表情驱动方法、装置、电子设备及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.本技术属于计算机技术领域，具体涉及一种表情驱动方法、装置、电子设备及可读存储介质。背景技术：2.现有技术中，虚拟角色的表情驱动通常使用如下方法：生成目标驱动模型和该模型对应的表情基，该目标驱动模型对应要驱动的虚拟角色，并在实际应用时，通过图像采集设备采集的人脸表情图像，计算得到目标驱动模型对应的表情基的权重，再通过加权混合生成目标驱动模型对应的实时表情模型，即完成虚拟角色的表情驱动。但是，为了保证实时性，这种方法中的目标驱动模型的拓扑结构简单，点面数较少，对应的表情基只能还原粗糙的表情变化，无法刻画细腻的表情细节，如微笑时的法令纹变化、眯眼时的鱼尾纹变化等，导致表情驱动的真实感效果较差。技术实现要素：3.本技术实施例的目的是提供一种表情驱动方法、装置、电子设备及可读存储介质，以解决现有虚拟角色表情驱动的真实感效果较差的问题。4.为了解决上述技术问题，本技术是这样实现的：5.第一方面，提供了一种表情驱动方法，包括：6.获取人脸表情图像；7.根据所述人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重；8.根据所述每个表情模型和所述每个表情模型的权重，确定所述虚拟角色的实时表情模型，和，根据所述每个表情模型对应的法线贴图和所述每个表情模型的权重，确定所述虚拟角色的实时法线贴图；9.根据所述实时表情模型和所述实时法线贴图，驱动所述虚拟角色执行相应表情。10.可选的，若所述虚拟角色待执行的表情为所述人脸表情的镜像表情，所述确定虚拟角色对应的表情基中的每个表情模型的权重，包括：11.根据所述人脸表情，确定所述每个表情模型的第一权重，所述第一权重为所述虚拟角色执行所述人脸表情时的相应表情模型的权重；12.对所述每个表情模型的第一权重执行镜像操作，获得所述每个表情模型的权重。13.可选的，若所述虚拟角色待执行的表情为所述人脸表情，所述确定虚拟角色对应的表情基中的每个表情模型的权重，包括：14.根据所述人脸表情，通过深度学习或者非线性优化方法，计算得到所述每个表情模型的权重。15.可选的，所述根据所述每个表情模型和所述每个表情模型的权重，确定所述虚拟角色的实时表情模型，包括：16.根据目标驱动模型以及所述每个表情模型和其权重的加权，计算得到所述实时表情模型，所述目标驱动模型为所述虚拟角色的无表情模型。17.可选的，所述根据目标驱动模型以及所述每个表情模型和其权重的加权，计算得到所述实时表情模型，包括：18.采用如下公式，计算得到所述实时表情模型a；[0019][0020]其中，wi表示第i个表情模型的权重，a0表示所述目标驱动模型，ai表示第i个表情模型，n表示表情基中表情模型的个数。[0021]可选的，所述根据所述每个表情模型对应的法线贴图和所述每个表情模型的权重，确定所述虚拟角色的实时法线贴图，包括：[0022]对所述每个表情模型对应的法线贴图和所述每个表情模型的权重进行加权，获得所述实时法线贴图。[0023]可选的，所述方法还包括：[0024]生成所述每个表情模型对应的第一模型，所述第一模型的点面数高于第一阈值；[0025]生成所述每个表情模型对应的第二模型，所述第二模型的点面数低于第二阈值，所述第二阈值小于所述第一阈值；[0026]根据所述每个表情模型对应的第一模型和第二模型，生成所述每个表情模型对应的法线贴图。[0027]可选的，所述根据所述实时表情模型和所述实时法线贴图，驱动所述虚拟角色执行相应表情，包括：[0028]将所述实时法线贴图应用至渲染管线中，对所述实时表情模型进行渲染，获得具有相应表情的虚拟角色。[0029]第二方面，提供了一种表情驱动装置，包括：[0030]获取模块，用于获取人脸表情图像；[0031]第一确定模块，用于根据所述人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重；[0032]第二确定模块，用于根据所述每个表情模型和所述每个表情模型的权重，确定所述虚拟角色的实时表情模型，和，根据所述每个表情模型对应的法线贴图和所述每个表情模型的权重，确定所述虚拟角色的实时法线贴图；[0033]驱动模块，用于根据所述实时表情模型和所述实时法线贴图，驱动所述虚拟角色执行相应表情。[0034]第三方面，提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。