身份識別方法和裝置與流程

2023-05-15 13:18:51 1

本發明涉及人臉識別技術領域，尤其涉及一種身份識別方法和裝置。

背景技術：

目前的身份識別一般根據人的面部特徵進行識別，但是面部特徵容易受到光照、背景變化、人體姿態等因素的影響和限制，現有的身份識別僅能在人物正臉面對攝像頭、背景元素簡單、光照適中的情形下，才能基於面部特徵進行較為準確的身份識別，即現有的身份識別容易受到外界因素影響。

技術實現要素：

本發明的主要目的在於提供一種身份識別方法和裝置，旨在解決現有的身份識別容易受到外界因素影響的技術問題。

為實現上述目的，本發明提供一種身份識別方法，所述身份識別方法包括：

獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像；

根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像；

對人臉區域圖像進行圖像增強，形成人臉增強圖像；

提取人臉增強圖像中所有像素點的DCP碼，計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵；

將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份。

優選地，所述確定人物圖像中的人臉區域圖像的步驟包括：

獲取人物圖像的方向梯度直方圖特徵；

根據人物圖像的方向梯度直方圖特徵和線性分類器檢測出人物圖像中的人臉區域圖像。

優選地，所述根據預置人臉模型的關鍵位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像的步驟包括：

根據預置人臉模型的關鍵點位置和支持向量回歸算法，獲取人臉區域圖像的關鍵點位置和三維模型至二維圖像的仿射相機，將人臉區域圖像的關鍵點位置作為當前關鍵點位置；

對當前關鍵點位置進行三角剖分，以得到各個當前關鍵點位置對應的三角面；

根據所述仿射相機對每個三角面進行仿射變換，得到各個當前關鍵點位置的正向關鍵點位置；

根據正向關鍵點位置對人臉區域圖像進行方向調整，以得到正向人臉圖像。

優選地，所述提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵的步驟包括：

獲取人臉增強圖像中各個像素點的灰度值；

根據各個像素點的灰度值，確定各個像素點對應的DCP碼；

提取各個關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖位，並將關鍵點所在區域DCP碼的統計直方圖作為人臉特徵。

優選地，所述將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份的步驟包括：

將人臉特徵與人臉資料庫中各個人臉圖像的參考人臉特徵進行比對，選出與待識別人物圖像的人臉特徵相似度最大的參考人臉特徵對應目標人臉圖像；

將待識別人物圖像的人臉特徵和目標人臉圖像的參考人臉特徵分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結果和目標人臉圖像的第二比較結果；

根據第一比較結果和第二比較結果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

本發明還提供一種身份識別裝置，所述身份識別裝置包括：

圖像獲取模塊，用於獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像；

圖像正向模塊，用於根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像；

圖像增強模塊，用於對人臉區域圖像進行圖像增強，形成人臉增強圖像；

特徵生成模塊，用於提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵；

特徵比對模塊，用於將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份。

優選地，所述圖像獲取模塊包括：

特徵獲取單元，用於獲取人物圖像的方向梯度直方圖特徵；

檢測單元，用於根據人物圖像的方向梯度直方圖特徵和線性分類器檢測出人物圖像中的人臉區域圖像。

優選地，所述圖像正向模塊包括：

獲取單元，用於根據預置人臉模型的關鍵點位置和支持向量回歸算法，獲取人臉區域圖像的關鍵點位置和三維模型至二維圖像的仿射相機，將人臉區域圖像的關鍵點位置作為當前關鍵點位置；

剖分單元，用於對當前關鍵點位置進行三角剖分，以得到各個當前關鍵點位置對應的三角面；

變換單元，用於根據所述仿射相機對每個三角面進行仿射變換，得到各個當前關鍵點位置的正向關鍵點位置；

調整單元，用於根據正向關鍵點位置對人臉區域圖像進行方向調整，以得到正向人臉圖像。

優選地，所述特徵生成模塊包括：

灰度獲取單元，用於獲取人臉增強圖像中各個像素點的灰度值；

DCP單元，用於根據各個像素點的灰度值，確定各個像素點對應的DCP碼；

特徵生成單元，用於提取各個關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖位，並將關鍵點所在區域DCP碼的統計直方圖作為人臉特徵。

