关联物体的显示方法、装置及电子设备与流程

本发明涉及电子设备技术领域，尤其涉及一种关联物体的显示方法、装置及电子设备。

背景技术：

随着人们对娱乐休闲方式的需求不断增加，如通过一些特征信息搜索相关联的内容就是其中一种。

现有技术中，在显示某一特性信息的关联内容时，通常是在获取到特征信息之后，基于该特征信息，通过模糊匹配的方式进行搜索与该特征信息对应的关联内容，该过程需要用户在繁杂的内容中进行多次筛选操作，才能得到与该特征信息对应的关联内容，并显示该关联内容。

因此，采用现有的关联内容显示方法，使得用户的操作繁琐，且趣味性较低。

技术实现要素：

本发明实施例提供一种关联物体的显示方法、装置及电子设备，在显示关联物体时，简化了用户的操作，增加了显示的趣味性。

第一方面，本发明实施例提供一种关联物体的显示方法，所述方法用于增强现实，所述方法包括：

对待检测图像进行识别，获取所述待检测图像中物体的目标特征信息；

根据所述物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与所述物体的目标特征信息对应的至少一个关联物体；

显示所述关联物体。

在一种可能的实现方式中，特征信息包括下述至少一种：

物体的颜色、物体的形状、物体所处的位置、物体所属的类型。

在一种可能的实现方式中，当特征信息包括物体的颜色、物体的形状、物体所处的位置、物体所属的类型中的至少两个特征信息时，所述获取所述待检测图像中物体的目标特征信息，包括：

获取所述待检测图像中物体的至少两个特征信息；

在所述至少两个特征信息中，确定所述待检测图像中物体的目标特征信息。

在一种可能的实现方式中，当所述至少一个关联物体的个数为多个时，所述显示所述至少一个关联物体之前，还包括：

从所述多个关联物体中确定一个目标关联物体；

对应的，所述显示所述关联物体，包括：

显示所述目标关联物体。

在一种可能的实现方式中，所述根据所述物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与所述物体的目标特征信息对应的至少一个关联物体，包括：

将所述物体的目标特征信息输入至关联物体检测模型，得到与所述目标特征信息对应的至少一个关联物体；其中，所述关联物体检测模型用于指示特征信息与关联物体的之间的对应关系。

在一种可能的实现方式中，所述关联物体检测模型是通过如下方法训练的：

根据多个训练样本中每个训练样本中物体的特征信息，构建每个训练样本对应的特征向量；

基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成所述关联物体检测模型。

在一种可能的实现方式中，所述基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成所述关联物体检测模型，包括：

基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，采用深度学习算法进行训练，生成所述关联物体检测模型。

在一种可能的实现方式中，所述根据所述物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与所述物体的目标特征信息对应的至少一个关联物体，包括：

获取用户的历史行为数据；其中，所述历史行为数据用于指示特征信息与关联物体的之间的对应关系；

根据所述物体的目标特征信息，及所述用户的历史行为数据，确定与所述目标特征信息对应的至少一个关联物体。

在一种可能的实现方式中，所述显示所述至少一个关联物体，包括：

通过增强现实技术ar技术显示所述关联物体。

第二方面，本申请实施例还提供一种关联物体的显示装置，所述装置用于增强现实，所述装置包括：

获取单元，用于对待检测图像进行识别，获取所述待检测图像中物体的目标特征信息；

处理单元，用于根据所述物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与所述物体的目标特征信息对应的至少一个关联物体；

显示单元，用于显示所述关联物体。

在一种可能的实现方式中，特征信息包括下述至少一种：

物体的颜色、物体的形状、物体所处的位置、物体所属的类型。

在一种可能的实现方式中，当特征信息包括物体的颜色、物体的形状、物体所处的位置、物体所属的类型中的至少两个特征信息时，所述获取单元，具体用于获取所述待检测图像中物体的至少两个特征信息；并在所述至少两个特征信息中，确定所述待检测图像中物体的目标特征信息。

在一种可能的实现方式中，当所述至少一个关联物体的个数为多个时，所述处理单元，还用于从所述多个关联物体中确定一个目标关联物体；

对应的，所述显示单元，还用于显示所述目标关联物体。

在一种可能的实现方式中，所述处理单元，具体用于将所述物体的目标特征信息输入至关联物体检测模型，得到与所述目标特征信息对应的至少一个关联物体；其中，所述关联物体检测模型用于指示特征信息与关联物体的之间的对应关系。

