关联对象的查找方法及装置、电子设备与流程

本发明涉及人脸识别技术领域，尤其涉及一种关联对象的查找方法及装置、电子设备。

背景技术：

人脸识别技术已经应用于多种领域，例如安防领域、人脸识别门禁系统、机场/高铁进站闸机等。人脸搜索是人脸识别技术中的基础技术，人脸搜索类似于图片搜索，需要从海量的人脸图片数据库中查找出待识别人脸的人脸图片。

现有的人脸布控系统利用了人脸搜索技术，通过布控区域内的摄像头抓拍人脸，再将抓拍到的人脸图片与数据库存储的人脸图片(即所要查找的目标人物)作对比，从而确定抓拍到的人脸是否是目标人物的人脸。在实际应用中，人脸布控系统对人脸搜索的实时性要求较高，即当摄像头抓拍到一张人脸图片后，需要实时从数据库中查找是否最相似的人脸图片，从而判断抓拍的人脸是否就是所要查找的目标人物。随着算法的不断改进，人脸布控技术的时效性也逐渐提高。

但是现有的人脸布控技术仅限于对目标人物的查找，如果需要进一步确定与该目标人物经常接触的相关人员，目前还没有针对性的解决方案。

技术实现要素：

有鉴于此，本发明实施例提供了一种关联对象的查找方法及装置、电子设备，用以解决现有的人脸布控技术仅限于对目标人物的查找，无法进一步确定与该目标人物经常接触的相关人员的技术问题。

根据本公开的一个方面，提供了一种关联对象的查找方法，所述方法包括：从档案库中确定目标对象的第一档案记录；从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录；基于所有所述第二档案记录中的物体特征，确定所述目标对象的关联对象；基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

根据本公开的另一个方面，提供了一种关联对象的查找装置，包括：第一档案记录查询模块，用于从档案库中确定目标对象的第一档案记录；第二档案记录查询模块，用于从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录；关联对象查找模块，用于基于所有所述第二档案记录中的物体特征，确定所述目标对象相关联的关联对象；关联对象特征确定模块，用于基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

根据本公开的又一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述关联对象的查找方法。

根据本公开的再一个方面，提供了一种非临时性计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述关联对象的查找方法。

与现有技术相比，本技术方案至少具有如下有益效果：

根据本公开实施例提供的关联对象的查找方法，依照目标对象的第一档案记录进行关联搜索，通过查找与第一档案记录信息相关联的至少一条第二档案记录，进而根据第二档案记录中的物体特征确定目标对象的关联对象。然后，再根据所确定的关联对象所对应的第二档案记录确定关联对象的物体特征，最后输出目标对象的物体特征以及目标对象的关联对象的物体特征。从而解决了现有技术中仅限于对目标人物的查找，无法进一步确定与该目标人物经常接触的相关人员的技术问题。

进一步，在确定目标对象的关联对象过程中，利用聚类算法对第二档案记录中的物体特征进行聚类，以确定所有物体特征所属的聚类中心，进而根据聚类中心所对应的第二档案记录的数目以及第二档案记录中的第一类记录信息的数目对聚类中心进行排序，从而根据排序结果确定目标对象的关联对象。由于采用了聚类算法对物体特征进行聚类，并依照对聚类中心进一步做排序，以使所确定的目标对象的关联对象更为准确。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，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它的附图。