優選地，所述特徵比對模塊包括：

第一比對單元，用於將人臉特徵與人臉資料庫中各個人臉圖像的參考人臉特徵進行比對，選出與待識別人物圖像的人臉特徵相似度最大的參考人臉特徵對應目標人臉圖像；

第二比對單元，用於將待識別人物圖像的人臉特徵和目標人臉圖像的參考人臉特徵分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結果和目標人臉圖像的第二比較結果；

身份識別單元，用於根據第一比較結果和第二比較結果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

本發明通過獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像，以消除人物圖像中背景對人臉區域圖像身份識別的影響；然後根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像，以消除了人物圖像中人物姿態對身份識別的影響；再對人臉區域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區域圖像對身份識別的影響；提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵，以有效消除人物表情對身份識別的影響；將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用範圍和準確性。

附圖說明

圖1為本發明DCP編碼採樣方式示意圖；

圖2為本發明身份識別方法一實施例的流程示意圖；

圖3為本發明身份識別裝置一實施例的模塊示意圖。

本發明目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。

具體實施方式

應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。

本發明提供一種身份識別方法，參照圖2，所述身份識別方法包括：

步驟S10，獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像；

通過攝像頭對特定區域(如人員流動密集區域的機場、火車站等)進行攝像，獲取含有人物的待識別的人物圖像，根據人體生理學結構特徵對人物圖像進行分析，先確認人物在人物圖像中的整體區域，然後再從整體區域中確定人物的面部所在的人臉區域圖像。

具體地，確定人物圖像中的人臉區域圖像的步驟包括：

步驟S11，獲取人物圖像的方向梯度直方圖特徵；

步驟S12，根據人物圖像的方向梯度直方圖特徵和線性分類器檢測出人物圖像中的人臉區域圖像。

人臉一般包括水平方向延伸的眉毛、眼睛和嘴唇，豎直方向延伸的鼻梁以及傾斜延伸的面頰輪廓，對人物圖像進行分析，獲取眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區域，並標識方向梯度直方圖，從而得到人物圖像的方向梯度直方圖特徵。然後基於線性分類器對人物圖像的方向梯度直方圖特徵進行檢測，確定方向梯度直方圖標記的眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區域，從而檢測出人物圖像中的人臉區域圖像，從而消除人物圖像中背景對人臉區域圖像身份識別的影響。

步驟S20，根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像；

預置的人臉模型一般是USF human-ID數據集的三維平均臉模型，三維平均臉模型上標識有68個關鍵點位置，根據三維平均臉模型的關鍵點位置分布，獲取人臉區域圖像的關鍵點位置分布，從而進行三維建模以得到人臉區域圖像的當前模型，並根據人體面部生理學特徵，對當前模型進行三維校準和方向調整，從而得到人臉區域圖像對應的正向圖像，即正向人臉圖像。

具體地，步驟S20包括：

步驟S21，根據預置人臉模型的關鍵點位置和支持向量回歸算法，獲取人臉區域圖像的關鍵點位置，並採用最小均方誤差，計算三維模型至二維圖像的仿射相機，將人臉區域圖像的關鍵點位置作為當前關鍵點位置；