[0035]第四方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。[0036]本技术实施例中，在获取人脸表情图像之后，可以根据该人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重，根据每个表情模型和每个表情模型的权重，确定虚拟角色的实时表情模型，根据每个表情模型对应的法线贴图和每个表情模型的权重，确定虚拟角色的实时法线贴图，并根据实时表情模型和实时法线贴图，驱动虚拟角色执行相应表情。这样，由于法线贴图是一种用于描述3d模型局部朝向细节的贴图，因此借助将法线贴图引入到虚拟角色表情驱动，可以使虚拟角色添加更多的表情细节，提升虚拟角色表情驱动的真实感效果。附图说明[0037]图1是本技术实施例提供的一种表情驱动方法的流程图；[0038]图2a是本技术实施例中表情扫描模型的示意图之一；[0039]图2b是本技术实施例中表情扫描模型的示意图之二；[0040]图2c是本技术实施例中表情重拓扑模型的示意图之一；[0041]图2d是本技术实施例中表情重拓扑模型的示意图之二；[0042]图2e是本技术实施例中法线贴图的示意图之二；[0043]图3是本技术实施例提供的一种表情驱动装置的结构示意图；[0044]图4是本技术实施例提供的一种电子设备的结构示意图。具体实施方式[0045]下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。[0046]本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术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，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。[0047]本技术实施例中，针对虚拟角色表情驱动，可以生成一个目标驱动模型和对应的表情基。目标驱动模型可理解为要驱动的虚拟角色，或虚拟角色的无表情模型。表情基是由不同表情模型构成的表情库，每一个表情模型与目标驱动模型同拓扑，即具有相同的顶点数、面片数、顶点连接关系等。目标驱动模型和对应的表情基可由美工制作完成。[0048]法线贴图是一种用于描述3d模型局部朝向细节的贴图，通常应用在低模(点面数较少的模型)上，用于刻画高模(点面数较多的模型)才具备的局部细节。将法线贴图引入到虚拟角色表情驱动渲染管线中，可以添加更多的表情细节，使得驱动的表情更具有真实感[0049]可选的，本技术实施例适用的场景包括但不限于超高清数字人项目等，通过真实感的表情驱动效果，可以明显提升用户体验。[0050]下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的表情驱动方法、装置、电子设备及可读存储介质进行详细地说明。[0051]请参见图1，图1是本技术实施例提供的一种表情驱动方法的流程图，该方法应用于电子设备，如图1所示，该方法包括如下步骤：[0052]步骤11：获取人脸表情图像。[0053]本实施例中，可以通过摄像头等图像采集设备采集得到人脸表情图像，也可以直接从已存储图像集中获取人脸表情图像，对此不作限定。人脸表情图像中的人脸表情不一定对应于表情基中的某个表情模型，但可以通过表情基中的表情模型组合得到。[0054]步骤12：根据人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重。[0055]这里，人脸表情图像中的人脸表情可以包括但不限于闭左眼和翘左嘴角、闭右眼和翘右嘴角、闭双眼等等。每个表情模型的权重也可以称为每个表情模型的权重系数。[0056]一些实施例中，可以根据人脸表情图像中的人脸表情以及与该人脸表情相关的虚拟角色待执行的表情，确定虚拟角色对应的表情基中的每个表情模型的权重。虚拟角色待执行的表情可以为人脸表情图像中的人脸表情，即虚拟角色执行与人脸表情一样的表情，也可以为该人脸表情的镜像表情，即虚拟角色执行与人脸表情互为镜像的表情，对此不作限定。[0057]步骤13：根据每个表情模型和每个表情模型的权重，确定虚拟角色的实时表情模型，和，根据每个表情模型对应的法线贴图和每个表情模型的权重，确定虚拟角色的实时法线贴图。[0058]本实施例中，实时表情模型用于表征虚拟角色的实时人脸表情。