1.一种图像处理方法，其特征在于，包括：通过图像处理网络从第一图像中提取所述第一图像中包括的第一目标对象的身份特征数据；

获取所述第一目标对象的变形特征数据，并将所述变形特征数据确定为噪声数据，根据所述噪声数据，生成噪声特征数据，所述变形特征数据异于所述身份特征数据，且所述变形特征数据包括与所述第一目标对象的非身份特征相关的数据；

根据所述第一目标对象的身份特征数据和所述噪声特征数据，生成第二图像，位于所述第一图像和所述第二图像中的所述第一目标对象具有相同的身份特性；

所述方法还包括：

基于所述第二图像，训练所述图像处理网络，包括：对所述第一图像进行非身份特征提取处理，得到所述第一图像中第一目标对象的非身份特征数据；

基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成重构图像；

基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一目标对象的身份特征数据和所述噪声特征数据，生成第二图像，包括：对所述第一目标对象的身份特征数据和所述噪声特征数据进行连接处理，得到连接特征；

基于所述连接特征，生成第二图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第二图像，训练所述图像处理网络，包括：

对所述第二图像进行特征提取处理，得到所述第二图像的特征数据；

基于所述第二图像的特征数据，调整所述图像处理网络的网络参数。

4.根据权利要求3所述的方法，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的非身份特征数据；

所述基于所述第二图像的特征数据，调整所述图像处理网络的网络参数，包括：基于所述第二图像的非身份特征数据和所述噪声特征数据，确定第一模型损失；

基于所述第一模型损失，调整所述图像处理网络中的第一生成网络的网络参数，其中，所述噪声特征数据是通过所述第一生成网络生成的。

5.根据权利要求3所述的方法，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的身份特征数据，其中，所述身份特征数据是通过所述图像处理网络的身份特征提取网络得到的；

所述基于所述第二图像的特征数据，调整所述图像处理网络的网络参数，包括：基于所述第二目标对象的身份特征数据，确定所述第二目标对象的预测身份信息；

基于所述第二目标对象的预测身份信息以及所述第一目标对象的预测身份信息，确定第二模型损失；

基于所述第二模型损失，调整所述身份特征提取网络的网络参数。

6.根据权利要求5所述的方法，其特征在于，所述预测身份信息包括预测身份和预测身份类别，所述预测身份类别为真实图像中的目标对象身份或合成图像中的目标对象身份。

7.根据权利要求1～6中任一项所述的方法，其特征在于，所述基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数，包括：确定所述第一图像和所述重构图像之间的第一差异；

基于所述第一差异以及所述第二图像中第二目标对象的非身份特征数据与所述噪声特征数据之间的第二差异，确定第三模型损失；

基于所述第三模型损失，确定所述图像处理网络中的非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数，包括：对所述重构图像进行特征提取处理，得到所述重构图像的特征数据；

基于所述第二图像的特征数据和所述重构图像的特征数据，调整所述图像处理网络的网络参数。

9.根据权利要求8所述的方法，其特征在于，所述基于所述第二图像的特征数据和所述重构图像的特征数据，调整所述图像处理网络的网络参数，包括：基于所述第二图像的特征数据、所述重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数，其中，所述第二图像和所述重构图像是通过所述第二生成网络生成的。

10.根据权利要求4所述的方法，其特征在于，所述非身份特征数据包括面色特征数据、表情特征数据、口型特征数据、朝向特征数据、妆扮特征数据、图像质量特征数据中的一种或多种。

11.根据权利要求1～6中任一项所述的方法，其特征在于，所述第一目标对象为人脸。

12.一种图像处理网络的训练方法，其特征在于，包括：获取第一目标对象的变形特征数据，并将所述变形特征数据确定为噪声数据，根据所述噪声数据，生成噪声特征数据，所述变形特征数据异于所述第一目标对象的身份特征数据，且所述变形特征数据包括与所述第一目标对象的非身份特征相关的数据；

从样本图像提取所述第一目标对象的身份特征数据；

根据所述第一目标对象的身份特征数据和所述噪声特征数据，通过图像处理网络生成样本合成图像，位于所述样本图像和所述样本合成图像中的所述第一目标对象具有相同的身份特性；

