本發(fā)明涉及計算機視覺技術領域，特別涉及一種人體檢測方法及裝置。

背景技術：

目前，人體檢測是計算機視覺領域的研究熱點，對于人體的識別和特征提取有很高的科研和商業(yè)價值，具有廣闊的應用前景。傳統(tǒng)的人體檢測主要基于單目照相機獲得的二維圖像或單目攝相機獲得的視頻數(shù)據(jù)進行的。由于單目照相機或單目攝像機中的單一傳感器獲取信息的能力有限，人體特征提取主要依賴圖像的顏色及梯度特征，檢測的精度和速度都較為有限。

隨著深度相機的出現(xiàn)，例如雙目相機、結構光相機和tof相機等，深度相機獲取的點云數(shù)據(jù)可以直接獲得圖像中特定點的三維信息，獲取的信息更加豐富，彌補了傳統(tǒng)的單目照相機或單目攝像機的不足，提高了人體檢測的精度。

在現(xiàn)有技術中，深度相機在進行人體檢測時，首先采用隨機抽樣一致(randomsampleconsensus，ransac)算法確定地平面的點云數(shù)據(jù)并刪除。其次采用歐式距離聚類對剩余的點云數(shù)據(jù)進行聚類，初步確定可能存在人體的點云數(shù)據(jù)簇。然后通過投影直方圖確立波峰波谷解決聚類產(chǎn)生的多人一類和多類一人的問題，再次確定可能存在人體的點云數(shù)據(jù)簇。最后采用方向梯度直方圖(histogramsoforientedgradients，hog)特征訓練支持向量機(supportvectormachine，svm)分類器進行人體檢測。但是當環(huán)境復雜，兩個甚至多人前后平行重疊站立，通過投影直方圖確立波峰波谷解決聚類產(chǎn)生的多人一類和多類一人的問題時，該兩人或多人在xoy平面上的投影位于同一個投影直方圖中，從而造成人體檢測的準確性不高。

技術實現(xiàn)要素：

本發(fā)明提供一種人體檢測方法及裝置，用以解決現(xiàn)有技術中當有兩人甚至多人前后平行重疊站立時，在進行人體檢測時，準確性不高的問題。

為達到上述目的，本發(fā)明實施例公開了一種人體檢測方法，所述方法包括：

針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇；

根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇；

針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

進一步地，確定第一點云數(shù)據(jù)簇的過程包括：

獲取待檢測的圖像的點云數(shù)據(jù)；

采用隨機抽樣一致ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)；

在刪除地平面的點云數(shù)據(jù)后的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。

進一步地，所述將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇之前，所述方法還包括：

識別每個第一點云數(shù)據(jù)簇中的最高點和最低點；

如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

進一步地，所述將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇包括：

將所述第一點云數(shù)據(jù)簇按照預設的長度和寬度將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇，其中所述預設的長度和寬度小于人體立方體對應的長度和寬度。

進一步地，所述根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點包括：

針對每個第一子點云數(shù)據(jù)簇中的最高點，判斷該第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的預設數(shù)量的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。

進一步地，所述如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點第二點云數(shù)據(jù)簇包括：

根據(jù)該局部最高點及預設的圓柱體半徑，確定圓柱體，將位于所述圓柱體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。

進一步地，所述獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值之前，所述方法還包括：

針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量；

將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

進一步地，所述針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值包括：

針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的最高點，根據(jù)所述最高點及預設的高度與寬度的比例關系，確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域；

獲取所述人體區(qū)域的目標hog值。

本發(fā)明實施例公開了一種人體檢測裝置，所述裝置包括：

劃分模塊，用于針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇；

確定模塊，用于根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇；

檢測模塊，用于針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

進一步地，所述確定模塊，還用于獲取待檢測的圖像的點云數(shù)據(jù)；采用隨機抽樣一致ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)；在刪除地平面的點云數(shù)據(jù)后的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。

進一步地，所述裝置還包括：

第一識別刪除模塊，用于識別每個第一點云數(shù)據(jù)簇中的最高點和最低點；如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

進一步地，所述劃分模塊，具體用于將所述第一點云數(shù)據(jù)簇按照預設的長度和寬度將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇，其中所述預設的長度和寬度小于人體立方體對應的長度和寬度。