实时法线贴图用于刻画实时人脸表情的局部细腻细节，使得最后的渲染成像，具有丰富的表情细节特征，能明显增加虚拟角色表情的真实感。在实时渲染管线中，实时法线贴图与实时人脸表情一一对应。[0059]步骤14：根据实时表情模型和实时法线贴图，驱动虚拟角色执行相应表情。[0060]一些实施例中，在驱动虚拟角色执行相应表情时，可以将确定的实时法线贴图应用至渲染管线中，对虚拟角色的实时表情模型进行渲染，获得具有相应表情的虚拟角色，即获得刻画了细腻表情细节的人脸表情图像。[0061]本技术实施例的表情驱动方法，在获取人脸表情图像之后，可以根据人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重，根据每个表情模型和每个表情模型的权重，确定虚拟角色的实时表情模型，根据每个表情模型对应的法线贴图和每个表情模型的权重，确定虚拟角色的实时法线贴图，并根据实时表情模型和实时法线贴图，驱动虚拟角色执行相应表情。这样，由于法线贴图是一种用于描述3d模型局部朝向细节的贴图，因此借助将法线贴图引入到虚拟角色表情驱动，可以使虚拟角色添加更多的表情细节，提升虚拟角色表情驱动的真实感效果。[0062]本技术实施例中，若虚拟角色待执行的表情为人脸表情图像中的人脸表情，上述确定虚拟角色对应的表情基中的每个表情模型的权重可以包括：根据人脸表情图像中的人脸表情，通过深度学习或者非线性优化方法，计算得到每个表情模型的权重。该深度学习或者非线性优化方法可以采用现有方法，对此不作限定。这样可以获得所需的表情模型权重。[0063]可选的，若虚拟角色待执行的表情为人脸表情图像中人脸表情的镜像表情，上述确定虚拟角色对应的表情基中的每个表情模型的权重可以包括：首先，根据人脸表情图像中的人脸表情，确定每个表情模型的第一权重，所述第一权重为虚拟角色执行所述人脸表情时的相应表情模型的权重；比如，可以通过深度学习或者非线性优化方法，计算得到每个表情模型的第一权重；然后，对每个表情模型的第一权重执行镜像操作，获得所述每个表情模型的权重，即获得虚拟角色执行所述镜像表情时的相应表情模型的权重。[0064]需指出的，由于表情基通常包含镜像表情对，比如，有一个闭左眼的表情模型，相应的，就会有一个闭右眼的表情模型；有一个右边嘴角向上扬的表情模型，相应的，就会有一个左边嘴角向上扬的表情模型，因此可以利用这个特征，由一人脸表情对应的每个表情模型的权重，通过镜像操作，获得该人脸表情的镜像表情对应的每个表情模型的权重。比如，虚拟角色1执行某表情时，闭左眼的表情模型的权重系数为0.3，闭右眼的表情模型的权重系数为0.6，右边嘴角向上扬的表情模型的权重系数为0.2，左边嘴角向上扬的表情模型的权重系数为0.0，则通过镜像操作可确定：虚拟角色1执行该表情的镜像表情时，闭左眼的表情模型的权重系数为0.6，闭右眼的表情模型的权重系数为0.3，右边嘴角向上扬的表情模型的权重系数为0.0，左边嘴角向上扬的表情模型的权重系数为0.2。[0065]本技术实施例中，实时表情模型可以通过目标驱动模型和表情基线性加权混合得到。在确定虚拟角色的实时表情模型时，可以根据目标驱动模型以及每个表情模型和其权重的加权，计算得到虚拟角色的实时表情模型，所述目标驱动模型为虚拟角色的无表情模型。[0066]比如，可以采用如下公式一，计算得到虚拟角色的实时表情模型a；[0067][0068]其中，wi表示第i个表情模型的权重，a0表示所述目标驱动模型，ai表示第i个表情模型，n表示表情基中表情模型的个数。[0069]本技术实施例中，由于实时人脸表情具有任意性，不一定归属于表情基中的某个表情模型，因而其对应的实时法线贴图也不一定归属于表情基对应的法线贴图集合中的某个法线贴图。实时法线贴图没法事先获取，只能通过实时计算得到。与实时表情模型由表情基中表情模型的加权混合得到类似，实时法线贴图也可由表情基中表情模型对应的法线贴图加权混合得到。比如，某一个实时人脸表情，可以由微笑、抬眉和皱鼻这三个表情组合得到，对应的表情系数分别为0.2、0.3、0.5，则可推测，该实时人脸表情对应的实时法线贴图，也可由微笑、抬眉和皱鼻这三个表情对应的法线贴图组合而成，且对应的法线贴图系数也为0.2、0.3、0.5。这样组合后的法线贴图，即为实时法线贴图，能够同时体现微笑、抬眉和皱鼻这三个表情的局部细节，且细节权重与实时表情模型所对应的权重保持一致。[0070]可选的，上述确定虚拟角色的实时法线贴图可包括：对每个表情模型对应的法线贴图和每个表情模型的权重进行加权，获得虚拟角色的实时法线贴图。