基于特征匹配的身份证内容识别系统及方法.pdf

《基于特征匹配的身份证内容识别系统及方法.pdf》由会员分享，可在线阅读，更多相关《基于特征匹配的身份证内容识别系统及方法.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910143343.6 (22)申请日 2019.02.26 (71)申请人 上海七牛信息技术有限公司 地址 201203 上海市浦东新区中国 （上海） 自由贸易试验区博霞路66号1-5层 (72)发明人 谢雨飞刘树春陈明曦林亦宁 彭垚吕桂华 (74)专利代理机构 上海硕力知识产权代理事务 所(普通合伙) 31251 代理人 郭桂峰 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/32(2006.01) G06K 9/62(2006.01) G0。

2、6K 9/72(2006.01) (54)发明名称 一种基于特征匹配的身份证内容识别系统 及方法 (57)摘要 本发明实施例提出一种基于特征匹配的身 份证内容识别系统及方法， 涉及图像处理技术领 域。 所述系统包括： 图像预处理单元， 对包含身份 证图像的待检测图像依次进行分类、 获取及校正 处理； 图像检测单元， 在获取和校正后的身份证 图像中， 确定身份证中文字图像的区域； 图像识 别单元， 识别身份证中文字图形区域中的文字， 得到中间识别结果； 图像处理单元， 对识别结果 进行匹配和校正， 并生成最终识别结果； 数据集 单元， 存储有用于训练的图像训练集和用于匹配 的地址数据集。 具有速。

3、度快、 识别准确和效率高 的优点。 权利要求书2页 说明书7页 附图4页 CN 109919060 A 2019.06.21 CN 109919060 A 1.一种基于特征匹配的身份证内容识别系统， 其特征在于， 所述系统包括： 图像预处理单元， 对包含身份证图像的待检测图像依次进行分类、 获取及校正处理； 图像检测单元， 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 图像识别单元， 识别身份证中文字图形区域中的文字， 得到中间识别结果； 图像处理单元， 对识别结果进行匹配和校正， 并生成最终识别结果； 数据集单元， 存储有用于训练的图像训练集和用于匹配的地址数据集。 2.如权。

4、利要求1所述的基于特征匹配的身份证内容识别系统， 其特征在于， 所述图像预 处理单元包括： 图像分类单元， 对包含身份证图像的待检测图像进行分类， 确定待检测图像中的身份 证图像部分是身份证正面还是反面； 图像获取及校正单元， 在确定分类后的待检测身份证图像中， 获取身份证图像的区域， 并对获取的身份证图像的区域进行校正。 3.如权利要求1所述的基于特征匹配的身份证内容识别系统， 其特征在于， 所述数据集 单元包括： 图像训练集单元， 存储有用于训练的图像训练集； 地址数据库集单元， 存储有用于匹配和校正的地址数据集。 4.如权利要求3所述的基于特征匹配的身份证内容识别系统， 其特征在于， 所。

5、述图像检 测单元包括： 特征提取单元， 从图像训练集中的若干个图像中提取特征图； 特征合成单元， 将提取的特征图进行合并； 输出单元， 输出用于检测的检测模型； 检测单元， 根据检测模型对获取和校正后的身份证图像进行检测， 确定确定身份证中 文字图像的区域。 5.如权利要求4所述的基于特征匹配的身份证内容识别系统， 其特征在于， 所述图像识 别单元包括： 卷积单元， 从图像训练集中的若干个图像中提取出特征序列； 循环单元， 预测从卷积单元提取出的特征序列的标签分布； 转录单元， 把循环单元获取的标签分布通过去重、 整合等操作转换成中间识别结果。 6.如权利要求5所述的基于特征匹配的身份证内容识。

6、别系统， 其特征在于， 所述图像处 理单元包括： 过滤单元， 根据中间识别结果， 将中间识别结果中的干扰项进行过滤， 得到过滤识别结 果； 模糊匹配单元， 根据地址数据集对过滤识别结果进行模糊匹配， 得到模糊匹配结果； 二次校正单元： 对模糊匹配结果进行二次校正， 生成最终识别结果。 7.一种基于权利要求1至6之一所述的基于特征匹配的身份证内容识别系统的方法， 其 特征在于， 所述方法包括： 步骤1： 对包含身份证图像的待检测图像依次进行分类、 获取及校正处理； 步骤2： 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 步骤3： 识别身份证中文字图形区域中的文字， 得到中间识别结。

