本發(fā)明涉及視頻處理領(lǐng)域，尤其涉及一種視頻分割方法和系統(tǒng)。

背景技術(shù)：

如今，伴隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)飛速發(fā)展，為了滿足用戶多樣化的獲取新聞資訊需求，新聞視頻以其直觀，形象、生動(dòng)的播放特點(diǎn)，收到了越來(lái)越多的用戶的歡迎。但新聞視頻中通常穿插有播音員的鏡頭，會(huì)降低用戶獲取信息的速度。

發(fā)明人經(jīng)過(guò)研究發(fā)現(xiàn)，現(xiàn)有技術(shù)中，為了獲取新聞視頻中的新聞信息，對(duì)新聞視頻中播音員鏡頭的處理方式為播音員的聲音或者播音員的圖像建立一個(gè)樣本庫(kù)，通過(guò)將新聞視頻中的每一幀視頻圖像的音頻或者影響與樣本庫(kù)比對(duì)，將匹配成功的視頻圖像作為新聞視頻的分割點(diǎn)，進(jìn)行分割，上述的方法是基于播音員音頻或者影像的樣本庫(kù)來(lái)實(shí)現(xiàn)的，因此，需要定期的更新播音員的聲音或者圖像的樣本特征。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供了一種視頻分割方法，用以解決現(xiàn)有技術(shù)中的視頻分割方法需要定期的更新播音員的聲音或者圖像的樣本特征的問(wèn)題。具體方案如下：

一種視頻分割方法，其特征在于，包括：

當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；

將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；

按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；

按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；

對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集及所述人臉圖片集對(duì)應(yīng)的服裝圖片集；

分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；

依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。

上述的方法，優(yōu)選的，按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別包括：

將存在相鄰關(guān)系的前后兩幀視頻圖片中的每一幀視頻圖片按預(yù)設(shè)的比例去除，得到第一圖片和第二圖片；

分別將所述第一圖片和所述第二圖片均分為左右兩部分，得到第一圖片的左側(cè)部分和右側(cè)部分和第二圖片的左側(cè)部分和右側(cè)部分；

分別對(duì)所述第一圖片和所述第二圖片的左側(cè)部分及所述第一圖片和所述第二圖片的右側(cè)部分進(jìn)行卡方計(jì)算，得到第一卡方距離和第二卡方距離，若所述第一卡方距離和所述第二卡方距離同時(shí)滿足預(yù)設(shè)值，對(duì)所述存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景分割。

上述的方法，優(yōu)選的，對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集包括：

獲取所述視頻場(chǎng)景中的各個(gè)人臉圖片，按預(yù)設(shè)的高度區(qū)間對(duì)所述各個(gè)人臉圖片進(jìn)行分類，得到所述各個(gè)人臉圖片的分類集；

依據(jù)預(yù)設(shè)的裁剪系數(shù)設(shè)定方法，確定每一個(gè)分類對(duì)應(yīng)的裁剪系數(shù)；

依據(jù)所述裁剪系數(shù)，對(duì)所述每一個(gè)分類中的每一張人臉圖片進(jìn)行裁剪，得到所述視頻場(chǎng)景中包含的人臉圖片集。

上述的方法，優(yōu)選的，對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取與所述人臉圖片集對(duì)應(yīng)的服裝圖片集包括：

獲取所述人臉圖片集中每一張人臉圖片的位置坐標(biāo)；

依據(jù)預(yù)設(shè)的優(yōu)化公式，將所述位置坐標(biāo)轉(zhuǎn)化為與所述每一張人臉圖片對(duì)應(yīng)的服裝圖片的坐標(biāo)，依據(jù)所述服裝圖片的坐標(biāo)，確定所述每一張人臉圖片對(duì)應(yīng)的服裝圖片，獲得與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。

上述的方法，優(yōu)選的，分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果，并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)包括：

獲取所述人臉圖片集中任意兩張人臉圖片對(duì)應(yīng)的像素矩陣，對(duì)所述像素矩陣進(jìn)行聚類分析，獲得所述人臉圖片集的聚類值；

將所述服裝圖片集中的任意兩張服裝圖片的張量直方圖進(jìn)行聚類分析，獲得所述服裝圖片集的聚類值；

當(dāng)所述人臉圖片集的聚類值和所述服裝圖片集的聚類值均小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

一種視頻分割系統(tǒng)，其特征在于，包括：

第一獲取模塊，用于當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；

轉(zhuǎn)化模塊，用于將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；

第一識(shí)別模塊，用于按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；

第二識(shí)別模塊，用于按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；

第二獲取模塊，用于對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集及所述人臉圖片集對(duì)應(yīng)的服裝圖片集；

