本申請涉及視頻處理技術(shù)領(lǐng)域，特別涉及一種視頻識別方法和裝置。

背景技術(shù)：

色情內(nèi)容作為互聯(lián)網(wǎng)的一種不良信息，是需要嚴格管控的，而視頻作為互聯(lián)網(wǎng)流量的主要部分，更加需要對其進行有效識別并進行管控。目前，色情內(nèi)容的識別方法主要有以下幾種：

1)基于特征庫的匹配識別。在預(yù)先存儲的人體特征庫中查找與待識別圖像匹配的人體敏感部位圖片所對應(yīng)的特征數(shù)據(jù)，然后根據(jù)匹配的特征數(shù)據(jù)計算待識別圖像對應(yīng)的置信度，并進一步根據(jù)置信度判斷對應(yīng)的待識別圖像是否為色情圖像。該方法的召回率和精準度依賴人體特征庫的完備性和匹配規(guī)則，對人體姿態(tài)、遮擋、光照比較敏感，特別地，對于暴露不充分的圖像，識別率較低。

2)基于膚色模型或敏感部位模型的識別。這種方法主要是通過大量樣本圖像膚色區(qū)域或人體敏感器官訓(xùn)練人體皮膚的顏色模型或人體敏感器官的顏色模型。然后根據(jù)上述模型對待識別圖像進行人體皮膚區(qū)域或敏感器官檢測。此種方法雖然對光照和不同膚色的人種比較敏感，但對于正常的裸露，如臉和手臂，誤判率較高。此外，敏感部位模型對遮擋比較敏感，特征的提取速度和識別速度都較慢。

3)基于卷積神經(jīng)網(wǎng)絡(luò)的識別方法的識別。該方法基于卷積神經(jīng)網(wǎng)絡(luò)，通過循環(huán)訓(xùn)練大量的樣本，得到最終的檢測模型，并通過檢測模型對待識別視頻中的圖像幀進行識別。

雖然，基于卷積神經(jīng)網(wǎng)絡(luò)的識別方法能夠克服因環(huán)境光線的多樣化、人種的多樣性等問題，但是該方法與方法1)和2)都只是圖像級的識別方法。目前在對視頻的識別中，可通過抽取視頻的關(guān)鍵幀，然后將以上一種或幾種圖像級的處理方法應(yīng)用到每個關(guān)鍵幀上進行識別。但是這種方法中關(guān)鍵幀抽取沒有考慮到視頻中圖像在時間域上的連續(xù)性，而且決策模型簡單，分類特征值區(qū)分度不高，導(dǎo)致精度不理想；此外，需要解碼整個視頻，有大量冗余計算，識別速度非常不理想。

技術(shù)實現(xiàn)要素：

本申請旨在至少在一定程度上解決上述技術(shù)問題。

為此，本申請的第一個目的在于提出一種視頻識別方法，降低了識別耗時，提高了識別速度和精度。

本申請的第二個目的在于提出一種視頻識別裝置。

為達上述目的，根據(jù)本申請第一方面實施例提出了一種視頻識別方法，包括以下步驟：將待識別視頻劃分為多個區(qū)間；分別對所述多個區(qū)間進行多層級探測，并在對每個區(qū)間進行多層級探測的過程中獲取所述待識別視頻的色情統(tǒng)計指標，并根據(jù)所述色情統(tǒng)計指標判斷所述待識別視頻是否為色情視頻。

本申請實施例的視頻識別方法，可將待識別視頻劃分為多個區(qū)間，并進行多層級探測，根據(jù)探測過程中的色情統(tǒng)計指標判斷待識別視頻是否為色情視頻，通過多層級探測的方式，利用了相鄰圖像幀之間的視覺相似性和時間連續(xù)性，獲得的色情統(tǒng)計指標魯棒性強，并且在探測過程中可根據(jù)探測的進度更新色情統(tǒng)計指標，從而并進行判斷，從而可提前返回判斷結(jié)果，無需解碼和探測整個待識別視頻，降低了識別耗時，提高了識別速度和精度。

本申請第二方面實施例提供了一種視頻識別裝置，包括：劃分模塊，用于將待識別視頻劃分為多個區(qū)間；探測模塊，用于分別對所述多個區(qū)間進行多層級探測，并在對每個區(qū)間進行多層級探測的過程中獲取所述待識別視頻的色情統(tǒng)計指標；判斷模塊，用于在對每個區(qū)間進行多層級探測的過程中根據(jù)所述色情統(tǒng)計指標判斷所述待識別視頻是否為色情視頻。

本申請實施例的視頻識別裝置，可將待識別視頻劃分為多個區(qū)間，并進行多層級探測，根據(jù)探測過程中的色情統(tǒng)計指標判斷待識別視頻是否為色情視頻，通過多層級探測的方式，利用了相鄰圖像幀之間的視覺相似性和時間連續(xù)性，獲得的色情統(tǒng)計指標魯棒性強，并且在探測過程中可根據(jù)探測的進度更新色情統(tǒng)計指標，從而并進行判斷，從而可提前返回判斷結(jié)果，無需解碼和探測整個待識別視頻，降低了識別耗時，提高了識別速度和精度。

本申請的附加方面和優(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，或通過本申請的實踐了解到。

附圖說明

本申請的上述和/或附加的方面和優(yōu)點從結(jié)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為根據(jù)本申請一個實施例的視頻識別方法的流程圖；

圖2為根據(jù)本申請一個實施例的多層級結(jié)構(gòu)的示意圖；

圖3為根據(jù)本申請一個實施例的對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標的流程圖；

圖4為根據(jù)本申請一個實施例的對待識別幀所在的鏡頭進行鏡頭級色情識別的流程圖；

圖5為根據(jù)本申請一個實施例的對待檢測片段進行片段級色情識別的流程圖；

圖6為根據(jù)申請一個實施例的獲取兩個圖像幀之間的幀差的流程圖；

圖7為根據(jù)本申請另一個實施例的對待識別幀所在的鏡頭進行鏡頭級色情識別的流程圖；

圖8為根據(jù)本申請一個實施例的對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標并判斷待識別視頻是否為色情視頻的流程圖；

