发明内容
这里公开了结合视频监控所采用的一种方法、相应的系统和设备。示例实施例包括一种使能从视频监控系统取回信息的方法，所述方法可以包括在主要的相机或从属的相机的视频场景中自动地识别感兴趣的对象。所述示例实施例可以包括对所述感兴趣的对象的至少一个特征进行自动地分类以产生主要的和从属的元数据。所述示例实施例还可以包括以通过使用所述主要的或从属的元数据使能取回关于所述感兴趣的对象的信息的方式，与至少所述从属的相机的视频相关联地存储主要的和从属的元数据。
存储可以包括在数据库中存储所述主要的和从属的元数据。使能取回关于所述感兴趣的对象的信息的所述方法可以包括在所述主要的和从属的元数据之间创建链接，并且使用所述主要的或从属的元数据以及所述链接取回所述从属的相机的视频。
使能取回关于所述感兴趣的对象的信息的所述方法还可以包括使用所述主要的和从属的元数据。
自动地识别感兴趣的对象可以包括应用背景减除以从所述视频场景中移除背景对象。
所述示例实施例还可以包括通过基于包括在所述主要的元数据中的对象信息调整所述从属的相机的视场来跟踪所述感兴趣的对象。调整所述从属的相机的视场可以包括放大所述感兴趣的对象并跟随所述感兴趣的对象的移动。所述从属的元数据可以包括指示从属的相机跟踪所述感兴趣的对象的开始时间的开始时间戳和指示从属的相机跟踪所述感兴趣的对象的结束时间的结束时间戳。调整所述从属的相机的视场还可以基于在所述从属的相机处基于所述主要的元数据处理所述视频场景。所述从属的元数据可以包括从所述视频场景提取的详细的对象信息。处理所述视频场景可以包括搜索在跟踪期间捕捉的所述从属的相机的一个或多个图像帧，所述搜索可以基于包括在所述主要的元数据中的对象信息。调整所述从属的相机的视场可以包括将所述从属的相机引导到平移和倾斜位置。所述示例实施例还可以包括分析在跟踪期间的所述从属的相机的一个或多个图像帧，从所述一个或多个图像帧提取详细的对象信息，以及存储被提取为所述从属的元数据的所述详细的对象信息。
对所述感兴趣的对象的至少一个特征进行自动地分类可以包括将所述感兴趣的对象归类为人、车辆或动物。
对所述感兴趣的对象的至少一个特征进行自动地分类可以包括将所述感兴趣的对象的移动分类为静止的或移动的，其中，移动的分类还可以包括所述感兴趣的对象的移动的估计的速度。
所述主要的或从属的元数据可以包括用于所述感兴趣的对象的时间戳、识别的颜色、识别的车牌号、纵横比或边界框。
存储所述主要的和从属的元数据可以包括在服务器上存储所述主要的和从属的元数据。
自动地识别、自动地分类以及存储可以发生在记录所述视频场景期间。
自动地识别、自动地分类以及存储可以发生在记录所述视频场景之后。
所述示例实施例还可以包括将所述主要的或从属的元数据呈现给用户。
另一示例实施例包括一种用于使能从视频监控系统取回信息的系统。所述示例实施例可以包括通信地耦接的主要的相机、从属的相机和服务器。主要的相机可以被配置为自动地在所述主要的相机的视频场景中识别感兴趣的对象，并将通过对识别的所述感兴趣的对象的至少一个特征进行分类产生的主要的元数据传送到所述从属的相机以及到所述服务器。所述从属的相机可以被配置为基于传送的所述主要的元数据确定更加详细的从属的元数据并将所述从属的元数据传送到所述服务器。所述服务器可以被配置为以使能取回关于所述感兴趣的对象的信息的方式存储所述主要的和从属的元数据。
使能取回关于所述感兴趣的对象的信息的所述方式可以包括在所述主要的和从属的元数据之间创建链接。所述从属的元数据比所述主要的元数据可以包括感兴趣的对象的更加详细的分类信息。所述从属的相机还可以被配置为向主要的相机传送从属的元数据或者所通信的主要的元数据错误的指示，并且服务器可以用从属的元数据的对象类别覆盖主要的元数据的对象类别。
所述主要的相机还可以被配置为包括在主要的元数据中用于视频场景的主要的边界框，并且所述从属的相机还可以被配置为基于所述主要的边界框定义用于所述视频场景的从属的边界框。所述从属的元数据比所述主要的元数据可以包括所述感兴趣的对象的更加详细的分类信息。所述从属的元数据可以基于在所述从属的边界框中的视频场景的从属的数据。所述从属的相机还可以被配置为作为所述主要的元数据以及从属的相机自己对视频场景的处理的函数定义所述从属的边界框。所述主要的元数据可以包括在所述主要的边界框中的对象的主要的数据，并且所述从属的相机还可以被配置为使用所述主要的数据以产生所述从属的元数据。