進一步地，所述確定模塊，具體用于針對每個第一子點云數(shù)據(jù)簇中的最高點，判斷該第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的預設數(shù)量的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。

進一步地，所述確定模塊，具體的根據(jù)該局部最高點及預設的圓柱體半徑，確定圓柱體，將位于所述圓柱體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。

進一步地，所述裝置還包括：

第二識別刪除模塊，用于針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量；將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

進一步地，所述檢測模塊，具體用于針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的最高點，根據(jù)所述最高點及預設的高度與寬度的比例關系，確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域；獲取所述人體區(qū)域的目標hog值。

本發(fā)明實施例公開了一種人體檢測方法及裝置，所述方法包括：針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇；根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇；針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。由于在本發(fā)明實施例中，針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，以第一點云數(shù)據(jù)簇中的局部最高點在水平面上的投影距離進行再聚類，確定第二點云數(shù)據(jù)簇。通過獲取第二點云數(shù)據(jù)簇對應圖像的目標hog值，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。這種確定人體的方式，更能區(qū)分兩人甚至多人前后平行重疊站立的情況，提高了人體檢測的準確性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例1提供的一種人體檢測過程示意圖；

圖2為本發(fā)明實施例3提供的一種人體檢測過程示意圖；

圖2a為本發(fā)明實施例提供的一種第一點云數(shù)據(jù)簇示意圖；

圖3為本發(fā)明實施例7提供的一種人體檢測過程示意圖；

圖4為本發(fā)明實施例提供的一種人體檢測結果示意圖；

圖5為本發(fā)明實施例1提供的一種人體檢測裝置結構圖；

圖6為本發(fā)明實施例提供的一種人體檢測裝置結構圖。

具體實施方式

為了提高在兩人甚至多人前后平行重疊站立時的人體檢測的準確性，本發(fā)明實施例提供了一種人體檢測方法及裝置。

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

實施例1：

圖1為本發(fā)明實施例提供的一種人體檢測過程示意圖，該過程包括以下步驟：

s101：針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇。

本發(fā)明實施例提供的人體檢測方法可以應用于電子設備，所述電子設備可以是深度相機。所述電子設備中保存有待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，并且保存有將所述第一點云數(shù)據(jù)簇劃分為多個第一子點云數(shù)據(jù)簇的預設的規(guī)則。

在本發(fā)明實施例中，電子設備保存的第一點云數(shù)據(jù)簇中的點云數(shù)據(jù)基于的坐標中，是以x軸與y軸構成的平面為地平面即水平面，z軸垂直于xy平面構建的。針對其他實施例中的第一點云數(shù)據(jù)簇或其他點云數(shù)據(jù)簇中的點云數(shù)據(jù)亦是基于此坐標系的如此。

電子設備將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇。所述待檢測的初步確定為人體的第一點云數(shù)據(jù)簇可以是一個，也可以是多個，每個第一點云數(shù)據(jù)簇中包含有多個點云數(shù)據(jù)。在將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇時，可以是先確定所有第一點云數(shù)據(jù)簇對應的范圍在x軸方向和y軸方向的每個邊界點，根據(jù)每個邊界點，確定區(qū)域范圍，根據(jù)預設的長度和寬度，在該區(qū)域范圍內(nèi)將所有第一點云數(shù)據(jù)簇劃分為多個第一子點云數(shù)據(jù)簇。然后再確定出每個第一點云數(shù)據(jù)簇中包含的第一子點云數(shù)據(jù)簇。所述預設的長度為該第一點云數(shù)據(jù)簇在x軸上的劃分距離間隔，所述預設的寬度為該第一點云數(shù)據(jù)簇在y軸上的劃分距離間隔。一般人體立方體的長度大于30cm，寬度大于15cm?？紤]到人體在空間中隨意走動轉動，可能會出現(xiàn)人體與深度相機不平行的情況，所述寬度也可以是大于30cm。所述預設的長度和寬度可以是相同，也可以是不同，當所述長度和寬度相同時，例如可以是所述長度為10cm，所述寬度也為10cm。

s102：根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平上的投影與任意其他局部最高點在水平面上的投影距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇。

