视频处理方法及装置转让专利
申请号 : CN202110877893.8
文献号 : CN113329261B
文献日 : 2021-12-07
发明人 : 李钊
申请人 : 北京达佳互联信息技术有限公司
摘要 :
权利要求 :
1.一种视频处理方法,其特征在于,包括:获取待处理视频的图像帧;
基于图像帧的基础特征的信息和图像帧中的识别特征的信息,确定所述待处理视频的图像帧中的目标图像帧,其中,所述识别特征包括图像帧中的对象和/或场景;
将所述目标图像帧拼接为目标视频;
确定所有目标图像帧中出现预定次数以上或出现次数最多的识别特征;
基于所有目标图像帧中出现预定次数以上或出现次数最多的识别特征,为所述目标视频匹配对应的特效;
将所述特效显示在所述目标视频上。
2.如权利要求1所述的视频处理方法,其特征在于,所述基于图像帧的基础特征的信息和图像帧中的识别特征的信息,确定所述待处理视频的图像帧中的目标图像帧,包括:基于图像帧的基础特征的信息,从所述待处理视频的图像帧中确定候选图像帧;
根据所述候选图像帧中的识别特征所包括的对象的信息或识别特征所包括的场景的信息,确定所述目标图像帧。
3.如权利要求2所述的视频处理方法,其特征在于,所述根据所述候选图像帧中的识别特征所包括的对象的信息,确定所述目标图像帧,包括:获取所述候选图像帧中的识别特征所包括的对象的画面占比和/或对象的画面位置;
基于所述对象的画面占比和/或对象的画面位置,从所述候选的图像帧中确定所述目标图像帧。
4.如权利要求3所述的视频处理方法,其特征在于,所述基于所述对象的画面占比和/或对象的画面位置,从所述候选图像帧中确定所述目标图像帧,包括:若所述候选图像帧存在至少一个对象的画面占比超过预定阈值,和/或至少一个对象的画面位置位于预定画面位置,则将所述候选图像帧确定为目标图像帧。
5.如权利要求2所述的视频处理方法,其特征在于,所述根据所述候选图像帧中的识别特征所包括的场景的信息,确定所述目标图像帧,包括:获取所述候选图像帧中的识别特征所包括的场景的主题信息;
基于所述场景的主题信息,从所述候选图像帧中确定所述目标图像帧。
6.如权利要求5所述的视频处理方法,其特征在于,所述基于所述场景的主题信息,从所述候选图像帧中确定所述目标图像帧,包括:将场景的主题属于预定有效场景的侯选图像帧,确定为所述目标图像帧;和/或将场景的主题与所述目标视频的主题相对应的侯选图像帧,确定为所述目标图像帧,其中,所述目标视频的主题是预先设定的。
7.如权利要求1所述的视频处理方法,其特征在于,确定所有目标图像帧中出现预定次数以上或出现次数最多的识别特征,包括:对于所有目标图像帧中的每一个目标图像帧,获取与所述目标图像帧中的识别特征相对应的模型,其中,所述相对应的模型是基于预先采集的对象特征或场景特征生成的深度学习模型;
确定目标图像帧中的识别特征与相对应的模型的相似度,基于所述相似度确定所述目标图像帧对应的目标识别特征;
基于所有目标图像帧对应的目标识别特征,确定所述目标识别特征中出现预定次数以上或出现次数最多的识别特征。
8.如权利要求7所述的视频处理方法,其特征在于,所述基于所述相似度确定所述目标图像帧对应的目标识别特征,包括:在所有识别特征的相似度小于第一预定值的情况下,确定所述目标图像帧无目标识别特征。
9.如权利要求7所述的视频处理方法,其特征在于,所述基于所述相似度确定所述目标图像帧对应的目标识别特征,包括:在至少两个识别特征的相似度大于第二预定值的情况下,按所述目标图像帧中识别特征的优先级确定所述目标图像帧对应的目标识别特征,其中,第二预定值大于第一预定值。
10.如权利要求7所述的视频处理方法,其特征在于,所述基于所述相似度确定所述目标图像帧对应的目标识别特征,包括:在排序靠前的两个识别特征的相似度之差小于第三预定值的情况下,按所述目标图像帧中识别特征的优先级确定所述目标图像帧对应的目标识别特征。
11.如权利要求7所述的视频处理方法,其特征在于,所述基于所述相似度确定所述目标图像帧对应的目标识别特征,包括:在排序靠前的两个识别特征的相似度之差大于等于第三预定值的情况下,将相似度最高的识别特征作为所述目标图像帧的目标识别特征。
12.如权利要求1所述的视频处理方法,其特征在于,所述特效包括滤镜、音乐、文字。
13.如权利要求1所述的视频处理方法,其特征在于,将所述目标图像帧拼接为目标视频,包括:
