文本行分割方法、装置及计算机可读存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本技术实施例涉及图像处理技术领域，尤其涉及一种文本行分割方法、装置及计算机可读存储介质。背景技术：2.随着技术的发展，光学字符识别(optical character recognition，即ocr)技术渐渐成为各个应用的核心模块，如车牌识别，护照识别，路牌识别等。ocr系统通常包含两个模块，文本检测模块和文本识别模块，其中，文本检测模块可以用于从输入的待处理图像中裁剪出单个文本行对应的图像，文本识别模块可以用于对裁剪出的单个文本行对应的图像进行内容识别。3.然而，在待处理图像中包含较为密集的文本行，即相邻文本行之间的间距较小时，文本检测模块裁剪出的图像中很容易包含多个文本行，将该包含多个文本行的图像提供给文本识别模块，文本识别模块将无法识别出正确的文字内容。技术实现要素：4.为克服相关技术中裁剪出的文本行图像中包含多个文本行的技术问题，本技术实施例提供了一种文本行分割方法、装置及计算机可读存储介质。5.根据本技术实施例的第一方面，提供一种文本行分割方法，包括：6.获取待处理图像；7.确定所述待处理图像中文本行对应的原始区域；8.若确定所述原始区域中包含多个文本行，从所述原始区域中确定目标区域，所述目标区域中文本行之间的粘连部分在文本行的排列方向上的长度短于所述文本行的长度；9.对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域；10.对各个所述子区域分别进行与所述腐蚀对应的膨胀，并利用膨胀后的所述子区域从所述待处理图像中裁剪出文本行。11.可选的，所述从所述原始区域中确定目标区域，包括：12.对所述原始区域去除文本行之间的间距区域，得到待定区域；13.若所述待定区域中包含有所述粘连部分，确定所述待定区域为所述目标区域。14.可选的，所述原始区域和/或所述间距区域是通过卷积神经网络对所述待处理图像进行识别确定的。15.可选的，确定所述待定区域是否包含所述粘连部分，包括：16.对所述待定区域沿第一方向切割得到多个区块，所述第一方向与所述排列方向垂直；17.确定各个所述区块中的连通域数量；18.若所述连通域的数量总和大于所述区块的数量，确定所述待定区域包含所述粘连部分。19.可选的，所述对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域，包括：20.对所述目标区域整体进行多次所述腐蚀，直至所述目标区域被腐蚀为指定数量的子区域。21.可选的，所述指定数量是根据所述区块对应的最大连通域数量确定的。22.可选的，所述腐蚀还包括第一方向的腐蚀，所述第一方向与所述排列方向垂直，所述排列方向的腐蚀步长大于所述第一方向的腐蚀步长。23.可选的，所述对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域，包括：24.利用指定的核对所述目标区域整体进行多次腐蚀，直至所述目标区域被腐蚀为多个子区域，所述指定的核在所述排列方向的长度大于在所述第一方向的长度。25.根据本技术实施例的第二方面，提供一种文本行分割装置，包括：26.获取模块，用于获取待处理图像；27.第一确定模块，用于确定所述待处理图像中文本行对应的原始区域；28.第二确定模块，用于若确定所述原始区域中包括多个文本行，从所述原始区域中确定目标区域，所述目标区域中的粘连部分在文本行的排列方向上的长度短于所述文本行的长度；29.腐蚀模块，用于对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域；30.膨胀模块，用于对各个所述子区域分别进行与所述腐蚀对应的膨胀；31.裁剪模块，用于利用膨胀后的所述子区域从所述待处理图像中裁剪出文本行。32.根据本技术实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本技术实施例提供的文本行分割方法。33.本技术提供的技术方案可以包括以下有益效果：34.本技术实施例提供的文本行分割方法，由于文本行对应的目标区域中，粘连部分在排列方向上的长度短于文本行的长度，因此在对目标区域进行至少包括排列方向的腐蚀时，粘连部分可以先于文本行所在的其它区域被腐蚀完，从而目标区域将被划分为多个子区域，每个子区域可以对应一个文本行，基于该子区域对待处理图像进行裁剪，即可裁剪出各个文本行对应的图像，实现文本行的分割。