图1a是本公开一示例性实施例提供的关联对象的查找方法的流程示意图。

图1b是本公开一示例性实施例提供的关联对象的查找方法的应用场景的档案记录示意图。

图2是本公开另一示例性实施例提供的关联对象的查找方法的流程示意图；

图3是本公开一示例性实施例提供的关联对象的查找装置的结构示意图；

图4是本公开另一示例性实施例提供的关联对象的查找装置的结构示意图；

图5是本公开又一示例性实施例提供的关联对象的查找装置的结构示意图；

图6是本公开又一示例性实施例提供的关联对象的查找装置的结构示意图。

图7是本公开一示例性实施例的电子设备的框图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

申请概述

根据本技术方案提供的关联对象的查找方法，依照目标对象的第一档案记录进行关联搜索，通过查找与第一档案记录信息相关联的至少一条第二档案记录，进而根据第二档案记录中的物体特征确定目标对象的关联对象。然后，再根据所确定的关联对象所对应的第二档案记录确定关联对象的物体特征，最后输出目标对象的物体特征以及目标对象的关联对象的物体特征。从而解决了现有技术中仅限于对目标人物的查找，无法进一步确定与该目标人物经常接触的相关人员的技术问题。

本技术方案中所述的目标对象可以是人、车辆或者其他可移动物体等，根据不同的应用场景来确定。例如，应用场景为查找目标人物以及与目标人物关系紧密的关联人物，则目标对象为人。又例如，应用场景为查找目标车辆以及与目标车辆关系紧密的关联车辆，则目标对象为车辆。

示例性方法

图1a是本公开一示例性实施例提供的关联对象的查找方法的流程示意图。本实施例可应用在服务器上。如图1a所示，包括如下步骤：

步骤101、从档案库中确定目标对象的第一档案记录。

具体地，所述档案库是一个数据库，在数据库中包括多条档案记录，每条档案记录用于记录获取到的一个对象的相关信息，包括获取该对象的时间信息和地点信息、该对象的图像信息、从图像信息中提取的物体特征等。其中，根据不同的应用场景，所述对象可以是人、车辆或者其他可移动物体等。例如，所述档案库用于记录一个或多个摄像头抓拍到的人脸信息，包括抓拍的时间信息和地点信息、摄像头的编号、抓拍到的人脸图像以及该人脸图像的特征信息等。其中，人脸图像的特征信息可以通过人脸识别技术从人脸图像中提取得到，所述人脸图像的特征信息为所述对象的物体特征。在实际应用中，所述档案库中的档案记录可以实时更新，即每当获取到新的对象的相关信息，将该对象的相关信息作为一条档案记录实时添加至档案库中。

所述目标对象是根据不同的具体应用场景所要查找的对象(例如查找目标人物)，且该目标对象的档案记录已存储于所述档案库中。根据目标对象在所述档案库中的某个相关信息并以相适应的搜索方式查找对应所述目标对象的档案记录(即所述第一档案记录)。例如，仍以所述档案库记录摄像头抓拍的人脸信息为例，基于目标对象的人脸图像并通过图像检索的方式从所述档案库中搜索所述目标对象的档案记录。

在实际应用中，由于所述目标对象可能被不同的摄像头抓拍到或者被同一摄像头在不同时间抓拍到，因此搜索到的所述目标对象的档案记录可能包括多条第一档案记录。此外，若有多个目标对象，则分别确定每个所述目标对象的第一档案记录。

步骤102、从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录。

具体地，如上文所述，每条档案记录中包括多种信息，例如一条档案记录包括抓拍的时间信息和地点信息、摄像头的编号等。根据所确定的第一档案记录中的一个或者多个信息，从所述档案库中查找与所述一个或者多个信息相关联的其他档案记录作为所述第二档案记录。

根据信息的数目不同，从所述第一档案记录中查找相关联的其他档案记录的方式也有所不同。

例如，若信息的数目为一个，从所述第一档案记录中查找相关联的其他档案记录的方式可以是：从其他档案记录中查找该信息与所述第一档案记录中的该信息完全相同的档案记录作为所述第二档案记录，或者从其他档案记录中查找该信息与所述第一档案记录中的该信息虽然不同，但两者之间满足预设条件的档案记录作为所述第二档案记录。

