本發(fā)明涉及圖像處理技術領域，尤其涉及一種電子相冊生成方法以及裝置。

背景技術：

隨著計算機技術和多媒體技術的發(fā)展，人們接觸到的多媒體資源日益豐富。隨著人們興趣的拓寬，現(xiàn)在很多人都直接用攝像機或數(shù)碼相機拍攝視頻，在計算機上使用播放器軟件觀看視頻節(jié)目，已經(jīng)成為用戶的一種非常普遍的學習、休閑、娛樂方式。

與此同時，會在影片上關注到一些非常精彩的畫面，并希望能夠保存下來，由這些精彩的畫面組成一本精美的電子相冊。電子相冊是由給定的一組照片來制作生成視頻，通常情況會伴有背景音樂和描述文字。相關技術中，絕大部分電子相冊制作流程都是用戶基于視頻編輯軟件，在照片上配上描述文字和背景音樂以完成電子相冊。

但是，目前存在的問題是：基于視頻編輯軟件以完成電子相冊，這種制作方式屬于純粹的人工制品，需要具備一定的專業(yè)知識的用戶才能完成在照片上搭配描述文字，大大增大了人工制作成本，不智能化。

技術實現(xiàn)要素：

本發(fā)明的目的旨在至少在一定程度上解決上述的技術問題之一。

為此，本發(fā)明的第一個目的在于提出一種電子相冊生成方法。該方法在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

本發(fā)明的第二個目的在于提出一種電子相冊生成裝置。

為達到上述目的，本發(fā)明第一方面實施例提出的電子相冊生成方法，包括：對照片進行內(nèi)容分析，生成所述照片的描述性信息；以及根據(jù)所述照片和所述描述性信息進行視頻合成，以生成目標電子相冊。

本發(fā)明實施例的電子相冊生成方法，可通過對照片進行內(nèi)容分析，生成照片的描述性信息，并根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。即基于照片圖像的內(nèi)容進行分析，并基于分析結果自動為該照片給出恰當?shù)拿枋鲂孕畔?，這樣，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

為達到上述目的，本發(fā)明第二方面實施例提出的電子相冊生成裝置，包括：描述性信息生成模塊，用于對照片進行內(nèi)容分析，生成所述照片的描述性信息；以及電子相冊生成模塊，用于根據(jù)所述照片和所述描述性信息進行視頻合成，以生成目標電子相冊。

本發(fā)明實施例的電子相冊生成裝置，可通過描述性信息生成模塊對照片進行內(nèi)容分析，生成照片的描述性信息，電子相冊生成模塊根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。即基于照片圖像的內(nèi)容進行分析，并基于分析結果自動為該照片給出恰當?shù)拿枋鲂孕畔?，這樣，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是根據(jù)本發(fā)明一個實施例的電子相冊生成方法的流程圖；

圖2是根據(jù)本發(fā)明一個具體實施例的電子相冊生成方法的流程圖；

圖3(a)、(b)、(c)和(d)是根據(jù)本發(fā)明實施例的照片中對象類別的分類結果的示意圖；

圖3(e)是根據(jù)本發(fā)明實施例的詞語“禮物”的向量表示的示意圖；

圖4是根據(jù)本發(fā)明實施例的vgg16模型結構的示例圖；

圖5是根據(jù)本發(fā)明一個實施例的生成備選描述性信息集合的流程圖；

圖6是根據(jù)本發(fā)明一個實施例的生成描述性信息的流程圖；

圖7是根據(jù)本發(fā)明一個實施例的電子相冊生成裝置的結構示意圖；

圖8是根據(jù)本發(fā)明一個具體實施例的電子相冊生成裝置的結構示意圖；

圖9是根據(jù)本發(fā)明一個實施例的生成子模塊的結構示意圖；

圖10是根據(jù)本發(fā)明另一個具體實施例的電子相冊生成裝置的結構示意圖；

圖11是根據(jù)本發(fā)明又一個具體實施例的電子相冊生成裝置的結構示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

下面參考附圖描述本發(fā)明實施例的電子相冊生成方法以及裝置。

圖1是根據(jù)本發(fā)明一個實施例的電子相冊生成方法的流程圖。需要說明的是，本發(fā)明實施例的電子相冊生成方法可應用于本發(fā)明實施例的電子相冊生成裝置。該電子相冊生成裝置可被配置于終端設備，該終端設備可以是移動終端(如手機、平板電腦、個人數(shù)字助理等硬件設備)、pc機等。