35.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术实施例。附图说明36.此处的附图被并入说明书中并构成本技术实施例的一部分，示出了符合本技术实施例的实施例，并与说明书一起用于解释本技术实施例的原理。37.图1是本技术实施例提供的文本检测结果示意图。38.图2是本技术实施例提供的文本行分割方法的流程图。39.图3是本技术实施例提供的文本行对应的目标区域的示意图。40.图4是本技术实施例提供的文本行对应的原始区域的示意图。41.图5是本技术实施例提供的待定区域确定过程示意图。42.图6是本技术实施例提供的对待定区域进行区块划分的示意图。43.图7是本技术实施例提供的对目标区域的腐蚀前后对比图。44.图8是本技术实施例提供的对另一待定区域进行区块划分的示意图。45.图9是本技术实施例提供的文本行分割装置的结构示意图。具体实施方式46.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术实施例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、本技术实施例的一些方面相一致的装置和方法的例子。47.在本技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术实施例。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。48.应当理解，尽管在本技术实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。49.随着技术的发展，光学字符识别(optical character recognition，即ocr)技术渐渐成为各个应用的核心模块，如车牌识别，护照识别，路牌识别等。ocr系统通常包含两个模块，文本检测模块和文本识别模块，其中，文本检测模块可以用于从输入的待处理图像中裁剪出单个文本行对应的图像，文本识别模块可以用于对裁剪出的单个文本行对应的图像进行内容识别。50.然而，在待处理图像中包含较为密集的文本行，即相邻文本行之间的间距较小时，文本检测模块裁剪出的图像中很容易包含多个文本行，将该包含多个文本行的图像提供给文本识别模块，文本识别模块将无法识别出正确的文字内容。可以参考图1，图1是本技术实施例提供的文本检测结果示意图。如图1所示，对于输入的待处理图像，文本检测模块裁剪出的图像中包含了两个文本行，导致文本识别模块无法正确识别其中的文本内容。51.为此，本技术实施例提供了一种文本行分割方法，可以分割出单个文本行，使后续的文字识别可以更准确。需要说明的是，本技术实施例所述的文本行可以是各个排列方向的文本行，包括但不限于竖向排列的文本行和横向排列的文本行。52.可以参考图2，图2是本技术实施例提供的文本行分割方法的流程图。本技术实施例提供的方法可以应用于各种智能设备，比如可以应用于手机、平板、电脑、会议平板等。该方法可以包括以下步骤：53.s202、获取待处理图像。54.s204、确定所述待处理图像中文本行对应的原始区域。55.s206、若确定所述原始区域中包含多个文本行，从所述原始区域中确定目标区域。56.待处理图像可以是包含有多个文本行的图像。从所述待处理图像中确定出文本行对应的原始区域后，可以先确定该原始区域中是否包含多个文本行。确定该原始区域中是否包含多个文本行的方式有多种，在一种实施方式中，可以确定原始区域的高度，若原始区域的高度大于预设阈值，则可以确定原始区域中包含多个文本行，发生了文本行粘连的问题；在一种实施方式中，也可以对原始区域通过图像识别算法进行识别，根据识别结果确定其中是否包含多个文本行。57.若所述原始区域包含多个文本行，则可以从所述原始区域中确定目标区域，其中，该目标区域中的文本行之间的粘连部分在文本行的排列方向上的长度短于所述文本行的长度。这里，文本行的排列方向可以是预先指定的，也可以是对文本进行图像识别确定的。可以参考图3，图3是对待处理图像确定出的一种目标区域，可见，在该目标区域(白色部分)的左边具有粘连部分，且该粘连部分在文本行排列方向上的长度(图3中的d1)是短于文本行的长度(图3中的d2)的。58.在一种实施方式中，原始区域可以通过卷积神经网络对待处理图像进行识别得到，具体的，即可以将待处理图像输入训练好的卷积神经网络，通过卷积神经网络可以识别出文本行对应的原始区域。