高鐵調度員疲勞狀態測評方法及系統與流程
本發明實施例涉及高鐵技術領域，尤其是涉及一種高鐵調度員疲勞狀態測評方法及系統。
背景技術：
高鐵調度員倒班制的工作方式決定了其需要較高的抗疲勞能力。目前，國內國外針對高鐵調度員疲勞監測的系統較為鮮見。
已有的疲勞監測設備涉及到的人員作業背景與高鐵路調度員作業背景存在較大差異，不能簡單地復制應用到高鐵路調度員的疲勞監測與測評中；而且，已有的疲勞監測與測評設備多是基于單通道分析，其精度及準確度不高。
因此，急需一套疲勞監測與干預裝置來解決高鐵調度員疲勞作業帶來的危害。
技術實現要素：
本發明實施例的主要目的在于提供一種高鐵調度員疲勞狀態測評方法，其至少部分地解決了如何提高測評的精度和準確度的技術問題。此外，還提供一種高鐵調度員疲勞狀態測評系統。
為了實現上述目的，根據本發明的一個方面，提供了以下技術方案：
一種高鐵調度員疲勞狀態測評方法。該方法至少可以包括：
獲取所述高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號；
基于所述心率信號、所述心電信號、所述腦電信號、所述面部圖像信號和所述眼動特征信號，提取疲勞警戒值以下的特征值；
基于所述疲勞警戒值以下的特征值，利用多通道數據融合算法，確定所述高鐵調度員的疲勞狀態。
進一步地，所述基于所述心率信號、所述心電信號、所述腦電信號、所述面部圖像信號和所述眼動特征信號，提取疲勞警戒值以下的特征值，具體可以包括：
基于所述心率信號，提取心率指標疲勞警戒值以下的特征值；
基于所述心電信號，提取心電指標疲勞警戒值以下的特征值；
基于所述腦電信號，提取腦電指標疲勞警戒值以下的特征值；
基于所述面部圖像信號，提取面部特征指標疲勞警戒值以下的特征值；
基于所述眼動特征信號，提取眼動指標疲勞警戒值以下的特征值。
進一步地，所述基于所述心率信號，提取心率指標疲勞警戒值以下的特征值，具體可以包括：
基于所述心率信號，得到心率值；
基于所述心率值，繪制心率變化曲線；
基于所述心率變化曲線，提取所述心率指標疲勞警戒值以下的特征值。
進一步地，所述基于所述心電信號，提取心電指標疲勞警戒值以下的特征值，具體可以包括：
對所述心電信號進行濾波；
對濾波后的信號進行去偽跡處理；
對去偽跡后的信號進行時域至頻域的變換；
基于變換結果，提取頻域特征；
基于所述頻域特征，提取所述心電指標疲勞警戒值以下的特征值。
進一步地，所述基于所述腦電信號，提取腦電指標疲勞警戒值以下的特征值，具體可以包括：
對所述腦電信號進行濾波；
對濾波后的信號進行去偽跡處理；
對去偽跡后的信號進行時域至頻域的變換；
基于變換后的信號，提取頻域特征；
基于所述頻域特征，提取所述腦電指標疲勞警戒值以下的特征值。
進一步地，所述基于所述面部圖像信號，提取面部特征指標疲勞警戒值以下的特征值，具體可以包括：
對所述面部圖像信號進行數字圖像處理；
基于處理后的結果，確定面部特征；
基于所述面部特征，確定面部疲勞表情特征；
基于所述面部疲勞表情特征，提取所述面部特征指標疲勞警戒值以下的特征值。
進一步地，所述基于所述眼動特征信號，提取眼動指標疲勞警戒值以下的特征值，具體可以包括：
對所述眼動特征信號進行數字圖像處理；
基于處理后的結果，提取眼動參數；
基于所述眼動參數，提取所述眼動指標疲勞警戒值以下的特征值。
進一步地，所述基于所述疲勞警戒值以下的特征值，利用多通道數據融合算法，確定所述高鐵調度員的疲勞狀態，具體可以包括：
利用熵的方法，根據下式計算所述心率指標疲勞警戒值以下的特征值、所述心電指標疲勞警戒值以下的特征值、所述腦電指標疲勞警戒值以下的特征值、所述面部特征指標疲勞警戒值以下的特征值、所述眼動指標疲勞警戒值以下的特征值的概率：
mi(θ)＝-k[qimflog2qimf+(1-qimf)log2(1-qimf)]