对所述样本合成图像进行特征提取处理，得到所述样本合成图像的特征数据；

根据所述样本合成图像的特征数据，训练所述图像处理网络，其中，所述方法还包括：

对所述样本图像进行非身份特征提取处理，得到所述样本图像中第一目标对象的非身份特征数据；

基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成样本重构图像；

所述根据所述样本合成图像的特征数据，训练所述图像处理网络，包括：基于所述样本合成图像的特征数据和所述样本重构图像，调整所述图像处理网络的网络参数。

13.根据权利要求12所述的方法，其特征在于，所述图像处理网络包括身份特征提取网络、第一生成网络和第二生成网络；

所述根据所述噪声数据，生成噪声特征数据包括：基于所述噪声数据，通过所述第一生成网络生成噪声特征数据；

所述从样本图像提取所述第一目标对象的身份特征数据，包括：利用所述身份特征提取网络对所述样本图像进行第一身份特征提取处理，得到所述样本图像中第一目标对象的身份特征数据；

所述根据所述第一目标对象的身份特征数据和所述噪声特征数据，通过所述图像处理网络生成样本合成图像，包括：

基于所述第一目标对象的身份特征数据和所述噪声特征数据，通过所述第二生成网络生成所述样本合成图像。

14.根据权利要求13所述的方法，其特征在于，所述样本合成图像的特征数据包括所述样本合成图像中包括的第二目标对象的非身份特征数据；

所述根据所述样本合成图像的特征数据，训练所述图像处理网络，包括：基于所述第二目标对象的非身份特征数据与所述噪声特征数据，确定第一模型损失；

基于所述第一模型损失，调整所述第一生成网络的网络参数。

15.根据权利要求13所述的方法，其特征在于，所述样本合成图像的特征数据包括所述样本合成图像中包括的第二目标对象的身份特征数据；

所述根据所述样本合成图像的特征数据，训练所述图像处理网络，包括：根据所述第二目标对象的身份特征数据，确定所述第二目标对象的预测身份信息；

基于所述第一目标对象的预测身份信息和所述第二目标对象的预测身份信息，确定第二模型损失；

基于所述第二模型损失，调整所述身份特征提取网络的网络参数。

16.根据权利要求15所述的方法，其特征在于，所述预测身份信息包括预测身份和预测身份类别，所述预测身份类别为真实图像中的目标对象身份或合成图像中的目标对象身份。

17.根据权利要求12～16中任一项所述的方法，其特征在于，所述基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成样本重构图像，包括：基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过第二生成网络生成样本重构图像。

18.根据权利要求17所述的方法，其特征在于，所述基于所述样本合成图像的特征数据和所述样本重构图像，调整所述图像处理网络的网络参数，包括：确定所述样本图像和所述样本重构图像之间的第一差异；

基于所述样本合成图像中第二目标对象的非身份特征数据与所述噪声特征数据，确定第二差异；

基于所述第一差异和所述第二差异，确定第三模型损失；

基于所述第三模型损失，调整所述图像处理网络中的非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

19.根据权利要求18所述的方法，其特征在于，所述基于所述样本合成图像的特征数据和所述样本重构图像，调整所述图像处理网络的网络参数，包括：对所述样本重构图像进行特征提取处理，得到所述样本重构图像的特征数据；

基于所述样本合成图像的特征数据和所述样本重构图像的特征数据，调整所述图像处理网络的网络参数。

20.根据权利要求19所述的方法，其特征在于，所述基于所述样本合成图像的特征数据和所述样本重构图像的特征数据，调整所述图像处理网络的网络参数，包括：基于所述样本合成图像的特征数据、所述样本重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数。

21.一种图像处理方法，其特征在于，包括：获取第一图像；

通过图像处理网络对所述第一图像进行处理，得到第二图像；

其中，所述图像处理网络是根据权利要求12至20中任一项所述的训练方法得到的。

22.一种图像处理网络的训练方法，包括：基于样本图像中第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述图像处理网络生成样本重构图像；

根据噪声数据，生成噪声特征数据；

基于样本图像中第一目标对象的身份特征数据和所述噪声特征数据，通过图像处理网络生成样本合成图像；

根据所述样本重构图像和所述样本合成图像，训练所述图像处理网络。

23.根据权利要求22所述的方法，其特征在于，所述基于样本图像中第一目标对象的身份特征数据和所述噪声特征数据，通过图像处理网络生成样本合成图像，包括：对所述样本图像进行身份特征提取处理，得到所述样本图像中第一目标对象的身份特征数据；

基于所述第一目标对象的身份特征数据和所述噪声特征数据，通过所述图像处理网络中的第二生成网络生成所述样本合成图像。

24.根据权利要求23所述的方法，其特征在于，所述基于样本图像中第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述图像处理网络生成样本重构图像，包括：