判定模塊，用于分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；

分割模塊，用于依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。

上述的系統(tǒng)，優(yōu)選的，所述第一識(shí)別模塊包括：

去除單元，用于將存在相鄰關(guān)系的前后兩幀視頻圖片中的每一幀視頻圖片按預(yù)設(shè)的比例去除，得到第一圖片和第二圖片；

均分單元，用于分別將所述第一圖片和所述第二圖片均分為左右兩部分，得到第一圖片的左側(cè)部分和右側(cè)部分和第二圖片的左側(cè)部分和右側(cè)部分；

分割單元，用于分別對(duì)所述第一圖片和所述第二圖片的左側(cè)部分及所述第一圖片和所述第二圖片的右側(cè)部分進(jìn)行卡方計(jì)算，得到第一卡方距離和第二卡方距離，若所述第一卡方距離和所述第二卡方距離同時(shí)滿足預(yù)設(shè)值，對(duì)所述存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景分割。

上述的系統(tǒng)，優(yōu)選的，所述第二獲取模塊包括：

分類單元，用于獲取所述視頻場(chǎng)景中的各個(gè)人臉圖片，按預(yù)設(shè)的高度區(qū)間對(duì)所述各個(gè)人臉圖片進(jìn)行分類，得到所述各個(gè)人臉圖片的分類集；

確定單元，用于依據(jù)預(yù)設(shè)的裁剪系數(shù)設(shè)定方法，確定每一個(gè)分類對(duì)應(yīng)的裁剪系數(shù)；

裁剪單元，用于依據(jù)所述裁剪系數(shù)，對(duì)所述每一個(gè)分類中的每一張人臉圖片進(jìn)行裁剪，得到所述視頻場(chǎng)景中包含的人臉圖片集。

上述的系統(tǒng)，優(yōu)選的，所述第二獲取模塊包括：

獲取單元，用于獲取所述人臉圖片集中每一張人臉圖片的位置坐標(biāo)；

轉(zhuǎn)化單元，用于依據(jù)預(yù)設(shè)的優(yōu)化公式，將所述位置坐標(biāo)轉(zhuǎn)化為與所述每一張人臉圖片對(duì)應(yīng)的服裝圖片的坐標(biāo)，依據(jù)所述服裝圖片的坐標(biāo)，確定所述每一張人臉圖片對(duì)應(yīng)的服裝圖片，獲得與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。

上述的系統(tǒng)，優(yōu)選的，其特征在于，所述判定模塊包括：

第一聚類單元，用于獲取所述人臉圖片集中任意兩張人臉圖片對(duì)應(yīng)的像素矩陣，對(duì)所述像素矩陣進(jìn)行聚類分析，獲得所述人臉圖片集的聚類值；

第二聚類單元，用于將所述服裝圖片集中的任意兩張服裝圖片的張量直方圖進(jìn)行聚類分析，獲得所述服裝圖片集的聚類值；

判定單元，用于當(dāng)所述人臉圖片集的聚類值和所述服裝圖片集的聚類值均小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

與現(xiàn)有技術(shù)相比，本發(fā)明包括以下優(yōu)點(diǎn)：

本發(fā)明提供了一種視頻分割方法，包括：當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，依次獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集，依據(jù)所述人臉圖片集獲取與所述人臉圖片集對(duì)應(yīng)的服裝圖片集；分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。上述的方法，直接判斷對(duì)目標(biāo)視頻進(jìn)行分割后的每一個(gè)場(chǎng)景是否為所述目標(biāo)視頻的分割點(diǎn)，將滿足條件的視頻場(chǎng)景作為分割點(diǎn)對(duì)所述目標(biāo)視頻流進(jìn)行分割，不需要建立樣本庫(kù)，避免了需要定期的更新播音員的聲音或者圖像的樣本庫(kù)中樣本特征的問(wèn)題。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本申請(qǐng)實(shí)施例公開的一種視頻分割方法流程圖；

圖2為本申請(qǐng)實(shí)施例公開的一種視頻分割方法又一方法流程圖；

圖3為本申請(qǐng)實(shí)施例公開的一種視頻分割方法又一方法流程圖；

圖4為本申請(qǐng)實(shí)施例公開的一種視頻分割方法又一方法流程圖；

圖5為本申請(qǐng)實(shí)施例公開的一種視頻分割方法又一方法流程圖；

圖6為本申請(qǐng)實(shí)施例公開的一種視頻分割系統(tǒng)結(jié)構(gòu)框圖；

圖7為本申請(qǐng)實(shí)施例公開的一種視頻分割系統(tǒng)又一結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