圖9為根據(jù)本申請一個實施例的視頻識別裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面詳細描述本申請的實施例，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，僅用于解釋本申請，而不能理解為對本申請的限制。

下面參考附圖描述根據(jù)本申請實施例的視頻識別方法和裝置。

圖1為根據(jù)本申請一個實施例的視頻識別方法的流程圖。

如圖1所示，根據(jù)本申請實施例的視頻識別方法，包括：

S101，將待識別視頻劃分為多個區(qū)間。

在本申請的一個實施例中，可根據(jù)待識別視頻的時長將其劃分為多個區(qū)間。本申請對區(qū)間的劃分的規(guī)則不做限定。舉例而言，可根據(jù)待識別視頻的時長將待識別視頻平均劃分為等長度的多個區(qū)間，或者將待識別視頻劃分為時長為預(yù)設(shè)時長的多個區(qū)間，當(dāng)待識別視頻的時長不能整除預(yù)設(shè)時長時，可將不能整除的剩余部分單獨作為一個區(qū)間或者合并至其相鄰區(qū)間。

在本申請的一個實施例中，多個區(qū)間可分別具有各自的處理優(yōu)先級。該處理優(yōu)先級可在劃分區(qū)間時對每個區(qū)間分別進行設(shè)定。處理優(yōu)先級越高，則在后續(xù)進行多層級探測時可被優(yōu)先處理。具體地，在設(shè)定處理優(yōu)先級時，可根據(jù)歷史經(jīng)驗進行設(shè)定，例如，根據(jù)對大量色情視頻的分析，得知大部分色情視頻中敏感內(nèi)容大多位于視頻中后部，則可將位于待識別視頻中后部的區(qū)間的處理優(yōu)先級設(shè)置為高。

S102，分別對多個區(qū)間進行多層級探測，并在對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標，并根據(jù)色情統(tǒng)計指標判斷待識別視頻是否為色情視頻。

其中，多層級探測是指根據(jù)視頻的多層級結(jié)構(gòu)對待識別視頻進行探測。具體地，如圖2所示，視頻自上而下可分別包括：

第一級：區(qū)間級(圖2中用range[i]表示第i個區(qū)間)。即將視頻根據(jù)其時長分為多個區(qū)間，可通過S101實現(xiàn)。

第二級：鏡頭級(圖2中用shot[i]表示第i個鏡頭)。鏡頭是次語義級別的視頻處理單元，一個鏡頭是時間上連續(xù)且視覺相似的幀的集合。色情識別在鏡頭中進行時，以鏡頭為單位統(tǒng)計色情概率值，并累計時長。

第三級：片段級(圖2中用segment[i]表示第i個片段)。由于超長的鏡頭會導(dǎo)致較長的處理耗時，因此，可將長鏡頭進行切分為一定時長(即第三時間，例如可為15秒)的片段。色情識別在片段中進行時，將片段的統(tǒng)計概率值累加至從屬鏡頭的統(tǒng)計概率值。

第四級：幀級(圖2中用frame[i]表示第i個圖像幀)。從視頻中解碼獲得一個完整的圖像幀，基于深度卷積神經(jīng)網(wǎng)絡(luò)的色情圖像識別算法對圖像幀進行識別，將獲得色情概率值累加至片段或鏡頭統(tǒng)計值中。

其中，區(qū)間中鏡頭的劃分以及鏡頭中片段的劃分是在探測過程中在逐幀識別時生成的。

具體地，鏡頭的劃分是在對每一圖像幀進行識別時計算該圖像幀與其相鄰圖像幀的幀差，如果幀差為1，則這兩個圖像幀之間即為兩個鏡頭的分隔點。

鏡頭中的片段的劃分是在鏡頭識別過程中，從鏡頭中的第一個圖像幀開始向后累積各個圖像幀的時長，當(dāng)累計時長達到設(shè)定的片段時長時，則生成一個片段，并開始下一片段的生成。鏡頭中第一片段的開始是該鏡頭的初始幀，最后一個片段的結(jié)尾是該鏡頭的結(jié)束幀。

在本申請的一個實施例中，對多個區(qū)間進行多層級探測時，可將多個區(qū)間分為N個區(qū)間組，并通過N個并行線程對N個區(qū)間組分別進行探測，其中，每個線程按照處理優(yōu)先級依次對其對應(yīng)的區(qū)間組中的區(qū)間進行多層級探測，其中，N為正整數(shù)。

應(yīng)當(dāng)理解，在本申請的另一個實施例中，也可無需對多個區(qū)間進行分組，可直接通過多個并行線程按照多個區(qū)間的處理優(yōu)先級對多個區(qū)間并行探測。

由此，可通過多個并行線程按照一定的策略對多個區(qū)間進行并多層級探測，能夠充分硬件計算資源，利用多線程技術(shù)將硬件資源轉(zhuǎn)化為速度的提升，從而提高了視頻識別效率。

在本申請的實施例中，色情統(tǒng)計指標可包括總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率中的一種或多種?？苫陬A(yù)先訓(xùn)練的支持向量機判別模型對累計色情概率值、非色情次數(shù)、總色情幀數(shù)、總色情時長、鏡頭處理總數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率進行分析，以判斷待識別視頻是否為色情視頻。

其中，累計色情概率值為在探測過程中鏡頭時長不小于第一時間且色情概率值大于第二概率閾值的已識別鏡頭的鏡頭時長總和，總色情時長是隨著鏡頭檢測過程逐漸累計得到的。

非色情次數(shù)為在探測過程中識別到色情概率值不大于第一概率閾值的圖像幀的次數(shù)。

總色情幀數(shù)為在探測過程中識別出的色情圖像幀的總數(shù)。其中，色情圖像幀為色情概率值大于第四概率閾值的圖像幀。另外，如果一個圖像幀集合中的圖像幀的平均色情概率閾值 大于第四概率閾值，則判斷該圖像幀集合中的圖像幀為色情圖像幀。