又例如，若信息的数目为多个，从所述第一档案记录中查找相关联的其他档案记录的方式可以是：从其他档案记录中查找各个信息与所述第一档案记录中相对应的各个信息完全相同的档案记录作为所述第二档案记录，或者从其他档案记录中查找一部分信息与所述第一档案记录中对应的信息相同，另一部分信息虽然不同，但两者之间满足预设条件的档案记录作为所述第二档案记录，或者从其他档案记录中查找各个信息与所述第一档案记录中相对应的各个信息虽然都不相同，但对应的信息之间满足预设条件的档案记录作为所述第二档案记录。

在实际应用中，可以根据不同的应用场景来确定与所述第一档案记录相关联的第二档案记录所满足的具体条件。

例如，以应用场景为确定与目标对象出现在同一地点且出现的时间相近的其他对象作为该目标对象的关联对象。

基于这个应用场景，本步骤具体包括从所述档案库中确定与所述第一档案记录的第一类记录信息相同，且第二类记录信息满足预设条件的第二档案记录。其中，所述第一类记录信息为地点信息、所述第二类记录信息为时间信息，所述预设条件可以是预设时间范围，即第二档案记录中的时间与所述第一档案记录中的时间相差满足预设时间范围。

进一步，若从所述档案库中搜索到的所述目标对象相关的所有第一档案记录中包括一个所述地点信息，则从所述档案库中确定与所述地点信息相同，且所述时间信息满足所述预设时间范围的第二档案记录。若从所述档案库中搜索到的所述目标对象相关的所有第一档案记录中包括多个所述地点信息，则从所述档案库中分别确定与各个所述地点信息相同，且所述时间信息满足所述预设时间范围的第二档案记录。

步骤103、基于所有所述第二档案记录中的物体特征，确定所述目标对象的关联对象。

具体地，根据上述步骤102确定的与所述第一档案记录相关联的至少一条第二档案记录中可能包含多个与所述目标对象相关联的其他对象，但并不是将所有的其他对象都确定为所述目标对象的关联对象，需要基于第二档案记录中的物体特征并结合算法对这些物体特征进行分析，从而确定其中与所述目标对象关系最紧密的一个或几个其他对象作为所述目标对象的关联对象。

在实际应用中，可以根据不同的应用场景来确定与所述目标对象关系最紧密的关联对象。

例如，仍以应用场景为确定与目标对象出现在同一地点且出现的时间相近的其他对象作为该目标对象的关联对象为例，在从所述档案库中确定与所述第一档案记录的第一类记录信息相同，且第二类记录信息满足预设条件的第二档案记录之后，所述第二档案记录中包含多个不同对象的档案记录，其中也可能包含同一对象的不同档案记录，因此，需要进一步利用聚类算法对第二档案记录中的物体特征进行聚类分析，根据聚类分析结果将与目标对象出现在同一地点的次数较多且出现的时间相近的对象作为所述目标对象的关联对象。关于如何利用聚类算法对第二档案记录中的物体特征进行聚类分析的具体过程将在下文的实施例详细描述。

步骤104、基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

具体地，在依照算法(例如聚类算法)从所有所述第二档案记录中的物体特征筛选出与所述目标对象的关联对象之后，再根据所确定的关联对象从相应的第二档案记录中确定所述关联对象的物体特征。

根据本实施例所述的关联对象的查找方法，根据目标对象的第一档案记录做关联搜索以得到相关联的至少一条第二档案记录，进而基于从第二档案记录中的物体特征并结合算法确定所述目标对象的关联对象，并得到关联对象的物体特征，从而在确定目标对象的基础上，进一步确定与该目标对象关系紧密的关联对象。

图1b是本公开一示例性实施例提供的关联对象的查找方法的应用场景的档案记录示意图。

参考图1b，在档案库中存储有多条档案记录,(作为示意图，图1b中仅示出其中13条档案记录)。每条档案记录包括对象名称、获取该对象的时间信息、地点信息、该对象的图像信息、物体特征(从图像信息中提取得到)。

