技术领域
[0001] 本
发明涉及汽车检测技术领域，尤其涉及一种汽车远程检测方法。
背景技术
[0002] 目前市场上二手车检测，千人千面，缺乏一个公认的检测标准。传统二手车检测工具对检测员的业务能
力要求非常高，需要进行专业的检测培训，才能进行实际车辆检测，对应的是企业的成本和业务推广难度的增加。许多4S店/机构的处置专员不具备专业的二手车检测能力，需要第三方检测机构支持。
[0003] 传统二手车检测工具并不具备对新增业务的灵活调整能力，举一个简单的例子，金融估值业务只需要对车辆的基本照片进行拍摄，对车况有一个快速检测评估的需求，不用于交易，追求的是检测效率，而二手车交易业务对车辆的检测就非常全面，对于车辆的基本照片和手续信息，车况信息都需要完整的记录，如果共用传统的检测工具，需要拍摄大量照片才能满足交易业务，但是却不符
合金融估值业务的时效性需求。
[0004] NLP(Natural Language Processing,自然语义识别)是
人工智能(AI)的一个子领域。语义识别技术相当于人的大脑，负责思考和信息处理。现代NLP
算法是基于
机器学习，特别是统计机器学习。机器学习范式是不同于一般之前的尝试语言处理。语言处理任务的实现，通常涉及直接用手的大套规则编码。
[0005] 目前，二手车检测行业尚无基于自然语义识别的实际应用方案。
发明内容
[0006] 本发明的
实施例提供了一种汽车远程检测方法，以克服
现有技术的问题。
[0007] 为了实现上述目的，本发明采取了如下技术方案。
[0008] 一种汽车远程检测方法，在车辆
缺陷语义识别规则库中存储车辆的检测目标和检测目标对应的语义匹配规则，所述方法包括：
[0009] 根据检测需要确定检测项目，获取检测项目对应的检测目标，通过检测工具对车辆的检测目标进行检测，将检测得到的车辆的缺陷初步检测报告提交到后台
服务器上；
[0010] 所述后台服务器利用所述车辆缺陷语义识别规则库中存储的检测目标对应的语义匹配规则，对所述缺陷初步检测报告中的文本内容进行语义分析得到车辆缺陷描述关键信息，基于所述车辆缺陷描述关键信息得到车辆评估报告。
[0011] 进一步地，所述的方法还包括：
[0012] 检测员首先在检测机构进行注册，向检测机构提交检测员的身份信息，检测机构将接收到的检测员的身份信息传输到后台服务器，后台服务器审核检测员的身份信息通过后，向检测机构返回检测员的身份审核通过消息，检测员在检测机构注册成功，检测机构将检测员的身份信息进行存储和管理。
[0013] 进一步地，所述的在车辆缺陷语义识别规则库中存储车辆的检测目标和检测目标对应的语义匹配规则，包括：
[0014] 在后台服务器中管理车辆缺陷语义识别规则库，在车辆缺陷语义识别规则库中存储车辆的所有检测目标和每个检测目标对应的所有可能检测结果，以及每个检测目标对应的语义匹配规则，该语义匹配规则包括语音、图片、数学符号、标记和/或文本表示的车况语义编码。
[0015] 进一步地，所述的所有检测目标包括：左前轮胎，左前
轮毂，左前翼
子板，左A柱外侧，左前车
门，左车
外后视镜，左前车门封边，左底大边，左前
门槛，左
B柱外侧，左
C柱外侧，左后车门，左后车门封边，左后门槛，左后轮胎，左后轮毂，油箱盖，左后翼子板，前
保险杠，进气格栅，有右前照灯总成，左前照灯总成，左前
雾灯，右
前雾灯，前挡
风玻璃，前风挡雨刷器，
车顶，后
挡风玻璃，行李箱盖，行李箱盖边缘，后风挡雨刷器，右前轮毂，右前轮胎，右前翼子板，右A柱外侧，右车外后视镜，右前车门，右前车门封边，右底大边，右前门槛，右B柱外侧，右后车门，右C柱外侧，右后车门封边，右后门槛，右后翼子板，右后轮毂，右后轮胎，车顶，后备箱，左前车门内饰板，左A柱内饰板，左后车门内饰板，左B柱内饰板，左C柱内饰板，
方向盘，
工作台，前排
空调出风口，
手套箱，仪表，中央集控，档把
手柄，档把防尘套，
扶手箱，主驾座椅，副驾座椅，左后座椅，右后座椅，左前车门内饰板，右A柱内饰板，右后车门内饰板，右B柱内饰板，右C柱内饰板，前防撞梁，左前减震器座，可拆
水箱
框架，左前照灯框架，水箱上
支架，水箱下支架，左前翼子板
内衬，左前
纵梁，左前A柱内侧及封边，左B柱内侧及封边，左C柱内侧及封边，前围
挡板，后防撞梁，后
围板，左后减震器座，左
尾灯框架，