鏡頭處理總數(shù)為在探測過程中進行鏡頭級色情識別的鏡頭總數(shù)。

幀處理總數(shù)為在探測過程中進行色情識別的圖像幀總數(shù)。

總色情時長為在探測過程中鏡頭時長不小于第一時間且色情概率值大于第二概率閾值的已識別鏡頭的鏡頭時長總和。

應(yīng)當(dāng)理解，上述色情統(tǒng)計指標中的待識別視頻的視頻時長和幀率為待識別視頻的固有屬性。而總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)是在探測過程中隨著探測的進行不斷變換的，則探測過程中，當(dāng)每個指標發(fā)生更新時，即可據(jù)此判斷待識別視頻是否為色情視頻。而

在本申請的實施例中，可通過對大量的被人工標記的樣本視頻(包括色情視頻和非色情視頻)進程探測，以得到的統(tǒng)計指標，然后根據(jù)得到的統(tǒng)計指標進行訓(xùn)練并支持向量機(Support Vector Machine，SVM)建立該判別模型。

應(yīng)當(dāng)理解，在本申請的實施例中，多層級探測可為上述四個層級中兩個或兩個以上層級的組合探測，例如，區(qū)間級探測->鏡頭級探測->片段級探測->幀級探測，或者區(qū)間級探測->鏡頭級探測->幀級探測，或者區(qū)間級探測->幀級探測等。

具體地，區(qū)間級探測->鏡頭級探測->片段級探測->幀級探測可如圖3、圖4和圖5所示，區(qū)間級探測->鏡頭級探測->幀級探測可如圖3和圖7所示，區(qū)間級探測->幀級探測可如圖8所示。

下面結(jié)合圖3-圖8對本申請的對每個區(qū)間進行多層級探測的過程進行說明。

圖3為根據(jù)本申請一個實施例的對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標的流程圖。如圖3所示，對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標包括以下步驟：

S1，將當(dāng)前探測區(qū)間的第一個圖像幀作為待識別幀。

S2，對待識別幀進行色情識別，以獲取待識別幀的色情概率值，并將當(dāng)前的幀處理總數(shù)加1。

具體地，可首先對待識別幀進行解碼，并在解碼后對待識別幀進行色情識別。在本申請的實施例中，將當(dāng)前探測區(qū)間的第一個圖像幀作為待識別幀。

本申請的實施例中，可基于深度卷積神經(jīng)網(wǎng)絡(luò)對待識別幀圖像進行色情識別，以獲取待識別幀的色情概率值?；谏疃染矸e神經(jīng)網(wǎng)絡(luò)的識別方法能夠根據(jù)圖像幀的顏色、形狀、紋理、結(jié)構(gòu)等信息對圖像幀進行識別，避免了傳統(tǒng)識別算法中特征提取和數(shù)據(jù)重建的復(fù)雜過程，圖像幀可直接作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入，對圖像的平移、比例縮放、傾斜或者共他形式的變形具有高度不變性。根據(jù)實驗統(tǒng)計結(jié)果，本申請實施例中，基于深度卷積神經(jīng)網(wǎng)絡(luò)的識 別方法的召回率和精度可分別達到90％和95％，由此可見，該方法大大提高了單幀圖像的識別精度和召回率。

S3，如果待識別幀的色情概率值大于第一概率閾值，則對待識別幀所在的鏡頭進行鏡頭級色情識別，以獲取待識別幀所在鏡頭的色情概率值和色情時長。

在本申請的一個實施例中，第一概率閾值用于對單幀圖像進行判斷，如果圖像幀的色情概率值大于第一概率閾值，則可判斷該圖像幀為可疑色情幀。因此，如果待識別幀的色情概率值大于第一概率閾值，則可通過圖4所示的實施例進一步對待識別幀所在的鏡頭進行鏡頭級色情識別，以獲取待識別幀所在鏡頭的色情概率值和色情時長，并進行后續(xù)判斷識別。

S4，如果待識別幀所在鏡頭的色情概率值大于第二概率閾值，則進一步判斷待識別幀所在鏡頭的色情時長是否小于第一時間。

S5，如果小于第一時間，則將待識別幀所在鏡頭與相鄰的同類鏡頭進行合并，以使合并后的鏡頭的時長不小于第一時間。

如果鏡頭的時長小于第一時間，則表示該鏡頭為短鏡頭。由于短鏡頭的可信度較低，因此可對鏡頭進行合并。其中，第一時間可以是2秒。

具體地，鏡頭合并的規(guī)則是相鄰的色情鏡頭進行合并，相鄰的非色情鏡頭進行合并。也就是說，如若當(dāng)前鏡頭是短的色情鏡頭，且其前相鄰鏡頭也是色情鏡頭，則將該鏡頭合并到前一個鏡頭中。若當(dāng)前鏡頭是短的色情鏡頭，且其前相鄰鏡頭不是色情鏡頭，則將該鏡頭不會合并。同樣，若當(dāng)前鏡頭是短的非色情鏡頭，且其前相鄰鏡頭也是非色情鏡頭，則將該鏡頭合并到前一個鏡頭中。若當(dāng)前鏡頭不是短鏡頭，但其前相鄰鏡頭是短鏡頭，亦會嘗試合并。在合并時，鏡頭時長相加，鏡頭的色情概率值分數(shù)相加。

S6，如果不小于第一時間，則將待識別幀所在鏡頭的色情時長累加至當(dāng)前的總色情時長，以對總色情時長進行更新。

此外，可將待識別幀所在鏡頭的色情概率值累加至當(dāng)前的累計色情概率值，以對累計色情概率值進行更新。

S7，如果總色情時長大于第二時間，則判斷待識別視頻為色情視頻；

S8，如果總色情時長不大于第二時間，則將待識別幀的下一圖像幀作為新的待識別幀，并重復(fù)S2-S8，直至當(dāng)前探測區(qū)間探測完成，其中，第一時間小于第二時間。