这里，若所采用的卷积神经网络有较高的识别精度，则该卷积神经网络识别出的区域是较为精准的，即识别出的原始区域本身已经满足粘连部分在文本行的排列方向上的长度短于文本行长度的条件，此时，可以在从原始区域确定目标区域时，可以直接将该原始区域确定为所述目标区域。若所述卷积神经网络的识别精度较低，则识别出的区域中文本行之间将完全粘连，如图4所示，在这种情况下，原始区域中的粘连部分并不短于文本行的长度，则可以对原始区域进行指定处理，以获得粘连部分短于文本行长度的目标区域。59.在一种实施方式中，对原始区域进行指定处理时，可以对该原始区域去除其中文本行之间的间距区域，从而得到待定区域，若该待定区域仍然包含有粘连部分，则确定该待定区域为目标区域。60.对于文本行之间的间距区域，在一种实施方式中，也可以通过卷积神经网络对所述待处理图像进行识别得到。可以理解的，这里的识别也有精度高与精度低两种情况。在一种情况中，若间距区域的识别精度高，则所述原始区域在去除所述间距区域后，所述原始区域可能直接被划分为多个子区域，即所述待定区域可能包含多个独立的不连通的子区域，此时，每个子区域直接对应一个文本行，可以直接利用这些子区域对所述待处理图像进行裁剪，裁剪出各个文本行对应的图像。在一种情况中，若间距区域的识别精度低，则所述原始区域在去除所述间距区域后，得到的待定区域可能仍然包含有粘连部分，如图5所示，此时，可以确定该待定区域为所述目标区域，对所述目标区域进行后续处理。61.在确定待定区域中是否包含有粘连部分时，在一种实施方式中，可以对所述待定区域沿与所述排列方向垂直的第一方向进行多次切割，从而得到多个区块。这里，具体切割时可以是均匀切割也可以是不均匀切割，切割的区块数量也可以根据实际情况进行设定。对每一个区块，可以确定其中包含的连通域数量，若所有区块包含的连通域的数量总和大于区块的数量，则可以确定所述待定区域包含有所述粘连部分。62.可以参考图6，图6中文本行是横向排列的，则第一方向是与横向垂直的竖向，可以对待定区域竖直分割为a到g共7个区块，并对每一个区块可以确定其中的连通域数量，则从a区块到g区块的连通域数量分别为1、2、2、2、2、2、1(图中五角星用于标识一个连通域)，连通域的数量总和为12》区块数量7，因此可以确定待定区域中包含有粘连部分。63.可以理解的，若待定区域没有粘连部分，即只包含一个文本行，则无论怎么切割，各区块的连通域数量总和都将与区块的数量相同，而若待定区域中包含有粘连部分，则由于所述待定区域是原始区域去除了间距区域得到的，因此待定区域将形成多行结构，在切割后各区块的连通域数量总和将大于与区块的数量。64.在具体对所述原始区域进行所述间距区域的去除时，在一种实施方式中，可以将所述原始区域与所述间距区域进行异或操作，从而得到所述待定区域。65.上述的卷积神经网络可以是各种架构的卷积神经网络，比如可以是全卷积网络fcn、u-net等，本技术实施例对此不作限定。66.在通过卷积神经网络对所述待处理图像进行识别时，在一种实施方式中，卷积神经网络的输出结果可以是文本行分数图和文本行间距分数图，其中，文本行分数图包括各个像素对应的属于文本行的分数，文本行间距分数图包括各个像素对应的属于文本行间距的分数。对于文本行分数图和文本行间距分数图，可以根据设定的阈值进行二值化，从而得到文本行对应的第一掩膜和文本行之间间距对应的第二掩膜。这里，第一掩膜可以对应前文所述的原始区域，第二掩膜可以对应前文所述的间距区域。67.s208、对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域。68.s210、对各个所述子区域分别进行与所述腐蚀对应的膨胀，并利用膨胀后的所述子区域从所述待处理图像中裁剪出文本行。69.由前文可知，目标区域中的文本行并不是完全粘连的，但文本行之间仍然具有粘连部分。为将粘连的文本行分割开，本技术实施例采用了腐蚀的方式，即对目标区域进行至少包括所述排列方向的腐蚀，将目标区域腐蚀为多个子区域，得到的每个子区域可以对应一个文本行。70.可以理解的，由于目标区域中的粘连部分在所述排列方向上的长度短于所述目标区域中任一文本行的长度，因此在对所述目标区域进行至少包括所述排列方向的腐蚀时，所述目标区域的边界将整体的在所述排列方向上内缩，所述粘连部分会先于所述目标区域中的其他区域(文本行所在的区域)被腐蚀完，目标区域将被分割为至少两个不连通的子区域，每个子区域可以对应一个文本行。