本实施例的应用场景为确定与张三(目标对象)出现在同一地点且出现的时间相近的关联对象。

具体地，首先，在获取到张三的图像信息后，利用图像检索方式从档案库中查找出所有张三的档案记录(即第一档案记录)。如图1b中包括编号1、编号4和编号6的档案记录。

然后，根据第一档案记录中的地点信息(第一类记录信息)和时间信息(第二类记录信息)，查找与第一档案记录中的地点信息相同，且时间信息在预设时间范围内(例如5分钟)的第二档案记录。如图1b中包括编号2、编号3、编号7、编号8、编号9、编号10、编号11以及编号13的档案记录。其中，编号2、编号3的档案记录为与第一档案记录中的地点a相同且时间信息在预设时间范围内的第二档案记录；编号7、编号8、编号9的档案记录为与第一档案记录中的地点b相同且时间信息在预设时间范围内的第二档案记录；编号10、编号11、编号13的档案记录为与第一档案记录中的地点c相同且时间信息在预设时间范围内的第二档案记录。

进一步，基于所有所述第二档案记录中的物体特征并结合聚类算法对这些物体特征进行聚类分析。其中，属于同一对象的物体特征，其物体特征值相同或相近，不同对象的物体特征值差异较大，因此将物体特征值相同或相近的物体特征归于一个组(即对应一个聚类中心)，从而确定所有这些物体特征可被归于多少个聚类中心。如图1b所示，所有的第二档案记录中的物体特征可以聚类成4个聚类中心，分别对应李四、王五、刘五以及王七。

然后，再根据与目标对象出现在同一地点的次数的多少对4个聚类中心进行排序，得到排序结果，进而从排序结果中选取同一地点的次数较多的聚类中心对应的其他对象作为所述目标对象的关联对象。如图1b所示，排序结果为李四和王五各有3次与目标对象出现在同一地点，而刘五和王七各有1次与目标对象出现在同一地点。由于按照第二档案记录中的地点信息(即第一类记录信息)的数目对聚类中心进行排序后，李四和王五对应第二档案记录中的地点信息的数目相同，因此还可以进一步根据聚类中心所对应的第二档案记录的数目再进行排序，以对李四和王五做进一步排序。由于在图1b示出的档案中李四和王五所对应的第二档案记录的数目也相同，因此李四和王五并列。在实际应用中，在包含更大范围的档案记录的情况下，若李四和王五所对应的第二档案记录的数目不同，则根据数目进一步对李四和王五做排序。

因此，以图1b所示的档案记录，将李四和王五确定为张三的关联对象。

在其他实施例中，在步骤104之后还包括如下步骤：输出所述目标对象的物体特征和所述目标对象的关联对象的物体特征。

与现有技术不同，根据本实施例提供的关联对象的查找方法，在确定目标对象之后，还进一步确定所述目标对象的关联对象，因此最终输出所述目标对象的物体特征和所述目标对象的关联对象的物体特征，从而使用户在获取目标对象的物体特征的同时，还能进一步获得与目标对象关系紧密的关联对象的物体特征。

图2是本公开另一示例性实施例提供的关联对象的查找方法的流程示意图。在上述图1所示实施例的基础上，采用聚类算法对所述第二档案记录中的物体特征进行聚类分析，并根据聚类分析的结果确定所述目标对象的关联对象。

参考图2所示，图1所示实施例中的步骤103可以包括如下步骤：

步骤1031，对所有所述第二档案记录中的物体特征进行聚类，确定所述第二档案记录中的物体特征的各个聚类中心。

具体地，在档案库中，所述第二档案记录中的物体特征是以数组形式记录的。例如，一条所述第二档案记录中的物体特征为[0.2、0.11、0.35、-0.28、…、-0.43]，数组中元素的个数为从对象的图像中提取的物体特征的维度(例如提取了128维特征点，数组中元素的个数为128个)，数组中的各个元素为每个特征点的物体特征值。