其中，第一時間小于第二時間。

總色情時長為當(dāng)前已探測完成的所有區(qū)間的色情時長的總和，在區(qū)間探測過程中，是隨著探測過程的進行實時變化的。具體地，每對一個鏡頭識別結(jié)束后，將該鏡頭的色情時長累加至當(dāng)前的總色情時長，以對總色情時長進行更新。

如果總色情時長大于第二時間，則可判斷待識別視頻為色情視頻，否則繼續(xù)探測，直至 總色情時長大于第二時間判斷待識別視頻為色情視頻，或者全部多個區(qū)間都探測完成判斷帶視頻為非色情視頻。

S9，如果待識別幀的色情概率值不大于第一概率閾值，則將非色情次數(shù)加1，并判斷非色情次數(shù)是否大于次數(shù)閾值。

S10，如果非色情次數(shù)大于次數(shù)閾值，則判斷待識別幀所在鏡頭為非色情鏡頭并將非色情鏡頭數(shù)加1，并結(jié)束當(dāng)前探測區(qū)間的探測，并對當(dāng)前探測區(qū)間的下一區(qū)間進行探測。

如果待識別幀的色情概率值不大于第一概率閾值，則表示該待識別幀為非色情幀，則可直接對下一區(qū)間進行探測，而不需要進一步進行鏡頭級識別。從而能夠控制鏡頭級識別的次數(shù)，提高了識別效率。

S11，如果非色情次數(shù)不大于次數(shù)閾值，則將待識別幀的下一圖像幀作為新的待識別幀，并重復(fù)S2-S11，直至當(dāng)前探測區(qū)間的探測結(jié)束。

由此，完成了一個區(qū)間的探測。

在本申請的實施例中，由于可通過多個線程對區(qū)間進行并行探測，也就是說，每個線程各自處理一個區(qū)間序列，因此，當(dāng)一個線程探測完成一個區(qū)間后，可繼續(xù)對該線程所處理的區(qū)間序列中的下一區(qū)間進行探測，從而使視頻的識別過程有序高效的進行。

圖4為根據(jù)本申請一個實施例的對待識別幀所在的鏡頭進行鏡頭級色情識別的流程圖。如圖4所示，對待識別幀所在的鏡頭進行鏡頭級色情識別具體包括以下步驟：

S301，判斷待識別幀是否為待識別視頻的最后一幀圖像。

如果是，則鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時長。

S302，如果否，則進一步判斷待識別幀所在鏡頭中已識別圖像幀的數(shù)量是否大于預(yù)設(shè)數(shù)量。

S303，如果已識別圖像幀的數(shù)量大于預(yù)設(shè)數(shù)量，則對后續(xù)圖像幀進行搜索，直至達到鏡頭邊界，并將待識別幀的下一圖像幀作為新的待識別幀。

具體地，在一次鏡頭級色情識過程中，每次對一個圖像幀進行識別時，都將已識別圖像幀的數(shù)量加1，以實時更新已識別圖像幀的數(shù)量。當(dāng)鏡頭中已識別的圖像幀的數(shù)量大于預(yù)設(shè)數(shù)量時，可直接搜索后續(xù)圖像幀，找到鏡頭邊界，結(jié)束待識別幀所在鏡頭的識別過程。此時，可將搜索到的鏡頭邊界的下一圖像幀作為待識別幀。

S304，如果已識別圖像幀的數(shù)量不大于預(yù)設(shè)數(shù)量，則將待識別幀緩存至待檢測片段。

其中，第三時間可為15秒。

S305，檢測待識別幀是否達到鏡頭邊界檢測。

在本申請的一個具體實施例中，S305可具體包括：通過顏色統(tǒng)計直方圖法計算待識別 幀和待識別幀的下一圖像幀的幀差；如果該幀差為1，則判斷待識別幀達到鏡頭邊界檢測；如果幀差為0，則判斷待識別幀是未否達到鏡頭邊界檢測。

S306，如果待識別幀未達到鏡頭邊界，則判斷待檢測片段中的圖像幀的總時長是否達到第三時間。

S307，如果待檢測片段中的圖像幀的總時長未達到第三時間，則將待識別幀的下一幀作為新的待識別幀，并重復(fù)S303-S307，直至待檢測片段中的圖像幀的總時長達到第三時間。

其中，第三時間用于控制片段的長度。如果待檢測片段中的圖像幀的總時長達到第三時間或者待識別幀達到鏡頭邊界，則待檢測片段中緩存的圖像幀可構(gòu)成一個片段。從而可對待檢測片段進行片段級色情識別，以獲取待檢測片段的色情概率值和色情時長。

也就是說，可在鏡頭級識別開始時生成一個空的集合作為待檢測片段，然后依次將相鄰的將圖像幀添加至待檢測片段，直至待檢測片段中圖像幀的總時長達到第三時間，則該待檢測片段完成。從而可通過此方式控制片段的長度，并在識別過程中動態(tài)生成片段。

S308，如果待識別幀達到鏡頭邊界或者待檢測片段中的圖像幀的總時長達到第三時間，則對待檢測片段進行片段級色情識別，以獲取待檢測片段的色情概率值和色情時長。

具體地，可通過如圖5的實施例進一步對待檢測片段進行片段級色情識別。

S309，將待檢測片段的色情概率值累加至當(dāng)前的鏡頭色情概率值，并將待檢測片段的色情時長累加至當(dāng)前的鏡頭色情時長，以分別對當(dāng)前的鏡頭色情概率值和當(dāng)前的鏡頭色情時長進行更新。

S310，如果當(dāng)前的鏡頭色情概率值大于第三概率閾值，則將鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時長。

第三概率閾值用于對鏡頭進行判斷，如果鏡頭的色情概率閾值大于第三概率閾值，則可判斷該鏡頭為色情鏡頭。因此，如果當(dāng)前的鏡頭色情概率值大于第三概率閾值，則可將鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時長。

S311，如果片段總色情概率值不大于第三概率閾值，則檢測待識別幀是否達到鏡頭邊界。

S312，如果待識別幀達到鏡頭邊界，或者S301中判斷待識別幀為待識別視頻的最后一幀圖像，或者在S303中搜索到鏡頭邊界后，將鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時長。