其中，所述
根據下式計算處于疲勞狀態的基礎分配概率和處于不疲勞狀態的基礎分配概率：
其中，所述mi(mf)表示處于疲勞狀態的基礎分配概率；所述
根據下式進行基于d-s證據理論的多通道融合，計算高鐵調度員處于疲勞狀態的概率、高鐵調度員處于不疲勞狀態的概率以及所述各疲勞警戒值以下的特征值融合后的概率：
其中，所述m(mf)表示所述高鐵調度員處于疲勞狀態的概率；所述
根據下式計算疲勞的信任函數和似然函數，以及不疲勞的信任函數和似然函數：
bel(mf)＝m(mf)
其中，所述bel(mf)表示所述疲勞的信任函數；所述pl(mf)表示所述疲勞的似然函數；所述
根據所述疲勞的信任函數和似然函數，以及所述不疲勞的信任函數和似然函數，判定所述高鐵調度員是否處于疲勞狀態。
進一步地，所述方法還可以包括：
將所確定的所述疲勞狀態與疲勞狀態閾值進行比較；
若超過閾值，則進行預警干預。
根據本發明的另一個方面，還提供了一種高鐵調度員疲勞狀態測評系統。該系統至少可以包括：
獲取模塊，用于獲取所述高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號；
提取模塊，用于基于所述心率信號、所述心電信號、所述腦電信號、所述面部圖像信號和所述眼動特征信號，提取疲勞警戒值以下的特征值；
確定模塊，用于基于所述疲勞警戒值以下的特征值，利用多通道數據融合算法，確定所述高鐵調度員的疲勞狀態。
進一步地，所述提取模塊具體可以包括：
第一提取單元，用于基于所述心率信號，提取心率指標疲勞警戒值以下的特征值；
第二提取單元，用于基于所述心電信號，提取心電指標疲勞警戒值以下的特征值；
第三提取單元，用于基于所述腦電信號，提取腦電指標疲勞警戒值以下的特征值；
第四提取單元，用于基于所述面部圖像信號，提取面部特征指標疲勞警戒值以下的特征值；
第五提取單元，用于基于所述眼動特征信號，提取眼動指標疲勞警戒值以下的特征值。
進一步地，所述第一提取單元具體可以包括：
獲取單元，用于基于所述心率信號，得到心率值；
繪制單元，用于基于所述心率值，繪制心率變化曲線；
第一提取子單元，用于基于所述心率變化曲線，提取所述心率指標疲勞警戒值以下的特征值。
進一步地，所述第二提取單元具體可以包括：
第一濾波單元，用于對所述心電信號進行濾波；
第一去偽跡單元，用于對濾波后的信號進行去偽跡處理；
第一變換單元，用于對去偽跡后的信號進行時域至頻域的變換；
第二提取子單元，用于基于變換結果，提取頻域特征；
第三提取子單元，用于基于所述頻域特征，提取所述心電指標疲勞警戒值以下的特征值。
進一步地，所述第三提取單元具體可以包括：
第二濾波單元，用于對所述腦電信號進行濾波；
第二去偽跡單元，用于對濾波后的信號進行去偽跡處理；
第二變換單元，用于對去偽跡后的信號進行時域至頻域的變換；
第四提取子單元，用于基于變換后的信號，提取頻域特征；
第五提取子單元，用于基于所述頻域特征，提取所述腦電指標疲勞警戒值以下的特征值。
進一步地，所述第四提取單元具體可以包括：
第一處理單元，用于對所述面部圖像信號進行數字圖像處理；
第一確定單元，用于基于處理后的結果，確定面部特征；
第二確定單元，用于基于所述面部特征，確定面部疲勞表情特征；
第六提取子單元，用于基于所述面部疲勞表情特征，提取所述面部特征指標疲勞警戒值以下的特征值。
進一步地，所述第五提取單元具體可以包括：
第二處理單元，用于對所述眼動特征信號進行數字圖像處理；
第七提取子單元，用于基于處理后的結果，提取眼動參數；
第八提取子單元，用于基于所述眼動參數，提取所述眼動指標疲勞警戒值以下的特征值。
進一步地，所述確定模塊具體可以包括：