在一种可能的实现方式中，所述关联物体检测模型是通过如下方法训练的：

根据多个训练样本中每个训练样本中物体的特征信息，构建每个训练样本对应的特征向量；并基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成所述关联物体检测模型。

在一种可能的实现方式中，所述基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成所述关联物体检测模型，包括：

基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，采用深度学习算法进行训练，生成所述关联物体检测模型。

在一种可能的实现方式中，所述处理单元，具体用于获取用户的历史行为数据；其中，所述历史行为数据用于指示特征信息与关联物体的之间的对应关系；并根据所述物体的目标特征信息，及所述用户的历史行为数据，确定与所述目标特征信息对应的至少一个关联物体。

在一种可能的实现方式中，所述显示单元，具体用于通过增强现实技术ar技术显示所述关联物体。

第三方面，本申请实施例还提供一种电子设备，包括处理器和存储器，其中，

所述存储器用于存储程序指令；

所述处理器用于读取所述存储器中的程序指令，并根据所述存储器中的程序指令执行上述第一方面任一项所述的关联物体的显示方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行上述第一方面任一项所述的关联物体的显示方法。

本发明实施例提供的关联物体的显示方法、装置及电子设备，先对待检测图像进行识别，获取待检测图像中物体的目标特征信息；且在确定待检测图像中物体的目标特征信息之后，可以直接根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体，再进行显示。与现有技术相比，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本发明实施例提供的一种应用场景的示意图；

图2为本发明实施例提供的一种关联物体的显示方法的流程示意图；

图3为本申请实施例提供的一种确定与物体的目标特征信息对应的至少一个关联物体的示意图；

图4为本申请实施例提供的另一种确定与物体的目标特征信息对应的至少一个关联物体的示意图；

图5为本发明实施例提供的一种关联物体的显示装置的结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的物体，而不必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，以便这里描述的本发明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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本发明实施例提供的一种应用场景的示意图，以某用户a通过电子设备(例如手机)扫描一个苹果娱乐为例，当用户扫描该苹果时，对应的电子设备会显示与该苹果的特征相关联的物体。为了在显示关联物体时，简化用户的操作，且增加显示的趣味性，本发明实施例提供了一种关联物体的显示方法，先对待检测图像进行识别，获取待检测图像中物体的目标特征信息；且在确定待检测图像中物体的目标特征信息之后，可以直接根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体，再进行显示。与现有技术相比，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图2为本发明实施例提供的一种关联物体的显示方法的流程示意图，该关联物体的显示方法可以应用于增强现实，该关联物体的显示方法可以由关联物体的显示装置执行，该关联物体的显示装置可以独立设置，也可以集成在服务器中。示例的，请参见图2所示，该关联物体的显示方法可以包括：

s201、对待检测图像进行识别，获取待检测图像中物体的目标特征信息。

可选的，物体的特征信息包括物体的颜色、物体的形状、物体所处的位置及物体所属的类型中的至少一种。示例的，物体的颜色可以为红色、绿色、蓝色等；物体的形状可以为圆形、矩形、或菱形等；物体所处的位置可以为客厅、厨房等；物体所属的类型可以为水果、蔬菜等。

在对待检测图像进行识别，获取待检测图像中物体的目标特征信息时，可以先通过电子设备的摄像头扫描某一物体，以获取到包含该物体的待检测图像，在获取到该待检测图像之后，可以根据图像识别技术对该待检测图像进行识别，并识别出待检测图像中的物体；在识别出待检测图像中的物体之后，可以通过特征提取技术进一步提取出待检测图像中物体的特征信息。需要说明的是，在获取物体的特征信息时，若电子设备扫描得到的待检测图像中存在多个物体，如待检测图像中有苹果、梨两个物体时，可以在这两个物体中选择一个物体作为目标物体，如选择苹果作为目标物体，则需要获取该苹果的特征信息。其中，在多个物体中选择一个目标物体时，可以由电子设备在多个物体中选择一个物体作为目标物体，当然，也可以用户自己通过电子设备在多个物体中选择一个物体作为目标物体，在此，对于如何在多个物体中选择一个物体作为目标物体，具体可以根据实际需要进行设置，在此，本申请实施例不做具体限制。