可以参考图7，图7是本技术实施例提供的对目标区域的腐蚀前后对比图。71.也由于腐蚀是整体进行的，因此，文本行对应的子区域也会被腐蚀掉一部分，因此可以对各个子区域进行与腐蚀过程相应的膨胀，将各个子区域恢复回原来的大小，再利用各个子区域分别对待处理图像进行裁剪，从而裁剪出各个文本行对应的图像，实现了文本行的分割。将该文本行对应的图像输出给文本识别模块进行文本识别，识别准确率可以大大提高。72.本技术实施例提供的文本行分割方法，由于文本行对应的目标区域中，粘连部分在排列方向上的长度短于文本行的长度，因此在对目标区域进行至少包括排列方向的腐蚀时，粘连部分可以先与文本行所在的其它区域被腐蚀完，从而目标区域将被划分为多个子区域，每个子区域可以对应一个文本行，基于该子区域对待处理图像进行裁剪，即可裁剪出各个文本行对应的图像，实现文本行的分割。并且，通过对目标区域进行腐蚀的方式，不需要确定粘连部分的具体位置，直接对目标区域腐蚀到出现多个子区域，即完成了文本行对应的区域的分割。73.在对目标区域进行腐蚀时，在一种实施方式中，可以通过对所述目标区域整体进行多次腐蚀，每一次腐蚀后判断所述目标区域是否已被腐蚀成多个子区域，在所述目标区域被腐蚀成多个子区域后，停止对所述目标区域进行下一次腐蚀。74.在一种实施方式中，停止对所述目标区域的腐蚀的判断条件还可以是所述目标区域是否已被腐蚀为指定数量的子区域。由于目标区域中粘连的文本行并不一定只有两个，若确定了目标区域中粘连的文本行数量，则可以在目标区域被腐蚀为相应数量的子区域时才停止腐蚀，从而可以以更高的效率完成目标区域中粘连文本行的分割。75.在确定目标区域中粘连的文本行数量时，在一种实施方式中，可以在前文所述的对待定区域进行区块分割时，根据区块对应的最大连通域数量确定，即可以将所述最大连通域数量确定为所述指定数量，在目标区域被腐蚀为指定数量的子区域后才停止对目标区域的腐蚀。区块对应的最大连通域数量与待定区域中包含的文本行数量是相关联的，可以参考图8，图8中的待定区域包含三个粘连的文本行，则在对待定区域进行区块分割后，通过确定区块中的连通域数量，可以确定最大连通域数量是三(如c、d、e、f四个区块)，则可以确定待定区域中粘连的文本行数量至少是三。76.对目标区域的腐蚀，在包括所述排列方向的腐蚀的基础上，还可以包括第一方向的腐蚀，所述第一方向可以与所述排列方向垂直，即对目标区域的腐蚀可以是对目标区域各个位置的边界均进行腐蚀。需要注意的是，对目标区域的腐蚀，在排列方向上的腐蚀强度(腐蚀步长)可以大于在第一方向上的腐蚀强度(腐蚀步长)，换言之，即在一次腐蚀中，目标区域在排列方向上的内缩距离可以大于其在第一方向上的内缩距离。举个例子，在一次腐蚀中，目标区域在排列方向上的边界可以向内缩进10个单位，而在第一方向上的边界可以向内缩进1个单位。77.在具体实现对目标区域的腐蚀在排列方向上的腐蚀步长大于在第一方向上的腐蚀步长时，在一种实施方式中，可以利用指定的核对所述目标区域进行腐蚀，其中，指定的核可以是在所述排列方向的长度大于在所述第一方向的长度的核。这里，核可以是细长的核，其具体可以是一个矩阵。若文本行的排列方向是横向的，则该矩阵可以是宽度远大于高度的矩阵，比如可以是1行10列的矩阵，利用该核对目标区域进行腐蚀，则在一次腐蚀中，目标区域在水平方向上的边界可以向内缩进10个单位，而在竖直方向上的边界可以仅向内缩进1个单位，从而实现快速分割目标区域、提高分割效率的效果。相应的，若文本行的排列方向是竖向的，则该矩阵可以是高度远大于宽度的矩阵，比如可以是10行1列的矩阵。78.可以理解的，在对各个子区域进行膨胀时，可以利用对目标区域进行腐蚀时相同的核。例如，在对目标区域进行腐蚀时，若一共腐蚀了3次，每次腐蚀所利用的指定核为1行10列的矩阵，则完成腐蚀后，对各个子区域进行膨胀时，可以分别对各个子区域独立的膨胀3次，每次膨胀均利用所述1行10列的指定核。79.本技术实施例提供的文本行分割方法，由于文本行对应的目标区域中，粘连部分在排列方向上的长度短于文本行的长度，因此在对目标区域进行至少包括排列方向的腐蚀时，粘连部分可以先与文本行所在的其它区域被腐蚀完，从而目标区域将被划分为多个子区域，每个子区域可以对应一个文本行，基于该子区域对待处理图像进行裁剪，即可裁剪出各个文本行对应的图像，实现文本行的分割。80.下面可以参考图9，图9是本技术实施例提供的文本行分割装置的结构示意图。该装置可以包括：81.