因此，获取了所有所述第二档案记录中的物体特征之后，通过聚类算法对所有的物体特征进行聚类，从而确定所述第二档案记录中的物体特征的各个聚类中心。本领域技术人员理解，聚类算法是机器学习中涉及对数据进行分组的一种算法。在给定的数据集中，可以通过聚类算法将其分成一些不同的组。通常，相同的组中数据之间有相同的属性或者是特征，而不同的组中数据之间的属性或者特征相差就会比较大。

具体到本实施例中，对所有所述第二档案记录中获取到的物体特征进行聚类，将物体特征值相同或相近的物体特征归于一个组(即对应一个聚类中心)，从而确定所有这些物体特征可被归于多少个聚类中心。

步骤1032，确定所述各个聚类中心所对应的所述第二档案记录的数目。

具体地，在确定了各个聚类中心之后，分别确定每个聚类中心对应的所述第二档案记录的数目。也就是说，由一个或者多个所述第二档案记录中的物体特征被归类于一个聚类中心，因此在确定该聚类中心之后，需要进一步确定这个聚类中心所对应的第二档案记录的数目。

步骤1033，根据所述各个聚类中心所对应的所述第二档案记录的数目和所对应的第二档案记录中的所述第一类记录信息的数目，从所有所述聚类中心中选取预设数量的聚类中心作为所述目标对象的关联对象。

具体地，本步骤是对各个聚类中心进行排序，排序的依据包括：

1)根据各个聚类中心所对应的所述第二档案记录的数目；

2)根据各个聚类中心所对应的第二档案记录中的所述第一类记录信息的数目。

在实际应用中，可以先根据上述依据1)排序，然后再根据上述依据2)排序；也可以先根据上述依据2)排序，然后再根据上述依据1)排序。

例如，以先根据上述依据1)排序，然后再根据上述依据2)排序为例，本步骤1033包括：

步骤10331、根据每个所述聚类中心所对应的所述第二档案记录的数目对所有所述聚类中心进行排序，得到第一排序结果。其中，排序的方式可以是升序排序或者降序排序。

步骤10332、从所述第一排序结果中确定符合预设条件的n个聚类中心。

本步骤选取的是对应所述第二档案记录的数目较多的聚类中心。因此，若上述步骤10331是以升序排序得到的所述第一排序结果，则选择所述第一排序结果中的后n个聚类中心；反之，若上述步骤10331是以降序排序得到的所述第一排序结果，则选择所述第一排序结果中的前n个聚类中心。

步骤10333、若所述n个聚类中心中存在两个或两个以上所对应的第二档案记录的数目相等，则进一步根据聚类中心所对应的第二档案记录中的所述第一类记录信息的数目再进行排序，得到第二排序结果；其中，n为大于或等于所述预设数量的自然数。

具体地，本步骤在依照上述步骤10332选取了第一排序结果中符合预设条件的n个聚类中心后，若存在两个或两个以上的聚类中心所对应的第二档案记录的数目相等，则进一步根据这些聚类中心所对应的第二档案记录中的所述第一类记录信息的数目对这些聚类中心再进行排序，得到第二排序结果。其中，排序的方式可以是升序排序或者降序排序。

步骤10334、从所述第二排序结果中选取预设数量的聚类中心作为所述目标对象的关联对象。

本步骤选取的是对应所述第二档案记录的数目较多，且在所述第二档案记录的数目相同的情况下选取所述第一类记录信息的数目较多的聚类中心。因此，若上述步骤10333是以升序排序得到的所述第二排序结果，则选择所述第二排序结果中排序靠后的预设数量(例如后5个)的聚类中心；反之，若上述步骤10333是以降序排序得到的所述第二排序结果，则选择所述第二排序结果中排序靠前的预设数量(例如前5个)的聚类中心。

又例如，以先根据上述依据2)排序，然后再根据上述依据1)排序为例，本步骤1033包括：

步骤10335、根据每个所述聚类中心所对应的所述第二档案记录中的所述第一类记录信息的数目对所有所述聚类中心进行排序，得到第三排序结果。其中，排序的方式可以是升序排序或者降序排序。