第一計算單元，用于利用熵的方法，根據下式計算所述心率指標疲勞警戒值以下的特征值、所述心電指標疲勞警戒值以下的特征值、所述腦電指標疲勞警戒值以下的特征值、所述面部特征指標疲勞警戒值以下的特征值、所述眼動指標疲勞警戒值以下的特征值的概率：
mi(θ)＝-k[qimflog2qimf+(1-qimf)log2(1-qimf)]
其中，所述
第二計算單元，用于根據下式計算處于疲勞狀態的基礎分配概率和處于不疲勞狀態的基礎分配概率：
其中，所述mi(mf)表示處于疲勞狀態的基礎分配概率；所述
第三計算單元，用于根據下式進行基于d-s證據理論的多通道融合，計算高鐵調度員處于疲勞狀態的概率、高鐵調度員處于不疲勞狀態的概率以及所述各疲勞警戒值以下的特征值融合后的概率：
其中，所述m(mf)表示所述高鐵調度員處于疲勞狀態的概率；所述
第四計算單元，用于根據下式計算疲勞的信任函數和似然函數，以及不疲勞的信任函數和似然函數：
bel(mf)＝m(mf)
其中，所述bel(mf)表示所述疲勞的信任函數；所述pl(mf)表示所述疲勞的似然函數；所述
判定單元，用于根據所述疲勞的信任函數和似然函數，以及所述不疲勞的信任函數和似然函數，判定所述高鐵調度員是否處于疲勞狀態。
進一步地，該系統還可以包括：
比較單元，用于將所確定的所述疲勞狀態與疲勞狀態閾值進行比較；
預警干預單元，用于在所述疲勞狀態超過所述疲勞狀態閾值的情況下，進行預警干預。
與現有技術相比，上述技術方案至少具有以下有益效果：
本發明實施例提供一種高鐵調度員疲勞狀態測評方法和系統。其中，該方法可以包括獲取高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號；基于心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號，提取疲勞警戒值以下的特征值；基于疲勞警戒值以下的特征值，利用多通道數據融合算法，確定高鐵調度員的疲勞狀態。本發明實施例通過采取上述技術方案，以高鐵調度員日常作業為測試背景，使得監測與測評更具有實際意義；又由于本發明實施例融合了多個信號進行判定，其判定的精度和準確度更高。
當然，實施本發明的任一產品不一定需要同時實現以上所述的所有優點。
本發明的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其它優點可通過在所寫的說明書、權利要求書以及附圖中所特別指出的方法來實現和獲得。
附圖說明
附圖作為本發明的一部分，用來提供對本發明的進一步的理解，本發明的示意性實施例及其說明用于解釋本發明，但不構成對本發明的不當限定。顯然，下面描述中的附圖僅僅是一些實施例，對于本領域普通技術人員來說，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。在附圖中：
圖1為根據一示例性實施例示出的高鐵調度員疲勞狀態測評方法的流程示意圖；
圖2為根據一示例性實施例示出的高鐵調度員疲勞狀態測評系統的結構示意圖；
圖3為根據另一示例性實施例示出的高鐵調度員疲勞狀態測評系統的結構示意圖。
這些附圖和文字描述并不旨在以任何方式限制本發明的構思范圍，而是通過參考特定實施例為本領域技術人員說明本發明的概念。
具體實施方式
下面結合附圖以及具體實施例對本發明實施例解決的技術問題、所采用的技術方案以及實現的技術效果進行清楚、完整的描述。顯然，所描述的實施例僅僅是本申請的一部分實施例，并不是全部實施例。基于本申請中的實施例，本領域普通技術人員在不付出創造性勞動的前提下，所獲的所有其它等同或明顯變型的實施例均落在本發明的保護范圍內。本發明實施例可以按照權利要求中限定和涵蓋的多種不同方式來具體化。
需要說明的是，在下面的描述中，為了方便理解，給出了許多具體細節。但是很明顯，本發明的實現可以沒有這些具體細節。