具體地，如果S311中判斷達到鏡頭邊界或者在S303中搜索到鏡頭邊界后，則需要返回區(qū)間級探測，以觸發(fā)下一鏡頭的鏡頭級色情識別，因此，可將得到的鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時長。

如果S301中判斷待識別幀為待識別視頻的最后一幀圖像，則表面待識別視頻已探測結(jié)束，可將鏡頭色情概率值和鏡頭色情時長分別作為待識別幀所在鏡頭的色情概率值和色情時 長，以進一步得到總色情時長和累計色情概率值，并輸入到判別模型，對待識別視頻進行識別判斷。

S313，如果待識別幀未達到鏡頭邊界，則將待識別幀的下一圖像幀作為新的待識別幀，并重復(fù)S301-S313。

由此，完成了鏡頭級色情識別的過程。

圖5為根據(jù)本申請一個實施例的對待檢測片段進行片段級色情識別的流程圖。如圖5所示，對待檢測片段進行片段級色情識別具體包括以下步驟：

S501，按照預(yù)設(shè)規(guī)則對待檢測片段中的圖像幀進行采樣，其中，被采樣的圖像幀組成第三初始評估集合。

具體地，待檢測片段是一組時間連續(xù)的圖像幀序列，可根據(jù)預(yù)設(shè)采樣率等間隔地對該圖像幀序列進行采樣，以得到第三初始評估集合。舉例來說，如果待檢測片段中有100個圖像幀，預(yù)設(shè)采樣率為50％，則可每兩隔一個圖像幀采樣一次，從而從得到第三初始評估集合中的50個圖像幀。

S502，對第三初始評估集合進行色情識別，以獲取第三初始評估集合中每個圖像幀的色情概率值。

在本申請的實施例中，可通過多個線程對第三初始評估集合中的圖像幀并行地進行幀級識別，即通過上述基于深度卷積神經(jīng)網(wǎng)絡(luò)對每個圖像幀進行色情識別，從而得到第三初始評估集合中每個圖像幀的色情概率值。

S503，根據(jù)第三初始評估集合中每個圖像幀的色情概率值計算第三初始評估集合中的圖像幀的平均色情概率值，并確定第三初始評估集合中色情概率值最小的圖像幀。

S504，判斷第三初始評估集合中的圖像幀的平均色情概率值是否大于第四概率閾值。

S505，如果第三初始評估集合中的圖像幀的平均色情概率值大于第四概率閾值，則將第三初始評估集合中的圖像幀的平均色情概率值作為待檢測片段的色情概率值，其中，第四概率閾值大于第一概率閾值。

其中，第四概率閾值用于對單幀圖像進行判斷，如果圖像幀的色情概率值大于第四概率閾值，則可判斷該圖像幀為色情幀。如果第三初始評估集合中的圖像幀的平均色情概率值大于第四概率閾值，則表示第三初始評估集合中的圖像幀為色情幀。此時，可結(jié)束片段級色情識別的過程，并將平均色情概率值作為待檢測片段的色情概率值。

S506，如果第三初始評估集合中的圖像幀的平均色情概率值不大于第四概率閾值，則分別計算待檢測片段中未被采樣的每個圖像幀與色情概率值最小的圖像幀的幀差，并將幀差為1的未被采樣的圖像幀添加至第三初始評估集合中，以得到第三目標評估集合。

S507，對第三目標評估集合進行色情識別，以獲取第三目標評估集合中每個圖像幀中的 色情概率值。

同樣地，可基于深度卷積神經(jīng)網(wǎng)絡(luò)對第三目標評估集合中的圖像進行色情識別。

S508，根據(jù)第三目標評估集合中每個圖像幀中的色情概率值計算第三目標評估集合中圖像幀的平均色情概率值，并作為待檢測片段的色情概率值。

然后，可同樣地并行地進行幀級識別，獲得每個圖像幀的色情概率值后進行平均，得到第三目標評估集合中圖像幀的平均色情概率值。二次評估和并行處理的方式保證了理想的處理速度和精度。該處理流程如圖5所示。

由于第三目標評估集合中的圖像幀與色情概率值最小的圖像幀的幀差為1，即第三目標評估集合中的圖像幀與色情概率值最小的圖像幀的差別較大，而色情概率值最小的圖像幀為色情圖像幀的概率較低，因此，第三目標評估集合中的圖像幀的色情概率值更高，從而，第三目標評估集合在很大程度上彌補了第三初始評估集合的采樣不足的問題，提高了對色情內(nèi)容的敏感度。

由此，完成了片段級色情識別。在片段級色情識別的過程中，通過并行幀級識別和第二評估的方式，進一步提高了識別的速度和精度。

圖6為根據(jù)申請一個實施例的獲取兩個圖像幀之間的幀差的流程圖。具體地，如圖6所示，獲取兩個圖像幀之間的幀差包括以下步驟：

S601，按照預(yù)設(shè)規(guī)則將兩個圖像幀分別劃分為M個區(qū)域，并為M個區(qū)域分別進行編號，其中，M為大于2的正整數(shù)。

舉例來說，將每個圖像幀劃分為4×4的方陣區(qū)域，此時，M＝16。其中，每個區(qū)域?qū)?yīng)的標號分別0-15。

S602，計算兩個圖像幀中每個像素點的顏色值。

其中，顏色值可以是RGB(Red，Green，Blue，紅，綠，藍)空間、HSV(Hue，Saturation，Value，色調(diào)，飽和度，亮度)空間、YUV(色度、亮度)空間等中的任意一種顏色空間對應(yīng)的顏色值。舉例來說，YUV空間對應(yīng)的顏色值為灰度值。

S603，根據(jù)兩個圖像幀中各個區(qū)域中像素點的顏色值分別計算兩個圖像幀的局部顏色統(tǒng)計直方圖。

其中，以灰度值為例，計算兩個圖像幀的局部顏色統(tǒng)計直方圖是指，對于圖像幀中的每個區(qū)域來說，各個灰度值在區(qū)域內(nèi)全部像素點中所占的比例的統(tǒng)計結(jié)果，其中，可通過公式(1)來表示：