如圖1所示，該電子相冊生成方法可以包括：

s110，對照片進行內(nèi)容分析，生成照片的描述性信息。

可以理解，為了方便對照片的內(nèi)容分析，可在對照片進行內(nèi)容分析之前，對照片進行預處理。例如，原始照片會存在尺寸過大、長寬比不一致等情況，需要進行尺寸變換處理，即將照片保持寬高比不改變的情況下，轉(zhuǎn)換為適合目標電子相冊的寬高尺寸。

在對照片進行預處理之后，可對預處理后的照片進行內(nèi)容分析，并基于分析結果生成照片的描述性信息。具體地，可采用cnn(convolutionalneuralnetwork，卷積神經(jīng)網(wǎng)絡)方法，加載預先訓練好的模型對照片中對象進行分析，得到照片中的對象類別，之后，可根據(jù)對象類別從預先生成的備選描述性信息集合中選取出該照片的描述性信息。具體的實現(xiàn)方式可參見后續(xù)實施例的描述。

需要說明的是，描述性信息的語言類型不限于中文，還可以是英文、德文、俄文等；描述性信息的文件格式可以是文本和/或語音等。也就是說，搭配到目標電子相冊上的描述性信息可以是中文文字，還可以是其他語言文字，也還可以是中文語音等，具體呈現(xiàn)方式可根據(jù)實際需求決定，在此不作具體限定。

s120，根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。

具體地，可根據(jù)照片和描述性信息，通過視頻編碼技術進行電子相冊的視頻合成，最終得到目標電子相冊。具體的實現(xiàn)過程可參見后續(xù)實施例的描述。

本發(fā)明實施例的電子相冊生成方法，可通過對照片進行內(nèi)容分析，生成照片的描述性信息，并根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。即基于照片圖像的內(nèi)容進行分析，并基于分析結果自動為該照片給出恰當?shù)拿枋鲂孕畔?，這樣，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

為了使得本領域的技術人員能夠更加清楚地了解本發(fā)明的實現(xiàn)，下面將結合圖2對本發(fā)明的電子相冊生成方法進行進一步描述。

圖2是根據(jù)本發(fā)明一個具體實施例的電子相冊生成方法的流程圖。如圖2所示，該電子相冊生成方法可以包括：

s210，根據(jù)預設的分類模型對照片進行識別，以獲取照片中的對象類別。

可以理解，為了方便對照片的內(nèi)容分析，可在對照片進行內(nèi)容分析之前，對照片進行預處理。例如，原始照片會存在尺寸過大、長寬比不一致等情況，需要進行尺寸變換處理，即將照片保持寬高比不改變的情況下，轉(zhuǎn)換為適合目標電子相冊的寬高尺寸。

舉例而言，以描述性信息為中文文字為例，在對照片進行預處理之后，可采用cnn方法加載預先訓練好的分類模型，對照片中的對象進行分類。可以理解，分類結果是照片中的對象屬于各個類別的概率，可預先設置閾值min_prob(例如，可以設定為0.5)，取各個類別概率中最大值，如果該值大于min_prob，則取該類別對應的中文label(標簽)即可，否則提取label失敗，即對象類別獲取失敗。如果照片中的對象類別對應多個中文label，則取各label中詞頻最高的一個label。

例如，可以采用預訓練好的vgg16模型對照片中的對象進行分類，分類結果為照片中的對象屬于1000個類別的概率。如圖3(a)所示，prob為識別分類的概率，predict_index為vgg16分類結果序號，cn_label為將原vgg161000類別對應的中文label?？梢钥闯觯瑘D3(a)中最大概率值為0.628759，大于閾值0.5，則可認定該照片中主要對象為倉鼠。

需要說明的是，本發(fā)明采用cnn作為分類算法，是因為當前cnn分類準確率已經(jīng)達到一定程度，如圖3(b)-圖3(d)所示，為采用vgg16模型對各照片進行對象分類得到的分類結果。其中，圖3(b)中最大概率值為0.374364，是這些各個類別概率中的最大值，則可認定該照片中主要對象為吉娃娃；圖3(c)中最大概率值為0.403069，是這些各個類別概率中的最大值，而此時對應多個label(即臺球桌、桌球臺)，由于臺球桌的出現(xiàn)次數(shù)大于桌球臺的出現(xiàn)次數(shù)，所以可認定該照片中的對象主要為臺球桌；圖3(d)中最大概率值為0.756128，是這些各個類別概率中的最大值，則可認定該照片中主要對象為立式鋼琴。