车身底板，行李箱封边，行李箱隔板，左后纵梁，右前减震器座，右前照灯框架，右前翼子板内衬，右前纵梁，右B柱内侧及封边，右C柱内侧及封边，右A柱内侧及封边，右后减震器座，右尾灯框架，右后纵梁，左前门拉手，左后门拉手，右前门拉手，右后门拉手，前雾灯，
后雾灯，左前轮眉，左后轮眉，右前轮眉，右后轮眉，前保险杠下饰板，后保险杠下饰板，前雾灯格栅和后雾灯格栅。
[0016] 进一步地，所述的根据检测需要确定检测项目，获取检测项目对应的检测目标，通过检测工具对车辆的检测目标进行检测，将检测得到的车辆的缺陷初步检测报告提交到后台服务器上，包括：
[0017] 在后台服务器中管理检测配置
数据库，在该检测配置数据库中根据业务的要求配置计算机应用程序APP上的各个检测项目，每个检测项目中包括多个检测目标；
[0018] 检测员首先根据实际检测需要确定检测项目，根据检测项目查询检测配置数据库获取检测项目对应的检测目标，检测员利用APP通过各种检测工具对车辆的检测目标进行检测，并通过语音、图片和/或文字描述检测出来的缺陷问题，得到车辆的缺陷初步检测报告，将所述缺陷初步检测报告提交到后台服务器上。
[0019] 进一步地，所述的后台服务器利用所述车辆缺陷语义识别规则库中存储的检测目标对应的语义匹配规则，对所述缺陷初步检测报告中的文本内容进行语义分析得到车辆缺陷描述关键信息，基于所述车辆缺陷描述关键信息得到车辆评估报告，包括：
[0020] 后台服务器接收到所述车辆的缺陷初步检测报告后，提取缺陷初步检测报告中的文本内容，利用语义匹配规则对文本内容进行语义分析，得到车辆缺陷描述关键信息；
[0021] 后台服务器提取缺陷初步检测报告中的图片内容，
定位出图片内容中车牌所在的图像区域，对车牌所在的图像区域进行虚化；
[0022] 后台服务器根据所述车辆缺陷描述关键信息利用车型数据库识别出车辆的款型信息，确认车辆配置信息，通过后台的维保查询
接口查询到车辆历史维保记录和保险记录，后台服务器综合各类检测数据，结合所述车辆缺陷描述关键信息和车牌虚化结果，得到车辆评估报告；
[0023] 所述的利用语义匹配规则对文本内容进行语义分析包括如下的处理步骤：
[0024] Step_1:对文本内容进行中文特殊字符处理，将文本内容中的全
角字符转换为半角字符；
[0025] Step_2:以英文分号(；)对文本内容进行句子划分，获得待处理的句子集合；
[0026] Step_3:对每个句子进行分词处理，获得每个句子的词汇序列；
[0027] Step_4:遍历句子的词汇序列，将映射词替换成对应的映射内容集合，获得映射后词汇序列的集合；
[0028] Step_5:重组映射后的词汇序列，获得重组句子集合，并对重组后的句子进行分词，获得新的词汇序列集合；
[0029] Step_6:将词汇序列中的各个词汇映射为车辆缺陷语义识别规则库中存储的对应的检测目标，再根据车辆缺陷语义识别规则库中存储的检测目标对应的语义匹配规则，对每个词汇序列进行规则匹配，获得候选车辆缺陷检测信息；
[0030] Step_7:利用关键信息提取流程从候选车辆缺陷检测信息集合中提取出车辆缺陷描述关键信息；
[0031] 所述关键信息提取流程包括：
[0032] 1.遍历候选车辆缺陷检测信息集合中的词汇序列；
[0033] 2.找到被标记为component的词汇C；
[0034] 3.以词汇C为
基础，分别向前和向后遍历上线文词汇，遍历上下文的窗口大小为5，寻找被标记为position和described的词汇，从而构成关键信息组合；
[0035] 4.遍历上下文时，向前和向后找到的position和described词汇数量最大为2；
[0036] 5.获得车辆缺陷描述关键信息。
[0037] 进一步地，所述的后台服务器提取缺陷初步检测报告中的图片内容，定位出图片内容中车牌所在的图像区域，对车牌所在的图像区域进行虚化，包括：
[0038] 后台服务器提取缺陷初步检测报告中的图片内容，使用深度
卷积神经网络来提取图像中车牌的高层次特征，使用浅层特征和深层特征融合的方式通过前向计算得到车牌所在
位置的矩形的坐标点和旋转角度，根据所述矩形的坐标点和旋转角度框出车牌所在的图像区域，使用均值滤波过程对所述车牌所在的图像区域进行车牌虚化处理。
[0039] 由上述本发明的实施例提供的技术方案可以看出，本发明实施例通过预先定制语义识别规则库，并具备数据学习功能，用的检测员越多，数据越准，大幅简化了现有二手车行业检测的门槛，提升了检测员的检测能力。通过车况语义识别方法的设计，实现了检测员非标准化语音、文字录入，方法自动转