方法的另一示例实施例包括使能从视频监控系统取回信息。所述示例实施例可以包括以通过使用主要的或从属的元数据使能取回关于感兴趣的对象的信息的方式呈现以分别来自主要的相机和从属的相机的所述主要的和从属的元数据的形式的所述感兴趣的对象的至少一个特征的表示。来自所述主要的相机的主要的元数据可以包括关于所述感兴趣的对象的分类信息。来自所述从属的相机的从属的元数据可以包括关于所述感兴趣的对象的更加详细的分类信息。
此外，其上存储一系列指令的非瞬时性计算机可读介质的示例实施例，其中所述一系列指令当由处理器加载并执行时，可以引起所述处理器从视频监控系统取回信息。所述一系列指令还可以引起所述处理器自动地识别主要的相机或从属的相机的视频场景中的感兴趣的对象。所述系列指令还可以引起所述处理器对所述感兴趣的对象的至少一个特征进行自动地分类以产生主要的和从属的元数据。所述一系列指令还可以引起所述处理器以通过使用所述主要的或从属的元数据使能取回关于所述感兴趣的对象的信息的方式与至少所述从属的相机的视频相关联地存储主要的和从属的元数据。
应理解的是，本发明的实施例可以以方法、设备、系统或者具有在其上实施的程序代码的计算机可读介质的形式实现。通常，应理解的是，这里所述的方法、块和流程图的元件如本领域普通技术人员所理解的可以实现在软件、硬件、固件中。本发明的示例实施例可以包括包含指令的非瞬时性计算机可读介质，所述指令可以由处理器加载并执行，并且当执行时，引起所述处理器完成这里所述的方法。为了容易阅读，术语“系统”在说明书的各个部分中使用并且可以表示本发明的实施例和实现方式的一些或所有形式，诸如系统、方法、设备、装置、计算机可读介质、网络节点和网络。
具体实施方式
下文是对本发明的示例实施例的描述。
操作员可能需要查看记录的监控图像数据以便识别可能包括在记录的监控图像数据中的感兴趣的对象。对于操作员来说搜索感兴趣的对象会是费力的并且耗时的任务。根据这里所公开的实施例，从属的相机可以被配置为放大感兴趣的对象以便提供更加详细的图像。每当对象被检测时，可以引导从属的相机以查看场景的细节。可以自动地提取重要信息以使能更加有用的视频监控系统。
根据一个实施例，主要的相机可以记录关于感兴趣的对象的主要的元数据并将所述主要的元数据传送到从属的相机。从属的相机可以基于所述主要的元数据变焦、平移或倾斜以隔离并记录关于感兴趣的对象的更加详细的图像数据。此外，从属的相机可以记录关于感兴趣的对象的从属的元数据。可以与记录的图像数据相关联地存储主要的和从属的元数据以使能对于感兴趣的对象的之后的加速的搜索。可以更加容易地识别包括感兴趣的对象的记录的图像数据，由于其可以由主要的或从属的元数据或其组合指导。
图1A示出了用于使能从视频监控系统取回信息的系统100。系统100可以包括通过计算机网络108通信地耦接的主要的相机102、从属的相机104、用户装置128以及服务器106。计算机网络108可以是有线的、无线的或者其任何组合。
根据这里所公开的实施例，来自主要的相机102的主要的元数据可以被传送到一个或多个从属的相机104，将信息提供到一个或多个从属的相机以增强一个或多个从属的相机的处理性能和能力。例如，主要的相机102可以传送将被从属的相机使用的颜色或纵横比以识别重要对象。通过向从属的相机提供可以包括诸如定位、尺寸、移动速度、移动方向、形状、颜色或纵横比的属性的主要的元数据，从属的相机可以使用所述信息以减少用于寻找重要对象(例如，一个或多个感兴趣的对象)的处理。用于搜索和识别感兴趣的对象的处理时间可以通过使能搜索与图像数据相关联的主要的或从属的元数据，而不是搜索图像数据自身而被减少。在主要的相机的视场中的对象可以由场景分析器分类。场景分析器可以是分析输入视频并以用于包括在输入视频中的一个或多个感兴趣的对象的元数据的形式产生分类信息的方法。对象分类可以通过主要的相机或者通过外部服务器106或任何其它合适的装置或系统进行。所述示例实施例还可以包括将所述主要的或从属的元数据以及感兴趣的对象的分类呈现给用户118。呈现可以包括呈现在诸如用户装置128的任何合适的显示装置上。