在所有目标图像帧中识别特征的个数大于预定个数的情况下,将相同识别特征对应的目标图像帧和/或满足预设关系的识别特征对应的目标图像帧拼接为多屏图像帧;
基于所述多屏图像帧进行拼接得到目标视频。
14.如权利要求2所述的视频处理方法,其特征在于,基于图像帧的基础特征的信息,从所述待处理视频的图像帧中确定候选图像帧,包括:对于所述待处理视频的图像帧中每个图像帧,获取图像帧的基础特征的信息,并基于每个基础特征的信息和每个基础特征的信息对应的权重,得到所述图像帧的得分;
基于每个图像帧的得分,从所述待处理视频的图像帧中确定候选图像帧。
15.如权利要求1所述的视频处理方法,其特征在于,获取所述待处理视频的图像帧,包括:
确定所述待处理视频包含的图像帧的总数;
在所述图像帧的总数小于第一阈值的情况下,获取所述待处理视频中所有图像帧;
在所述图像帧的总数大于等于所述第一阈值的情况下,获取所述待处理视频中部分图像帧。
16.一种视频处理装置,其特征在于,包括:获取单元,被配置为获取待处理视频的图像帧;
第一确定单元,被配置为基于图像帧的基础特征的信息和图像帧中的识别特征的信息,确定所述待处理视频的图像帧中的目标图像帧,其中,所述识别特征包括图像帧中的对象和/或场景;
拼接单元,被配置为将所述目标图像帧拼接为目标视频;
第二确定单元,被配置为确定所有目标图像帧中出现预定次数以上或出现次数最多的识别特征;
匹配单元,被配置为基于所有目标图像帧中出现预定次数以上或出现次数最多的识别特征,为所述目标视频匹配对应的特效;
显示单元,被配置为将所述特效显示在所述目标视频上。
17.如权利要求16所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为基于图像帧的基础特征的信息,从所述待处理视频的图像帧中确定候选图像帧;根据所述候选图像帧中的识别特征所包括的对象的信息和/或识别特征所包括的场景的信息,确定所述目标图像帧。
18.如权利要求17所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为获取所述候选图像帧中的识别特征所包括的象的画面占比和/或对象的画面位置;基于所述对象的画面占比和/或对象的画面位置,从所述候选图像帧中确定所述目标图像帧。
19.如权利要求18所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为若所述候选图像帧存在至少一个对象的画面占比超过预定阈值,和/或至少一个对象的画面位置位于预定画面位置,则将所述候选图像帧确定为目标图像帧。
20.如权利要求17所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为获取所述候选图像帧中的识别特征所包括的场景的主题信息;基于所述场景的主题信息,从所述候选图像帧中确定所述目标图像帧。
21.如权利要求20所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为将场景的主题属于预定有效场景的候选图像帧,确定为所述目标图像帧;和/或,将场景的主题与所述目标视频的主题相对应的候选图像帧,确定为所述目标图像帧,其中,所述目标视频的主题是预先设定的。
22.如权利要求16所述的视频处理装置,其特征在于,所述第二确定单元,还被配置为对于所有目标图像帧中的每一个目标图像帧,获取目标图像帧中与所述识别特征相对应的模型,其中,所述相对应的模型是基于预先采集的对象特征或场景特征生成的深度学习模型;确定目标图像帧中的识别特征与相对应的模型的相似度,基于所述相似度确定所述目标图像帧对应的目标识别特征;基于所有目标图像帧对应的目标识别特征,确定所述目标识别特征中出现预定次数以上或出现次数最多的识别特征。
23.如权利要求22所述的视频处理装置,其特征在于,所述第二确定单元,还被配置为在识别特征的所有相似度小于第一预定值的情况下,确定所述目标图像帧无目标识别特征。
24.如权利要求22所述的视频处理装置,其特征在于,所述第二确定单元,还被配置为在至少两个识别特征的相似度大于第二预定值的情况下,按所述目标图像帧中识别特征的优先级确定所述目标图像帧对应的目标识别特征,其中,第二预定值大于第一预定值。