需要说明的是，在获取到该待检测图像中物体的特征信息后，若获取到的特征信息为一个特征信息时，如只获取到物体的颜色、物体的形状、物体所处的位置及物体所属的类型中任一类型的特征信息时，该特征信息即为待检测图像中物体的目标特征信息；若获取到的特征信息为至少两个特征信息时，如获取到物体的颜色、物体的形状、物体所处的位置及物体所属的类型中至少两种类型的特征信息时，可以先在获取到的至少两个特征信息中，选择一个特征信息作为该物体的目标特征信息。示例的，在获取到的至少两个特征信息中，选择一个特征信息作为该物体的目标特征信息时，可以由电子设备在至少两个特征信息中，选择一个特征信息作为该物体的目标特征信息，当然，也可以用户自己通过电子设备在至少两个特征信息中，选择一个特征信息作为该物体的目标特征信息，在此，对于如何在至少两个特征信息中，选择一个特征信息作为该物体的目标特征信息，具体可以根据实际需要进行设置，在此，本申请实施例不做具体限制。

进一步地，在获取到的目标特征信息为一种类型的特征信息后，若该种类型的特征信息包括至少两种特征，则可以在这至少两种特征中选择一个特征作为该物体的目标特征信息。如获取到的杯子的目标特征信息为杯子的颜色，该杯子的颜色包括红色和绿色两种特征，此时，可以在这两种颜色特征中选择一种颜色特征作为杯子的目标特征信息。

在通过s201获取待检测图像中物体的目标特征信息之后，就可以执行下述s202：

s202、根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体。

其中，至少一个关联物体的数量可以为一个，也可以为多个，具体可以根据实际需要进行设置，在此，对于如何设置至少一个关联物体的数量，本发明实施例不做具体限制。

在通过上述s201确定物体的目标特征信息之后，就可以根据该物体的目标特征信息，及预先确定的特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体。

s203、显示关联物体。

可选的，在显示关联物体时，可以通过增强现实技术(augmentedreality，ar)技术显示关联物体。在通过ar技术显示关联物体时，可以将使得显示的关联物体更加真实，从而提高了用户的视觉体验。

本发明实施例提供的关联物体的显示方法，先对待检测图像进行识别，获取待检测图像中物体的目标特征信息；且在确定待检测图像中物体的目标特征信息之后，可以直接根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体，再进行显示。与现有技术相比，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

基于图2所示的实施例，在上述s202根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体时，可以通过下述至少两种可能的方式确定与物体的目标特征信息对应的至少一个关联物体，在一种可能的实现方式中，可以根据关联物体检测模型确定与物体的目标特征信息对应的至少一个关联物体，示例的，请参见图3所示，图3为本申请实施例提供的一种确定与物体的目标特征信息对应的至少一个关联物体的示意图；在另一种可能的实现方式中，可以根据用户的历史行为数据确定与物体的目标特征信息对应的至少一个关联物体，示例的，请参见图4所示，图4为本申请实施例提供的另一种确定与物体的目标特征信息对应的至少一个关联物体的示意图。下面，将针对这两种可能的实现方式进行详细地说明。

在一种可能的实现方式中，在根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体时，示例的，请参见图3所示，该确定与物体的目标特征信息对应的至少一个关联物体的方法可以包括：

s301、根据多个训练样本中每个训练样本中物体的特征信息，构建每个训练样本对应的特征向量。

可选的，物体的特征信息包括物体的颜色、物体的形状、物体所处的位置及物体所属的类型中的至少一种。

在本发明实施例中，可以先确定多个训练样本，该训练样本的数量不做具体限制，当然，选取的训练样本的数量越多，最终训练得到的关联物体检测模型的准确度就越高。其中，每一个训练样本中均包括物体的特征信息，在获取到每一个训练样本中的物体特征信息之后，就可以构建根据每一个训练样本中的物体特征信息构建该训练样本对应的特征向量。

s302、基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成关联物体检测模型。

其中，关联物体检测模型用于指示特征信息与关联物体的之间的对应关系。示例的，该关联物体检测模型可以用于指示绿叶对应的关联物体为红花，红色对应的关联物体为樱桃、西瓜或者国旗等。