對(duì)所公開的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。

本發(fā)明提供了一種視頻分割方法，所述方法應(yīng)用于視頻分割過(guò)程，所述視頻可以為新聞視頻，球賽轉(zhuǎn)播視頻，晚會(huì)視頻等，優(yōu)選的為新聞視頻，本發(fā)明實(shí)施例中以新聞視頻為例進(jìn)行說(shuō)明。所述新聞視頻具有的主持人和新聞內(nèi)容交替出現(xiàn)的特點(diǎn)，要完成所述新聞視頻的分割，只要確定主持人在所述新聞視頻中出現(xiàn)的位置，將所述主持人出現(xiàn)的位置作為分割點(diǎn)，就可以實(shí)現(xiàn)所述新聞視頻的分割。

所述視頻分割方法的執(zhí)行主體可以為具有視頻分割處理算法的處理器或者應(yīng)用平臺(tái)。所述方法的流程圖如圖1所示，包括步驟：

s101、當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；

本發(fā)明實(shí)施例中，所述目標(biāo)視頻流均為新聞視頻，所述目標(biāo)視頻流可以為當(dāng)前正在播放的視頻，也可以為在緩存區(qū)或者數(shù)據(jù)庫(kù)中存儲(chǔ)的視頻，依據(jù)所述目標(biāo)視頻流的播放順序以一幀為單位進(jìn)行截取，得到按播放順序存儲(chǔ)的新聞圖像集。

s102、將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；

本發(fā)明實(shí)施例中，獲取所述每一幀視頻圖像的yvu數(shù)據(jù)、幀號(hào)、偏移量、流位置、圖片寬度和圖片高度。依據(jù)上述信息將所述每一幀視頻圖像轉(zhuǎn)化為預(yù)定格式的視頻圖片，按所述目標(biāo)視頻流的播放順序保存在視頻圖片集中。所述預(yù)定格式的視頻圖片優(yōu)選的為rgb圖片。優(yōu)選的，依據(jù)上述信息選取所述新聞圖像集中的關(guān)鍵幀，只對(duì)所述關(guān)鍵幀進(jìn)行轉(zhuǎn)換，減少視頻圖像轉(zhuǎn)換的數(shù)量，有助于提高視頻分割的速度。

s103、按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；

本發(fā)明實(shí)施例中，優(yōu)選的，依次獲取按所述目標(biāo)視頻流的播放順序存儲(chǔ)的所述視頻圖片集中存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景。

s104、按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；

本發(fā)明實(shí)施例中，識(shí)別每一個(gè)視頻場(chǎng)景中第一幀和第二幀所對(duì)應(yīng)的視頻圖片是否存在人臉圖像和/或人臉的五官特征，至少存在一個(gè)人臉圖像和/或人臉的五官特征時(shí)，判定當(dāng)前至少存在一個(gè)人臉圖像和/或人臉的五官特征的視頻場(chǎng)景為可能的所述目標(biāo)視頻流的分割點(diǎn)。

本發(fā)明實(shí)施例中，在識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征的過(guò)程中，對(duì)人臉和人臉五官特征的判斷存在以下幾種可能性：本發(fā)明實(shí)施例中，所述既存在人臉也存在人臉的五官的情況下包括：所述人臉和所述人臉的五官存在相對(duì)位置上的對(duì)應(yīng)關(guān)系，即初步可以認(rèn)定為一個(gè)人臉；所述人臉和所述人臉的五官不再在相對(duì)位置上的對(duì)應(yīng)關(guān)系。即初步判定不是同一個(gè)人臉。

本發(fā)明實(shí)施例中，所述只存在人臉的情況下包括：只存在一張人臉；存在多張人臉。

本發(fā)明實(shí)施例中，所述只存在人臉的五官的情況下包括：所述人臉的五官滿足相對(duì)位置要求；所述人臉的五官不滿足相對(duì)位置的要求。

本發(fā)明實(shí)施例中，上述的幾種可能性存在交差，或者同時(shí)出現(xiàn)的情況，具體的處理原則與所述目標(biāo)視頻流的選取有關(guān)。

本發(fā)明實(shí)施例中，優(yōu)選的，將檢測(cè)到人臉圖像和/或人臉的五官特征中的眼睛、鼻子和嘴的個(gè)數(shù)進(jìn)行分類，分為三類：0個(gè)面部特征的人臉集合，1個(gè)面部特征的人臉集合，不小于2個(gè)面部特征的人臉集合。

s105、對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集及所述人臉圖片集對(duì)應(yīng)的服裝圖片集；