7、果； 权利要求书 1/2 页 2 CN 109919060 A 2 步骤4： 对识别结果进行匹配和校正， 并生成最终识别结果。 8.如权利要求7所述的基于特征匹配的身份证内容识别方法， 其特征在于， 所述步骤1 中， 对包含身份证图像的待检测图像依次进行分类、 获取及校正处理的方法包括： 根据身份 证正反面模板图片， 对包含身份证图像的待检测图像的特征点进行检测， 然后进行特征点 的匹配进而确定身份证的正反面， 然后从待识别图片中确定身份证的区域并进行校正。 9.如权利要求8所述的基于特征匹配的身份证内容识别方法， 其特征在于， 所述步骤2 中， 在获取和校正后的身份证图像中， 确定身份证中文。

8、字图像的区域的方法包括： 收集大量 的身份证模板图片， 并且进行打标过滤， 构成图像训练集； 然后利用图像训练集训练检测模 型； 通过该检测模型对获取和校正后的身份证图像进行处理， 确定身份证中文字图像的区 域。 10.如权利要求9所述的基于特征匹配的身份证内容识别方法， 其特征在于， 所述步骤4 中， 对识别结果进行匹配和校正， 并生成最终识别结果的方法包括： 归纳出地址字段构成规 则， 根据该地址段构成规则构造对应的正则表达式， 接着利用这些正则表达式对中间识别 结果进行处理， 过滤掉明显不相关的干扰项， 得到过滤识别结果， 然后将过滤识别结果与地 址数据集中存储的地址数据进行模糊匹配， 。

9、最后对模糊匹配得到的结果进行二次校正， 从 而得到最终的识别结果。 权利要求书 2/2 页 3 CN 109919060 A 3 一种基于特征匹配的身份证内容识别系统及方法 技术领域 0001 本发明涉及图像处理技术领域， 具体而言， 涉及一种基于特征匹配的身份证内容 识别系统及方法。 背景技术 0002 深度学习是目前自然场景文字检测和识别的主流方法。 而采用深度学习的方法对 身份证进行文字检测和识别效果一直较差。 这是因为身份证有正反面， 基于这种特殊性， 身 份证上的文字识别算法有几个难点： 0003 1.身份证的图片往往在复杂的背景中， 而且存在各种光照， 角度的问题。 如何从复 杂背。

10、景中判别出身份证的正反面， 并将其从原图中抠出并进行校正是一个很大的难点 0004 2.身份证上的文字字体相对特殊， 现有的检测方法均存在一些误检、 漏检的问题 0005 3.身份证上的文字背景相对特殊， 现有的识别方法均存在一些识别错误的问题 0006 4.身份证上的住址部分一般按照省市区依次划分， 因此可以对识别结果进行一定 的校正， 目前已有的一些方法往往忽略了这一点。 0007 专利号为CN200510029791.1的专利技术方案为： 包括第二代身份证读卡器， 摄像 设备， 人脸识别器， 身份资料信息库， 包括以下步骤： 第一步， 通过第二代身份证读写器读出 身份证内的信息； 第二步。

11、， 将第一步中所读出的信息传输到人脸识别器中； 第三步， 摄像设 备对真实人脸进行摄像， 并将真实人脸图像传到人脸识别器中； 第四步， 人脸识别器根据第 二步通过第二代身份证读写器读出身份证内的信息导出身份资料信息库中提供的相应信 息； 第五步， 识别该第二代身份证的真伪， 若身份证资料为真实的再进行第六步； 第六步， 辨 别该第二代身份证是否被本人持有。 本发明可以用来辨别该第二代身份证是否被本人持 有。 0008 其仅仅对人脸图像进行识别， 没有考虑到对身份证中文字信息的识别。 发明内容 0009 本发明的目的在于提供一种基于特征匹配的身份证内容识别系统及方法， 具有速 度快、 识别准确和。

12、效率高的优点。 0010 为了实现上述目的， 本发明实施例采用的技术方案如下： 0011 第一方面， 本发明实施例提供了一种基于特征匹配的身份证内容识别系统， 所述 系统包括： 0012 图像预处理单元， 对包含身份证图像的待检测图像依次进行分类、 获取及校正处 理； 0013 图像检测单元， 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 0014 图像识别单元， 识别身份证中文字图形区域中的文字， 得到中间识别结果； 0015 图像处理单元， 对识别结果进行匹配和校正， 并生成最终识别结果； 0016 数据集单元， 存储有用于训练的图像训练集和用于匹配的地址数据集。 说明书 。