H_i(y)＝Σ{x：I(x)＝y(tǒng)} (1)

其中，0≤i≤M-1表示區(qū)域的編號，0≤y≤255表示灰度值。

S604，根據(jù)兩個圖像幀的局部顏色統(tǒng)計直方圖計算兩個圖像幀的幀差。

具體地，可通過公式(2)計算兩個圖像幀的幀差f：

其中，表示兩個圖像幀中第i個區(qū)域的顏色統(tǒng)計直方圖的差，LTH表示局部閾值，GTH表示全局閾值，其中，LTH和GTH為預(yù)設(shè)的。

由此，可通過如圖6所示的實施例計算圖4所示實施例中待識別幀和待識別幀的下一圖像幀的幀差，以對鏡頭邊界進行檢測。還可通過如圖6所示的實施例計算圖5所示實施例中待檢測片段中未被采樣的每個圖像幀與色情概率值最小的圖像幀的幀差，以進行二次評估。

通過局部顏色直方圖的方法計算待識別幀和待識別幀的下一圖像幀的幀差，以進行鏡頭邊界檢測，對于較大局部變化的區(qū)域能夠準確地檢測為不同鏡頭，檢測精度更高，從而與深度卷積神經(jīng)網(wǎng)絡(luò)的單幀識別的配合度更高。

圖7為根據(jù)本申請另一個實施例的對待識別幀所在的鏡頭進行鏡頭級色情識別的流程圖。如圖7所示，對待識別幀所在的鏡頭進行鏡頭級色情識別具體包括以下步驟：

S701，按照預(yù)設(shè)規(guī)則對待識別幀所在的鏡頭中的圖像幀進行采樣，其中，被采樣的圖像幀組成第二初始評估集合。

其中，可從待識別幀開始搜索到鏡頭邊界，從而確定待識別幀所在的鏡頭。

S702，對第二初始評估集合進行色情識別，以獲取第二初始評估集合中每個圖像幀的色情概率值。

S703，根據(jù)第二初始評估集合中每個圖像幀的色情概率值計算第二初始評估集合中的圖像幀的平均色情概率值。

其中，S701-S703可參照S501-S503.

S704，判斷第二初始評估集合中的圖像幀的平均色情概率值是否大于第六概率閾值。

S705，如果第二初始評估集合中的圖像幀的平均色情概率值大于第六概率閾值，則將第二初始評估集合中的圖像幀的平均色情概率值作為待識別幀所在鏡頭的色情概率值，并將第二初始評估集合中的圖像幀的累計時長作為待識別幀所在鏡頭的色情時長。

S706，如果第二初始評估集合中的圖像幀的平均色情概率值不大于第六概率閾值，則確定第二初始評估集合中色情概率值最小的圖像幀。

S707，分別計算待檢測片段中未被采樣的每個圖像幀與色情概率值最小的圖像幀的幀差，并將幀差為1的未被采樣的圖像幀添加至第二初始評估集合中，以得到第二目標評估集合。

S708，對第二目標評估集合進行色情識別，以獲取第二目標評估集合中每個圖像幀中的色情概率值。

同樣地，可基于深度卷積神經(jīng)網(wǎng)絡(luò)對第二目標評估集合中的圖像進行色情識別。

S709，根據(jù)第二目標評估集合中每個圖像幀中的色情概率值計算第二目標評估集合中圖像幀的平均色情概率值。

S710，如果第二目標評估集合中圖像幀的平均色情概率值大于第六概率閾值，則將第二目標評估集合中的圖像幀的平均色情概率值作為待識別幀所在鏡頭的色情概率值，并將第二目標評估集合中的圖像幀的累計時長作為待識別幀所在鏡頭的色情時長。

圖8為根據(jù)本申請一個實施例的對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標并判斷待識別視頻是否為色情視頻的流程圖。如圖8所示，具體包括以下步驟：

S801，按照預(yù)設(shè)規(guī)則對當(dāng)前探測區(qū)間中的圖像幀進行采樣，其中，被采樣的圖像幀組成第第一初始評估集合。

S802，對第一初始評估集合進行色情識別，以獲取第一初始評估集合中每個圖像幀的色情概率值。

S803，根據(jù)第一初始評估集合中每個圖像幀的色情概率值計算第一初始評估集合中的圖像幀的平均色情概率值。

具體地，S801-S803可參照S501-S503。

S804，判斷第一初始評估集合中的圖像幀的平均色情概率值是否大于第五概率閾值。

S805，如果第一初始評估集合中的圖像幀的平均色情概率值大于第五概率閾值，則判斷待識別視頻為色情視頻。

S806，如果第一初始評估集合中的圖像幀的平均色情概率值不大于第五概率閾值，則確定第一始評估集合中色情概率值最小的圖像幀。

S807，分別計算當(dāng)前探測區(qū)間中未被采樣的每個圖像幀與色情概率值最小的圖像幀的幀差，并將幀差為1的未被采樣的圖像幀添加至第一初始評估集合中，以得到第一目標評估集合。

S808，對第一目標評估集合進行色情識別，以獲取第一目標評估集合中每個圖像幀中的色情概率值。

同樣地，可基于深度卷積神經(jīng)網(wǎng)絡(luò)對第一目標評估集合中的圖像進行色情識別。

S809，根據(jù)第一目標評估集合中每個圖像幀中的色情概率值計算第一目標評估集合中圖像幀的平均色情概率值。

S810，如果第一目標評估集合中圖像幀的平均色情概率值大于第五概率閾值，則判斷待 識別視頻為色情視頻，否則對下一區(qū)間進行探測。

本申請實施例的視頻識別方法，可將待識別視頻劃分為多個區(qū)間，并進行多層級探測，根據(jù)探測過程中的色情統(tǒng)計指標判斷待識別視頻是否為色情視頻，通過多層級探測的方式，利用了相鄰圖像幀之間的視覺相似性和時間連續(xù)性，獲得的色情統(tǒng)計指標魯棒性強，并且在探測過程中可根據(jù)探測的進度更新色情統(tǒng)計指標，從而并進行判斷，從而可提前返回判斷結(jié)果，無需解碼和探測整個待識別視頻，降低了識別耗時，提高了識別速度和精度。