在本發(fā)明實施例中，每個第一子點云數(shù)據(jù)簇中包含一個或多個點云數(shù)據(jù)，每個點云數(shù)據(jù)有其對應的三維坐標的信息，該點云數(shù)據(jù)以x軸與y軸構成的平面為地平面即水平面，在z軸上的值為該點云數(shù)據(jù)對應的高度值，識別每個第一子點云數(shù)據(jù)簇中的最高點即在z軸上的為最大值的點云數(shù)據(jù)，根據(jù)每個子點云數(shù)據(jù)簇中的最高點，確定每個第一點云數(shù)據(jù)簇中的每個局部最高點。每個第一點云數(shù)據(jù)簇中的局部最高點可以是一個，也可以是多個，局部最高點可能對應人體的頭部。

電子設備中預先設定有第一閾值，電子設備識別兩個局部最高點在水平面上的投影距離，并且判斷所述距離是否小于設定的第一閾值，如果是，則認為該兩個局部最高點對應的第一子點云數(shù)據(jù)簇屬于同一個人體的點云數(shù)據(jù)簇，則將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇。

如果該局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，則根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇。每個第二點云數(shù)據(jù)簇認為是一個人體。

所述根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點時，具體的可以是，將每個第一子點云數(shù)據(jù)簇中的最高點，通過比較確定為第一點云數(shù)據(jù)簇中的每個局部最高點。將每個局部最高點向水平面進行投影。

如果該局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，所述根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇，具體的可以是，根據(jù)該局部最高點以及預設的長度和寬度，確定立方體，將位于所述立方體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。該局部最高點可以位于該立方體的頂點上。因為認為每個局部最高點為人體的頭部，所以較優(yōu)的，該局部最高點位于該立方體的上表面的中心位置上。每個立方體內(nèi)的多有點云數(shù)據(jù)構成第二點云數(shù)據(jù)簇認為是一個人體。一般人體的長度大于30cm，這里所說的人體的長度指人體的左肩膀邊緣至右肩膀邊緣的距離，所述第一閾值可以為30cm。

s103：針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。在獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值時，可以將該第二點云數(shù)據(jù)簇向yoz平面或者xoz平面做二維投影，獲取該第二點云數(shù)據(jù)簇投影后的圖像的目標hog值。在根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像時，具體的可以是采用hog特征訓練svm分類器進行人體識別，確定所述第二點云數(shù)據(jù)簇投影后的圖像是否為人體圖像。

由于在本發(fā)明實施例中，針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，以第一點云數(shù)據(jù)簇中的局部最高點在水平面上的投影距離進行再聚類，確定第二點云數(shù)據(jù)簇。通過獲取第二點云數(shù)據(jù)簇對應圖像的目標hog值，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。這種確定人體的方式，更能區(qū)分兩人甚至多人前后平行重疊站立的情況，提高了人體檢測的準確性。

實施例2：

在上述實施例的基礎上，在本發(fā)明實施例中，確定第一點云數(shù)據(jù)簇的過程包括：

獲取待檢測的圖像的點云數(shù)據(jù)；

采用ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)；

在刪除地平面的點云數(shù)據(jù)后的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。

在本發(fā)明實施例中，電子設備獲取待檢測的圖像的點云數(shù)據(jù)，當獲取了所述圖像的點云數(shù)據(jù)后，采用ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，并且在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)。將刪除地平面的點云數(shù)據(jù)后的剩余點云數(shù)據(jù)，按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。所述聚類半徑可以與點云的密集程度有關，點云越密集，聚類半徑越小，點云越稀疏，聚類半徑越大。

當電子設備為深度相機時，電子設備在獲取待檢測場景的圖像和點云數(shù)據(jù)時，具體的可以是，深度相機被固定后，采集目標場景點云數(shù)據(jù)。深度相機采集的可以是一幀圖像，也可以是一段視頻。如果是一段視頻，則深度相機可以在該段視頻中獲取每一幀圖像中的點云數(shù)據(jù)。