步骤10336、从所述第三排序结果中确定符合预设条件的n个聚类中心。

本步骤选取的是对应所述第二档案记录中的所述第一类记录信息的数目较多的聚类中心。因此，若上述步骤10335是以升序排序得到的所述第三排序结果，则选择所述第三排序结果中的后n个聚类中心；反之，若上述步骤10335是以降序排序得到的所述第三排序结果，则选择所述第三排序结果中的前n个聚类中心。

步骤10337、若所述n个聚类中心中存在两个或两个以上所对应的第二档案记录中的所述第一类记录信息的数目相等，则进一步根据聚类中心所对应的第二档案记录的数目再进行排序，得到第四排序结果；其中，n为大于或等于所述预设数量的自然数。

具体地，本步骤在依照上述步骤10336选取了第三排序结果中符合预设条件的n个聚类中心后，若存在两个或两个以上的聚类中心所对应的第二档案记录的数目相等，则进一步根据这些聚类中心所对应的第二档案记录中的所述第一类记录信息的数目对这些聚类中心再进行排序，得到第四排序结果。其中，排序的方式可以是升序排序或者降序排序。

步骤10338、从所述第四排序结果中选取预设数量的聚类中心作为所述目标对象的关联对象。

本步骤选取的是对应所述第二档案记录中第一类记录信息的数目较多，且在所述第一类记录信息的数目相同的情况下，选取所述第二档案记录的数目较多的聚类中心。因此，若上述步骤10337是以升序排序得到的所述第四排序结果，则选择所述第四排序结果中排序靠后的预设数量(例如后5个)的聚类中心；反之，若上述步骤10337是以降序排序得到的所述第四排序结果，则选择所述第四排序结果中排序靠前的预设数量(例如前5个)的聚类中心。

继续参考图2所示，图1所示实施例中的步骤104可以包括如下步骤：

步骤1041、基于选取的所述预设数量的聚类中心所对应的所述第二档案记录中的物体特征，确定所述目标对象的关联对象的物体特征。

具体地，选取的每个聚类中心对应于所述目标对象的一个关联对象，因此每个聚类中心所对应的第二档案记录中的物体特征即为所述关联对象的物体特征。

本实施例中，所述聚类算法可以采用k均值聚类算法或者基于密度的聚类算法。其中，k均值聚类算法需要预先确定聚类中心的个数。首先，随机初始化各个组的中心点，该中心点是与每个物体特征值对应数据点向量长度相同的向量。通过计算当前数据点与每个组的中心点之间的距离，对每个数据点进行分类，将其归类到距离最近的中心点所对应的组中。基于迭代后的结果，计算每一类内，所有数据点的平均值，作为新的中心点。重复以上步骤，直到每一类的中心点在每次迭代后变化不大为止。

与k均值聚类算法不同，基于密度的聚类算法无需预先确定聚类中心的个数，但需要确定半径r和minpoints。具体包括：步骤1：首先确定半径r和minpoints。然后，从一个没有被访问过的任意数据点开始，以这个数据点为中心，r为半径的圆内包含的数据点的数量是否大于或等于minpoints，如果大于或等于minpoints，则该数据点被标记为centralpoint；反之，则会被标记为noisepoint。重复步骤1，如果一个noisepoint存在于某个centralpoint为半径的圆内，则这个点被标记为边缘点，反之仍为noisepoint。重复步骤1，直到所有的数据点都被访问过。

本实施例在确定目标对象的关联对象过程中，利用聚类算法对第二档案记录中的物体特征进行聚类，以确定所有物体特征所属的聚类中心，进而根据聚类中心所对应的第二档案记录的数目以及第二档案记录中的第一类记录信息的数目对聚类中心进行排序，从而根据排序结果确定目标对象的关联对象。