步驟S22，對當前關鍵點位置進行三角剖分，以得到各個當前關鍵點位置對應的三角面；

步驟S23，根據所述仿射相機對每個三角面進行仿射變換，得到各個當前關鍵點位置的正向關鍵點位置；

根據仿射相機計算每個三角面的仿射變換向量，然後根據該仿射變換向量對每個三角面進行仿射變換，從而得到各個當前關鍵點位置的正向關鍵點位置。

步驟S24，根據正向關鍵點位置對人臉區域圖像進行方向調整，以得到正向人臉圖像。

利用對人臉區域圖像機械能三維校準和正向方向調整，消除了人物圖像中人物姿態(姿態包括側臉、抬頭、低頭等)對身份識別的影響。

步驟S30，對人臉區域圖像進行圖像增強，形成人臉增強圖像；

採用高斯差分濾波對人臉區域圖像進行圖像增強，形成人臉增強圖像，以減少光照變化對人臉區域圖像對身份識別的影響。

步驟S40，提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵；

DCP(Dual-Cross Patterns，雙交叉模式)是一種描述圖像紋理特徵的模式，DCP碼可以量化圖像的紋理，參照圖1，每個像素點DCP碼為：

其中：

公式中IAi,IBi,IO,分別為圖1像中Ai點、Bi點、O點的灰度值。根據上述兩個公式提取出人臉增強圖像中所有像素點的DCP碼，然後提取關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵。

具體地，步驟S40包括：

步驟S41，獲取人臉增強圖像中各個像素點的灰度值；

步驟S42，根據各個像素點的灰度值，確定各個像素點對應的DCP碼；

步驟S43，提取各個關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖，並將關鍵點所在區域DCP碼的統計直方圖作為人臉特徵。

在獲取各個像素點的DCP碼之後，根據這些DCP碼生成人物圖像中人臉的DCP統計直方圖，可選地，根據各個關鍵點所在區域(即關鍵區域)的DCP碼生成人物圖像中人臉關鍵區域(雙眉、雙眼、嘴、鼻)的DCP統計直方圖；並將DCP統計直方圖作為人臉特徵以與其它人物圖像進行匹配，從而可以有效消除人物表情對身份識別的影響。

步驟S50，將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份。

人臉資料庫中包括許多備用的人臉圖像，每個人臉資料庫中的人臉圖像都具有對應的參考人臉特徵，該參考人臉特徵也可以為對應人臉的DCP統計直方圖，將待識別的人臉圖像中人物的人臉特徵與各個人臉資料庫中人臉圖像的參考人臉特徵進行比對，若人臉特徵與參考人臉特徵匹配，則將參考人臉特徵對應人物的身份對應到待識別人臉圖像中人物的身份，以實現待識別的人物圖像中人物的身份的識別。

具體地，步驟S50包括：

步驟S51，將人臉特徵與人臉資料庫中各個人臉圖像的參考人臉特徵進行比對，選出與待識別人物圖像的人臉特徵相似度最大的參考人臉特徵對應目標人臉圖像；

步驟S52，將待識別人物圖像的人臉特徵和目標人臉圖像的參考人臉特徵分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結果和目標人臉圖像的第二比較結果；

步驟S53，根據第一比較結果和第二比較結果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

設待識別人物圖像為img1，目標人臉圖像為img2，計算圖像img1和img2的DCP直方圖分別為dcp1和dcp2，計算dcp1和dcp2的相似度S12；分別計算img1、img2與反樣本集合中的圖像(即所述的一組備用圖像)dcp直方圖的相似度，分別找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，計算待識別人物圖像與目標人臉圖像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，從而根據待識別人物圖像與目標人臉圖像中人物的相似度可信度d，判斷待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。如可設置相似度可信度d的閾值，當相似度可信度d大於閾值，則待識別人物圖像與目標人臉圖像為同一人。

在本實施例中，通過獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像，以消除人物圖像中背景對人臉區域圖像身份識別的影響；然後根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像，以消除了人物圖像中人物姿態對身份識別的影響；再對人臉區域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區域圖像對身份識別的影響；提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵，以有效消除人物表情對身份識別的影響；將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用範圍和準確性。

本發明還提供一種身份識別裝置，參照圖3，所述身份識別裝置包括：

圖像獲取模塊10，用於獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像；

圖像獲取模塊10通過攝像頭對特定區域(如人員流動密集區域的機場、火車站等)進行攝像，獲取含有人物的待識別的人物圖像，圖像獲取模塊10根據人體生理學結構特徵對人物圖像進行分析，先確認人物在人物圖像中的整體區域，然後再從整體區域中確定人物的面部所在的人臉區域圖像。