[0071]比如，可以采用如下公式二，计算得到虚拟角色的实时法线贴图i：[0072][0073]其中，wi表示第i个表情模型的权重，ii表示第i个表情模型对应的法线贴图，n表示表情基中表情模型的个数。[0074]本技术实施例中，对于表情基中的每一个表情模型，需要生成其对应的法线贴图，该法线贴图刻画了真实表情产生时的所有细节，比如，微笑时法令纹的变化，皱眉时抬头纹的变化等。法线贴图的生成可以利用到高模(比如真实用户扫描模型)和低模(比如与目标驱动模型同拓扑的模型)。由于法线贴图的作用是添加模型细节，使得模型更具有真实感，因而模型细节的来源不重要，可通过任意一个有丰富表情动作的人获取。[0075]可选的，本技术实施例的获得表情基中每个表情模型对应的法线贴图的过程可以包括以下步骤：[0076]s1：生成每个表情模型对应的第一模型。[0077]此s1中，第一模型的点面数高于第一阈值，第一阈值可以基于实际需求设定。第一模型可理解为高模，可选为真实扫描模型。所有不同表情的真实扫描模型构成了高模集合。[0078]对于高模集合中的每一个模型，具体生成步骤可以如下：首先，采集真实用户做出相应表情时的不同角度人脸照片；然后，基于摄影测量法生成该表情对应的高模。不同角度人脸照片可以通过人脸扫描棚采集得到。高模点面数较多，可达百万量级，能精准刻画现实中的人在做出某个表情时的几乎所有脸部细节。如图2a和图2b所示，为本技术实施例中表情扫描模型的示意图。[0079]s2：生成所述每个表情模型对应的第二模型。[0080]此s2中，第二模型的点面数低于第二阈值，第二阈值小于第一阈值，第二阈值可以基于实际需求设定。第二模型可理解为低模。对于高模集合中的每一个模型，可通过重拓扑生成其对应的低模，所有低模构成表情基对应的低模集合。低模点面数较少，通常只有千量级，只能还原粗糙的表情变化，没法刻画细腻的表情细节。重拓扑可通过重拓扑软件或者人脸拟合算法实现。如图2c和图2d所示，为本技术实施例中表情重拓扑模型的示意图。[0081]s3：根据每个表情模型对应的第一模型和第二模型，生成每个表情模型对应的法线贴图。[0082]可选的，对于表情基中的每个表情模型，提取其对应的高模(即第一模型)和低模(即第二模型)后，可以通过高低模烘培算法或者法线贴图生成软件，生成每个表情模型对应的法线贴图。所有法线贴图构成表情基法线贴图集合。如图2e所示，为某表情模型对应的法线贴图的示意图。[0083]下面结合具体实例对本技术进行详细说明。[0084]本技术具体实例的应用场景为，由一个真人驱动两个虚拟角色(如虚拟角色a和虚拟角色b)做出镜像表情。比如，真人做出闭左眼和翘左嘴角的表情，虚拟角色a同样做出闭左眼和翘左嘴角的表情，而虚拟角色b做出闭右眼和翘右嘴角的镜像表情。具体驱动过程如下：[0085]s1：实时人脸表情数据采集：[0086]比如，可以通过摄像头等采集设备采集真人的人脸表情图像。[0087]s2：实时表情模型生成：[0088]对于虚拟角色a，根据采集的人脸表情图像中的人脸表情，通过深度学习或者非线性优化方法，计算得到表情基中每个表情模型的权重1，并采用上述公式一，计算得到虚拟角色a的实时表情模型1。[0089]对于虚拟角色b，由于其做出虚拟角色a的表情的镜像表情，故对上述每个表情模型的权重1执行镜像操作，获得虚拟角色b对应的每个表情模型的权重2，并采用上述公式一，计算得到虚拟角色b的实时表情模型2。[0090]s3：实时法线贴图生成：[0091]对于虚拟角色a，基于计算得到的每个表情模型的权重1，采用上述公式二，计算得到虚拟角色a的实时法线贴图1。[0092]对于虚拟角色b，基于计算得到的每个表情模型的权重2，采用上述公式二，计算得到虚拟角色b的实时法线贴图2。此外，由于效果上，虚拟角色a和b的实时法线贴图互为镜像，因而对虚拟角色a的实时法线贴图1进行左右镜像图像处理操作，可得到虚拟角色b的实时法线贴图2。[0093]s4：真实感表情驱动图像渲染：[0094]将虚拟角色a和b各自的实时法线贴图应用到渲染管线中，对虚拟角色的实时表情模型进行渲染，获得具有相应表情的虚拟角色，即获得刻画了细腻表情细节的真实感镜像人脸表情图像。[0095]需要说明的是，本技术实施例提供的表情驱动方法，执行主体可以为表情驱动装置，或者该表情驱动装置中的用于执行表情驱动方法的控制模块。本技术实施例中以表情驱动装置执行表情驱动方法为例，说明本技术实施例提供的表情驱动装置。