主要的相机102可以被配置为自动地在所述主要的相机的视频场景中识别感兴趣的对象并且向从属的相机以及向服务器106传送以主要的元数据112a形式的识别的对象的主要的分类信息。主要的相机102可以包括被配置为进行普通的基于背景的场景分析的处理引擎(未示出)。在进行分析之后，可以提取以主要的元数据的形式的有用的信息。感兴趣的对象可以是静止的或运动的。从属的相机可以被配置为基于传送的主要的分类信息确定更加详细的从属的分类信息。从属的相机还可以被配置为向服务器106传送以从属的元数据112b的形式的更加详细的从属的分类信息。
服务器106可以被配置为以使能取回关于所述感兴趣的对象的信息的方式存储主要的分类信息和详细的从属的分类信息。主要的分类信息和详细的从属的分类信息可以被存储在服务器106的存储器(未示出)中或者在通信地耦接到服务器106的数据库114中。服务器106可以以元数据122的形式存储感兴趣的对象的至少一个特征的表示。元数据122可以包括主要的元数据112a或从属的元数据112b或者其任何组合。元数据122可以以通过使用主要的或从属的元数据使能取回关于感兴趣的对象的信息的方式与至少从属的相机104的视频126相关联。
感兴趣的对象可以是现实世界的对象，并且通过主要的或从属的元数据比通过对视频的直接观察的取回在平均上可能更加高效。
主要的相机102和从属的相机104可以是百万像素相机或者用于在监控系统中捕捉视频的其它合适的装置。主要的相机102或从属的相机104可以是装置或系统。例如，主要的相机102或从属的相机104可以是耦接到计算机或者包括处理器和存储器的数字摄像机。主要的相机102可以是固定类型的主要的相机或者任何其它合适的视频捕捉装置。从属的相机104可以是平移、倾斜和变焦(PTZ)相机或者任何其它合适的视频捕捉装置。不同类型的相机可以被用于主要的或者从属的相机。可以使用人们或本领域普通技术人员知道的任何合适的相机。例如，可以使用透视的、全方位的、热感的、近红外、彩色、黑白、长焦、变焦、或任何其它合适的相机、或任何合适的相机/镜头的组合。
主要的相机102和从属的相机104可以向服务器106提供高清晰度的视频流(未示出)。主要的相机102可以配置从属的相机104以监控宽视场并且然后数字地放大特定区域或感兴趣的对象。例如，视频场景可以包括可能离开银行的卡车116。卡车116可能由银行抢匪驾驶，并且感兴趣的对象110可能是位于卡车116上的车牌照。从属的相机104可以被配置为数字地放大车牌照110，并且在该实施例中，凭借通过使用元数据而获得的效率可以比之前可能更加快地取回车牌照110的图像110'。另一从属的相机(未示出)可以被配置为通过面部检测跟踪驾驶卡车的银行抢匪的面部。
图1A的系统示出了可以捕捉整个监控区域120的视频的一个主要的相机102。从属的相机104可以提供一个或多个感兴趣的对象110的高分辨率的图像。尽管图1A仅示出了一个主要的和一个从属的相机，应理解的是，可以有多个主要的和/或可以有多个从属的相机。例如，多个从属的相机可以与给定的主要的相机相关联。
主要的相机102和从属的相机104可以通信以使能跟踪系统。主要的和从属的相机可以以任何合适的方式通信。例如，通信可以通过使用利用任何合适的协议的无线的或有线的连接的因特网。主要的和从属的相机可以监视整个监控区域。从属的相机可以被引导到整个监控区域中的任何感兴趣的区域。从属的相机可以被配置为放大感兴趣的对象以便提供更加详细的图像。每当对象被检测时，可以引导从属的相机以查看所述场景的细节。可以自动地提取重要信息以使能更加有用的视频监控系统。
图1B示出了元数据150的实施例。元数据150可以包括对象标示符152、独特的相机标示符154、一个或多个时间戳156、边界框158、颜色160、速度162、对象类型164、事件类型166、面部特征、纵横比168以及其它合适的数据170。关于图1A所示的场景120，边界框158可以在视频场景120中定义感兴趣的区域124。主要的元数据112a或从属的元数据112b可以包括元数据150的所有或任何部分。