对所述样本图像进行非身份特征提取处理，得到所述样本图像中第一目标对象的非身份特征数据；

基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述图像处理网络中的第二生成网络生成样本重构图像。

25.根据权利要求22～24中任一项所述的方法，其特征在于，所述根据所述样本重构图像和所述样本合成图像，训练所述图像处理网络，包括：对所述样本重构图像和所述样本合成图像中的至少一项进行特征提取处理，得到所述样本重构图像和所述样本合成图像中的至少一项的特征数据；

基于所述样本重构图像和所述样本合成图像中的至少一项的特征数据，调整所述图像处理网络的网络参数。

26.根据权利要求25所述的方法，其特征在于，所述基于所述样本重构图像和所述样本合成图像中的至少一项的特征数据，调整所述图像处理网络的网络参数，包括：确定所述样本重构图像和所述样本图像之间的第一差异；

基于所述样本合成图像中第二目标对象的非身份特征数据和所述噪声特征数据，确定第二差异，其中，所述样本合成图像的特征数据包括所述样本合成图像中第二目标对象的非身份特征数据；

基于所述第一差异和所述第二差异，确定第三模型损失；

基于所述第三模型损失，调整所述图像处理网络中非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

27.根据权利要求25所述的方法，其特征在于，所述基于所述样本重构图像和所述样本合成图像中的至少一项的特征数据，调整所述图像处理网络的网络参数，包括：基于所述样本合成图像的特征数据、所述样本重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数。

28.一种图像处理方法，其特征在于，包括：通过图像处理网络对第一图像进行处理，得到第二图像，其中，所述图像处理网络是根据权利要求22至27中任一项所述的训练方法得到的。

29.一种图像处理装置，其特征在于，包括：身份特征提取模块，用于通过图像处理网络从第一图像中提取所述第一图像中包括的第一目标对象的身份特征数据；

第一噪声特征生成模块，用于获取所述第一目标对象的变形特征数据，并将所述变形特征数据确定为噪声数据，根据所述噪声数据，生成噪声特征数据，所述变形特征数据异于所述身份特征数据，且所述变形特征数据包括与所述第一目标对象的非身份特征相关的数据；

图像生成模块，用于根据所述第一目标对象的身份特征数据和所述噪声特征数据，生成第二图像，位于所述第一图像和所述第二图像中的所述第一目标对象具有相同的身份特性，

其中，所述装置还包括：

非身份特征提取模块，用于对所述第一图像进行非身份特征提取处理，得到所述第一图像中第一目标对象的非身份特征数据；

图像重构模块，用于基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成重构图像；

参数调整模块，用于基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数。

30.根据权利要求29所述的装置，其特征在于，所述图像生成模块包括：特征连接单元，用于对所述第一目标对象的身份特征数据和所述噪声特征数据进行连接处理，得到连接特征；

图像生成单元，用于基于所述连接特征，生成第二图像。

31.根据权利要求30所述的装置，其特征在于，所述装置还包括：特征提取单元，用于对所述第二图像进行特征提取处理，得到所述第二图像的特征数据。

32.根据权利要求31所述的装置，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的非身份特征数据；

所述参数调整模块包括：

第一模型损失确定子单元，用于基于所述第二图像的非身份特征数据和所述噪声特征数据，确定第一模型损失；

第一网络训练子单元，用于基于所述第一模型损失，调整所述图像处理网络中的第一生成网络的网络参数，其中，所述噪声特征数据是通过所述第一生成网络生成的。

33.根据权利要求31所述的装置，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的身份特征数据，其中，所述身份特征数据是通过所述图像处理网络的身份特征提取网络得到的；

所述参数调整模块包括：

身份预测子单元，用于基于所述第二目标对象的身份特征数据，确定所述第二目标对象的预测身份信息；

第二模型损失确定子单元，用于基于所述第二目标对象的预测身份信息以及所述第一目标对象的预测身份信息，确定第二模型损失；

第二网络训练子单元，用于基于所述第二模型损失，调整所述身份特征提取网络的网络参数。

34.根据权利要求33所述的装置，其特征在于，所述预测身份信息包括预测身份和预测身份类别，所述预测身份类别为真实图像中的目标对象身份或合成图像中的目标对象身份。

35.根据权利要求34所述的装置，其特征在于，所述参数调整模块用于：确定所述第一图像和所述重构图像之间的第一差异；

基于所述第一差异以及所述第二图像中第二目标对象的非身份特征数据与所述噪声特征数据之间的第二差异，确定第三模型损失；

基于所述第三模型损失，确定所述图像处理网络中的非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

36.根据权利要求34所述的装置，其特征在于，所述参数调整模块用于：对所述重构图像进行特征提取处理，得到所述重构图像的特征数据；

基于所述第二图像的特征数据和所述重构图像的特征数据，调整所述图像处理网络的网络参数。

37.根据权利要求36所述的装置，其特征在于，所述第三网络训练子单元在基于所述第二图像的特征数据和所述重构图像的特征数据，调整所述图像处理网络的网络参数的处理中，用于：