本發(fā)明實(shí)施例中，在所述存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景中，識(shí)別存在人臉圖片的視頻圖片，對(duì)所述存在人臉圖片的視頻圖片進(jìn)行處理得到所述視頻場(chǎng)景的人臉圖片集，依據(jù)所述人臉圖片集，確定與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。

s106、分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；

本發(fā)明實(shí)施例中，將所述人臉圖片集和所述服裝圖片集進(jìn)行聚類分析，得到所述人臉圖片集的聚類分析值和所述服裝圖片集的聚類分析值，當(dāng)所述人臉圖片集的聚類分析值和所述服裝圖片集的聚類分析值兩者同時(shí)小于所述人臉圖片集和所述服裝圖片集預(yù)設(shè)的閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

s107、依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。

本發(fā)明實(shí)施例中，依次將所述目標(biāo)視頻流中的包含的每一個(gè)場(chǎng)景執(zhí)行上述操作，確定所述目標(biāo)視頻流中作為分割點(diǎn)的視頻場(chǎng)景，依據(jù)各個(gè)作為分割點(diǎn)的所述視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。

本發(fā)明提供了一種視頻分割方法，包括：當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，依次獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集，依據(jù)所述人臉圖片集獲取與所述人臉圖片集對(duì)應(yīng)的服裝圖片集；分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。上述的方法，直接判斷對(duì)目標(biāo)視頻進(jìn)行分割后的每一個(gè)場(chǎng)景是否為所述目標(biāo)視頻的分割點(diǎn)，將滿足條件的視頻場(chǎng)景作為分割點(diǎn)對(duì)所述目標(biāo)視頻流進(jìn)行分割，不需要建立樣本庫(kù)，避免了需要定期的更新播音員的聲音或者圖像的樣本庫(kù)中樣本特征的問(wèn)題。

本發(fā)明實(shí)施例中，按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別的方法流程圖如圖2所示，包括步驟：

s201、將存在相鄰關(guān)系的前后兩幀視頻圖片中的每一幀視頻圖片按預(yù)設(shè)的比例去除，得到第一圖片和第二圖片；

本發(fā)明實(shí)施例中，獲取所述已經(jīng)存儲(chǔ)的視頻圖片集中相鄰兩幀的視頻圖片。優(yōu)選的，由于所述視頻圖片的底部通常為字幕，為了避免字幕對(duì)場(chǎng)景分割的影響，按預(yù)設(shè)的比例去除所述相鄰兩幀的視頻圖片，得到第一圖片和第二圖片；優(yōu)選的，所述預(yù)設(shè)的比例可以為1/3。

s202、分別將所述第一圖片和所述第二圖片均分為左右兩部分，得到第一圖片的左側(cè)部分和右側(cè)部分和第二圖片的左側(cè)部分和右側(cè)部分；

s203、分別對(duì)所述第一圖片和所述第二圖片的左側(cè)部分及所述第一圖片和所述第二圖片的右側(cè)部分進(jìn)行卡方計(jì)算，得到第一卡方距離和第二卡方距離，若所述第一卡方距離和所述第二卡方距離同時(shí)滿足預(yù)設(shè)值，對(duì)所述存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景分割。

本發(fā)明實(shí)施例中，s201-s203的處理過(guò)程是每次對(duì)存在相鄰關(guān)系的兩幀視頻圖片進(jìn)行處理，所述目標(biāo)視頻流中除了首尾兩張視頻圖片以外的所有視頻圖片都需要重復(fù)的分割，影響分割的處理速度，因此，可以將所述目標(biāo)視頻流中的所有的視頻圖片都按預(yù)設(shè)的比例去除底部，并進(jìn)行均分為左右兩部分，按所述目標(biāo)視頻流的播放順序?qū)⑺鎏幚硗甑膱D片存儲(chǔ)到左側(cè)圖片集和右側(cè)圖片集中，依據(jù)與上述相同的對(duì)比方法，對(duì)所述存在相鄰關(guān)系額的兩幀新聞進(jìn)行分割。

本發(fā)明實(shí)施例中，完成場(chǎng)景分割以后，優(yōu)選的，記錄每一個(gè)場(chǎng)景的開始幀、結(jié)束幀、相關(guān)偏移量和流位置信息?？梢杂糜诮y(tǒng)計(jì)所述每一個(gè)場(chǎng)景的持續(xù)時(shí)間。