示例性装置

图3是本公开一示例性实施例提供的关联对象的查找装置的结构示意图。

参考图3，所述关联对象的查找装置3包括：第一档案记录查询模块31，用于从档案库中确定目标对象的第一档案记录。第二档案记录查询模块32，用于从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录。关联对象查找模块33，用于基于所有所述第二档案记录中的物体特征，确定所述目标对象相关联的关联对象。关联对象特征确定模块34，用于基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

具体地，所述档案库内存储有多条档案记录，每条档案记录用于记录获取到的一个对象的相关信息，包括获取该对象的时间信息和地点信息、该对象的图像信息、从图像信息中提取的物体特征等。利用所述第一档案记录查询模块31可以根据目标对象在所述档案库中的某个相关信息并以相适应的搜索方式查找对应所述目标对象的档案记录(即所述第一档案记录)。

在一个实施例中，所述第二档案记录查询模块32用于从所述档案库中确定与所述第一档案记录的第一类记录信息相同，且第二类记录信息满足预设条件的第二档案记录。其中，所述第一类记录信息为地点信息、所述第二类记录信息为时间信息、所述预设条件为预设时间范围。

具体地，所述第二档案记录查询模块32包括档案记录查询单元(图3中未示出)，用于若从所述档案库中搜索到的所述目标对象相关的所有第一档案记录中包括一个所述地点信息，则从所述档案库中搜索与所述地点信息相同，且所述时间信息满足所述预设时间范围的第二档案记录；若从所述档案库中搜索到的所述目标对象相关的所有第一档案记录中包括多个所述地点信息，则从所述档案库中分别搜索与各个所述地点信息相同，且所述时间信息满足所述预设时间范围的第二档案记录。

图4是本公开另一示例性实施例提供的关联对象的查找装置的结构示意图。本实施例是在图3所示的关联对象的查找装置3的基础上，所述关联对象查找模块33和关联对象特征确定模块34的一个具体实施例的结构示意图。

参考图，关联对象的查找装置4包括：第一档案记录查询模块41，用于从档案库中确定目标对象的第一档案记录。第二档案记录查询模块42，用于从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录。关联对象查找模块43，用于基于所有所述第二档案记录中的物体特征，确定所述目标对象相关联的关联对象。关联对象特征确定模块44，用于基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

具体地，所述第一档案记录查询模块41和所述第二档案记录查询模块42的具体实现过程可以参照上文图3所述实施例，在此不再赘述。

所述关联对象查找模块43包括：聚类处理单元431，用于对所有所述第二档案记录中的物体特征进行聚类，确定所述第二档案记录中的物体特征的各个聚类中心。档案记录数目确定单元432，用于确定所述各个聚类中心所对应的所述第二档案记录的数目。关联对象确定单元433，用于根据所述各个聚类中心所对应的所述第二档案记录的数目和所对应的第二档案记录中的所述第一类记录信息的数目，从所有所述聚类中心中选取预设数量的聚类中心作为所述目标对象的关联对象。

所述关联对象特征确定模块44，用于基于选取的所述预设数量的聚类中心所对应的所述第二档案记录中的物体特征，确定所述目标对象的关联对象的物体特征。

进一步，所述关联对象确定单元433包括：第一排序单元4331，用于根据所有所述聚类中心根据每个所述聚类中心所对应的所述第二档案记录的数目对所有所述聚类中心进行依照降序排序，得到第一排序结果排序。第一聚类中心确定单元4332，用于从所述第一排序结果中确定符合预设条件的n个聚类中心。第二排序单元4333，用于若所述n个聚类中心中存在两个或两个以上所对应的第二档案记录的数目相等，则进一步根据聚类中心所对应的第二档案记录中的所述第一类记录信息的数目再进行排序，得到第二排序结果；其中，n为大于或等于所述预设数量的自然数。第一关联对象选取单元4334，用于从所述第二排序结果中选取预设数量的聚类中心作为所述目标对象的关联对象。