還需要說明的是，在沒有明確限定或不沖突的情況下，本發明中的各個實施例及其中的技術特征可以相互組合而形成技術方案。
在實際應用中，為了解決如何提高高鐵調度員疲勞狀態測評的精度和準確度的技術問題，本發明實施例提供一種高鐵調度員疲勞狀態測評方法。該方法可以通過步驟s100至步驟s120來實現。
s100：獲取高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號。
本步驟中，高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號可以通過信號采集設備來獲得。其中，信號采集設備包括監控手環、監控腦環、圖像采集設備(例如：攝像頭、照相機等)和眼動儀。監控手環用于采集心率信號和心電信號。監控腦環用于采集腦電信號。圖像采集設備用于采集面部圖像信號。眼動儀用于采集眼動特征信號。
在實際應用中，可以將采集到的信號傳輸到數據庫中。
s110：基于心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號，提取疲勞警戒值以下的特征值。
具體地，本步驟可以通過s111至s115來實現。
s111：基于心率信號，提取心率指標疲勞警戒值以下的特征值。
在一些可選的實施例中，步驟s111具體還可以包括：
步驟a1：基于心率信號，得到心率值。
步驟a2：基于心率值，繪制心率變化曲線。
步驟a3：基于心率變化曲線，提取心率指標疲勞警戒值以下的特征值。
s112：基于心電信號，提取心電指標疲勞警戒值以下的特征值。
在一些可選的實施例中，步驟s112具體還可以包括：
步驟b1：對心電信號進行濾波。
步驟b2：對濾波后的信號進行去偽跡處理。
步驟b3：對去偽跡后的信號進行時域至頻域的變換。
步驟b4：基于變換結果，提取頻域特征。
步驟b5：基于頻域特征，提取心電指標疲勞警戒值以下的特征值。
s113：基于腦電信號，提取腦電指標疲勞警戒值以下的特征值。
在一些可選的實施例中，步驟s113具體還可以包括：
步驟c1：對腦電信號進行濾波。
步驟c2：對濾波后的信號進行去偽跡處理。
步驟c3：對去偽跡后的信號進行時域至頻域的變換。
步驟c4：基于變換后的信號，提取頻域特征。
步驟c5：基于頻域特征，提取腦電指標疲勞警戒值以下的特征值。
s114：基于面部圖像信號，提取面部特征指標疲勞警戒值以下的特征值。
在一些可選的實施例中，步驟s114具體還可以包括：
步驟d1：對面部圖像信號進行數字圖像處理。
步驟d2：基于處理后的結果，確定面部特征。
步驟d3：基于面部特征，確定面部疲勞表情特征。
其中，面部疲勞表情特征例如可以為打哈欠面部疲勞表情等。
步驟d4：基于面部疲勞表情特征，提取面部特征指標疲勞警戒值以下的特征值。
s115：基于眼動特征信號，提取眼動指標疲勞警戒值以下的特征值。
在一些可選的實施例中，步驟s115具體還可以包括：
步驟e1：對眼動特征信號進行數字圖像處理。
步驟e2：基于處理后的結果，提取眼動參數。
其中，眼動參數包括但不限于眼瞼開合度、眨眼頻率和眼動軌跡。
步驟e3：基于眼動參數，提取眼動指標疲勞警戒值以下的特征值。
s120：基于疲勞警戒值以下的特征值，利用多通道數據融合算法，確定高鐵調度員的疲勞狀態。
因為根據某一種信號來判別高鐵調度員是否處于疲勞狀態的話，判斷精度并不能達到100％。所以，本發明實施例采用諸如基于d-s證據理論的多通道融合算法等手段，融合多種信號進行判定，以此來提高判別精度和準確度。
具體地，本步驟可以包括：
步驟f1：利用熵的方法，根據下式確定心率指標疲勞警戒值以下的特征值、心電指標疲勞警戒值以下的特征值、腦電指標疲勞警戒值以下的特征值、面部特征指標疲勞警戒值以下的特征值、眼動指標疲勞警戒值以下的特征值的概率：