作為一種示例，如圖4所示，為vgg16模型結構，該模型即為16層卷積神經(jīng)網(wǎng)絡。需要說明的是，本步驟還可采用其他cnn分類模型，只需得到照片的多分類概率結果即可，在此不作具體限定。

s220，根據(jù)對象類別，從預先生成的備選描述性信息集合中選取照片的描述性信息。

需要說明的是，在本發(fā)明的實施例中，備選描述性信息集合可以是預先生成的。作為一種示例，如圖5所示，可通過以下步驟預先生成該備選描述性信息集合：

s510，獲取高頻詞列表中的描述性詞語列表，其中，描述性詞語列表包括多個形容詞樣本和多個副詞樣本。

例如，以描述性信息為中文文字為例，可通過互聯(lián)網(wǎng)采集可以獲取到中文高頻詞列表中的描述性詞語列表，該描述性詞語列表可包括多個形容詞樣本和多個副詞樣本。例如，可以取中文高頻詞列表中的形容詞樣本，如：“大小多好新一般高長基本老全少快低大量自然容易自由強積極難近復雜相同不少舊早很多迅速紅廣大簡單遠豐富明顯客觀高興最大美對同樣清楚普遍先進平衡黑真巨大必要穩(wěn)定廣泛正常不好深偉大熱認真著名……”；取中文高頻詞列表中的副詞樣本，通過人工過濾取得描述正向程度的副詞樣本，如：“很非常特別相當最真十分太多么那么確實就是極實在好極其挺的確極為最為格外特絕對何等頗為異常夠”。

s520，分別獲取各個形容詞樣本和各個副詞樣本的向量表示，計算各個形容詞樣本與各個副詞樣本之間的第二相似度。

具體地，繼續(xù)以描述性信息為中文文字為例，可通過互聯(lián)網(wǎng)采集獲取中文語料庫，經(jīng)過中文切詞，通過神經(jīng)網(wǎng)絡訓練，獲取語料庫中詞的向量表示。例如：可以使用word2vec對語料中詞語進行處理，生成詞語的k維實數(shù)向量表示。例如，“禮物”一詞，經(jīng)過word2vec計算可以得到其向量表示為圖3(e)所示。這樣，從該語料庫詞向量集合中，可以分別獲取各個形容詞樣本和各個副詞樣本的向量表示，計算出各個形容詞樣本與各個副詞樣本之間的第二相似度(如余弦cosine相似度)。

s530，針對每個形容詞樣本，獲取與每個形容詞樣本的第二相似度最高n個副詞樣本，其中，n為正整數(shù)。

也就是說，每個形容詞樣本獲取與其相似度最高n個副詞樣本。例如，n為3，即可獲取與每個形容詞樣本的相似度最高3個副詞樣本。

s540，將每個形容詞樣本與對應的n個副詞樣本進行組合以生成備選描述性信息集合。

也就是說，將每個形容詞樣本與對應的n個副詞樣本進行組合以成為一組搭配詞語，如：“極其優(yōu)異、何等壯麗、夠漂亮”等，最后，將所有的搭配詞語集合在一起，得到備選描述性信息集合?？梢岳斫?，通過上述獲取方式得到的搭配詞語，即為符合該語料語言習慣的文本描述，作為備選的照片文本描述。

需要補充說明的是，語料庫的組成可以決定生成描述性信息的風格。例如，可以來自百科語料則產(chǎn)出日常描述，可以來自社交網(wǎng)絡產(chǎn)出具有網(wǎng)絡風格的新詞用語等。

還需要說明的是，在本發(fā)明的一個實施例中，還可不斷從互聯(lián)網(wǎng)獲取新進文本，以更新語料庫。由此，通過對語料庫的不斷更新，保證語料庫中詞語的新鮮度，從而可以提高生成的描述性信息的準確度和靈活度。

由此，通過上述步驟s510-s540即可生成備選描述性信息集合。這樣，在本步驟中，可通過神經(jīng)語言程序?qū)Wnlp技術，根據(jù)對象類別，從預先生成的備選描述性信息集合中選取照片的描述性信息，即給該照片生成描述性信息。作為一種示例，如圖6所示，根據(jù)對象類別，從預先生成的備選描述性信息集合中選取照片的描述性信息的具體實現(xiàn)過程可包括如下步驟：

s610，獲取對象類別的文本詞向量。

具體地，可通過word2vec對對象類別的文本進行處理，以生成該對象類別的文本的詞向量。

s620，獲取與對象類別對應的高頻形容詞列表，其中，高頻形容詞列表中具有多個高頻形容詞。

作為一種示例，可從預先獲取到的描述性詞語列表中的形容詞樣本中，獲取與該對象類別對應的高頻形容詞列表。

s630，計算對象類別的文本詞向量與各個高頻形容詞的詞向量之間的第一相似度。

s640，獲取第一相似度大于預設閾值的目標形容詞。

可以理解，可預先定義預設閾值min_similar，例如，該預設閾值可取值0.3。

s650，根據(jù)目標形容詞從備選描述性信息集合中選取描述性信息。

具體地，可先從備選描述性信息集合中，找出與該目標形容詞對應的形容詞樣本與副詞樣本的搭配組合，之后，可根據(jù)該形容詞樣本與副詞樣本的搭配組合對應的第二相似度確定出該該目標形容詞針對該照片的描述性信息。