图5是本公开又一示例性实施例提供的关联对象的查找装置的结构示意图。与图4所述实施例不同，本实施例是在图3所示的关联对象的查找装置3的基础上，所述关联对象查找模块33和关联对象特征确定模块34的又一个具体实施例的结构示意图。

在本实施例中，关联对象的查找装置5包括：第一档案记录查询模块51，用于从档案库中确定目标对象的第一档案记录。第二档案记录查询模块52，用于从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录。关联对象查找模块53，用于基于所有所述第二档案记录中的物体特征，确定所述目标对象相关联的关联对象。关联对象特征确定模块54，用于基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。

具体地，所述第一档案记录查询模块51和所述第二档案记录查询模块52的具体实现过程可以参照上文图3或图4所述实施例，在此不再赘述。

所述关联对象查找模块53包括：聚类处理单元531，用于对所有所述第二档案记录中的物体特征进行聚类，确定所述第二档案记录中的物体特征的各个聚类中心。档案记录数目确定单元532，用于确定所述各个聚类中心所对应的所述第二档案记录的数目。关联对象确定单元533，用于根据所述各个聚类中心所对应的所述第二档案记录的数目和所对应的第二档案记录中的所述第一类记录信息的数目，从所有所述聚类中心中选取预设数量的聚类中心作为所述目标对象的关联对象。

与上述图4所述实施例不同的是，本实施例中，所述关联对象确定单元533包括：第三排序单元5331，用于根据每个所述聚类中心所对应的所述第二档案记录中的所述第一类记录信息的数目对所有所述聚类中心进行排序，得到第三排序结果。第二聚类中心确定单元5332，用于从所述第三排序结果中确定符合预设条件的n个聚类中心。第四排序单元5333，用于若所述n个聚类中心中存在两个或两个以上所对应的第二档案记录中的所述第一类记录信息的数目相等，则进一步根据聚类中心所对应的第二档案记录的数目再进行排序，得到第四排序结果；其中，n为大于或等于所述预设数量的自然数。第二关联对象选取单元5334，用于从所述第四排序结果中选取预设数量的聚类中心作为所述目标对象的关联对象。

本实施例中，所述聚类算法为k均值聚类算法或者基于密度的聚类算法。

图6是本公开又一示例性实施例提供的关联对象的查找装置的结构示意图。

与图3所述实施例不同的是，本实施例中，关联对象的查找装置6除了包括：第一档案记录查询模块61，用于从档案库中确定目标对象的第一档案记录。第二档案记录查询模块62，用于从所述档案库中确定与所述第一档案记录相关联的至少一条第二档案记录。关联对象查找模块63，用于基于所有所述第二档案记录中的物体特征，确定所述目标对象相关联的关联对象。关联对象特征确定模块64，用于基于所述目标对象的关联对象所对应的第二档案记录，确定所述目标对象的关联对象的物体特征。关联对象的查找装置6还包括：分别与第一档案记录查询模块61和所述关联对象特征确定模块64连接的输出模块65；所述输出模块65，用于输出所述目标对象的物体特征和所述目标对象的关联对象的物体特征。

示例性电子设备

图7是本公开一示例性实施例的电子设备的框图。

如图7所示，电子设备11包括一个或多个处理器111和存储器112。

处理器111可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备11中的其他组件以执行期望的功能。

存储器112可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器111可以运行所述程序指令，以实现上文所述的本公开的各个实施例的声源定位方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备11还可以包括：输入装置113和输出装置114，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，该输入装置113可以是摄像头(或者图像采集模块)，用于采集目标对象。此外，该输入设备113还可以包括例如键盘、鼠标等等。该输出装置114可以向外部输出各种信息，包括所述目标对象的物体特征和所述目标对象的关联对象的物体特征等。该输出设备114可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图7中仅示出了该电子设备11中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备11还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的关联对象的查找方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的关联对象的查找方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。