本發(fā)明實(shí)施例中，對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集的方法流程圖如圖3所示，包括步驟：

s301、獲取所述視頻場(chǎng)景中的各個(gè)人臉圖片，按預(yù)設(shè)的高度區(qū)間對(duì)所述各個(gè)人臉圖片進(jìn)行分類，得到所述各個(gè)人臉圖片的分類集；

本發(fā)明實(shí)施例中，獲取所述視頻場(chǎng)景中各個(gè)人臉圖片，確定所述各個(gè)人臉圖片對(duì)應(yīng)的高度和寬度的參數(shù)，依據(jù)預(yù)設(shè)的高度區(qū)間，將各個(gè)人臉圖片進(jìn)行分類，得到所述各個(gè)人臉圖片的分類集。

本發(fā)明實(shí)施例中，優(yōu)選的，依據(jù)圖片的高度劃分為6個(gè)區(qū)間類，比如高度0-30，31-60，61-73，4-95，96-10，101-180。為了達(dá)到更精確的結(jié)果，可以將圖片大小劃分為10個(gè)甚至更多的區(qū)間類。

s302、依據(jù)預(yù)設(shè)的裁剪系數(shù)設(shè)定方法，確定每一個(gè)分類對(duì)應(yīng)的裁剪系數(shù)；

本發(fā)明實(shí)施例中，選取50個(gè)人及其對(duì)應(yīng)的人臉圖片。選取各個(gè)范圍的邊緣剪裁比，將每個(gè)人剪裁好的圖片縮放為50*50大小，計(jì)算每個(gè)人不同圖片對(duì)應(yīng)數(shù)值之間的差值的絕對(duì)值之和，將50個(gè)人的和值相加得到s，當(dāng)選取邊緣剪裁比使得s達(dá)到最小時(shí)將這組比例設(shè)定為邊緣剪裁系數(shù)模型如下：

目標(biāo)函數(shù)取最?。簃ins

約束條件為：x為k個(gè)剪裁系數(shù)2維向量，表示寬度及高度系數(shù)；

aij為檢測(cè)到的第i個(gè)人第j張圖片對(duì)應(yīng)的矩陣；

bij＝aij(x1i*width：(1-x1i)*width，x2i*height：(1-x2i)*height)；

本發(fā)明實(shí)施例中，依據(jù)上述方法，確定所述每一個(gè)分類對(duì)應(yīng)的裁剪系數(shù)。

s303、依據(jù)所述裁剪系數(shù)，對(duì)所述每一個(gè)分類中的每一張人臉圖片進(jìn)行裁剪，得到所述視頻場(chǎng)景中包含的人臉圖片集。

本發(fā)明實(shí)施例中，依據(jù)所述裁剪系數(shù)，對(duì)所述每一個(gè)分類中的每一張人臉圖片進(jìn)行裁剪，將裁剪后的人臉圖片加入到所述視頻場(chǎng)景中包含的人臉圖片集中。

本發(fā)明實(shí)施例中，優(yōu)選的，將所述人臉圖片集中的圖片按眼睛、鼻子和嘴的個(gè)數(shù)進(jìn)行分類，分為三類：0個(gè)面部特征的人臉集合，1個(gè)面部特征的人臉集合，不小于2個(gè)面部特征的人臉集合。

本發(fā)明實(shí)施例中，對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取與所述人臉圖片集對(duì)應(yīng)的服裝圖片集的方法流程圖如圖4所示，包括步驟：

s401、獲取所述人臉圖片集中每一張人臉圖片的位置坐標(biāo)；

本發(fā)明實(shí)施例中，依據(jù)坐標(biāo)獲取函數(shù)，獲取所述人臉圖片集中每一張人臉圖片的位置坐標(biāo)，所述位置坐標(biāo)為(x，y，width，height)。

s402、依據(jù)預(yù)設(shè)的優(yōu)化公式，將所述位置坐標(biāo)轉(zhuǎn)化為與所述每一張人臉圖片對(duì)應(yīng)的服裝圖片的坐標(biāo)，依據(jù)所述服裝圖片的坐標(biāo)，確定所述每一張人臉圖片對(duì)應(yīng)的服裝圖片，獲得與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。

本發(fā)明實(shí)施例中，依據(jù)預(yù)設(shè)的優(yōu)化公式：

若所述視頻圖片對(duì)應(yīng)的張量為p，依據(jù)所述位置坐標(biāo)(x，y，width，height)則衣服區(qū)域?qū)?yīng)的張量為c＝p(x+t*width：x+(t+1)*width，y：y+height，：)。最優(yōu)距離選取可以轉(zhuǎn)化為如下的優(yōu)化模型：