25.如权利要求22所述的视频处理装置,其特征在于,所述第二确定单元,还被配置为在排序靠前的两个识别特征的相似度之差小于第三预定值的情况下,按所述目标图像帧中识别特征的优先级确定所述目标图像帧对应的目标识别特征。
26.如权利要求22所述的视频处理装置,其特征在于,所述第二确定单元,还被配置为在排序靠前的两个识别特征的相似度之差大于等于第三预定值的情况下,将相似度最高的识别特征作为所述目标图像帧的目标识别特征。
27.如权利要求16所述的视频处理装置,其特征在于,所述特效包括滤镜、音乐、文字。
28.如权利要求16所述的视频处理装置,其特征在于,所述拼接单元,还被配置为在所有目标图像帧中识别特征的个数大于预定个数的情况下,将相同识别特征对应的目标图像帧和/或满足预设关系的识别特征对应的目标图像帧拼接为多屏图像帧;基于所述多屏图像帧进行拼接得到目标视频。
29.如权利要求17所述的视频处理装置,其特征在于,所述第一确定单元,还被配置为对于所述待处理视频的图像帧中每个图像帧,获取图像帧的基础特征的信息,并基于每个基础特征的信息和每个基础特征的信息对应的权重,得到所述图像帧的得分;基于每个图像帧的得分,从所述待处理视频的图像帧中确定候选图像帧。
30.如权利要求16所述的视频处理装置,其特征在于,所述获取单元,还被配置为确定所述待处理视频包含的图像帧的总数;在所述图像帧的总数小于第一阈值的情况下,获取所述待处理视频中所有图像帧;在所述图像帧的总数大于等于所述第一阈值的情况下,获取所述待处理视频中部分图像帧。
31.一种电子设备,其特征在于,包括:处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至15中任一项所述的视频处理方法。
32.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令被至少一个处理器运行时,促使所述至少一个处理器执行如权利要求1至15中任一项所述的视频处理方法。
说明书 :
视频处理方法及装置
技术领域
背景技术
低门槛的智能化视频制作方向,已有一些探索和实践,例如,通过音视频算法分析视频的基
础特征的信息,如清晰度,色彩饱和度、丰富度,画面运动程度等,筛选出优质视频内容,并
对此进行剪辑拼接的到最终的视频。但是,仅依据视频的基础特征的信息例如清晰度高、色
彩丰富制作的视频,可能是用户不需要的视频内容。
发明内容
图像帧中的目标图像帧,其中,识别特征包括图像帧中的对象和/或场景;将目标图像帧拼
接为目标视频。
像帧中确定候选图像帧;根据候选图像帧中的识别特征所包括的对象的信息和/或识别特
征所包括的场景的信息,确定目标图像帧。
象的画面占比和/或对象的画面位置,从候选图像帧中确定目标图像帧。
象的画面位置位于预定画面位置,则将候选图像帧确定为目标图像帧。
图像帧中确定目标图像帧。
的主题相对应的候选图像帧,确定为目标图像帧,其中,所述目标视频的主题是预先设定
的。
出现次数最多的识别特征,为目标视频匹配对应的特效;将特效显示在目标视频上。
对应的模型,其中,所述相对应的模型是基于预先采集的对象特征或场景特征生成的深度
学习模型;确定目标图像帧中的识别特征与相对应的模型的相似度,基于相似度确定目标
图像帧对应的目标识别特征;基于所有目标图像帧对应的目标识别特征,确定目标识别特
征中出现预定次数以上或出现次数最多的识别特征。
帧对应的目标识别特征,其中,第二预定值大于第一预定值。
定目标图像帧对应的目标识别特征。
标图像帧的目标识别特征。
识别特征对应的目标图像帧拼接为多屏图像帧;基于多屏图像帧进行拼接得到目标视频。
每个基础特征的信息和每个基础特征的信息对应的权重,得到图像帧的得分;基于每个图
像帧的得分,从待处理视频的图像帧中确定候选图像帧。
大于等于第一阈值的情况下,获取待处理视频中部分图像帧。
像帧中的识别特征的信息,确定待处理视频的图像帧中的目标图像帧,其中,识别特征包括
图像帧中的对象和/或场景;拼接单元,被配置为将目标图像帧拼接为目标视频。
别特征所包括的场景的信息,确定目标图像帧。
选图像帧中确定目标图像帧。
帧确定为目标图像帧。
帧,确定为所述目标图像帧,其中,所述目标视频的主题是预先设定的。
出现预定次数以上或出现次数最多的识别特征,为目标视频匹配对应的特效;显示单元,被
配置为将特效显示在目标视频上。
集的对象特征或场景特征生成的深度学习模型;确定目标图像帧中的识别特征与相对应的