在采用ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)時，具體的可以是，在該圖像的點云數(shù)據(jù)中，估算含有點云的數(shù)量最多的平面，將該平面認為是地平面。也可以是通過手動選取任意的3個地面上的點云數(shù)據(jù)，并用這3個點云數(shù)據(jù)包含的三維坐標的信息，通過公式ax+by+cz+d＝0，計算出3個點云數(shù)據(jù)對應平面的方程參數(shù)，即計算出a、b、c和d的值。針對圖像中的所有點云數(shù)據(jù)，計算出每個點云數(shù)據(jù)到計算出的平面之間的歐式距離，再將每個距離與設定的距離閾值進行比較，若在距離閾值對應的范圍內(nèi)，則將該點云數(shù)據(jù)歸為“局內(nèi)點”，否則，歸為“局外點”，對由“局內(nèi)點”組成的地平面進行校正，最后得到所有地平面的點云數(shù)據(jù)。所述距離閾值可以為15cm。

當確定了地平面的點云數(shù)據(jù)后，在所述圖像的點云數(shù)據(jù)中將地平面的點云數(shù)據(jù)刪除，刪除的點云數(shù)據(jù)不參與接下來的各個操作。

當刪除了所述地平面的點云數(shù)據(jù)后，將在刪除地平面的點云數(shù)據(jù)后的剩余的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。具體的可以是，根據(jù)預設的聚類半徑，如果剩余的點云數(shù)據(jù)中的兩個相鄰的點云數(shù)據(jù)之間的距離小于所述預設的聚類半徑，將該兩個點云數(shù)據(jù)確定為同一類別，依次遍歷所有剩余的點云數(shù)據(jù)，對所有剩余的點云數(shù)據(jù)進行聚類處理，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。所述聚類半徑與點云的密集程度有關，點云數(shù)據(jù)越密集，聚類半徑越小，點云數(shù)據(jù)越稀疏，聚類半徑越大，一般情況下，該聚類半徑可以為12cm。

在進行聚類時，可以將點云數(shù)據(jù)中的任意一個點云記為pi，將點云數(shù)據(jù)中的所有點云存放待分類點云數(shù)據(jù)簇q中，針對q中的某一點云pi，將其取出存到在c集合的c1子集合中，識別與pi之間的距離小于聚類半徑的點云pi，將每個pi從q中取出存放到c1子集合中；然后再在q剩余的點云中取出另一個點云，將其存到在c集合的c2子集合中，重復上述聚類半徑的識別，依次重復執(zhí)行上述過程，直到q為空，從而得到分類后的c集合中的每個子集合，將每個子集合確定為每個對應的類型，得到對應的每個第一點云數(shù)據(jù)簇。

一般，所述待檢測圖像中的點云數(shù)據(jù)中包含人體的點云數(shù)據(jù)、地平面的點云數(shù)據(jù)以及其他非人體的點云數(shù)據(jù)。在所述待檢測圖像中的點云數(shù)據(jù)中刪除地平面的點云數(shù)據(jù)，針對剩余的點云數(shù)據(jù)按照預設聚類半徑進行聚類，聚類后的每個第一點云數(shù)據(jù)中包含人體的點云數(shù)據(jù)，但是也有可能包含非人體的點云數(shù)據(jù)。每個第一點云數(shù)據(jù)簇中可能包含一個或多個人體。因此將聚類后的第一點云數(shù)據(jù)簇稱為初步確定為人體的第一點云數(shù)據(jù)簇，可以針對該第一點云數(shù)據(jù)簇進行后續(xù)的步驟，更加準確的確定出包含人體的第二點云數(shù)據(jù)簇，進而檢測出人體。

實施例3：

為了避免墻體，桌子等過高或過低的物體的干擾，進一步提高人體檢測的準確性，在上述各實施例的基礎上，在本發(fā)明實施例中，所述將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇之前，所述方法還包括：

識別每個第一點云數(shù)據(jù)簇中的最高點和最低點；

如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

在本發(fā)明實施例中，電子設備中保存有最高點閾值和最低點閾值。針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，識別每個第一點云數(shù)據(jù)簇中的最高點和最低點，判斷每個第一點云數(shù)據(jù)簇中的最高點是否大于設定的最高點閾值，如果是，則將該最高點對應的第一點云數(shù)據(jù)簇刪除。判斷每個第一點云數(shù)據(jù)簇中的最低點是否小于設定的最低點閾值，如果是，則將該最低點對應的第一點云數(shù)據(jù)簇刪除。