mi(θ)＝-k[qimflog2qimf+(1-qimf)log2(1-qimf)]
其中，
其中，各通道對高鐵調度員是否處于疲勞狀態識別結果均只有有限個：疲勞mf和不疲勞
步驟f2：根據下式確定處于疲勞狀態的基礎分配概率和處于不疲勞狀態的基礎分配概率：
其中，mi(mf)表示處于疲勞狀態的基礎分配概率；
步驟f3：根據下式進行基于d-s證據理論的多通道融合，確定高鐵調度員處于疲勞狀態的概率、高鐵調度員處于不疲勞狀態的概率以及各個疲勞警戒值以下的特征值融合后的概率：
其中，m(mf)表示高鐵調度員處于疲勞狀態的概率；
步驟f4：根據下式計算疲勞的信任函數和似然函數，以及不疲勞的信任函數和似然函數：
bel(mf)＝m(mf)
其中，bel(mf)表示疲勞的信任函數；pl(mf)表示疲勞的似然函數；
步驟f5：根據疲勞的信任函數和似然函數，以及不疲勞的信任函數和似然函數，判定高鐵調度員是否處于疲勞狀態。
舉例而言：
當
在一些可選的實施例中，在上述實施例的基礎上，上述高鐵調度員疲勞狀態測評方法還可以包括：
s130：將所確定的疲勞狀態與疲勞狀態閾值進行比較。
s140：若超過閾值，則進行預警干預。
本發明實施例通過采取上述技術方案，以高鐵調度員日常作業為測試背景，使得監測與測評更具有實際意義；又由于本發明實施例融合了多個信號進行判定，其判定的精度和準確度更高。
上述實施例中雖然將各個步驟按照上述先后次序的方式進行了描述，但是本領域技術人員可以理解，為了實現本實施例的效果，不同的步驟之間不必按照這樣的次序執行，其可以同時(并行)執行或以顛倒的次序執行，這些簡單的變化都在本發明的保護范圍之內。
基于與方法實施例相同的技術構思，本發明實施例還提供一種高鐵調度員疲勞狀態測評系統。如圖2所示，該系統20至少可以包括：獲取模塊22、提取模塊24和確定模塊26。其中，獲取模塊22用于獲取高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號。提取模塊24用于基于心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號，提取疲勞警戒值以下的特征值。確定模塊26用于基于疲勞警戒值以下的特征值，利用多通道數據融合算法，確定高鐵調度員的疲勞狀態。
在一些可選的實施例中，在上述實施例的基礎上，上述提取模塊具體可以包括：第一提取單元、第二提取單元、第三提取單元、第四提取單元和第五提取單元。其中，第一提取單元用于基于心率信號，提取心率指標疲勞警戒值以下的特征值。第二提取單元用于基于心電信號，提取心電指標疲勞警戒值以下的特征值。第三提取單元用于基于腦電信號，提取腦電指標疲勞警戒值以下的特征值。第四提取單元用于基于面部圖像信號，提取面部特征指標疲勞警戒值以下的特征值。第五提取單元用于基于眼動特征信號，提取眼動指標疲勞警戒值以下的特征值。
在一些可選的實施例中，在上述實施例的基礎上，上述第一提取單元具體可以包括：獲取單元、繪制單元和第一提取子單元。其中，獲取單元用于基于心率信號，得到心率值。繪制單元用于基于心率值，繪制心率變化曲線。第一提取子單元用于基于心率變化曲線，提取心率指標疲勞警戒值以下的特征值。
在一些可選的實施例中，在上述實施例的基礎上，上述第二提取單元具體可以包括：第一濾波單元、第一去偽跡單元、第一變換單元、第二提取子單元和第三提取子單元。其中，第一濾波單元用于對心電信號進行濾波。第一去偽跡單元用于對濾波后的信號進行去偽跡處理。第一變換單元用于對去偽跡后的信號進行時域至頻域的變換。第二提取子單元用于基于變換結果，提取頻域特征。第三提取子單元用于基于頻域特征，提取心電指標疲勞警戒值以下的特征值。