可选的，基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成关联物体检测模型，可以包括：

基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，采用深度学习算法进行训练，生成关联物体检测模型。

在分别得到每一个训练样本对应的特征向量和在每个训练样本中标记的关联物体之后，就可以基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，采用深度学习算法进行训练，从而生成关联物体检测模型，当然，也可以通过其它方法生成关联物体检测模型，在此，本申请实施例只是以采用深度学习算法进行训练，生成关联物体检测模型为例进行说明，但并不代表本发明实施例仅局限于此。

需要说明的是，对于s301-s302，不是在每次显示关联物体时，均需要执行该s301-s302，可以只在第一次确定显示关联物体之前，建立该关联物体检测模型即可。当然，为了进一步地提高关联物体检测模型的准确度，可以不断地对该关联物体检测模型进行训练修订，从而提高该关联物体检测模型的准确度。

在获取到该关联物体检测模型之后，就可以执行下述s303：

s303、将物体的目标特征信息输入至关联物体检测模型，得到与目标特征信息对应的至少一个关联物体。

在通过上述s302生成关联物体检测模型之后，就可以将物体的目标特征信息对应的特征向量作为训练得到的关联物体检测模型的输入，输入至关联物体检测模型中，就可以得到与目标特征信息对应的至少一个关联物体。与现有技术相比，在确定关联物体时，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

在另一种可能的实现方式中，在根据历史行为数据确定与物体的目标特征信息对应的至少一个关联物体时，示例的，请参见图4所示，该确定与物体的目标特征信息对应的至少一个关联物体的方法可以包括：

s401、获取用户的历史行为数据。

其中，历史行为数据用于指示特征信息与关联物体的之间的对应关系。

在该种可能的实现方式中，可以预先获取用户的历史行为数据，如用户通常会将绿叶和红花关联在一起，这样在确定待检测物体中的物体为树叶，且获取到的树叶的目标特征信息为绿色时，可以根据该历史行为数据，确定与其对应的关联物体为红色；又如用户通过会将红色与樱桃、西瓜或者国旗关联在一起，这样在确定待检测物体中物体的目标特征信息为红色时，可以根据该历史行为数据，确定与其对应的关联物体为樱桃、西瓜或者国旗。

s402、根据物体的目标特征信息，及用户的历史行为数据，确定与目标特征信息对应的至少一个关联物体。

在获取到用户的历史行为数据之后，就可以根据物体的目标特征信息，及用户的历史行为数据，确定与目标特征信息对应的至少一个关联物体。与现有技术相比，在确定关联物体时，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

上述图3所示的实施例和图4所示的实施例，分别描述了在确定与物体的目标特征信息对应的至少一个关联物体时，如何根据关联物体检测模型确定与物体的目标特征信息对应的至少一个关联物体，及如何根据用户的历史行为数据确定与物体的目标特征信息对应的至少一个关联物体；当然，也可以结合这两种方式共同确定与物体的目标特征信息对应的至少一个关联物体，其确定方式与采用单个方式确定与物体的目标特征信息对应的至少一个关联物体的方式类似，在此，本申请实施例不再进行赘述。

需要说明的是，在通过上述两种可能的实现方式确定于特征信息对应的至少一个关联物体之后，就可以通过ar技术显示该关联物体。在显示该关联物体时，若该关联物体的个数为一个，则可以直接通过ar技术显示该一个关联物体；若该关联物体的个数为多个，则在显示该关联物体时，需要先在这多个关联物体中选择一个目标关联物体，之后，再通过ar技术显示该关联物体。具体的，在这多个关联物体中选择一个目标关联物体时，可以由电子设备在这多个关联物体中随机选择一个目标关联物体，当然，也可以用户自己通过电子设备在这多个关联物体中选择一个目标关联物体，在此，对于如何在多个关联物体中选择一个目标关联物体，具体可以根据实际需要进行设置，在此，本申请实施例不做具体限制。当然，若该关联物体的个数为多个，且在显示关联物体时，也可以不用在多个关联物体中选择一个目标关联物体，而是直接显示该多个关联物体。