具體地，圖像獲取模塊10包括：

特徵獲取單元11，用於獲取人物圖像的方向梯度直方圖特徵；

檢測單元12，用於根據人物圖像的方向梯度直方圖特徵和線性分類器檢測出人物圖像中的人臉區域圖像。

人臉一般包括水平方向延伸的眉毛、眼睛和嘴唇，豎直方向延伸的鼻梁以及傾斜延伸的面頰輪廓，特徵獲取單元11對人物圖像進行分析，獲取眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區域，並標識方向梯度直方圖，從而得到人物圖像的方向梯度直方圖特徵。然後檢測單元12基於線性分類器對人物圖像的方向梯度直方圖特徵進行檢測，確定方向梯度直方圖標記的眉毛、眼睛、嘴唇、鼻梁和面頰輪廓所在區域，從而檢測出人物圖像中的人臉區域圖像，從而消除人物圖像中背景對人臉區域圖像身份識別的影響。

圖像正向模塊20，用於根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像；

預置的人臉模型一般是USF human-ID數據集的三維平均臉模型，三維平均臉模型上標識有68個關鍵點位置，圖像正向模塊20根據三維平均臉模型的關鍵點位置分布，獲取人臉區域圖像的關鍵點位置分布，從而進行三維建模以得到人臉區域圖像的當前模型，並根據人體面部生理學特徵，對當前模型進行三維校準和方向調整，從而得到人臉區域圖像對應的正向圖像，即正向人臉圖像。

具體地，圖像正向模塊20包括：

獲取單元21，用於根據預置人臉模型的關鍵點位置和支持向量回歸算法，獲取人臉區域圖像的關鍵點位置，並並採用最小均方誤差計算三維模型至二維圖像的仿射相機，將人臉區域圖像的關鍵點位置作為當前關鍵點位置；

剖分單元22，用於對當前關鍵點位置進行三角剖分，以得到各個當前關鍵點位置對應的三角面；

變換單元23，用於根據所述仿射相機對每個三角面進行仿射變換，得到各個當前關鍵點位置的正向關鍵點位置；

變換單元23根據仿射相機計算每個三角面的仿射變換向量，然後根據該仿射變換向量對每個三角面進行仿射變換，從而得到各個當前關鍵點位置的正向關鍵點位置。

調整單元24，用於根據正向關鍵點位置對人臉區域圖像進行方向調整，以得到正向人臉圖像。

圖像正向模塊20利用對人臉區域圖像機械能三維校準和正向方向調整，消除了人物圖像中人物姿態(姿態包括側臉、抬頭、低頭等)對身份識別的影響。

圖像增強模塊30，用於對人臉區域圖像進行圖像增強，形成人臉增強圖像；

圖像增強模塊30採用高斯差分濾波對人臉區域圖像進行圖像增強，形成人臉增強圖像，以減少光照變化對人臉區域圖像對身份識別的影響。

特徵生成模塊40，用於提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵；

DCP(Dual-Cross Patterns，雙交叉模式)是一種描述圖像紋理特徵的模式，DCP碼可以量化圖像的紋理，參照圖1，每個像素點DCP碼為：

其中：

公式中IAi,IBi,IO,分別為圖1像中Ai點、Bi點、O點的灰度值。特徵生成模塊40根據上述兩個公式提取出人臉增強圖像中所有像素點的DCP碼，然後提取關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵。

具體地，特徵生成模塊40包括：

灰度獲取單元41，用於獲取人臉增強圖像中各個像素點的灰度值；

DCP單元42，用於根據各個像素點的灰度值，確定各個像素點對應的DCP碼；

特徵生成單元43，用於提取各個關鍵點位置的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖，並將關鍵點所在區域DCP碼的統計直方圖作為人臉特徵，並將該DCP統計直方圖作為人臉特徵。

在獲取各個像素點的DCP碼之後，特徵生成單元43根據這些DCP碼生成人物圖像中人臉的DCP統計直方圖，可選地，根據各個關鍵點所在區域(即關鍵區域)的DCP碼生成人物圖像中人臉關鍵區域(雙眉、雙眼、嘴、鼻)的DCP統計直方圖；並將DCP統計直方圖作為人臉特徵以與其它人物圖像進行匹配，從而可以有效消除人物表情對身份識別的影響。