化成标准车况信息，具备极高的灵活性和便捷性，无需要求检测人员按照检测要求，拍摄全部车况照片，只需要对发现问题的车况进行拍照备注即可。
[0040] 本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0041] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042] 图1为本发明实施例提供的一种汽车远程检测方法的实现原理示意图；
[0043] 图2为本发明实施例提供的一种汽车远程检测方法的处理
流程图；
[0044] 图3为本发明实施例提供的一种语义分析的处理流程图。
具体实施方式
[0045] 下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0046] 本技术领域技术人员可以理解，除非特意
声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的
说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0047] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0048] 为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0049] 本发明实施例提供了一种汽车远程检测方法，该方法根据行业资深的检测师经验，设计好检测规则和流程，以及简单易用的检测功能，使具备基本车辆常识的检测员根据要求，拍摄
指定照片，导入漆膜仪数据，通过
云端识别和人工鉴定的双重方式，辅助检测员生成可信的二手车检测报告。该方法将汽车的检测能力以云端的方式赋能给不同检测能力的用户，及时发现车辆问题。
[0050] 本发明实施例提供的汽车远程检测方法与APP(Application，计算机应用程序)配合使用。
[0051] 本发明实施例提供的汽车远程检测方法中的用户角色定义如下：
[0052] 检测员：所有使用汽车远程检测方法的前端检测人员；
[0053] 云端：汽车远程检测方法的后台服务器，该后台服务器的用户包含专业评估师团队；
[0054] 检测机构：所有使用外放管理后台的第三方检测需求客户；
[0055] 买家：在千里眼关联平台注册登记的竞拍买家，可能是车商、4S店集团等；
[0056] 卖家：在千里眼关联平台注册的二手车卖家，可能是车商、4S店集团、市场；
[0057] 身份认证流程：
[0058] 检测员需要提交检测员身份信息实名认证，经过汽车远程检测方法的后台审核通过后对车辆实名检测；
[0059] 检测机构需要与汽车远程检测方法平台签订合同，才可以对检测员进行管理，并进行交易；
[0060] 买家与卖家：需要在汽车远程检测方法中的关联竞拍平台缴纳保证金，才可以对车辆进行交易
[0061] 检测业务流程：
[0062] 卖方及检测机构发起检测需求，经过派单系统和线下规则，安排检测员对车辆发起检测，汽车远程检测方法会根据业务要求，获取不同的检测配置，然后完善检测信息提交到千里眼后台。
[0063] 评估师会根据系统派单，结合系统辅助功能处理检测数据，生成专业检测报告分发给检测员和检测机构；如果检测数据有问题，会驳回给检测员要求重新检测；如果检测数据没有问题，检测人员或检测机构可用检测报告直接上架商品进行交易。
[0064] 本发明实施例提供的汽车远程检测方法的实现原理示意图如图1所述，具体处理流程如图2所示，包括如下的处理步骤：
[0065] 步骤21、检测员首先需要在检测机构进行注册，向检测机构提交检测员的身份信息。检测机构将接收到的检测员的身份信息传输到云端(即汽车远程检测方法的后台服务器)。云端审核检测员的身份信息通过后，向检测机构返回检测员的身份审核通过消息。于是，检测员在检测机构注册成功，检测机构将检测员的身份信息进行存储，对检测员进行管理，检测员就可以进行汽车交易。
[0066] 步骤22、在车辆缺陷语义识别规则库中存储车辆的所有检测目标和每个检测目标对应的所有可能检测结果，以及每个检测目标对应的语义匹配规则。
[0067] 预先定义车辆缺陷语义识别规则库，在车辆缺陷语义识别规则库中存储车辆的所有检测目标和每个检测目标对应的所有可能检测结果，以及每个检测目标对应的语义匹配规则，该语义匹配规则可以包括语音、图片、数学符号、标记和/或文本表示的车况语义编码。