目標(biāo)函數(shù)取最?。簃ins

約束條件為：

其中，cij為檢測(cè)到的第i個(gè)人第j張圖片中選取的衣服區(qū)域?qū)?yīng)的張量，hij(1:64)，hij(65:128)，hij(129:192)分別為cij(:，:，1)，cij(:，:，2)，cij(:，:，3)對(duì)應(yīng)的直方圖。

本發(fā)明實(shí)施例中，依據(jù)上述優(yōu)化公式確定與所述每一張人臉圖片對(duì)應(yīng)的服裝圖片的坐標(biāo)，依據(jù)所述服裝圖片的坐標(biāo)，確定所述每一張人臉圖片對(duì)應(yīng)的服裝圖片，獲得與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。并將所述服裝圖片集進(jìn)行保存。

本發(fā)明實(shí)施例中，分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果，并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)的方法流程圖如圖5所示，包括步驟：

s501、獲取所述人臉圖片集中任意兩張人臉圖片對(duì)應(yīng)的像素矩陣，對(duì)所述像素矩陣進(jìn)行聚類分析，獲得所述人臉圖片集的聚類值；

本發(fā)明實(shí)施例中，若ai為檢測(cè)到的第i張圖片中人臉區(qū)域?qū)?yīng)的50*50大小的像素矩陣，ap為檢測(cè)到的第p張圖片中人臉區(qū)域?qū)?yīng)的50*50大小的像素矩陣，且facediff＝|ai-ap|，所述facediff為所述人臉圖片集的聚類值。

s502、將所述服裝圖片集中的任意兩張服裝圖片的張量直方圖進(jìn)行聚類分析，獲得所述服裝圖片集的聚類值；

本發(fā)明實(shí)施例中，若ci為檢測(cè)到的第i張圖片中選取的衣服區(qū)域?qū)?yīng)的張量，hi(1:64)，hi(65:128)，hi(129:192)分別為ci(:，:，1)，ci(:，:，2)，ci(:，:，3)對(duì)應(yīng)的直方圖；cp為檢測(cè)到的第p張圖片中選取的衣服區(qū)域?qū)?yīng)的張量，hp(1:64)，hp(65:128)，hp(129:192)分別為cp(:，:，1)，cp(:，:，2)，cp(:，:，3)對(duì)應(yīng)的直方圖。若clothhesdiff＝|hi-hp|，所述clothesdiff為所述服裝圖片集的聚類值。

s503、當(dāng)所述人臉圖片集的聚類值和所述服裝圖片集的聚類值均小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

本發(fā)明實(shí)施例中，優(yōu)選的，人臉圖片集預(yù)設(shè)的閾值為50000，所述服裝圖片集預(yù)設(shè)的閾值為4000。上述判定人臉及衣服相同的標(biāo)準(zhǔn)可以調(diào)整。

人臉相同并且衣服相同分為一類，否則存為不同的類。優(yōu)選的，此過(guò)程分三種情況處理：1、圖片高度1080，2、圖片高度576，3、圖片高度480。對(duì)于第1、2兩種情形，首先判斷檢測(cè)到不少于2個(gè)五官特征的人臉有沒(méi)有相同的，若存在相同的人臉則檢測(cè)衣服是否相同，若衣服相同則按同一人存放。然后判斷檢測(cè)到一個(gè)五官特征的人臉有沒(méi)有與此人相同的人臉及衣服，最后判斷檢測(cè)不到五官特征的人臉及衣服與此人是否相同。最后存儲(chǔ)的人臉中至少有一張含有不少于兩個(gè)五官特征并且至少包含2個(gè)場(chǎng)景，且存在某個(gè)場(chǎng)景持續(xù)時(shí)間不少于3秒。對(duì)于第3類，將不小于1個(gè)五官特征的人臉合為一類并判斷有沒(méi)有相同的人，然后判斷檢測(cè)不到五官特征的人臉及衣服與此人是否相同。最后存儲(chǔ)的人臉中至少有一張含有不少于一個(gè)的五官特征并且至少包含2個(gè)場(chǎng)景，且存在某個(gè)場(chǎng)景持續(xù)時(shí)間不少于3秒。

本發(fā)明實(shí)施例中，當(dāng)所述人臉圖片集的聚類值和所述服裝圖片集的聚類值均小于預(yù)設(shè)閾值時(shí)，按如下的預(yù)設(shè)判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