主要的元数据112a可以被发送到服务器106以便存储在数据库114上。从属的相机104可以“听从”主要的相机102。例如，主要的相机102可以检测对象并且指派一个或多个从属的相机跟踪对象。根据一方面，主要的相机102可以发送“移动”命令到从属的相机104。与移动命令一起，来自主要的相机102的对象的主要的元数据112a'的一部分可以被发送到从属的相机104，诸如主要的相机102的标示符、对象的标示符、一个或多个时间戳、颜色、对象类型等。从属的相机104可以基于来自主要的相机102的主要的元数据跟踪(例如，跟随)对象。
根据这里所公开的实施例，如果从属的相机104具有有限的实时处理能力，来自主要的相机102的主要的元数据可以被用于初始化使能从属的相机寻找对象的具体的处理。在处理之后，从属的相机104可以提取与主要的相机102的主要的元数据相似类型的从属的元数据。例如，从从属的相机102提取的从属的元数据可以包括一个或多个时间戳、边界框、颜色等。类似于主要的元数据112a，从属的元数据112b可以被发送到服务器106以便存储在数据库114上。此外，从属的元数据112b'的所有或者一部分可以被发送到主要的相机102。从属的相机的运动矢量可以通过光流法计算。如果对象与背景相反移动，从属的相机的视场中的对象可以通过运动矢量聚类提取。
图2示出了使能从视频监控系统取回信息的方法的实施例的流程图(200)。所述方法可以开始(202)并且自动地识别在主要的相机或从属的相机的视频场景中的感兴趣的对象(204)。所述方法可以对所述感兴趣的对象的至少一个特征进行自动地分类以产生主要的和从属的元数据，可以作为主要的元数据的函数确定从属的相机的感兴趣的对象(206)。所述方法可以对在各自的视频场景或共同的视频场景中的感兴趣的对象的至少一个特征进行自动地分类以产生主要的和从属的元数据。所述方法可以以通过使用主要的或从属的元数据使能取回关于所述感兴趣的对象的信息的方式与至少从属的相机的视频相关联地存储主要的和从属的元数据(208)。在该示例实施例中所述方法在此以后结束(210)。
根据一个实施例，服务器106可以链接从主要的和从属的相机接收的主要的元数据112a和从属的元数据112b。主要的相机102的主要的元数据112a和从属的相机104的从属的元数据112b之间的链接113可以被用作用于信息取回的指导。例如，可以定位主要的相机102的对象或者事件，并且链接113可以指导访问数据库的处理器到从属的相机104的记录以便从从属的相机104取回相应的图像或视频片段。根据另一方面，来自所述从属的相机的从属的元数据可以包括主要的相机的独特的标示符(ID)、在主要的相机上的对象的ID以及对应于跟踪的开始和结束的时间戳。从属的元数据可以通过使用主要的相机的ID和主要的相机的对象的ID被取回。根据又一实施例，主要的相机102可以被配置为将一些额外的信息添加到主要的元数据，所述额外的信息诸如接收到移动命令的给定的从属的相机的ID。
根据另一实施例，服务器106可以搜索数据库114以寻找对象。如果在主要的相机102上的对象被找到，在跟踪对象期间的从属的相机的视频片段可以从服务器106取回。如果从属的相机104具有实时处理能力，类似于主要的元数据的从属的元数据可以已经与视频片段一起被发送并记录，并且满足搜索条件的从属的相机的图像可以被取回。
根据这里所公开的实施例，可以通过首先应用基于背景减除的方法而提取元数据。可以由主要的相机使用所述方法以进行基本的对象检测和分类。一旦找到对象，可以获得其颜色、方向、速度、定位等。可以从原始的源图像提取更加详细的信息。根据一方面，处理可以被图像尺寸限制。例如，如果源图像是高清晰度的电视尺寸，则处理的图像的尺寸可能会是通用中间格式(CIF)。根据另一方面，可以从原始的高清晰度的源图像提取更加详细的图像块以获得更多的元数据，诸如颜色和其它纹理信息。