模型的相似度,基于相似度确定目标图像帧对应的目标识别特征;基于所有目标图像帧对
应的目标识别特征,确定目标识别特征中出现预定次数以上或出现次数最多的识别特征。
第二预定值大于第一预定值。
特征。
标图像帧拼接为多屏图像帧;基于多屏图像帧进行拼接得到目标视频。
重,得到图像帧的得分;基于每个图像帧的得分,从待处理视频的图像帧中确定候选图像
帧。
一阈值的情况下,获取待处理视频中部分图像帧。
方法。
视频处理方法。
包括图像帧中的对象和/或场景,进而将确定的目标图像帧拼接为目标视频。通过本公开,
在确定目标图像帧的时候,不仅利用图像帧的基础特征的信息,还结合图像帧的对象和/或
场景共同确定,使得基于目标图像帧拼接得到的目标视频,更有内容的意义和价值,更符合
用户所认可的优质内容视频,同时降低了视频制作门槛。因此,本公开解决了相关技术剪辑
拼接得到的视频无法满足用户所需的问题。
附图说明
具体实施方式
的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。以下实施例中所描述的实施方式并不代表与本公开相一致的
所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致
的装置和方法的例子。
情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况:(1)包括A;(2)包括B;
(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”,即表示如下三种并列的情
况:(1)执行步骤一;(2)执行步骤二;(3)执行步骤一和步骤二。
景包括服务器100、用户终端110和用户终端120,其中,用户终端不限于2个,包括并不限于
手机、个人计算机等设备,用户终端可以安装用于拍摄视频的摄像头,服务器可以是一个服
务器,也可以是若干个服务器组成服务器集群,还可以是云计算平台或虚拟化中心。
提取的图像帧的基础特征的信息(如清晰度,色彩饱和度、丰富度,画面运动程度等)以及图
像帧中的识别特征的信息,确定用于拼接视频的目标图像帧,进而基于确定的目标图像帧,
可以拼接得到目标视频,其中,上述识别特征可以为图像帧中的对象和/或场景。通过本实
施例得到的目标视频,更有意义和价值,更符合用户所认可的优质视频。
例如,在图像帧的总数小于第一阈值的情况下,获取待处理视频中所有图像帧,在图像帧的
总数大于等于第一阈值的情况下,获取待处理视频中部分图像帧。上述第一阈值可以根据
实际需要设置。通过本实施例,在待处理视频的图像帧的总数过大时,可以获取待处理视频
的部分图像帧进行后续处理,避免待处理视频过大导致后续处理成本高的问题。
所述待处理视频的所有图像帧中抽取部分图像帧。
行选取,如果图像帧总量少于第一阈值,可抽取原素材内容的每一个图像帧,如果图像帧数
据大于等于第一阈值,可以抽取原素材内容的一部分图像帧,具体的抽帧方式本公开并不
限制。
或场景。上述基础特征的信息包括但并不限于:色彩饱和度、清晰度、丰富度、亮度、画面运
动程度等。上述图像帧的对象和/或场景可以通过算法模型分析得出,其中,算法模型可采
用相关技术中的图像识别算法,但本公开对算法模型并不限定,任何可以分析出图像帧的
对象和/或场景的算法均可以应用于本公开。上述图像帧中的对象包含但不限于:人(成人
男性、成人女性、儿童、婴儿)、动物、水果、蔬菜、饮料、电器、家具、建筑、车辆,图像帧中的场
景包含但不限于:室内、交通、自然风景、人文风景、城市、村落、田野、医院、学校、婚礼。
息,从待处理视频的图像帧中确定候选图像帧,再根据候选图像帧中的识别特征所包括的
对象的信息和/或识别特征所包括的场景的信息,确定目标图像帧。通过本实施例,可以得
到更符合用户所认可的优质图像帧。
特征的信息,并基于每个基础特征的信息和每个基础特征的信息对应的权重,得到图像帧
的得分;基于每个图像帧的得分,从待处理视频的图像帧中确定候选图像帧。
计算每个图像帧的基础特征的信息得分(即每个图像帧的得分),如果图像帧的基础特征的
信息得分大于预先设置阈值,则认为图像帧包含有具体对象、场景的内容,并筛选出这部分
图像帧(即上述筛选出的一部分图像帧),否则认为图像帧包含的是无意义内容,则剔除该
部分图像帧。