13、1/7 页 4 CN 109919060 A 4 0017 进一步的， 所述图像预处理单元包括： 0018 图像分类单元， 对包含身份证图像的待检测图像进行分类， 确定待检测图像中的 身份证图像部分是身份证正面还是反面； 0019 图像获取及校正单元， 在确定分类后的待检测身份证图像中， 获取身份证图像的 区域， 并对获取的身份证图像的区域进行校正。 0020 进一步的， 所述数据集单元包括： 0021 图像训练集单元， 存储有用于训练的图像训练集； 0022 地址数据库集单元， 存储有用于匹配和校正的地址数据集。 0023 进一步的， 所述图像检测单元包括： 0024 特征提取单元， 从图像。

14、训练集中的若干个图像中提取特征图； 0025 特征合成单元， 将提取的特征图进行合并； 0026 输出单元， 输出用于检测的检测模型； 0027 检测单元， 根据检测模型对获取和校正后的身份证图像进行检测， 确定确定身份 证中文字图像的区域。 0028 进一步的， 所述图像识别单元包括： 0029 卷积单元， 从图像训练集中的若干个图像中提取出特征序列； 0030 循环单元， 预测从卷积单元提取出的特征序列的标签分布； 0031 转录单元， 把循环单元获取的标签分布通过去重、 整合等操作转换成中间识别结 果。 0032 进一步的， 所述图像处理单元包括： 0033 过滤单元， 根据中间识别结果。

15、， 将中间识别结果中的干扰项进行过滤， 得到过滤识 别结果； 0034 模糊匹配单元， 根据地址数据集对过滤识别结果进行模糊匹配， 得到模糊匹配结 果； 0035 二次校正单元： 对模糊匹配结果进行二次校正， 生成最终识别结果。 0036 第二方面， 本发明实施例还提供了一种基于特征匹配的身份证内容识别方法， 所 述方法包括： 0037 一种基于特征匹配的身份证内容识别系统的方法， 所述方法包括： 0038 步骤1： 对包含身份证图像的待检测图像依次进行分类、 获取及校正处理； 0039 步骤2： 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 0040 步骤3： 识别身份证中文。

16、字图形区域中的文字， 得到中间识别结果； 0041 步骤4： 对识别结果进行匹配和校正， 并生成最终识别结果。 0042 进一步的， 所述步骤1中， 对包含身份证图像的待检测图像依次进行分类、 获取及 校正处理的方法包括： 根据身份证正反面模板图片， 对包含身份证图像的待检测图像的特 征点进行检测， 然后进行特征点的匹配进而确定身份证的正反面， 然后从待识别图片中确 定身份证的区域并进行校正。 0043 进一步的， 所述步骤2中， 在获取和校正后的身份证图像中， 确定身份证中文字图 像的区域的方法包括： 收集大量的身份证模板图片， 并且进行打标过滤， 构成图像训练集； 然后利用图像训练集训练检。

17、测模型； 通过该检测模型对获取和校正后的身份证图像进行处 说明书 2/7 页 5 CN 109919060 A 5 理， 确定身份证中文字图像的区域。 0044 进一步的， 所述步骤4中， 对识别结果进行匹配和校正， 并生成最终识别结果的方 法包括： 归纳出地址字段构成规则， 根据该地址段构成规则构造对应的正则表达式， 接着利 用这些正则表达式对中间识别结果进行处理， 过滤掉明显不相关的干扰项， 得到过滤识别 结果， 然后将过滤识别结果与地址数据集中存储的地址数据进行模糊匹配， 最后对模糊匹 配得到的结果进行二次校正， 从而得到最终的识别结果。 0045 本发明实施例提供的一种基于特征匹配的身。

18、份证内容识别系统一种基于特征匹 配的身份证内容识别系统及方法， 具有以下有益效果： 对包含身份证图像的待检测图像依 次进行分类、 获取及校正处理， 提升了身份证正反面特征检测的准确性以及与待识别图片 匹配的速度。 采集大量样本图片作为图片数据集， 再利用该数据集进行训练， 有效解决现有 检测方法存在的误检以及漏检的问题， 以及能够快速准确地捕捉到身份证上的文字区域。 采集大量样本图片作为图片数据集， 再利用该数据集进行训练， 有效解决现有识别算法识 别率低的问题； 利用归纳出的200多条正则规则进行粗筛， 接着利用10万多条地址库进行模 糊匹配， 最后进行二次校正， 很好地提升了地址字段识别结。