第一步：首先根據(jù)出現(xiàn)的最大時(shí)長(zhǎng)，設(shè)置判定參數(shù)：最小出現(xiàn)時(shí)間，最小出現(xiàn)時(shí)間跨度。若小于這兩個(gè)參數(shù)直接判定為非播音員。此次系數(shù)設(shè)置相對(duì)很弱，這一步只是初步排除。

第二步：進(jìn)一步合并人臉圖片，進(jìn)行聚類分析。判斷大人臉圖片與小人臉圖片是否屬于同一個(gè)人。

第三步：根據(jù)當(dāng)前出現(xiàn)的最大時(shí)長(zhǎng)，設(shè)置判定參數(shù)：最小出現(xiàn)時(shí)間，最小出現(xiàn)時(shí)間跨度。若小于這兩個(gè)參數(shù)直接判定為非播音員。此次系數(shù)設(shè)置相對(duì)較強(qiáng)，這一步對(duì)最終判定為播音員影響極大。

第四步：進(jìn)一步合并人臉圖片，進(jìn)行聚類分析。判斷大人臉圖片與小人臉圖片是否屬于同一個(gè)人。

第五步：播音員確定。若符合前四步條件的多于兩個(gè)候選人則進(jìn)行進(jìn)一步判斷：1.若有兩個(gè)人含有相同的幀號(hào)，則說(shuō)明此為兩個(gè)播音員播報(bào)情形，則取這兩個(gè)人為播音員；2.若最后兩個(gè)場(chǎng)景時(shí)間間隔太大則不認(rèn)為是播音員。3.若1,2之后依然有兩個(gè)以上候選人則保留出現(xiàn)場(chǎng)景數(shù)最多并且相鄰場(chǎng)景時(shí)間差的平均值最小的兩個(gè)候選人，若平均值最小的兩個(gè)數(shù)相差兩倍以上則判定平均值最小的那個(gè)候選人為播音員。存在播音員的所述場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

與上述方法相對(duì)應(yīng)的，本發(fā)明實(shí)施例中還提供了一種視頻分割系統(tǒng)，所述系統(tǒng)的結(jié)構(gòu)框圖如圖6所示，所述系統(tǒng)包括：

第一獲取模塊601，轉(zhuǎn)化模塊602，第一識(shí)別模塊603，第二識(shí)別模塊604，第二獲取模塊605，判定模塊606和分割模塊607。

其中，

所述第一獲取模塊601，用于當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；

所述轉(zhuǎn)化模塊602，用于將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；

所述第一識(shí)別模塊603，用于按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；

所述第二識(shí)別模塊604，用于按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；

所述第二獲取模塊605，用于對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集及所述人臉圖片集對(duì)應(yīng)的服裝圖片集；

所述判定模塊606，用于分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；

所述分割模塊607，用于依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。

本發(fā)明提供了一種視頻分割系統(tǒng)，包括：當(dāng)接收到用戶對(duì)目標(biāo)視頻流的分割請(qǐng)求時(shí)，依次獲取組成所述目標(biāo)視頻流的每一幀視頻圖像；將所述每一幀視頻圖像轉(zhuǎn)換為預(yù)定格式的視頻圖片；按所述目標(biāo)視頻流的播放順序，依次對(duì)存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景識(shí)別，識(shí)別出所述目標(biāo)視頻流中包含的至少兩個(gè)視頻場(chǎng)景；按預(yù)設(shè)的識(shí)別規(guī)則，識(shí)別每一個(gè)視頻場(chǎng)景中是否存在人臉圖像和/或人臉的五官特征；對(duì)于任意一個(gè)存在人臉圖像和/或人臉的五官特征的視頻場(chǎng)景，獲取該視頻場(chǎng)景中包含的人臉圖片集，依據(jù)所述人臉圖片集獲取與所述人臉圖片集對(duì)應(yīng)的服裝圖片集；分別對(duì)所述人臉圖片集及所述服裝圖片集進(jìn)行聚類分析，獲得聚類分析結(jié)果；并在所述聚類分析結(jié)果對(duì)應(yīng)的聚類值小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)；依據(jù)各個(gè)作為分割點(diǎn)的視頻場(chǎng)景對(duì)所述目標(biāo)視頻流進(jìn)行分割。上述的方法，直接判斷對(duì)目標(biāo)視頻進(jìn)行分割后的每一個(gè)場(chǎng)景是否為所述目標(biāo)視頻的分割點(diǎn)，將滿足條件的視頻場(chǎng)景作為分割點(diǎn)對(duì)所述目標(biāo)視頻流進(jìn)行分割，不需要建立樣本庫(kù)，避免了需要定期的更新播音員的聲音或者圖像的樣本庫(kù)中樣本特征的問(wèn)題。