在实际应用过程中，当用户通过电子设备扫描桌子上的物体时，若此时桌子上放置有苹果和香蕉，则电子设备获取到的待检测图像中的物体包括苹果和香蕉两个物体，此时，可以在苹果和香蕉中选择一个物体作为目标物体，若确定目标物体为苹果，则可以通过特征提取技术获取苹果的特征信息，该苹果的特征信息可以为包括颜色类型为红色，所属的类型为水果，则可以在这两种不同类型的特征中选择一个类型特征作为该物体的目标特征信息，若确定苹果的目标特征信息为红色，则在确定苹果的目标特征信息之后，可以通过关联物体检测模型和/或历史行为数据，确定该目标特征信息红色对应的关联为例，若确定与该目标特征信息红色对应的关联物体为樱桃、西瓜及国旗时，可以由电子设备在樱桃、西瓜及国旗中任意选择一个关联物体，并通过ar显示待输出的关联物体；或者，可以由用户在樱桃、西瓜及国旗中任意选择一个关联物体，并通过ar显示待输出的关联物体。与现有技术相比，在显示关联物体时，无需通过模糊匹配的方式进行搜索与特征信息对应的关联内容，更无需用户在繁杂的内容中进行多次筛选操作，从而简化了用户的操作，且增加了显示的趣味性。

图5为本发明实施例提供的一种关联物体的显示装置50的结构示意图，该关联物体的显示装置50用于增强现实，示例的，请参见图5所示，该关联物体的显示装置50可以包括：

获取单元501，用于对待检测图像进行识别，获取待检测图像中物体的目标特征信息。

处理单元502，用于根据物体的目标特征信息，及特征信息与关联物体之间的对应关系，确定与物体的目标特征信息对应的至少一个关联物体。

显示单元503，用于显示关联物体。

可选的，特征信息包括下述至少一种：物体的颜色、物体的形状、物体所处的位置、物体所属的类型。

可选的，当特征信息包括物体的颜色、物体的形状、物体所处的位置、物体所属的类型中的至少两个特征信息时，获取单元501，具体用于获取待检测图像中物体的至少两个特征信息；并在至少两个特征信息中，确定待检测图像中物体的目标特征信息。

可选的，当至少一个关联物体的个数为多个时，处理单元502，还用于从多个关联物体中确定一个目标关联物体。

对应的，显示单元503，还用于显示目标关联物体。

可选的，处理单元502，具体用于将物体的目标特征信息输入至关联物体检测模型，得到与目标特征信息对应的至少一个关联物体；其中，关联物体检测模型用于指示特征信息与关联物体的之间的对应关系。

可选的，关联物体检测模型是通过如下方法训练的：

根据多个训练样本中每个训练样本中物体的特征信息，构建每个训练样本对应的特征向量；并基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成关联物体检测模型。

可选的，基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，生成关联物体检测模型，包括：

基于每个训练样本对应的特征向量和在每个训练样本中标记的关联物体，采用深度学习算法进行训练，生成关联物体检测模型。

可选的，处理单元502，具体用于获取用户的历史行为数据；其中，历史行为数据用于指示特征信息与关联物体的之间的对应关系；并根据物体的目标特征信息，及用户的历史行为数据，确定与目标特征信息对应的至少一个关联物体。

可选的，显示单元503，具体用于通过增强现实技术ar技术显示关联物体。

本发明实施例所示的关联物体的显示装置50，可以执行上述任一实施例所示的关联物体的显示方法的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

图6为本发明实施例提供的一种电子设备60的结构示意图，请参见图6所示，该电子设备60可以包括处理器601和存储器602。其中，

存储器602用于存储程序指令。

处理器601用于读取存储器602中的程序指令，并根据存储器602中的程序指令执行上述任一实施例所示的关联物体的显示方法。

本发明实施例所示的电子设备60，可以执行上述任一实施例所示的关联物体的显示方法的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，在计算机程序被处理器执行时，执行上述任一实施例所示的关联物体的显示方法，其实现原理以及有益效果类似，此处不再进行赘述。

上述实施例中处理器可以是通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(randomaccessmemory，ram)、闪存、只读存储器(read-onlymemory，rom)、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的指令，结合其硬件完成上述方法的步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开未公开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，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开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。本公开的范围仅由所附的权利要求书来限制。