此外，本申請實施例的視頻識別方法還具有以下優(yōu)點：

1、基于深度卷積神經(jīng)網(wǎng)絡(luò)對視頻單幀進行色情程度的判定，提高了單幀識別的精度；

2、基于級探測的識別方法，以鏡頭為處理基本單元，利用了鏡頭內(nèi)畫面視覺相似性和時間連續(xù)性，并通過采樣和差異性二次評估，降低了幀級識別誤報和漏報帶來的噪聲，也減少了冗余計算；

3、利用局部色情直方圖差進行視頻鏡頭邊界檢測，使得同一鏡頭內(nèi)的圖像有很高的概率在基于深度神經(jīng)網(wǎng)絡(luò)的色情圖像識別模型下有相近的特征表達；

4、利用先驗知識將待識別視頻劃分為多個具有各自處理優(yōu)先級、可并行處理的區(qū)間，在片段級色情識別過程中通過緩存幀，使得可進行并行處理多幀，提高識別效率；

5、在每個圖像幀進行識別之前對其進行解碼，而不是在視頻識別之初將視頻中的全部圖像幀進行解碼，從而在提前返回結(jié)果時，可大大減少解碼的圖像幀的數(shù)量，提高處理速度；

6、在各層級識別過程中，通過鏡頭中已識別圖像幀的數(shù)量的上限、色情時長的閾值、片段時長的閾值、區(qū)間非色情次數(shù)的上限來控制計算額度，使得總體識別速度可控，并與視頻時長無關(guān)；

7、利用總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率等為變量建立判別模型進行色情判斷識別，提高了識別精度。

為了實現(xiàn)上述實施例，本申請還提出一種視頻識別裝置。

圖9為根據(jù)本申請一個實施例的視頻識別裝置的結(jié)構(gòu)示意圖。

如圖9所示，根據(jù)本申請實施例的視頻識別裝置，包括：劃分模塊10、探測模塊20和判斷模塊30。

具體地，劃分模塊10用于將待識別視頻劃分為多個區(qū)間。

在本申請的一個實施例中，劃分模塊10可根據(jù)待識別視頻的時長將其劃分為多個區(qū)間。本申請對區(qū)間的劃分的規(guī)則不做限定。舉例而言，劃分模塊10可根據(jù)待識別視頻的時長將待識別視頻平均劃分為等長度的多個區(qū)間，或者將待識別視頻劃分為時長為預(yù)設(shè)時長的多個區(qū)間，當(dāng)待識別視頻的時長不能整除預(yù)設(shè)時長時，可將不能整除的剩余部分單獨作為一個區(qū) 間或者合并至其相鄰區(qū)間。

在本申請的一個實施例中，多個區(qū)間可分別具有各自的處理優(yōu)先級。該處理優(yōu)先級可在劃分區(qū)間時對每個區(qū)間分別進行設(shè)定。處理優(yōu)先級越高，則在后續(xù)進行多層級探測時可被優(yōu)先處理。具體地，在設(shè)定處理優(yōu)先級時，可根據(jù)歷史經(jīng)驗進行設(shè)定，例如，根據(jù)對大量色情視頻的分析，得知大部分色情視頻中敏感內(nèi)容大多位于視頻中后部，則可將位于待識別視頻中后部的區(qū)間的處理優(yōu)先級設(shè)置為高。

探測模塊20用于分別對多個區(qū)間進行多層級探測，并在對每個區(qū)間進行多層級探測的過程中獲取待識別視頻的色情統(tǒng)計指標。

其中，多層級探測是指根據(jù)視頻的多層級結(jié)構(gòu)對待識別視頻進行探測，具體可如圖2所示。

其中，區(qū)間中鏡頭的劃分以及鏡頭中片段的劃分是在探測過程中在逐幀識別時生成的。

具體地，鏡頭的劃分是在對每一圖像幀進行識別時計算該圖像幀與其相鄰圖像幀的幀差，如果幀差為1，則這兩個圖像幀之間即為兩個鏡頭的分隔點。

鏡頭中的片段的劃分是在鏡頭識別過程中，從鏡頭中的第一個圖像幀開始向后累積各個圖像幀的時長，當(dāng)累計時長達到設(shè)定的片段時長時，則生成一個片段，并開始下一片段的生成。鏡頭中第一片段的開始是該鏡頭的初始幀，最后一個片段的結(jié)尾是該鏡頭的結(jié)束幀。

在本申請的一個實施例中，探測模塊對多個區(qū)間進行多層級探測時，具體用于：將多個區(qū)間分為N個區(qū)間組，其中，N為正整數(shù)；通過N個并行線程對N個區(qū)間組分別進行探測，其中，每個線程按照處理優(yōu)先級依次對其對應(yīng)的區(qū)間組中的區(qū)間進行多層級探測。

應(yīng)當(dāng)理解，在本申請的另一個實施例中，也可無需對多個區(qū)間進行分組，可直接通過多個并行線程按照多個區(qū)間的處理優(yōu)先級對多個區(qū)間并行探測。

由此，可通過多個并行線程按照一定的策略對多個區(qū)間進行并多層級探測，能夠充分硬件計算資源，利用多線程技術(shù)將硬件資源轉(zhuǎn)化為速度的提升，從而提高了視頻識別效率。