[0068] 所有检测目标可以包括：左前轮胎，左前轮毂，左前翼子板，左A柱外侧，左前车门，左车外后视镜，左前车门封边，左底大边，左前门槛，左B柱外侧，左C柱外侧，左后车门，左后车门封边，左后门槛，左后轮胎，左后轮毂，油箱盖，左后翼子板，前保险杠，进气格栅，有右前照灯总成，左前照灯总成，左前雾灯，右前雾灯，前挡风玻璃，前风挡雨刷器，车顶，
后挡风玻璃，行李箱盖，行李箱盖边缘，后风挡雨刷器，右前轮毂，右前轮胎，右前翼子板，右A柱外侧，右车外后视镜，右前车门，右前车门封边，右底大边，右前门槛，右B柱外侧，右后车门，右C柱外侧，右后车门封边，右后门槛，右后翼子板，右后轮毂，右后轮胎，车顶，后备箱，左前车门内饰板，左A柱内饰板，左后车门内饰板，左B柱内饰板，左C柱内饰板，方向盘，工作台，前排空调出风口，手套箱，仪表，中央集控，档把手柄，档把防尘套，扶手箱，主驾座椅，副驾座椅，左后座椅，右后座椅，左前车门内饰板，右A柱内饰板，右后车门内饰板，右B柱内饰板，右C柱内饰板，前防撞梁，左前减震器座，可拆水箱框架，左前照灯框架，水箱上支架，水箱下支架，左前翼子板内衬，左前纵梁，左前A柱内侧及封边，左B柱内侧及封边，左C柱内侧及封边，前围挡板(
防火墙)，后防撞梁，后围板，左后减震器座，左尾灯框架，车身底板，行李箱封边，行李箱隔板，左后纵梁，右前减震器座，右前照灯框架，右前翼子板内衬，右前纵梁，右B柱内侧及封边，右C柱内侧及封边，右A柱内侧及封边，右后减震器座，右尾灯框架，右后纵梁，左前门拉手，左后门拉手，右前门拉手，右后门拉手，前雾灯，后雾灯，左前轮眉，左后轮眉，右前轮眉，右后轮眉，前保险杠下饰板，后保险杠下饰板，前雾灯格栅和后雾灯格栅。
[0069] 比如，针对车辆漆膜的检测目标，检测结果包括：是否有补漆、腻子修复。
[0070] 步骤23、在云端的检测配置数据库中配置APP上的各个检测项目，每个检测项目中包括多个上述检测目标。
[0071] 还需要在云端建立一套检测配置数据库，在该检测配置数据库中根据业务的要求配置APP(Application，计算机应用程序)上的各个检测项目，每个检测项目中包括多个上述检测目标。每个检测项目中包括的检测目标可以根据实际需要进行灵活配置，适当增加或者减少。
[0072] 步骤24、检测员利用APP通过各种检测工具对车辆的检测目标进行检测，将车辆的缺陷初步检测报告提交到云端上。
[0073] 检测员首先根据实际检测需要确定检测项目，根据检测项目查询检测配置数据库获取检测项目对应的检测目标。然后，检测员利用APP通过各种检测工具对车辆的检测目标进行检测，并通过语音、图片和/或文字等描述检测出来的缺陷问题，得到车辆的缺陷初步检测报告，检测完毕后，将车辆的缺陷初步检测报告提交到云端上，等待云端返回的汽车评估结果。
[0074] 步骤25、利用语义匹配规则对缺陷初步检测报告中的文本内容进行语义分析，得到车辆缺陷描述关键信息，并结合车牌虚化过程得到车辆评估报告。
[0075] 云端接收到上述车辆的缺陷初步检测报告后，提取缺陷初步检测报告中的文本内容，对文本内容进行语义分析，利用语义匹配规则对文本内容进行语义分析，得到车辆缺陷描述关键信息。该语义分析的处理流程如图3所示，包括如下的处理步骤：
[0076] Step_1:对文本内容进行中文特殊字符处理，将文本内容中的全角字符转换为半角字符；
[0077] Step_2:以英文分号(；)对文本内容进行句子划分，获得待处理的句子集合；
[0078] Step_3:对每个句子进行分词处理，获得每个句子的词汇序列；
[0079] Step_4:遍历句子的词汇序列，将映射词替换成对应的映射内容集合，获得映射后词汇序列的集合；
[0080] Step_5:重组映射后的词汇序列，获得重组句子集合，并对重组后的句子进行分词，获得新的词汇序列集合；
[0081] Step_6:将词汇序列中的各个词汇映射为车辆缺陷语义识别规则库中存储的对应的检测目标，再根据车辆缺陷语义识别规则库中存储的检测目标对应的语义匹配规则，对每个词汇序列进行规则匹配，获得候选车辆缺陷检测信息；
[0082] Step_7:利用关键信息提取流程从候选车辆缺陷检测信息集合中提取出车辆缺陷描述关键信息。
[0083] 上述关键信息提取流程包括：
[0084] 1.遍历候选车辆缺陷检测信息集合中的词汇序列；