在一些可選的實施例中，在上述實施例的基礎上，上述第三提取單元具體包括：第二濾波單元、第二去偽跡單元、第二變換單元、第四提取子單元和第五提取子單元。其中，第二濾波單元用于對腦電信號進行濾波。第二去偽跡單元用于對濾波后的信號進行去偽跡處理。第二變換單元用于對去偽跡后的信號進行時域至頻域的變換。第四提取子單元用于基于變換后的信號，提取頻域特征。第五提取子單元用于基于頻域特征，提取腦電指標疲勞警戒值以下的特征值。
在一些可選的實施例中，在上述實施例的基礎上，上述第四提取單元具體包括：第一處理單元、第一確定單元、第二確定單元和第六提取子單元。其中，第一處理單元用于對面部圖像信號進行數字圖像處理。第一確定單元用于基于處理后的結果，確定面部特征。第二確定單元用于基于面部特征，確定面部疲勞表情特征。第六提取子單元用于基于面部疲勞表情特征，提取面部特征指標疲勞警戒值以下的特征值。
在一些可選的實施例中，在上述實施例的基礎上，上述第五提取單元具體包括：第二處理單元、第七提取子單元和第八提取子單元。其中，第二處理單元用于對眼動特征信號進行數字圖像處理。第七提取子單元用于基于處理后的結果，提取眼動參數。第八提取子單元用于基于眼動參數，提取眼動指標疲勞警戒值以下的特征值。
在一些可選的實施例中，上述確定模塊具體可以包括：第一計算單元、第二計算單元、第三計算單元、第四計算單元和判定單元。其中，第一計算單元用于利用熵的方法，根據下式計算心率指標疲勞警戒值以下的特征值、心電指標疲勞警戒值以下的特征值、腦電指標疲勞警戒值以下的特征值、面部特征指標疲勞警戒值以下的特征值、眼動指標疲勞警戒值以下的特征值的概率：
mi(θ)＝-k[qimflog2qimf+(1-qimf)log2(1-qimf)]
其中，
其中，mi(mf)表示處于疲勞狀態的基礎分配概率；
其中，m(mf)表示高鐵調度員處于疲勞狀態的概率；
bel(mf)＝m(mf)
其中，bel(mf)表示疲勞的信任函數；pl(mf)表示疲勞的似然函數；
在一些可選的實施例中，在圖2所示實施例的基礎上，上述高鐵調度員疲勞狀態測評系統還可以包括：比較單元和預警干預單元。其中，比較單元用于將所確定的疲勞狀態與疲勞狀態閾值進行比較。預警干預單元用于在疲勞狀態超過疲勞狀態閾值的情況下，進行預警干預。
圖3示例性地示出了本發明實施例提供的高鐵調度員疲勞狀態測評系統的優選實現方式。其中，手環構件、腦環構件、攝像頭和眼動儀用于采集高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號。數據庫用于存儲高鐵調度員的心率信號、心電信號、腦電信號、面部圖像信號和眼動特征信號。處理構件用于執行上述提取模塊和上述確定模塊的操作。干預構件用于執行上述比較單元和上述預警干預單元的操作。打印機用于打印輸出結果。
本領域技術人員可以理解，上述高鐵調度員疲勞狀態測評系統還可以包括一些其他公知結構，例如處理器、存儲器等，其中，存儲器包括但不限于隨機存儲器、閃存、只讀存儲器、易失性存儲器、非易失性存儲器、串行存儲器、并行存儲器或寄存器等，處理器包括但不限于cpld/fpga、dsp、arm處理器、mips處理器等，為了不必要地模糊本公開的實施例，這些公知的結構在圖2中未示出。
應該理解，圖2中的各個模塊的數量僅僅是示意性的。根據實現需要，可以具有任意數量的獲取模塊、提取模塊和確定模塊。
需要說明的是：上述實施例提供的高鐵調度員疲勞狀態測評系統在進行疲勞狀態測評時，僅以上述各功能模塊的劃分進行舉例說明，在實際應用中，還可以根據需要而將上述功能分配由不同的功能模塊來完成，即將系統的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。
如本文中所使用的，術語“模塊”可以指代在計算系統上執行的軟件對象或例程。可以將本文中所描述的不同模塊實現為在計算系統上執行的對象或過程(例如，作為獨立的線程)。雖然優選地以軟件來實現本文中所描述的系統和方法，但是以硬件或者軟件和硬件的組合的實現也是可以的并且是可以被設想的。