刪除的第一點云數(shù)據(jù)簇不參與接下來的各個操作。所述設定的最高點閾值可以是比較大的數(shù)值，例如可以是2.3米、2.5米等，設定的最低點閾值可以是比較小的數(shù)值，例如可以是1米、1.3米等，因為一般認為人體的身高不超過最高點閾值，并且不低于最低點閾值。如果該第一點云數(shù)據(jù)簇中的最高點高于最高點閾值，例如2.3米，則認為該第一點云數(shù)據(jù)簇可能為墻面，所以將其刪除。如果該第一點云數(shù)據(jù)簇中的最低點低于最低點閾值，例如1.3米，則認為該第一點云數(shù)據(jù)簇可能為桌子、椅子等非人體的第一點云數(shù)據(jù)簇，所以將其刪除。

為了提高人體檢測的準確性，針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，也可以是將每個第一點云數(shù)據(jù)簇中的高于設定的最高點閾值的點云數(shù)據(jù)刪除，和低于設定的最低點閾值的點云數(shù)據(jù)刪除。刪除的點云數(shù)據(jù)不參與接下來的各個操作。

圖2為本發(fā)明實施例3提供的一種人體檢測過程示意圖，該過程包括以下步驟：

s201：獲取待檢測的圖像的點云數(shù)據(jù)。

s202：采用ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)。

s203：在刪除地平面的點云數(shù)據(jù)后的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。

s204：針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，識別每個第一點云數(shù)據(jù)簇中的最高點和最低點，如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

s205：將剩余的所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇。

s206：根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇。

s207：針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

實施例4：

為了進一步提高人體檢測的準確性，所述將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇包括：

將所述第一點云數(shù)據(jù)簇按照預設的長度和寬度將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇，其中所述預設的長度和寬度小于人體立方體對應的長度和寬度。

在本發(fā)明實施例中，在將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇時，具體的可以是，將所述第一點云數(shù)據(jù)簇按照預設的長度和寬度將所述第一點云數(shù)據(jù)簇劃分為多個第一子點云數(shù)據(jù)簇，其中所述預設的長度和寬度小于人體立方體對應的長度和寬度。所述預設的長度為該第一點云數(shù)據(jù)簇在x軸上的劃分距離間隔，所述預設的寬度為該第一點云數(shù)據(jù)簇在y軸上的劃分距離間隔。一般人體立方體的長度大于30cm，寬度大于15cm。所述預設的長度和寬度可以是相同，也可以是不同，當所述長度和寬度相同時，例如可以是所述長度為10cm，所述寬度也為10cm。

實施例5：

在將每個第一子點云數(shù)據(jù)簇中的最高點，確定為第一點云數(shù)據(jù)簇中的每個局部最高點時，可能造成后續(xù)人體檢測的不準確，為了進一步提高人體檢測的準確性。在上述各實施例的基礎上，在本發(fā)明實施例中，所述根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點包括：

針對每個第一子點云數(shù)據(jù)簇中的最高點，判斷該第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的設定數(shù)量的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。

在本發(fā)明實施例中，針對每個點云數(shù)據(jù)簇，按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇，每個第一子點云數(shù)據(jù)簇的位置是清楚的，因此可以清楚的知道與該第一子點云數(shù)據(jù)簇的相鄰的每個第一子點云數(shù)據(jù)簇。在根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點時，具體的可以是，針對每個第一子點云數(shù)據(jù)簇中的最高點，判斷該第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的預設數(shù)量的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。所述預設數(shù)量可以為4，也可以為8。

圖2a為本發(fā)明實施例提供的一種第一點云數(shù)據(jù)簇示意圖，由圖2a可以看出，該第一點云數(shù)據(jù)簇在xoy平面的投影示意圖，第一點云數(shù)據(jù)簇中包含12個第一子點云數(shù)據(jù)簇，標號為1-12。針對第6個第一子點云數(shù)據(jù)簇，與該第6個第一子點云數(shù)據(jù)簇相鄰的第一子點云數(shù)據(jù)簇有8個，標號分別為1、2、3、5、7、9、10、11。當所述預設的數(shù)量為8時，則判斷該第6個第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的所有的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第6個第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。如果所述預設數(shù)量為4，則判斷該第6個第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的任意4個第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第6個第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。在選擇與所述第6個第一子點云數(shù)據(jù)簇相鄰的4個第一子點云數(shù)據(jù)簇時，可以是在1、2、3、5、7、9、10、11中任意選擇4個，較優(yōu)的，選擇與該第6個第一子點云數(shù)據(jù)簇相鄰的上、下、左、右的第一子點云數(shù)據(jù)簇，即標號為2、5、7、10的第一子點云數(shù)據(jù)簇。