根据从主要的相机获得的信息，可以移动从属的相机以查看更加详细的信息。来自从属的相机的从属的元数据可以简单地包括在跟踪的开始处的时间戳以及在跟踪的结束处的时间戳。从属的相机可以基于主要的相机的主要的元数据信息进行具体的搜索。例如，对象颜色和对象类型信息。在该示例中，主要的元数据可以指定对象类型是人类并且颜色是红色，然后从当其开始跟踪时到当其终止跟踪时对从属的相机的每个图像帧进行搜索。搜索可以首先被配置为明确地寻找人类。可以应用颜色以加速搜索。可以使用不同的搜索方法，每个搜索方法针对特定的对象特征。特定的对象特征可以在元数据中指定。
根据另一实施例，可以假设的是，由于对象的小尺寸，所以来自主要的相机的信息不够准确。在该示例中，主要的相机可以首先引导从属的相机到正确的平移/倾斜位置，但是具有较少的变焦因素。在从属的相机到达所引导的位置处之后，可以使用帧减除法或光流法以分析场景并提取更加准确的从属的元数据。在提取更加准确的从属的元数据之后，从属的相机可以返回遵循来自主要的相机的命令的听从装置状态。
根据一个实施例，主要的相机可以提取关于感兴趣的对象的主要的元数据并将主要的元数据直接或者通过服务器传送到从属的相机。由于从属的相机可以变焦、平移或倾斜以隔离并捕捉关于感兴趣的对象的更加详细的图像数据，从属的相机可以提供关于感兴趣的对象的更加详细的信息。可以与记录的图像数据相关联地存储元数据以使得对感兴趣的对象的之后的搜索加速并且使得更加容易地识别包括感兴趣的对象的记录的图像数据。
图3A和图3B示出了使能从视频监控系统取回信息的方法的另一实施例的流程图(300)。所述方法可以开始(302)并在记录视频场景期间(304)决定是继续还是等待(306)之后的记录(308)。所述方法可以继续并且自动地识别在主要的相机或从属的相机的视频场景中的感兴趣的对象，作为来自主要的相机的主要的元数据的函数确定从属的相机的感兴趣的对象(310)。所述方法可以检查是否从视频场景移除背景对象(312)。如果是，识别感兴趣的对象可以包括应用背景减除以从视频场景移除背景对象(314)并且所述方法可以继续并且检查是否通过基于包括在来自主要的相机的主要的元数据中的对象信息调整所述从属的相机的视场来跟踪所述感兴趣的对象(316)。
如果通过基于包括在来自主要的相机的主要的元数据中的对象信息调整所述从属的相机的视场来跟踪所述感兴趣的对象(318)，所述方法可以使能记录在从属的元数据中的指示从属的相机跟踪对象的开始时间的开始时间戳，以及指示从属的相机跟踪对象的结束时间的结束时间戳(326)。所述方法可以检查是否将从属的相机引导到平移位置(336)。如果是，调整所述从属的相机的视场可以包括将从属的相机引导到倾斜位置(338)。所述方法还可以检查是否将从属的相机引导到倾斜位置(340)。如果是，调整所述从属的相机的视场可以包括将从属的相机引导到倾斜位置(342)并且所述方法可以继续。
所述方法可以检查是否放大感兴趣的对象并且跟随感兴趣的对象的移动(320)。如果是，所述方法可以放大感兴趣的对象并且跟随感兴趣的对象的移动(322)。所述方法还可以检查是否处理视频场景(328)。如果不是，所述方法可以继续并且检查处理视频场景是否将要发生(328)。如果处理视频场景不将发生(328)，所述方法可以继续并分析在跟踪期间的所述从属的相机的一个或多个图像帧(344)。
如果处理视频场景将要发生(328)，在从属的相机处处理视频场景可以基于来自主要的相机的对象信息，并且从属的元数据可以包括从视频场景由从属的相机提取的详细的对象信息(330)。更加复杂的元数据提取方法可以应用到从属的相机，因为从属的相机可以在移动的恒定状态中。例如，从属的相机的两个连续的帧可以通过变形而对准，并且对变形的帧的帧减除可以被用于检测所述对象并对所述对象进行分类。
如果处理视频场景，可以进行是否搜索存储的视频场景的表示的检查(332)。如果处理包括搜索，可以对跟踪期间捕捉的从属的相机的一个或多个图像帧进行搜索，搜索可以基于包括在来自主要的相机和从属的相机的元数据中的对象信息(334)。
所述方法可以分析在跟踪期间的从属的相机的一个或多个图像帧(344)。所述方法还可以从一个或多个图像帧提取详细的对象信息(346)，并存储提取为从属的元数据的详细的对象信息(348)，并且所述方法可以通过调整所述从属的相机的视场在不跟踪感兴趣的对象的情况下将采取的相同的路径上继续(316)。例如，所述方法可以继续对所述感兴趣的对象的至少一个特征进行自动地分类(350)。