上述系統實施例可以用于執行上述方法實施例，其技術原理、所解決的技術問題及產生的技術效果相似，所屬技術領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
應指出的是，上面分別對本發明的系統實施例和方法實施例進行了描述，但是對一個實施例描述的細節也可應用于另一個實施例。對于本發明實施例中涉及的模塊、步驟的名稱，僅僅是為了區分各個模塊或者步驟，不視為對本發明的不當限定。本領域技術人員應該理解：本發明實施例中的模塊或者步驟還可以再分解或者組合。例如上述實施例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。
以上對本發明實施例所提供的技術方案進行了詳細的介紹。雖然本文應用了具體的個例對本發明的原理和實施方式進行了闡述，但是，上述實施例的說明僅適用于幫助理解本發明實施例的原理；同時，對于本領域技術人員來說，依據本發明實施例，在具體實施方式以及應用范圍之內均會做出改變。
這里，需要說明的是，本文中涉及到的流程圖或框圖不僅僅局限于本文所示的形式，其還可以進行劃分和/或組合。
還需要說明的是：附圖中的標記和文字只是為了更清楚地說明本發明，不視為對本發明保護范圍的不當限定。
術語“包括”或者任何其它類似用語旨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、物品或者設備/裝置不僅包括那些要素，而且還包括沒有明確列出的其它要素，或者還包括這些過程、方法、物品或者設備/裝置所固有的要素。
應該注意的是上述實施例對本發明進行說明而不是對本發明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發明可以借助于包括有若干不同元件的硬件以及借助于適當編程的pc來實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。
本發明的各個步驟可以用通用的計算裝置來實現，例如，它們可以集中在單個的計算裝置上，例如：個人計算機、服務器計算機、手持設備或便攜式設備、平板型設備或者多處理器裝置，也可以分布在多個計算裝置所組成的網絡上，它們可以以不同于此處的順序執行所示出或描述的步驟，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現。因此，本發明不限于任何特定的硬件和軟件或者其結合。
本發明提供的方法可以使用可編程邏輯器件來實現，也可以實施為計算機程序軟件或程序模塊(其包括執行特定任務或實現特定抽象數據類型的例程、程序、對象、組件或數據結構等等)，例如根據本發明的實施例可以是一種計算機程序產品，運行該計算機程序產品使計算機執行用于所示范的方法。所述計算機程序產品包括計算機可讀存儲介質，該介質上包含計算機程序邏輯或代碼部分，用于實現所述方法。所述計算機可讀存儲介質可以是被安裝在計算機中的內置介質或者可以從計算機主體上拆卸下來的可移動介質(例如：采用熱插拔技術的存儲設備)。所述內置介質包括但不限于可重寫的非易失性存儲器，例如：ram、rom、快閃存儲器和硬盤。所述可移動介質包括但不限于：光存儲介質(例如：cd－rom和dvd)、磁光存儲介質(例如：mo)、磁存儲介質(例如：磁帶或移動硬盤)、具有內置的可重寫非易失性存儲器的媒體(例如：存儲卡)和具有內置rom的媒體(例如：rom盒)。
本發明并不限于上述實施方式，在不背離本發明實質內容的情況下，本領域普通技術人員可以想到的任何變形、改進或替換均落入本發明的保護范圍。
- 還沒有人留言評論。精彩留言會獲得點贊！