可選地，在本發(fā)明的一個實施例中，在根據(jù)目標形容詞從備選描述性信息集合中選取描述性信息之前，還可從第一相似度大于預設閾值的目標形容詞中，選取其中第一相似度最高的m個形容詞作為目標形容詞，m為正整數(shù)，例如m為3。這樣，根據(jù)該m個目標形容詞從備選描述性信息集合中選取描述性信息。

舉例而言，以圖3(d)所示的立式鋼琴對象為例，如下面表1所示，label->adj為照片label文本和目標形容詞top3相似度，adj->adv為備選描述性信息集合中的詞語搭配，description為選出的照片描述性信息。這樣，通過本發(fā)明來獲取照片的描述性信息，即使一些識別效果并非絕對準確，但文本描述效果仍然不錯。

s230，將照片與照片的描述性信息轉(zhuǎn)換為視頻片段。

舉例而言，以描述性信息的個數(shù)為3個為例，以預定義的電子相冊目標尺寸為標準，從左上1/3、右上1/3、左下1/3、右下1/3中隨機取三個位置作為描述性信息的文本出現(xiàn)位置。這樣，可通過以下方式來將照片與照片的描述性信息轉(zhuǎn)換為視頻片段：首先，以原照片為背景，復制20幀編號1～20幀，在每一幀對應文本出現(xiàn)位置，使用預定義字體按照從小到大再到小的字號變化，繪制出第一個描述性信息；再以第20幀為背景，復制20幀編號21～40幀，同上所述方式繪制第二個描述性信息；最后以第40幀為背景繪制第三個描述性信息；最后，將以上60幀組合編碼為每秒10～20幀播放的視頻片段即可。

s240，對視頻片段進行鏈接以生成目標電子相冊。

具體地，將全部視頻片段鏈接起來，即將每一張照片所生成的視頻片段鏈接在一起，組成序列照片視頻，并在鏈接后的視頻配上背景音樂，以及在視頻配上片頭，從而完成目標電子相冊的制作。

本發(fā)明實施例的電子相冊生成方法，綜合使用了多項技術來完成，即使用圖像處理技術對照片進行預處理、使用cnn+nlp技術給照片生成描述性詞語、使用視頻編解碼技術進行電子相冊視頻合成，最終得到目標電子相冊，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

與上述幾種實施例提供的電子相冊生成方法相對應，本發(fā)明的一種實施例還提供一種電子相冊生成裝置，由于本發(fā)明實施例提供的電子相冊生成裝置與上述幾種實施例提供的電子相冊生成方法相對應，因此在前述電子相冊生成方法的實施方式也適用于本實施例提供的電子相冊生成裝置，在本實施例中不再詳細描述。圖7是根據(jù)本發(fā)明一個實施例的電子相冊生成裝置的結構示意圖。如圖7所示，該電子相冊生成裝置可以包括：描述性信息生成模塊700和電子相冊生成模塊800。

具體地，描述性信息生成模塊700用于對照片進行內(nèi)容分析，生成照片的描述性信息。

可以理解，為了方便對照片的內(nèi)容分析，可在對照片進行內(nèi)容分析之前，對照片進行預處理。例如，原始照片會存在尺寸過大、長寬比不一致等情況，需要進行尺寸變換處理，即將照片保持寬高比不改變的情況下，轉(zhuǎn)換為適合目標電子相冊的寬高尺寸。

在對照片進行預處理之后，描述性信息生成模塊700可對預處理后的照片進行內(nèi)容分析，并基于分析結果生成照片的描述性信息。具體地，可采用cnn方法，加載預先訓練好的模型對照片中對象進行分析，得到照片中的對象類別，之后，可根據(jù)對象類別從預先生成的備選描述性信息集合中選取出該照片的描述性信息。具體的實現(xiàn)方式可參見后續(xù)實施例的描述。

需要說明的是，描述性信息的語言類型不限于中文，還可以是英文、德文、俄文等；描述性信息的文件格式可以是文本和/或語音等。也就是說，搭配到目標電子相冊上的描述性信息可以是中文文字，還可以是其他語言文字，也還可以是中文語音等，具體呈現(xiàn)方式可根據(jù)實際需求決定，在此不作具體限定。