19、果的准确率。 0046 为使本发明的上述目的、 特征和优点能更明显易懂， 下文特举较佳实施例， 并配合 所附附图， 作详细说明如下。 附图说明 0047 为了更清楚地说明本发明实施例的技术方案， 下面将对实施例中所需要使用的附 图作简单地介绍， 应当理解， 以下附图仅示出了本发明的某些实施例， 因此不应被看作是对 范围的限定， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这 些附图获得其他相关的附图。 0048 图1示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的系统结构 示意图。 0049 图2示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的预处。

20、理单 元结构示意图。 0050 图3示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的数据集单 元结构示意图。 0051 图4示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的图像检测 单元结构示意图。 0052 图5示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的图像识别 单元结构示意图。 0053 图6示出了本发明实施例提供的基于特征匹配的身份证内容识别系统的图像处理 单元结构示意图。 0054 图7示出了本发明实施例提供的基于特征匹配的身份证内容识别方法的方法流程 示意图。 具体实施方式 0055 下面将结合本发明实施例中附图， 对本发明实施例中的技术方案进行清。

21、楚、 完整 说明书 3/7 页 6 CN 109919060 A 6 地描述， 显然， 所描述的实施例仅仅是本发明一部分实施例， 而不是全部的实施例。 通常在 此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。 因 此， 以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的 范围， 而是仅仅表示本发明的选定实施例。 基于本发明的实施例， 本领域技术人员在没有做 出创造性劳动的前提下所获得的所有其他实施例， 都属于本发明保护的范围。 0056 应注意到： 相似的标号和字母在下面的附图中表示类似项， 因此， 一旦某一项在一 个附图中被定义， 则在随后的。

22、附图中不需要对其进行进一步定义和解释。 同时， 在本发明的 描述中， 术语 “第一” 、“第二” 等仅用于区分描述， 而不能理解为指示或暗示相对重要性。 0057 实施例1： 0058 如图1所示， 一种基于特征匹配的身份证内容识别系统， 所述系统包括： 0059 图像预处理单元， 对包含身份证图像的待检测图像依次进行分类、 获取及校正处 理； 0060 图像检测单元， 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 0061 图像识别单元， 识别身份证中文字图形区域中的文字， 得到中间识别结果； 0062 图像处理单元， 对识别结果进行匹配和校正， 并生成最终识别结果； 006。

23、3 数据集单元， 存储有用于训练的图像训练集和用于匹配的地址数据集。 0064 进一步的， 所述图像预处理单元包括： 0065 图像分类单元， 对包含身份证图像的待检测图像进行分类， 确定待检测图像中的 身份证图像部分是身份证正面还是反面； 0066 图像获取及校正单元， 在确定分类后的待检测身份证图像中， 获取身份证图像的 区域， 并对获取的身份证图像的区域进行校正。 0067 图像预处理单元可以采用SURF算法和FLANN匹配器结合的方式。 两者的结合可以 解决从复杂背景和光照中准确判断身份证的正反面以及定位的问题。 利用SURF算法进行身 份证正反面模板图片以及待识别图片的特征点检测， 。

24、然后进行特征点的匹配进而确定身份 证的正反面。 接着， 利用FLANN匹配器从待识别图片中抠出身份证的区域并进行校正。 0068 进一步的， 所述数据集单元包括： 0069 图像训练集单元， 存储有用于训练的图像训练集； 0070 地址数据库集单元， 存储有用于匹配和校正的地址数据集。 0071 进一步的， 所述图像检测单元包括： 0072 特征提取单元， 从图像训练集中的若干个图像中提取特征图； 0073 特征合成单元， 将提取的特征图进行合并； 0074 输出单元， 输出用于检测的检测模型； 0075 检测单元， 根据检测模型对获取和校正后的身份证图像进行检测， 确定确定身份 证中文字图像。