的画面占比和/或对象的画面位置,基于对象的画面占比和/或对象的画面位置,从候选图
像帧中确定目标图像帧。根据候选图像帧中的识别特征所包括的场景的信息,确定目标图
像帧,可以通过如下方式实现:候选图像帧中的识别特征所包括的场景的主题信息;基于场
景的主题信息,从候选图像帧中确定目标图像帧。通过本实施例,可以方便、快速的得到符
合用户所认可的优质图像帧。
画面画面占比高、画面位置突出的片段,又如,场景的有效、主题明确的场景的片段,后续拼
接这些截选出的片段得到目标视频,其中,截选出的片段可以为全帧图像。
值,和/或至少一个对象的画面位置位于预定画面位置,则将候选图像帧确定为目标图像
帧。
景的主题与目标视频的主题相对应的候选图像帧,确定为目标图像帧,其中,所述目标视频
的主题是预先设定的。需要说明的是,上述预定有效场景可以基于经验和实际情况预先设
定,如将包含古代建筑的场景设定为预定有效场景。
出现预定次数以上或出现次数最多的识别特征,为目标视频匹配对应的特效;将特效显示
在目标视频上。上述特效包括但不限于滤镜、音乐、文字。通过本实施例,按目标视频的主要
识别特征匹配对应的特效,提高了匹配的准确性。
像帧和/或满足预设关系的识别特征对应的目标图像帧拼接为多屏图像帧;基于多屏图像
帧进行拼接得到目标视频。通过本实施例,可以获取更符合用户所需的视频。
容的对象、场景映射对应的特效,如装饰特效、音乐特效、文案特效等。具体地,可以根据确
定好的整体内容的对象、场景推荐装饰特效、合适音乐以及匹配合适文案,并将各个特效添
加在对应视频画面上。若原素材内容(即上述待处理视频)场景丰富(场景类别>=N),则选
取相同场景或互补场景(组合在一起有意义的场景,如人和美食组合在一起,可能是人在吃
饭,因此人和美食为互补场景,此外还有人和风景等),将其进行多屏拼接。又如主题为食物
的内容,自动匹配适合食物的滤镜、美食主题的贴纸,并推荐应用美食类的音乐,并将食物
的类型及制作步骤通过文字添加在画面上,若内容中有多个美食片段,还可以做同画面内
的分屏拼接处理。
帧中与所述识别特征相对应的模型,其中,所述相对应的模型是基于预先采集的对象特征
或场景特征生成的深度学习模型;确定目标图像帧中的识别特征与相对应的模型的相似
度,基于相似度确定目标图像帧对应的目标识别特征;基于所有目标图像帧对应的目标识
别特征,确定目标识别特征中出现预定次数以上或出现次数最多的识别特征。例如,相似度
还可以预先采集各种对象、场景特征,形成各维度的特征向量作为标注识别特征,然后将标
注识别特征与识别出的识别特征相比较,得到二者的相似度,作为识别出的识别特征打分,
进而基于得分确定每个图像帧所对应的识别特征。通过本实施例,可以准确的确定每个图
像帧的识别特征。
征;在至少两个识别特征的相似度大于第二预定值的情况下,按目标图像帧中识别特征的
优先级确定目标图像帧对应的目标识别特征,其中,第二预定值大于第一预定值;在排序靠
前的两个识别特征的相似度之差小于第三预定值的情况下,按目标图像帧中识别特征的优
先级确定目标图像帧对应的目标识别特征;在排序靠前的两个识别特征的相似度之差大于
等于第三预定值的情况下,将相似度最高的识别特征作为目标图像帧的目标识别特征。
特征匹配一个标签并计算每个标签的得分,其中,每个标签的得分(即上述相似度)可以通
过深度学习模型得到,而通过深度学习模型得到相似度的过程上面已经论述,此处不再展
开论述。下面详细介绍加权加和的规则:
别特征为萌娃、宠物,且两个标签的得分均>0.8,则此时可以选择优先级较高的萌娃作为
该图像帧对应的标签。需要说明的,此处并不限定只选择一个标签,也可以选择两个或者更
多个标签作为该图像帧的标签,具体根据实际需要确定。
最多的标签所对应的识别特征作为整体内容的主要对象或场景。当然,也可以选择标签中
出现次数超过预定次数的标签作为整体内容(上述目标视频)的标签,也即将标签中出现次
数超过预定次数的标签所对应的识别特征作为整体内容的主要对象和/场景。
合用户所需,且降低了筛选素材、剪辑优质视频内容的门槛。具体来说,主要通过理解原素
材内容(待处理视频)的基础特征的信息和其中的对象及所处场景,从原素材内容中选取有
意义的内容,并根据选取的内容映射使用合适的特效,如推荐合适的装饰特效、匹配合适文
案等,将其添加在对应视频画面上,提升视频编辑制作效果。