每個第一點云數(shù)據(jù)簇中的局部最高點可以是一個，也可以是多個，每個局部最高點可能對應人體的頭部。

實施例6：

在上述各實施例的基礎上，在本發(fā)明實施例中，所述如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點第二點云數(shù)據(jù)簇包括：

根據(jù)該局部最高點及預設的圓柱體半徑，確定圓柱體，將位于所述圓柱體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。

在本發(fā)明實施例中，在根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇時，具體的可以是根據(jù)該局部最高點及預設的圓柱體半徑，確定圓柱體，將位于所述圓柱體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。所述圓柱體的直徑可以與第一閾值相同，也可以不同，當圓柱體的直徑與第一閾值相同時，所述第一閾值如果為30cm，則所述預設的圓柱體半徑為15cm。所述預設的圓柱體直徑大于預設的聚類半徑。

實施例7：

為了進一步提高人體檢測的準確性，在上述各實施例的基礎上，在本發(fā)明實施中，所述獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值之前，所述方法還包括：

針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量；

將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

在本發(fā)明實施例中，電子設備中保存有預設的第二閾值。當確定了第二點云數(shù)據(jù)簇后，可以針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量，判斷所述點云的數(shù)量是否小于預設第二閾值，如果是，則將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

當所述第二點云數(shù)據(jù)簇中的點云數(shù)量小于預設的第二閾值時，可能對應人舉起了胳膊，則將該胳膊對應的第二點云數(shù)據(jù)簇刪除，并不影響對人體的檢測。

圖3為本發(fā)明實施例7提供的一種人體檢測過程示意圖，該過程包括以下步驟：

s301：針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，識別每個第一點云數(shù)據(jù)簇中的最高點和最低點，如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

s302：將剩余的所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇。

s303：根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇。

s304：針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量，將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

s305：針對剩余的每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

實施例8：

為了進一步提高人體檢測的準確性，在上述各實施例的基礎上，在本發(fā)明實施中，所述針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標hog值包括：

針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的最高點，根據(jù)所述最高點及預設的高度與寬度的比例關系，確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域；

獲取所述人體區(qū)域的目標hog值。

在本發(fā)明實施例中，當確定了每個第二點云數(shù)據(jù)簇后，如果x軸與y軸所構成的平面為地平面，可以將該第二點云數(shù)據(jù)簇向yoz平面或者xoz平面做二維投影，識別投影后的第二點云數(shù)據(jù)簇中的最高點，根據(jù)該最高點以及預設的高度與寬度的比例關系，確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域，獲取所述人體區(qū)域的目標hog值。每一個最高點認為是人的頭部，最高點越高，則對應的人體區(qū)域越大。

在確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域時，具體的也可以是識別每個第二點云數(shù)據(jù)簇中的最高點，根據(jù)所述最高點及預設的高度與寬度的比例關系，確定矩形區(qū)域，將該矩形區(qū)域向深度相機方向延伸預設的長度，形成三維圖像，將該三維圖像向yoz平面或者xoz平面做二維投影，將所述二維投影確定為所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域。所述預設的長度為10cm。

圖4為本發(fā)明實施例提供的一種人體檢測結果示意圖，該圖4中的每個人體都被其對應的圓環(huán)套住，說明該人體被檢測出來。

圖5為本發(fā)明實施例1提供的一種人體檢測裝置結構圖，所述裝置包括：

劃分模塊51，用于針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇；

確定模塊52，用于根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇；

檢測模塊53，用于針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。

所述確定模塊52，還用于獲取待檢測的圖像的點云數(shù)據(jù)；采用ransac算法在所述圖像的點云數(shù)據(jù)中確定地平面的點云數(shù)據(jù)，在所述圖像的點云數(shù)據(jù)中刪除所述地平面的點云數(shù)據(jù)；在刪除地平面的點云數(shù)據(jù)后的點云數(shù)據(jù)中按照預設聚類半徑進行聚類，將聚類后得到的每個類別確定為第一點云數(shù)據(jù)簇。