25、的区域。 0076 图像检测单元主要解决误检、 漏检的问题。 收集模拟大量的身份证图片， 作为图片 训练集， 并且进行打标过滤。 然后利用这些图片数据训练我们的检测模型。 检测模型选用的 是改进的EAST模型， 输入是512*512像素的图片， 然后经过ResNet网络的四个阻挡之后得到 的特征地图进行级联， 最终得到一个128*128*3像素的特征地图， 然后对该特征地图进行回 归和分类。 说明书 4/7 页 7 CN 109919060 A 7 0077 进一步的， 所述图像识别单元包括： 0078 卷积单元， 从图像训练集中的若干个图像中提取出特征序列； 0079 循环单元， 预测从卷积。

26、单元提取出的特征序列的标签分布； 0080 转录单元， 把循环单元获取的标签分布通过去重、 整合等操作转换成中间识别结 果。 0081 图像识别单元主要解决识别错误的问题。 针对身份证的背景的特点， 模拟产生大 量的训练图片， 构成图片数据训练集， 然后利用图片数据训练集提升识别模型的准确率。 识 别模型改进的CRNN模型， 将CNN部分改为DenseNet网络， 输出为32*280像素的特征地图， 然 后输入双向的LSTM网络进行序列特征的提取， 最后我们使用CTC层来得到最终的识别结果。 0082 进一步的， 所述图像处理单元包括： 0083 过滤单元， 根据中间识别结果， 将中间识别结果。

27、中的干扰项进行过滤， 得到过滤识 别结果； 0084 模糊匹配单元， 根据地址数据集对过滤识别结果进行模糊匹配， 得到模糊匹配结 果； 0085 二次校正单元： 对模糊匹配结果进行二次校正， 生成最终识别结果。 0086 图像处理单元， 主要解决地址字段识别错误的问题。 首先， 归纳出约200多个地址 字段构成规则， 然后我们根据规则构造对应的正则表达式， 接着利用这些正则表达式过滤 掉明显不相关的干扰项。 根据身份证地址字段的构成规则， 构建一个包含10万多条记录的 地址库， 将正则表达式过滤后的结果与地址库的内容进行模糊匹配， 最后对模糊匹配得到 的结果进行二次校正， 从而得到最终的识别结。

28、果。 0087 实施例2： 0088 本发明实施例还提供了一种基于特征匹配的身份证内容识别方法， 所述方法包 括： 0089 步骤1： 对包含身份证图像的待检测图像依次进行分类、 获取及校正处理； 0090 步骤2： 在获取和校正后的身份证图像中， 确定身份证中文字图像的区域； 0091 步骤3： 识别身份证中文字图形区域中的文字， 得到中间识别结果； 0092 步骤4： 对识别结果进行匹配和校正， 并生成最终识别结果。 0093 进一步的， 所述步骤1中， 对包含身份证图像的待检测图像依次进行分类、 获取及 校正处理的方法包括： 根据身份证正反面模板图片， 对包含身份证图像的待检测图像的特 。

29、征点进行检测， 然后进行特征点的匹配进而确定身份证的正反面， 然后从待识别图片中确 定身份证的区域并进行校正。 0094 首先利用SURF算法进行特征点的检测与描述， 接着利用FLANN匹配器进行特征点 的匹配， 最后进行匹配点的校正。 SURF算法对物体的旋转、 光照等情况有较好的鲁棒性， 且 较SIFT算法而言计算速度更快。 设置每幅图检测2000个特征点。 FLANN是快速估计最近邻的 库。 它包含了一些为大数据集内搜索快速近邻和高维特征的优化算法。 它在大数据集的时 候比BFMatcher更快。 将每个描述符的最佳匹配点设置为2。 0095 进一步的， 所述步骤2中， 在获取和校正后的。

30、身份证图像中， 确定身份证中文字图 像的区域的方法包括： 收集大量的身份证模板图片， 并且进行打标过滤， 构成图像训练集； 然后利用图像训练集训练检测模型； 通过该检测模型对获取和校正后的身份证图像进行处 说明书 5/7 页 8 CN 109919060 A 8 理， 确定身份证中文字图像的区域。 0096 利用ResNet50网络作为骨干网络， 然后对特征进行级联合并， 最终输出回归框。 模 型输入的是512*512的图片， 经过ResNet第一个阻挡之后的特征地图输出为256*256*64， 经 过ResNet网络第二个阻挡之后的特征地图输出为64*64*256， 经过ResNet网络第三。

