務在執(zhí)行，則判斷當前人臉識別任務是針對FTLast軌跡執(zhí)行的。

具體的，若是，則執(zhí)行步驟S311，若否，則執(zhí)行步驟S312。

S311，等待當前識別任務執(zhí)行完畢；

具體的，如果當前人臉識別任務是針對FTLast軌跡執(zhí)行的，則等待執(zhí)行完畢后，再針對FTLast執(zhí)行人臉識別子流程S307。

S312，判斷當前執(zhí)行任務完成度是否達到預設(shè)閾值；

具體的，判斷分析服務器當前的人臉識別任務是否完成預設(shè)閾值80％，若是則執(zhí)行步驟S313，若否則執(zhí)行步驟S314。

S313，判斷當前時間與當前分析的人臉軌跡的離開時間的時間差值是否小于時間閾值T2；

具體的，若是，則執(zhí)行步驟S311，若否，則執(zhí)行步驟S314.

S314，中斷分析服務器的當前任務，直接進行FTLast的人臉識別任務。

通過應用上述步驟C所述的人臉識別處理方法，能夠加快人臉圖片的識別處理的速度，并提高人臉識別的實時性。

以下對步驟D中所述的人臉軌跡選擇子流程進行描述，在該步驟中，主要對分析服務器的人臉軌跡處理優(yōu)先級差異，具體表現(xiàn)為：針對分析服務器當前維護的所有人臉軌跡，其中，對具有FTLast的人臉軌跡優(yōu)先進行處理，其次，當分析服務器中的人臉軌跡不存在最終圖片時，則綜合每條人臉軌跡的識別計數(shù)值和預測離開時間，選擇合適的人臉軌跡執(zhí)行人臉識別處理，具體為：

根據(jù)當前分析服務器中所有人臉軌跡的離開時間，計算人臉軌跡對應的離開時間與當前時間的時間差值，如有有時間差值小于等于閾值T3的人臉軌跡，則選擇時間差值最小的人臉軌跡為待處理人臉軌跡；如果沒有時間差值小于等于閾值T3的人臉軌跡，則選擇識別計數(shù)值最小的人臉軌跡為待處理人臉軌跡。

通過上述步驟D中的人臉軌跡的選擇，篩選出人臉軌跡中優(yōu)先級較高的人臉軌跡，對其進行人臉識別，如圖4所示，為本發(fā)明具體實施例提出的一種人臉識別方法流程示意圖，具體包括以下步驟：

S401，確定待分析的人臉軌跡，并獲取當前該人臉序列對應的最佳人臉；

具體的，從人臉軌跡中，找到最后一條被分析過的人臉圖片，之前執(zhí)行預分析得到的最佳人臉定義為FaceLastOpt。

S402，根據(jù)接收到的拓撲確定最佳人臉。

具體的，在確定出之前的最佳人臉圖片F(xiàn)aceLastOpt后，分析服務器根據(jù)之后接收到的人臉采集攝像機發(fā)送的人臉圖片與FaceLastOpt，執(zhí)行尋優(yōu)算法，確定最佳人臉。

S403，判斷最佳人臉是否為FaceLastOpt；

具體的，若是，則執(zhí)行步驟S404，若否，則執(zhí)行步驟S405。

S404，將之前分析的內(nèi)容保存到對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中；

具體的，如果最佳人臉就是FaceLastOpt，則將之前分析的針對FaceLastOpt的人臉半結(jié)構(gòu)化信息保存到對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中，執(zhí)行步驟S407。

S405，針對新的最佳人臉執(zhí)行識別任務，生成人臉半結(jié)構(gòu)化信息；

具體的，如果最佳人臉不是FaceLastOpt，直接針對新的最佳人臉執(zhí)行識別任務，生成人臉半結(jié)構(gòu)化信息。

S406，將分析的人臉半結(jié)構(gòu)化信息保存到對應人臉軌跡的數(shù)據(jù)結(jié)構(gòu)中；

S407，對應人臉軌跡的識別計數(shù)值加一；

S408，判斷當前人臉軌跡是否已經(jīng)采集到最終人臉圖片；

具體的，若是，則執(zhí)行步驟S409，若否，則結(jié)束流程。

S409，如果當前已經(jīng)采集到最終人臉，則對應人臉軌跡完成識別任務，輸出最終識別的人臉半結(jié)構(gòu)化信息，執(zhí)行步驟S410。

S410，刪除人臉軌跡對應的相關(guān)數(shù)據(jù)結(jié)構(gòu)；

具體的，同時刪除分析服務器中相應的人臉圖片，僅保留人臉軌跡相關(guān)的人臉半結(jié)構(gòu)化信息。

通過應用上述步驟D可以得知，充分利用了分析服務器的閑置資源，并減少了該人臉軌跡后期的識別分析工作量，提高了后續(xù)工作的效率以及實時性。

通過應用本發(fā)明具體實施例提出的一種人臉識別方法，應用于人臉識別系統(tǒng)中的后端服務器，該人臉識別系統(tǒng)還包括多個前端設(shè)備，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片以及目標人臉軌跡對應的預測離開時間，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別，可以使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

基于與上述相同的技術(shù)思路，本發(fā)明具體實施例還提出了一種后端服務器，該服務器應用于包括所述后端服務器以及多個的人臉識別系統(tǒng)中，如圖5所示為本發(fā)明具體實施例提出的一種后端服務器的結(jié)構(gòu)示意圖，所述后端服務器包括：