可以对感兴趣的对象是否是人、车辆还是动物进行检查(352)。对所述感兴趣的对象的至少一个特征进行自动地分类可以包括将所述感兴趣的对象归类为人、车辆或动物(354)。此外，可以对感兴趣的对象是否是静止的进行检查(356)。如果是，对所述感兴趣的对象的至少一个特征进行自动地分类可以包括将识别的对象的移动分类为静止的(358)。如果不是，对所述感兴趣的对象的至少一个特征进行自动地分类可以包括将识别的对象的移动分类为移动的，并且移动的分类还可以包括识别的对象的移动的估计的速度(360)。
所述方法可以继续并以通过使用所述主要的或从属的元数据使能取回关于感兴趣的对象的信息的方式以包括来自与至少从属的相机的视频相关联的主要的相机的主要的元数据的元数据的形式存储至少一个特征的表示(362)。可以对包括从属的元数据进行检查(364)。如果是，可以包括与识别的对象相关联的从属的元数据(365)。所述方法可以检查是否在服务器上存储所述主要的或从属的元数据(366)。如果是，主要的或从属的元数据或者其组合可以存储在服务器上(368)。
所述方法还可以检查是否将对象的主要的或从属的元数据的形式呈现给用户(370)。如果是，所述方法可以将感兴趣的对象的主要的或从属的元数据呈现给用户(372)。如果呈现，将感兴趣的对象的主要的或从属的元数据呈现给用户可以包括在任何合适的显示装置上呈现。在该示例实施例中所述方法在此以后结束(374)。
图4示出了使能从视频监控系统取回信息的方法的又一实施例的流程图(400)。所述方法可以开始(402)，并且以通过使用所述主要的或从属的元数据使能取回关于感兴趣的对象的信息的方式(406)，呈现以分别来自主要的相机和从属的相机的主要的或从属的元数据的形式的感兴趣的对象的至少一个特征的表示(404)。在该示例实施例中所述方法在此以后结束(408)。
图5是其中可以实现本发明的各种实施例的计算机500的示例内部结构的框图。计算机500包含系统总线502，其中总线是用于在计算机或处理系统的部件之间传输数据的一组硬件线。总线502基本上是耦接计算机系统的不同的元件(例如，处理器、盘存储器、存储器、输入/输出端口、网络端口等)的、使能元件之间的信息的传输的共享的线管。耦接到系统总线502的是用于将各种输入和输出装置(例如，键盘、鼠标、显示器、打印机、扬声器等)耦接到计算机500的I/O装置接口504。网络接口506允许计算机500耦接到附接到网络的各种其它装置。存储器508为可以被用于实现本发明的实施例的计算机软件指令510和数据512提供易失性存储。盘贮存器514为可以被用于实现本发明的实施例的计算机软件指令510和数据512提供非易失性存储。中央处理器单元518也耦接到系统总线502并提供计算机指令的执行。
可以使用计算机程序产品配置本发明的示例实施例；例如，可以在软件中编程控制以用于实现本发明的示例实施例。本发明的另外的示例实施例可以包括包含指令的非瞬时性计算机可读介质，所述指令可以由处理器加载并执行，并且当执行时，引起所述处理器完成这里所述的方法。应理解的是，这里所述的块和流程图的元件可以实现在软件、硬件、固件或未来确定的其它类似的实现方式中。此外，这里所述的块和流程图的元件可以以任何方式在软件、硬件或固件中被组合或分割。如果实现在软件中，软件可以以能够支持这里所公开的示例实施例的任何语言编写。软件可以存储在任何形式的计算机可读介质中，所述计算机可读介质诸如随机存取存储器(RAM)、只读存储器(ROM)、光盘只读存储器(CD-ROM)等等。在操作中，通用或专用处理器以本领域熟知的方式加载并执行软件。还应理解的是，所述块和流程图可以包括被不同地布置或调整、或者被不同地表示的更多或更少的元件。应理解的是，实现方式可以指示示出本发明的实施例的执行的所述块、流程和/或网络图以及块和流程图的编号。
尽管已经参考其示例实施例具体地示出和描述了本发明，本领域技术人员应理解的是，可以对其作出各种形式和细节的改变而不脱离所附权利要求所包含的本发明的范围。