圖6為本發(fā)明實施例提供的一種人體檢測裝置結構圖，在圖5的基礎上，所述裝置還包括：

第一識別刪除模塊61，用于識別每個第一點云數(shù)據(jù)簇中的最高點和最低點；如果第一點云數(shù)據(jù)簇中的最高點高于設定的最高點閾值，或最低點低于設定的最低點閾值，則將該第一點云數(shù)據(jù)簇刪除。

所述劃分模塊51，具體用于將所述第一點云數(shù)據(jù)簇按照預設的長度和寬度將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇，其中所述預設的長度和寬度小于人體立方體對應的長度和寬度。

所述確定模塊52，具體用于針對每個第一子點云數(shù)據(jù)簇中的最高點，判斷該第一子點云數(shù)據(jù)簇中的最高點是否為與其相鄰的預設數(shù)量的第一子點云數(shù)據(jù)簇中的最高點，如果是，將該第一子點云數(shù)據(jù)簇中的最高點作為第一點云數(shù)據(jù)簇中的局部最高點。

所述確定模塊52，具體的根據(jù)該局部最高點及預設的圓柱體半徑，確定圓柱體，將位于所述圓柱體內(nèi)的所有點云數(shù)據(jù)確定為第二點云數(shù)據(jù)簇。

所述裝置還包括：

第二識別刪除模塊62，還用于針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的點云的數(shù)量；將點云的數(shù)量小于預設的第二閾值的第二點云數(shù)據(jù)簇刪除。

所述檢測模塊53，具體用于針對每個第二點云數(shù)據(jù)簇，識別該第二點云數(shù)據(jù)簇中的最高點，根據(jù)所述最高點及預設的高度與寬度的比例關系，確定所述第二點云數(shù)據(jù)簇對應的圖像中的人體區(qū)域；獲取所述人體區(qū)域的目標hog值。

本發(fā)明實施例公開了一種人體檢測方法及裝置，所述方法包括：針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，將所述第一點云數(shù)據(jù)簇按照預設的規(guī)則劃分為多個第一子點云數(shù)據(jù)簇；根據(jù)每個第一子點云數(shù)據(jù)簇中的最高點，確定第一點云數(shù)據(jù)簇中的每個局部最高點，如果兩個局部最高點在水平面上的投影距離小于設定的第一閾值，將該兩個局部最高點所在的第一子點云數(shù)據(jù)簇對應的區(qū)域內(nèi)的第一子點云數(shù)據(jù)簇合并為第二點云數(shù)據(jù)簇，如果局部最高點在水平面上的投影與任意其他局部最高點在水平面上的投影的距離都不小于設定的第一閾值，根據(jù)該局部最高點，確定包含該局部最高點的第二點云數(shù)據(jù)簇；針對每個第二點云數(shù)據(jù)簇，獲取該第二點云數(shù)據(jù)簇對應圖像的目標方向梯度直方圖hog值，根據(jù)預先訓練的預測模型，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。由于在本發(fā)明實施例中，針對待檢測的初步確定為人體的第一點云數(shù)據(jù)簇，以第一點云數(shù)據(jù)簇中的局部最高點在水平面上的投影距離進行再聚類，確定第二點云數(shù)據(jù)簇。通過獲取第二點云數(shù)據(jù)簇對應圖像的目標hog值，確定所述第二點云數(shù)據(jù)簇對應的圖像是否為人體圖像。這種確定人體的方式，更能區(qū)分兩人甚至多人前后平行重疊站立的情況，提高了人體檢測的準確性。

對于系統(tǒng)/裝置實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者一個操作與另一個實體或者另一個操作區(qū)分開來，而不一定要求或者暗示這些實體或者操作之間存在任何這種實際的關系或者順序。

本領域內(nèi)的技術人員應明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全應用實施例、或結合應用和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本申請是參照根據(jù)本申請實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本申請的優(yōu)選實施例，但本領域內(nèi)的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu)選實施例以及落入本申請范圍的所有變更和修改。

顯然，本領域的技術人員可以對本申請進行各種改動和變型而不脫離本申請的精神和范圍。這樣，倘若本申請的這些修改和變型屬于本申請權利要求及其等同技術的范圍之內(nèi)，則本申請也意圖包含這些改動和變型在內(nèi)。