接收模塊51，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片及所述目標人臉軌跡對應的預測離開時間；

存儲模塊52，根據(jù)所述人臉圖片及所述預測離開時間，生成所述目標人臉軌跡對應的目標人臉圖片序列；

獲取模塊53，當所述人臉圖片不是所述目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，所述軌跡時間序列中包括目標人臉軌跡在內(nèi)的各人臉軌跡對應的預測離開時間；

識別模塊54，當所述第一預測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對所述待處理人臉軌跡對應的人臉圖片序列進行人臉識別。

在具體的應用場景中，所述預設(shè)策略具體為：

當所述時間差值小于或等于第二預設(shè)時間閾值時，將所述第一預測離開時間對應的人臉軌跡作為待處理人臉軌跡；

當所述時間差值大于所述第二預設(shè)時間閾值時，將識別計數(shù)值最小的人臉軌跡作為待處理人臉軌跡，所述識別計數(shù)值是所述后端服務器對人臉軌跡對應的人臉圖片序列進行人臉識別后記錄的。

在具體的應用場景中，所述識別模塊54具體用于：

獲取所述待處理人臉軌跡對應的人臉圖片序列中的當前最佳人臉圖片，并根據(jù)所述當前最佳人臉圖片與所述待處理人臉軌跡對應的后續(xù)人臉圖片確定最佳人臉圖片，所述當前最佳人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后確定的，所述后續(xù)人臉圖片是所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后到本次人臉識別開始時接收到的人臉圖片；

若所述最佳人臉圖片為所述當前最佳人臉圖片，則將所述后端服務器上一次對所述待處理人臉軌跡進行人臉識別后獲取的人臉半結(jié)構(gòu)化信息保存到所述待處理人臉軌跡對應的數(shù)據(jù)結(jié)構(gòu)中；

若所述最佳人臉圖片不為所述當前最佳人臉圖片，則對所述最佳人臉圖片進行人臉識別，獲取所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息，將所述最佳人臉圖片對應的人臉半結(jié)構(gòu)化信息保存到所述數(shù)據(jù)結(jié)構(gòu)中。

在具體的應用場景中，所述后端服務器還包括：

判斷模塊，當所述人臉圖片是所述目標人臉軌跡的最終人臉圖片，且所述后端服務器當前正在對第一人臉軌跡進行人臉識別時，判斷所述第一人臉軌跡中是否存在最終人臉圖片，其中，所述目標人臉軌跡的序列號與所述第一人臉軌跡的序列號不一致；

所述識別模塊54，還用于若所述第一人臉軌跡中存在最終人臉圖片，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

所述識別模塊54，還用于若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別大于或等于預設(shè)進度閾值，且所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值小于第三預設(shè)時間閾值時，則等待所述后端服務器完成對所述第一人臉軌跡的人臉識別后，對所述目標人臉圖片序列進行人臉識別；

所述識別模塊54，還用于若所述第一人臉軌跡中不存在最終人臉圖片，當所述后端服務器對所述第一人臉軌跡的人臉識別小于預設(shè)進度閾值，或，所述第一人臉軌跡對應的預測離開時間與當前時間的時間差值大于或等于第三預設(shè)時間閾值時，則中斷所述后端服務器對所述第一人臉軌跡的人臉識別，對所述目標人臉圖片序列進行人臉識別。

在具體的應用場景中，還包括：

確定模塊，根據(jù)各所述人臉軌跡的圖片采集時間，確定各所述前端設(shè)備對應的圖像采集時間偏移；

發(fā)送模塊，將所述圖像采集時間偏移返回對應的前端設(shè)備，以使該前端設(shè)備修正所述圖片采集時間。

通過應用本發(fā)明提出的技術(shù)方案，應用于人臉識別系統(tǒng)中的后端服務器，該人臉識別系統(tǒng)還包括多個前端設(shè)備，接收目標前端設(shè)備發(fā)送的目標人臉軌跡中的人臉圖片以及目標人臉軌跡對應的預測離開時間，根據(jù)人臉圖片以及預測離開時間，生成目標人臉軌跡對應的目標人臉圖片序列，當人臉圖片不是目標人臉軌跡中的最終人臉圖片時，獲取軌跡時間序列中時間值最小的第一預測離開時間，當?shù)谝活A測離開時間與當前時間的時間差值大于第一預設(shè)時間閾值時，根據(jù)預設(shè)策略選擇待處理人臉軌跡，對待處理人臉軌跡對應的人臉圖片序列進行人臉識別，可以使人臉識別業(yè)務的并發(fā)執(zhí)行能力提高，實現(xiàn)人臉識別的實時處理。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可以通過硬件實現(xiàn)，也可以借助軟件加必要的通用硬件平臺的方式來實現(xiàn)?；谶@樣的理解，本發(fā)明的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲在一個非易失性存儲介質(zhì)(可以是CD-ROM，U盤，移動硬盤等)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務器，或者網(wǎng)絡設(shè)備等)執(zhí)行本發(fā)明各個實施場景所述的方法。

本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實施場景的示意圖，附圖中的模塊或流程并不一定是實施本發(fā)明所必須的。

本領(lǐng)域技術(shù)人員可以理解實施場景中的裝置中的模塊可以按照實施場景描述進行分布于實施場景的裝置中，也可以進行相應變化位于不同于本實施場景的一個或多個裝置中。上述實施場景的模塊可以合并為一個模塊，也可以進一步拆分成多個子模塊。

上述本發(fā)明序號僅僅為了描述，不代表實施場景的優(yōu)劣。

以上公開的僅為本發(fā)明的幾個具體實施場景，但是，本發(fā)明并非局限于此，任何本領(lǐng)域的技術(shù)人員能思之的變化都應落入本發(fā)明的保護范圍。