基于所述第二图像的特征数据、所述重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数，其中，所述第二图像和所述重构图像是通过所述第二生成网络生成的。

38.根据权利要求34所述的装置，其特征在于，所述非身份特征数据包括面色特征数据、表情特征数据、口型特征数据、朝向特征数据、妆扮特征数据、图像质量特征数据中的一种或多种。

39.根据权利要求29～38中任一项所述的装置，其特征在于，所述第一目标对象为人脸。

40.一种图像处理网络的训练装置，其特征在于，包括：第二噪声特征生成模块，用于获取第一目标对象的变形特征数据，并将所述变形特征数据确定为噪声数据，根据所述噪声数据，生成噪声特征数据，所述变形特征数据异于所述第一目标对象的身份特征数据，且所述变形特征数据包括与所述第一目标对象的非身份特征相关的数据；

样本图像合成模块，用于从样本图像提取所述第一目标对象的身份特征数据，并且根据所述第一目标对象的身份特征数据和所述噪声特征数据，通过图像处理网络生成样本合成图像，位于所述样本图像和所述样本合成图像中的所述第一目标对象具有相同的身份特性；

特征提取模块，用于对所述样本合成图像进行特征提取处理，得到所述样本合成图像的特征数据；

第二网络训练模块，用于根据所述样本合成图像的特征数据，训练所述图像处理网络，所述装置还包括：

样本非身份特征提取模块，用于对所述样本图像进行非身份特征提取处理，得到所述样本图像中第一目标对象的非身份特征数据；

样本重构模块，用于基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成样本重构图像；

所述第二网络训练模块包括：

第三网络训练单元，用于基于所述样本合成图像的特征数据和所述样本重构图像，调整所述图像处理网络的网络参数。

41.根据权利要求40所述的装置，其特征在于，所述图像处理网络包括身份特征提取网络、第一生成网络和第二生成网络；

所述第二噪声特征生成模块用于基于噪声数据，通过所述第一生成网络生成噪声特征数据；

所述样本图像合成模块包括：

身份特征提取单元，用于利用所述身份特征提取网络对所述样本图像进行第一身份特征提取处理，得到所述样本图像中第一目标对象的身份特征数据；

图像合成单元，用于基于所述第一目标对象的身份特征数据和所述噪声特征数据，通过所述第二生成网络生成所述样本合成图像。

42.根据权利要求41所述的装置，其特征在于，所述样本合成图像的特征数据包括所述样本合成图像中包括的第二目标对象的非身份特征数据；

所述第二网络训练模块包括：

第一模型损失确定单元，用于基于所述第二目标对象的非身份特征数据与所述噪声特征数据，确定第一模型损失；

第一网络训练单元，用于基于所述第一模型损失，调整所述第一生成网络的网络参数。

43.根据权利要求42所述的装置，其特征在于，所述样本合成图像的特征数据包括所述样本合成图像中包括的第二目标对象的身份特征数据；

所述第二网络训练模块包括：

身份预测单元，用于根据所述第二目标对象的身份特征数据，确定所述第二目标对象的预测身份信息；

第二模型损失确定单元，用于基于所述第一目标对象的预测身份信息和所述第二目标对象的预测身份信息，确定第二模型损失；

第二网络训练单元，用于基于所述第二模型损失，调整所述身份特征提取网络的网络参数。

44.根据权利要求43所述的装置，其特征在于，所述预测身份信息包括预测身份和预测身份类别，所述预测身份类别为真实图像中的目标对象身份或合成图像中的目标对象身份。

45.根据权利要求41～44中任一项所述的装置，其特征在于，所述样本重构模块用于基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述第二生成网络生成样本重构图像。

46.根据权利要求45所述的装置，其特征在于，所述第三网络训练单元包括：第一差异确定子单元，用于确定所述样本图像和所述样本重构图像之间的第一差异；

第二差异确定子单元，用于基于所述样本合成图像中第二目标对象的非身份特征数据与所述噪声特征数据，确定第二差异；

差异融合子单元，用于基于所述第一差异和所述第二差异，确定第三模型损失；

第四网络训练子单元，用于基于所述第三模型损失，调整所述图像处理网络中的非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