标图像帧,其中,识别特征包括图像帧中的对象和/或场景;拼接单元34,被配置为将目标图
像帧拼接为目标视频。
括的对象的信息和/或识别特征所包括的场景的信息,确定目标图像帧。
的画面位置,从所述候选图像帧中确定目标图像帧。
位置,则将所述候选图像帧确定为目标图像帧。
帧。
的主题相对应的候选图像帧,确定为所述目标图像帧,其中,目标视频的主题是预先设定
的。
为基于所有目标图像帧中出现预定次数以上或出现次数最多的识别特征,为目标视频匹配
对应的特效;显示单元38,被配置为将特效显示在目标视频上。
应的模型是基于预先采集的对象特征或场景特征生成的深度学习模型;确定目标图像帧中
的识别特征与相对应的模型的相似度,基于相似度确定目标图像帧对应的目标识别特征;
基于所有目标图像帧对应的目标识别特征,确定目标识别特征中出现预定次数以上或出现
次数最多的识别特征。
相似度大于第二预定值的情况下,按目标图像帧中识别特征的优先级确定目标图像帧对应
的目标识别特征,其中,第二预定值大于第一预定值;在排序靠前的两个识别特征的相似度
之差小于第三预定值的情况下,按目标图像帧中识别特征的优先级确定目标图像帧对应的
目标识别特征;在排序靠前的两个识别特征的相似度之差大于等于第三预定值的情况下,
将相似度最高的识别特征作为目标图像帧的目标识别特征。
系的识别特征对应的目标图像帧拼接为多屏图像帧;将基于多屏图像帧进行拼接得到目标
视频。
础特征的信息对应的权重,得到图像帧的得分;基于每个图像帧的得分,从待处理视频的图
像帧中确定候选图像帧。
像帧的总数大于等于第一阈值的情况下,获取待处理视频中部分图像帧。
存储器中存储有计算机可执行指令集合,当计算机可执行指令集合被至少一个处理器执行
时,执行根据本公开实施例的视频处理处理方法。
以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备400
还可以是集成控制系统或系统管理器的一部分,或者可被配置为与本地或远程(例如,经由
无线传输)以接口互联的便携式电子设备。
模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
用任何已知的传输协议。
系统可使用的其他存储装置。存储器401和处理器402可在操作上进行耦合,或者可例如通
过I/O端口、网络连接等互相通信,使得处理器402能够读取存储在存储器401中的文件。
处理处理方法。这里的计算机可读存储介质的示例包括:只读存储器(ROM)、随机存取可编
程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态
随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD‑ROM、CD‑
R、CD+R、CD‑RW、CD+RW、DVD‑ROM、DVD‑R、DVD+R、DVD‑RW、DVD+RW、DVD‑RAM、BD‑ROM、BD‑R、BD‑R
LTH、BD‑RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如,多媒
体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储
装置、硬盘、固态盘以及任何其他装置,所述任何其他装置被配置为以非暂时性方式存储计
算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关
联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计
算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服
务器等计算机设备中部署的环境中运行,此外,在一个示例中,计算机程序以及任何相关联
的数据、数据文件和数据结构分布在联网的计算机系统上,使得计算机程序以及任何相关
联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问
和执行。
者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识
或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的
权利要求指出。