[0085] 2.找到被标记为component的词汇C；
[0086] 3.以词汇C为基础，分别向前和向后遍历上线文词汇，遍历上下文的窗口大小为5，寻找被标记为position和described的词汇，从而构成关键信息组合；
[0087] 4.遍历上下文时，向前和向后找到的position和described词汇数量最大为2；
[0088] 5.获得车辆缺陷描述关键信息。
[0089] 由于不同类别的汽车牌照用途不同，其格式也可能不同，而牌照类别是由牌照
颜色来确定，因此颜色识别是车牌识别的一个重要步骤，也是决定车牌识别是否正确的关键，因素之一，其识别正确率的提高有助于最终车牌识别算法性能的提高。对指定角度的车辆的车牌进行识别，并对识别出来的车牌进行自动虚化，进而保护用户隐私。
[0090] 图片识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。目前业界对于
图像识别的方案主要是车牌号识别涂抹，或者对车牌进行人工遮挡，保护用户隐私。
[0091] 本发明实施例提供的一种车牌虚化过程包括：提取缺陷初步检测报告中的图片内容，定位出图片内容中车牌所在的图像区域，对车牌所在的图像区域进行虚化。车牌所在的图像区域定位主要使用轻量级的深度卷积神经网络来提取图像中车牌的高层次特征，通过前向计算得到车牌所在位置的矩形的坐标点和旋转角度，精确地框出车牌所在的图像区域，模型中使用浅层特征和深层特征融合的方式，增加模型定位车牌的
精度。在得到车牌所在的图像区域之后，使用一个均值滤波来实现车牌虚化。
[0092] 云端根据上述车辆缺陷描述关键信息利用车型数据库可以快速识别出车辆的款型信息，然后确认车辆配置信息，还可以通过后台的维保查询接口，查询到车辆历史维保记录和保险记录，避免出现调表车、事故车。评估师对车辆基础照片和手续照片进行识别，如果拍摄照片不清晰，会驳回给检测员，要求重新检测，确保车辆检测数据的真实性、有效性。云端全面审核车况，综合各类检测数据，给车辆一个综合定级和打分，并结合车牌虚化过程提供一份车辆评估报告。后续，可以根据车辆评估报告对车辆进行上线交易。
[0093] 在云端后台做了大量的二手车车况语义规则编码，使车况检测过程中，对于检测图片标记检测问题的准确率高达95％以上
[0094] 综上所述，本发明实施例通过预先设置车辆缺陷语义识别规则库，并具备数据学习功能，用的检测员越多，数据越准，大幅简化了现有二手车行业检测的门槛，提升了检测员的检测能力。通过设计并利用检测目标对应的语义匹配规则，实现了检测员非标准化语音、文字录入，自动转化成标准车况信息，具备极高的灵活性和便捷性，无需要求检测人员按照检测要求，拍摄全部车况照片，只需要对发现问题的车况进行拍照备注即可。
[0095] 本发明通过利用车牌虚化技术针对车牌的颜色、角度、场景，具备较高的识别能力，并支持自动涂抹，减少了检测人员的检测成本，提升了检测效率，这是我们要保护的原因。
[0096] 本发明实施例的远程汽车检测方法支持不同的检测人员、在不同的地域、场景下检测二手车并生成统一的检测报告，大大降低了企业的检测人员培训成本，拓展了检测本身的业务范围，提升了检测效率和
质量。可以根据客户需求、业务需求，在一套工具里，定制检测内容，生成一份通用检测报告。
[0097] 本发明实施例的远程汽车检测方法可以基于车易拍4万多款车型库数据，漆膜数据和历史估值数据，为车辆检测提供检测估值模型，快速准确的生成检测报告。
[0098] 本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模
块或流程并不一定是实施本发明所必须的。
[0099] 通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助
软件加必需的通用
硬件平台的方式来实现。基于这样的理解，本发明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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0100] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。
[0101] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以
权利要求的保护范围为准。