47.根据权利要求45所述的装置，其特征在于，所述第三网络训练单元包括：重构特征提取子单元，用于对所述样本重构图像进行特征提取处理，得到所述样本重构图像的特征数据；

第五网络训练子单元，用于基于所述样本合成图像的特征数据和所述样本重构图像的特征数据，调整所述图像处理网络的网络参数。

48.根据权利要求47所述的装置，其特征在于，所述第五网络训练子单元，用于：基于所述样本合成图像的特征数据、所述样本重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数。

49.一种图像处理装置，其特征在于，包括：图像获取模块，用于获取第一图像；

图像处理模块，用于通过图像处理网络对所述第一图像进行处理，得到第二图像，其中，所述图像处理网络是根据权利要求40至48中任一项所述的训练装置得到的。

50.一种图像处理网络的训练装置，包括：第一图像处理模块，用于基于样本图像中第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述图像处理网络生成样本重构图像；

第三噪声特征生成模块，用于根据噪声数据，生成噪声特征数据；

第二图像处理模块，用于基于样本图像中第一目标对象的身份特征数据和所述噪声特征数据，通过图像处理网络生成样本合成图像；

图像处理网络训练模块，用于根据所述样本重构图像和所述样本合成图像，训练所述图像处理网络。

51.根据权利要求50所述的装置，其特征在于，所述第二图像处理模块包括：样本身份特征提取单元，用于对所述样本图像进行身份特征提取处理，得到所述样本图像中第一目标对象的身份特征数据；

样本图像合成单元，用于基于所述第一目标对象的身份特征数据和所述噪声特征数据，通过所述图像处理网络中的第二生成网络生成所述样本合成图像。

52.根据权利要求51所述的装置，其特征在于，所述第一图像处理模块包括：样本非身份特征提取单元，用于对所述样本图像进行非身份特征提取处理，得到所述样本图像中第一目标对象的非身份特征数据；

样本图像重构单元，用于基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，通过所述图像处理网络中的第二生成网络生成样本重构图像。

53.根据权利要求50～52中任一项所述的装置，其特征在于，所述图像处理网络训练模块包括：

重构图像特征提取单元，用于对所述样本重构图像和所述样本合成图像中的至少一项进行特征提取处理，得到所述样本重构图像和所述样本合成图像中的至少一项的特征数据；

图像处理网络训练单元，用于基于所述样本重构图像和所述样本合成图像中的至少一项的特征数据，调整所述图像处理网络的网络参数。

54.根据权利要求53所述的装置，其特征在于，所述图像处理网络训练单元包括：第一差异确定子单元，用于确定所述样本重构图像和所述样本图像之间的第一差异；

第二差异确定子单元，用于基于所述样本合成图像中第二目标对象的非身份特征数据和所述噪声特征数据，确定第二差异，其中，所述样本合成图像的特征数据包括所述样本合成图像中第二目标对象的非身份特征数据；

差异融合子单元，用于基于所述第一差异和所述第二差异，确定第三模型损失；

第四网络训练子单元，用于基于所述第三模型损失，调整所述图像处理网络中非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

55.根据权利要求53所述的装置，其特征在于，所述图像处理网络训练单元包括：第四模型损失确定子单元，用于基于所述样本合成图像的特征数据、所述样本重构图像的特征数据、所述第一目标对象的身份特征数据和所述噪声特征数据，确定第四模型损失；

第六网络训练子单元，用于基于所述第四模型损失，调整所述图像处理网络中第二生成网络的网络参数。

56.一种图像处理装置，其特征在于，包括：图像获取模块，用于获取第一图像；

图像处理模块，用于通过图像处理网络对所述第一图像进行处理，得到第二图像；

其中，所述图像处理网络是根据权利要求50～55中任一项所述的训练装置得到的。

57.一种电子设备，其特征在于，包括：处理器和存储器；

所述存储器用于存放至少一个可执行指令，所述可执行指令使所述处理器执行如权利要求1～27中任一项所述的方法。

58.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行指令，所述可执行指令使处理器执行如权利要求1～27中任一项所述的方法。

59.一种计算机程序产品，其特征在于，包括：至少一个可执行指令，所述可执行指令被处理器执行时用于实现如权利要求1～27中任一项所述的方法。