電子相冊生成模塊800用于根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。更具體地，電子相冊生成模塊800可根據(jù)照片和描述性信息，通過視頻編碼技術進行電子相冊的視頻合成，最終得到目標電子相冊。具體的實現(xiàn)過程可參見后續(xù)實施例的描述。

本發(fā)明實施例的電子相冊生成裝置，可通過描述性信息生成模塊對照片進行內(nèi)容分析，生成照片的描述性信息，電子相冊生成模塊根據(jù)照片和描述性信息進行視頻合成，以生成目標電子相冊。即基于照片圖像的內(nèi)容進行分析，并基于分析結果自動為該照片給出恰當?shù)拿枋鲂孕畔ⅲ@樣，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

圖8是根據(jù)本發(fā)明一個具體實施例的電子相冊生成裝置的結構示意圖。如圖8所示，該電子相冊生成裝置可以包括：描述性信息生成模塊700和電子相冊生成模塊800。其中，該描述性信息生成模塊700可包括：識別子模塊710和生成子模塊720。

其中，識別子模塊710用于根據(jù)預設的分類模型對照片進行識別，以獲取照片中的對象類別。

生成子模塊720用于根據(jù)對象類別，從預先生成的備選描述性信息集合中選取照片的描述性信息。作為一種示例，如圖9所示，該生成子模塊720可包括：第一獲取單元721、第二獲取單元722、計算單元723、第三獲取單元724和生成單元725。

其中，第一獲取單元721用于獲取對象類別的文本詞向量。

第二獲取單元722用于獲取與對象類別對應的高頻形容詞列表，其中，高頻形容詞列表中具有多個高頻形容詞。

計算單元723用于計算對象類別的文本詞向量與各個高頻形容詞的詞向量之間的第一相似度。

第三獲取單元724用于獲取第一相似度大于預設閾值的目標形容詞。

生成單元725用于根據(jù)目標形容詞從備選描述性信息集合中選取描述性信息。

需要說明的是，在本發(fā)明的實施例中，該備選描述性信息集合可以是預先生成的。作為一種示例，如圖10所示，該電子相冊生成裝置還可包括：預先處理模塊900，用于預先生成備選描述性信息集合。其中，如圖10所示，該預先處理模塊900可以包括：第一獲取子模塊910、計算子模塊920、第二獲取子模塊930和生成子模塊940。

其中，第一獲取子模塊910用于獲取高頻詞列表中的描述性詞語列表，其中，描述性詞語列表包括多個形容詞樣本和多個副詞樣本。

計算子模塊920用于分別獲取各個形容詞樣本和各個副詞樣本的向量表示，計算各個形容詞樣本與各個副詞樣本之間的第二相似度。

第二獲取子模塊930用于針對每個形容詞樣本，獲取與每個形容詞樣本的第二相似度最高n個副詞樣本，其中，n為正整數(shù)。

生成子模塊940用于將每個形容詞樣本與對應的n個副詞樣本進行組合以生成備選描述性信息集合。

作為一種示例，如圖11所示，該電子相冊生成模塊800可以包括：轉(zhuǎn)換子模塊810和生成子模塊820。其中，轉(zhuǎn)換子模塊810用于將照片與照片的描述性信息轉(zhuǎn)換為視頻片段。生成子模塊820用于對視頻片段進行鏈接以生成目標電子相冊。

本發(fā)明實施例的電子相冊生成裝置，綜合使用了多項技術來完成，即使用圖像處理技術對照片進行預處理、使用cnn+nlp技術給照片生成描述性詞語、使用視頻編解碼技術進行電子相冊視頻合成，最終得到目標電子相冊，在電子相冊的生成過程中，無需要求用戶具備圖像處理知識也能智能化地完成電子相冊的制作，在節(jié)省人工制作成本的同時，豐富了相冊內(nèi)容，提升了相冊趣味性，拓展了想象空間，并提升了用戶體驗。

在本發(fā)明的描述中，需要理解的是，術語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應被本發(fā)明的實施例所屬技術領域的技術人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設備取指令并執(zhí)行指令的系統(tǒng))使用，或結合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用。就本說明書而言，"計算機可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設備或結合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用的裝置。計算機可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(ram)，只讀存儲器(rom)，可擦除可編輯只讀存儲器(eprom或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(cdrom)。另外，計算機可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因為可以例如通過對紙或其他介質(zhì)進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。

應當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(pga)，現(xiàn)場可編程門陣列(fpga)等。

本技術領域的普通技術人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領域的普通技術人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。