本發(fā)明實(shí)施例中，所述第一識(shí)別模塊603的結(jié)構(gòu)框圖如圖7所示包括：

去除單元608，均分單元609和分割單元610。

其中，

所述去除單元608，用于將存在相鄰關(guān)系的前后兩幀視頻圖片中的每一幀視頻圖片按預(yù)設(shè)的比例去除，得到第一圖片和第二圖片；

所述均分單元609，用于分別將所述第一圖片和所述第二圖片均分為左右兩部分，得到第一圖片的左側(cè)部分和右側(cè)部分和第二圖片的左側(cè)部分和右側(cè)部分；

所述分割單元610，用于分別對(duì)所述第一圖片和所述第二圖片的左側(cè)部分及所述第一圖片和所述第二圖片的右側(cè)部分進(jìn)行卡方計(jì)算，得到第一卡方距離和第二卡方距離，若所述第一卡方距離和所述第二卡方距離同時(shí)滿足預(yù)設(shè)值，對(duì)所述存在相鄰關(guān)系的前后兩幀視頻圖片進(jìn)行場(chǎng)景分割。

本發(fā)明實(shí)施例中，所述第二獲取模塊605的結(jié)構(gòu)框圖如圖7所示包括：

分類單元611，確定單元612和裁剪單元613。

其中，

所述分類單元611，用于獲取所述視頻場(chǎng)景中的各個(gè)人臉圖片，按預(yù)設(shè)的高度區(qū)間對(duì)所述各個(gè)人臉圖片進(jìn)行分類，得到所述各個(gè)人臉圖片的分類集；

所述確定單元612，用于依據(jù)預(yù)設(shè)的裁剪系數(shù)設(shè)定方法，確定每一個(gè)分類對(duì)應(yīng)的裁剪系數(shù)；

所述裁剪單元613，用于依據(jù)所述裁剪系數(shù)，對(duì)所述每一個(gè)分類中的每一張人臉圖片進(jìn)行裁剪，得到所述視頻場(chǎng)景中包含的人臉圖片集。

本發(fā)明實(shí)施例中，所述第二獲取模塊605的結(jié)構(gòu)框圖如圖7所示包括：

獲取單元614和轉(zhuǎn)化單元615。

其中，

所述獲取單元614，用于獲取所述人臉圖片集中每一張人臉圖片的位置坐標(biāo)；

所述轉(zhuǎn)化單元615，用于依據(jù)預(yù)設(shè)的優(yōu)化公式，將所述位置坐標(biāo)轉(zhuǎn)化為與所述每一張人臉圖片對(duì)應(yīng)的服裝圖片的坐標(biāo)，依據(jù)所述服裝圖片的坐標(biāo)，確定所述每一張人臉圖片對(duì)應(yīng)的服裝圖片，獲得與所述人臉圖片集對(duì)應(yīng)的服裝圖片集。

本發(fā)明實(shí)施例中，所述判定模塊606的結(jié)構(gòu)框圖如圖7所示包括：

第一聚類單元616，第二聚類單元617和第二聚類單元618。

其中，

所述第一聚類單元616，用于獲取所述人臉圖片集中任意兩張人臉圖片對(duì)應(yīng)的像素矩陣，對(duì)所述像素矩陣進(jìn)行聚類分析，獲得所述人臉圖片集的聚類值；

第所述二聚類單元617，用于將所述服裝圖片集中的任意兩張服裝圖片的張量直方圖進(jìn)行聚類分析，獲得所述服裝圖片集的聚類值；

所述判定單元618，用于當(dāng)所述人臉圖片集的聚類值和所述服裝圖片集的聚類值均小于預(yù)設(shè)閾值時(shí)，按預(yù)設(shè)的判定規(guī)則，判定該視頻場(chǎng)景為所述目標(biāo)視頻流的分割點(diǎn)。

需要說(shuō)明的是，本說(shuō)明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似的部分互相參見即可。對(duì)于裝置類實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較簡(jiǎn)單，相關(guān)之處參見方法實(shí)施例的部分說(shuō)明即可。

最后，還需要說(shuō)明的是，在本申請(qǐng)中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來(lái)，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。

對(duì)所公開的實(shí)施例的上述說(shuō)明，使本領(lǐng)域技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域技術(shù)人員來(lái)說(shuō)將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。