31、个阻挡 之后的特征地图输出为32*32*512， 经过ResNet网络第四个阻挡之后的特征地图输出为16* 16*1024， 接着对每层的特征地图进行取池操作然后分别于上一层的输出进行级联， 最终得 到一个128*128*3的特征地图进行回归和分类。 0097 步骤3中， 首先利用DenseNet121网络提取特征地图， 接着利用BiLstm提取序列特 征， 最后利用CTC层进行预测的输出。 模型的输入为512*512的图片， 经过Dense Block1之后 输出的尺寸为256*256， 经过Dense Block2之后输出的尺寸为128*128， 经过Dense Block3 之后输出的尺。

32、寸为64*64， 输入到双向LSTM层中， 最终输出的尺寸为32*128， Transcription Layer进行识别结果的最终确定。 0098 进一步的， 所述步骤4中， 对识别结果进行匹配和校正， 并生成最终识别结果的方 法包括： 归纳出地址字段构成规则， 根据该地址段构成规则构造对应的正则表达式， 接着利 用这些正则表达式对中间识别结果进行处理， 过滤掉明显不相关的干扰项， 得到过滤识别 结果， 然后将过滤识别结果与地址数据集中存储的地址数据进行模糊匹配， 最后对模糊匹 配得到的结果进行二次校正， 从而得到最终的识别结果。 0099 首先， 我们归纳出约200多个地址字段构成规则， 。

33、然后我们根据规则构造对应的正 则表达式， 接着利用这些正则表达式对识别网络给出的结果进行过滤， 剔除掉明显不相关 的干扰项。 根据身份证地址字段的构成规则， 我们构建一个包含10万多条记录的地址库， 将 正则表达式过滤后的结果与地址库的内容进行模糊匹配， 最后对模糊匹配得到的结果进行 二次校正， 从而得到最终的识别结果。 0100 在本申请所提供的几个实施例中， 应该理解到， 所揭露的装置和方法， 也可以通过 其它的方式实现。 以上所描述的装置实施例仅仅是示意性的， 例如， 附图中的流程图和框图 显示了根据本发明的多个实施例的装置、 方法和计算机程序产品的可能实现的体系架构、 功能和操作。 在。

34、这点上， 流程图或框图中的每个方框可以代表一个单元、 程序段或代码的一 部分， 所述单元、 程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执 行指令。 也应当注意， 在有些作为替换的实现方式中， 方框中所标注的功能也可以以不同于 附图中所标注的顺序发生。 例如， 两个连续的方框实际上可以基本并行地执行， 它们有时也 可以按相反的顺序执行， 这依所涉及的功能而定。 也要注意的是， 框图和/或流程图中的每 个方框、 以及框图和/或流程图中的方框的组合， 可以用执行规定的功能或动作的专用的基 于硬件的系统来实现， 或者可以用专用硬件与计算机指令的组合来实现。 0101 另外， 在本发明。

35、各个实施例中的各功能单元可以集成在一起形成一个独立的部 分， 也可以是各个单元单独存在， 也可以两个或两个以上单元集成形成一个独立的部分。 0102 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时， 可以 存储在一个计算机可读取存储介质中。 基于这样的理解， 本发明的技术方案本质上或者说 对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来， 该计 算机软件产品存储在一个存储介质中， 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所述方法的全部或部分步骤。 说明书 6/7 页 9 CN 109919。

36、060 A 9 而前述的存储介质包括： U盘、 移动硬盘、 只读存储器(ROM， Read-Onl8Memor8)、 随机存取存 储器(RAM， Random Access Memor8)、 磁碟或者光盘等各种可以存储程序代码的介质。 0103 需要说明的是， 在本文中， 诸如第一和第二等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来， 而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。 而且， 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。

37、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。 0104 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明可以有各种更改和变化。 凡在本发明的精神和原则之内， 所作的任何修 改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。 应注意到： 相似的标号和字母在 下面的附图中表示类似项， 因此， 一旦某一项在一个附图中被定义， 则在随后的附图中不需 要对其进行进一步定义和解释。 说明书 7/7 页 10 CN 109919060 A 10 图1 图2 说明书附图 1/4 页 11 CN 109919060 A 11 图3 图4 说明书附图 2/4 页 12 CN 109919060 A 12 图5 图6 说明书附图 3/4 页 13 CN 109919060 A 13 图7 说明书附图 4/4 页 14 CN 109919060 A 14 。