获取模块910，用于获取待处理图像；82.第一确定模块920，用于确定所述待处理图像中文本行对应的原始区域；83.第二确定模块930，用于若确定所述原始区域中包括多个文本行，从所述原始区域中确定目标区域，所述目标区域中的粘连部分在文本行的排列方向上的长度短于所述文本行的长度；84.腐蚀模块940，用于对所述目标区域进行至少包括所述排列方向的腐蚀，得到多个子区域；85.膨胀模块950，用于对各个所述子区域分别进行与所述腐蚀对应的膨胀；86.裁剪模块960，用于利用膨胀后的所述子区域从所述待处理图像中裁剪出文本行。87.可选的，所述第一确定模块从所述原始区域中确定目标区域时用于，对所述原始区域去除文本行之间的间距区域，得到待定区域；若所述待定区域中包含有所述粘连部分，确定所述待定区域为所述目标区域。88.可选的，所述原始区域和/或所述间距区域是通过卷积神经网络对所述待处理图像进行识别确定的。89.可选的，所述第一确定模块确定所述待定区域是否包含所述粘连区域时用于，对所述待定区域沿第一方向切割得到多个区块，所述第一方向与所述排列方向垂直；90.确定各个所述区块中的连通域数量；91.若所述连通域的数量总和大于所述区块的数量，确定所述待定区域包含所述粘连部分。92.可选的，所述腐蚀模块对所述目标区域进行至少包括所述排列方向的腐蚀时用于，对所述目标区域整体进行多次所述腐蚀，直至所述目标区域被腐蚀为指定数量的子区域。93.可选的，所述指定数量是根据所述区块对应的最大连通域数量确定的。94.可选的，所述腐蚀还包括第一方向的腐蚀，所述第一方向与所述排列方向垂直，所述排列方向的腐蚀步长大于所述第一方向的腐蚀步长。95.可选的，所述腐蚀模块对所述目标区域进行至少包括所述排列方向的腐蚀，时用于，利用指定的核对所述目标区域整体进行多次腐蚀，直至所述目标区域被腐蚀为多个子区域，所述指定的核在所述排列方向的长度大于在所述第一方向的长度。96.以上所提供的各种实施方式的文本行分割装置，其具体实现可以参考前文中的相关说明，在此不再赘述。97.本技术实施例提供的文本行分割装置，由于文本行对应的目标区域中，粘连部分在排列方向上的长度短于文本行的长度，因此在对目标区域进行至少包括排列方向的腐蚀时，粘连部分可以先与文本行所在的其它区域被腐蚀完，从而目标区域将被划分为多个子区域，每个子区域可以对应一个文本行，基于该子区域对待处理图像进行裁剪，即可裁剪出各个文本行对应的图像，实现文本行的分割。98.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本技术实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。99.本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本技术实施例提供的文本行分割方法。100.上述对本技术实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。101.以上实施例中提供的技术特征，只要不存在冲突或矛盾，本领域技术人员可以根据实际情况对各个技术特征进行组合，从而构成各种不同的实施例。而本技术文件限于篇幅，未对各种不同的实施例展开说明，但可以理解的是，各种不同的实施例也属于本技术实施例公开的范围。102.本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本技术实施例的其它实施方案。本技术实施例旨在涵盖本技术实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术实施例的一般性原理并包括本技术实施例未申请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，本技术实施例的真正范围和精神由下面的权利要求指出。103.应当理解的是，本技术实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术实施例的范围仅由所附的权利要求来限制。104.以上所述仅为本技术实施例的较佳实施例而已，并不用以限制本技术实施例，凡在本技术实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术实施例保护的范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!