特徵比對模塊50，用於將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份。

人臉資料庫中包括許多備用的人臉圖像，每個人臉資料庫中的人臉圖像都具有對應的參考人臉特徵，該參考人臉特徵也可以為對應人臉的DCP統計直方圖，特徵比對模塊50將待識別的人臉圖像中人物的人臉特徵與各個人臉資料庫中人臉圖像的參考人臉特徵進行比對，若人臉特徵與參考人臉特徵匹配，則將參考人臉特徵對應人物的身份對應到待識別人臉圖像中人物的身份，以實現待識別的人物圖像中人物的身份的識別。

具體地，特徵比對模塊50包括：

第一比對單元51，用於將人臉特徵與人臉資料庫中各個人臉圖像的參考人臉特徵進行比對，選出與待識別人物圖像的人臉特徵相似度最大的參考人臉特徵對應目標人臉圖像；

第二比對單元52，用於將待識別人物圖像的人臉特徵和目標人臉圖像的參考人臉特徵分別與一組備用圖像進行比較，得到待識別人物圖像的第一比較結果和目標人臉圖像的第二比較結果；

身份識別單元53，用於根據第一比較結果和第二比較結果，確認待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。

設待識別人物圖像為img1，目標人臉圖像為img2，計算圖像img1和img2的DCP直方圖分別為dcp1和dcp2，第一比對單元51計算dcp1和dcp2的相似度S12；第二比對單元52分別計算img1、img2與反樣本集合中的圖像(即所述的一組備用圖像)dcp直方圖的相似度，身份識別單元53分別找到相似度最大值max1和max2，以及最小值min1和min2，再找到其中的最大值和最小值：min＝min(min1，min2)；max＝max(max1，max2)，計算待識別人物圖像與目標人臉圖像中人物的相似度可信度d，如d＝(S12-min)/(max-min)，從而根據待識別人物圖像與目標人臉圖像中人物的相似度可信度d，判斷待識別人物圖像與目標人臉圖像是否為同一人，以識別待識別的人物圖像中人物的身份。如可設置相似度可信度d的閾值，當相似度可信度d大於閾值，則待識別人物圖像與目標人臉圖像為同一人。

在本實施例中，通過圖像獲取模塊10獲取待識別的人物圖像，確定人物圖像中的人臉區域圖像，以消除人物圖像中背景對人臉區域圖像身份識別的影響；然後圖像正向模塊20根據預置人臉模型的關鍵點位置分布，對人臉區域圖像進行三維校準和方向調整，以得到正向人臉圖像，以消除了人物圖像中人物姿態對身份識別的影響；圖像增強模塊30再對人臉區域圖像進行圖像增強，形成人臉增強圖像,以減少光照變化對人臉區域圖像對身份識別的影響；特徵生成模塊40提取人臉增強圖像中所有像素點的DCP碼，並計算關鍵點所在區域DCP碼的統計直方圖以構成所述人物圖像的人臉特徵，以有效消除人物表情對身份識別的影響；特徵比對模塊50將人臉特徵與人臉資料庫中的人臉圖像的參考人臉特徵進行比對，以識別待識別的人物圖像中人物的身份，消除了外界因素對身份識別準確性的影響，提高了身份識別的場景適用範圍和準確性。

需要說明的是，在本文中，術語「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程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。

上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。

通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到上述實施例方法可藉助軟體加必需的通用硬體平臺的方式來實現，當然也可以通過硬體，但很多情況下前者是更佳的實施方式。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該計算機軟體產品存儲在一個存儲介質(如ROM/RAM、磁碟、光碟)中，包括若干指令用以使得一臺終端設備(可以是手機，計算機，伺服器，空調器，或者網絡設備等)執行本發明各個實施例所述的方法。

以上僅為本發明的優選實施例，並非因此限制本發明的專利範圍，凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發明的專利保護範圍內。