[0096]请参见图3，图3是本技术实施例提供的一种表情驱动装置的结构示意图，该装置应用于电子设备，如图3所示，表情驱动装置30包括：[0097]获取模块31，用于获取人脸表情图像；[0098]第一确定模块32，用于根据所述人脸表情图像中的人脸表情，确定虚拟角色对应的表情基中的每个表情模型的权重；[0099]第二确定模块33，用于根据所述每个表情模型和所述每个表情模型的权重，确定所述虚拟角色的实时表情模型，和，根据所述每个表情模型对应的法线贴图和所述每个表情模型的权重，确定所述虚拟角色的实时法线贴图；[0100]驱动模块34，用于根据所述实时表情模型和所述实时法线贴图，驱动所述虚拟角色执行相应表情。[0101]可选的，若所述虚拟角色待执行的表情为所述人脸表情的镜像表情，所述第一确定模块32具体用于：根据所述人脸表情，确定每个表情模型的第一权重，所述第一权重为所述虚拟角色执行所述人脸表情时的相应表情模型的权重；对每个表情模型的第一权重执行镜像操作，获得所述每个表情模型的权重。[0102]可选的，若所述虚拟角色待执行的表情为所述人脸表情，所述第一确定模块32具体用于：根据所述人脸表情，通过深度学习或者非线性优化方法，计算得到所述每个表情模型的权重。[0103]可选的，所述第二确定模块33具体用于：[0104]根据目标驱动模型以及所述每个表情模型和其权重的加权，计算得到所述实时表情模型，所述目标驱动模型为所述虚拟角色的无表情模型。[0105]可选的，所述第二确定模块33具体用于：[0106]采用如下公式，计算得到所述实时表情模型a；[0107][0108]其中，wi表示第i个表情模型的权重，a0表示所述目标驱动模型，ai表示第i个表情模型，n表示表情模型的个数。[0109]可选的，所述第二确定模块33具体用于：[0110]对所述每个表情模型对应的法线贴图和所述每个表情模型的权重进行加权，获得所述实时法线贴图。[0111]可选的，表情驱动装置30还包括：[0112]生成模块，用于生成每个表情模型对应的第一模型，所述第一模型的点面数高于第一阈值；生成每个表情模型对应的第二模型，所述第二模型的点面数低于第二阈值，所述第二阈值小于所述第一阈值；根据每个表情模型对应的第一模型和第二模型，生成每个表情模型对应的法线贴图。[0113]可选的，所述驱动模块34具体用于：将所述实时法线贴图应用至渲染管线中，对所述实时表情模型进行渲染，获得具有相应表情的虚拟角色。[0114]本技术实施例中的表情驱动装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定[0115]本技术实施例中的表情驱动装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。[0116]本技术实施例的表情驱动装置30，可以实现上述图1所示的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。[0117]可选的，如图4所示，本技术实施例还提供一种电子设备40，包括处理器41，存储器42，存储在存储器42上并可在所述处理器41上运行的程序或指令，该程序或指令被处理器41执行时实现上述表情驱动方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。[0118]本技术实施例还提供了一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时可实现上述图1所示方法实施例的各个过程且能达到相同的技术效果，为避免重复，这里不再赘述。[0119]计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。[0120]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。[0121]上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。[0122]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台服务分类设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。[0123]以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。









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!