具體地，探測模塊20具體用于執(zhí)行圖3所示步驟對每個區(qū)間進行多層級探測，并在探測過程中獲取待識別視頻的色情統(tǒng)計指標。在對區(qū)間進行多層級探測過程中，可對可疑色情圖像幀所在的鏡頭進一步進行鏡頭級色情識別，具體過程可如圖4所示。進一步地，在鏡頭級色情識別的過程中，可將鏡頭劃分為片段，并進行片段級色情識別。其中，片段級色情識別過程中對片段中的多個連續(xù)圖像幀進行采樣后并行處理，并在處理后進行二次評估。具體方案可參照上述實施例，在此不再贅述。由此，可通過多層級探測的方式，利用了相鄰圖像幀之間的視覺相似性和時間連續(xù)性，獲得魯棒性強的色情統(tǒng)計指標。

應(yīng)當(dāng)理解，在本申請的實施例中，探測模塊20不但可通過如圖3、圖4和圖5所示的實施例進行區(qū)間級探測->鏡頭級探測->片段級探測->幀級探測的層級探測，還可通過圖3和 圖7所示的實施例進行區(qū)間級探測->鏡頭級探測->幀級探測，還可通過圖8所示的實施例進行區(qū)間級探測->幀級探測。

判斷模塊30用于在對每個區(qū)間進行多層級探測的過程中根據(jù)色情統(tǒng)計指標判斷待識別視頻是否為色情視頻。

在本申請的實施例中，色情統(tǒng)計指標可包括總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率中的一種或多種。判斷模塊30可基于預(yù)先訓(xùn)練的支持向量機判別模型對累計色情概率值、非色情次數(shù)、總色情幀數(shù)、總色情時長、鏡頭處理總數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率進行分析，以判斷待識別視頻是否為色情視頻。

其中，累計色情概率值為在探測過程中鏡頭時長不小于第一時間且色情概率值大于第二概率閾值的已識別鏡頭的鏡頭時長總和，總色情時長是隨著鏡頭檢測過程逐漸累計得到的。

非色情次數(shù)為在探測過程中識別到色情概率值不大于第一概率閾值的圖像幀的次數(shù)。

總色情幀數(shù)為在探測過程中識別出的色情圖像幀的總數(shù)。其中，色情圖像幀為色情概率值大于第四概率閾值的圖像幀。另外，如果一個圖像幀集合中的圖像幀的平均色情概率閾值大于第四概率閾值，則判斷該圖像幀集合中的圖像幀為色情圖像幀。

鏡頭處理總數(shù)為在探測過程中進行鏡頭級色情識別的鏡頭總數(shù)。

幀處理總數(shù)為在探測過程中進行色情識別的圖像幀總數(shù)。

總色情時長為在探測過程中鏡頭時長不小于第一時間且色情概率值大于第二概率閾值的已識別鏡頭的鏡頭時長總和。

應(yīng)當(dāng)理解，上述色情統(tǒng)計指標中的待識別視頻的視頻時長和幀率為待識別視頻的固有屬性。而總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)是在探測過程中隨著探測的進行不斷變換的，則探測過程中，當(dāng)每個指標發(fā)生更新時，即可據(jù)此判斷待識別視頻是否為色情視頻。而

在本申請的實施例中，可通過對大量的被人工標記的樣本視頻(包括色情視頻和非色情視頻)進程探測，以得到的統(tǒng)計指標，然后根據(jù)得到的統(tǒng)計指標進行訓(xùn)練并支持向量機(Support Vector Machine，SVM)建立該判別模型。

本申請實施例的視頻識別裝置，可將待識別視頻劃分為多個區(qū)間，并進行多層級探測，根據(jù)探測過程中的色情統(tǒng)計指標判斷待識別視頻是否為色情視頻，通過多層級探測的方式，利用了相鄰圖像幀之間的視覺相似性和時間連續(xù)性，獲得的色情統(tǒng)計指標魯棒性強，并且在探測過程中可根據(jù)探測的進度更新色情統(tǒng)計指標，從而并進行判斷，從而可提前返回判斷結(jié)果，無需解碼和探測整個待識別視頻，降低了識別耗時，提高了識別速度和精度。

此外，本申請實施例的視頻識別裝置還具有以下優(yōu)點：

1、基于深度卷積神經(jīng)網(wǎng)絡(luò)對視頻單幀進行色情程度的判定，提高了單幀識別的精度；

2、基于級探測的識別方法，以鏡頭為處理基本單元，利用了鏡頭內(nèi)畫面視覺相似性和時間連續(xù)性，并通過采樣和差異性二次評估，降低了幀級識別誤報和漏報帶來的噪聲，也減少了冗余計算；

3、利用局部色情直方圖差進行視頻鏡頭邊界檢測，使得同一鏡頭內(nèi)的圖像有很高的概率在基于深度神經(jīng)網(wǎng)絡(luò)的色情圖像識別模型下有相近的特征表達；

4、利用先驗知識將待識別視頻劃分為多個具有各自處理優(yōu)先級、可并行處理的區(qū)間，在片段級色情識別過程中通過緩存幀，使得可進行并行處理多幀，提高識別效率；

5、在每個圖像幀進行識別之前對其進行解碼，而不是在視頻識別之初將視頻中的全部圖像幀進行解碼，從而在提前返回結(jié)果時，可大大減少解碼的圖像幀的數(shù)量，提高處理速度；

6、在各層級識別過程中，通過鏡頭中已識別圖像幀的數(shù)量的上限、色情時長的閾值、片段時長的閾值、區(qū)間非色情次數(shù)的上限來控制計算額度，使得總體識別速度可控，并與視頻時長無關(guān)；

7、利用總色情時長、累計色情概率值、非色情次數(shù)、鏡頭處理總數(shù)、總色情幀數(shù)、幀處理總數(shù)、待識別視頻的視頻時長和幀率等為變量建立判別模型進行色情判斷識別，提高了識別精度。

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，并且本申請的優(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(yīng)被本申請的實施例所屬技術(shù)領(lǐng)域的技術(shù)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(shè)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(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)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(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)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(xué)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(yīng)當(dāng)理解，本申請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(lǐng)域公知的下列技術(shù)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(shù)領(lǐng)域的普通技術(shù)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(guān)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，在本申請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。

在本說明書的描述中，參考術(shù)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(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本申請的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本申請的實施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本申請的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本申請的范圍由權(quán)利要求及其等同限定。