一种目标对象关联分析方法及装置与流程

本发明涉及智能安防领域，尤其涉及一种目标对象关联分析方法及装置。

背景技术：

为了加强城市的安全防护，通常需要对某些目标对象进行分析，以确定出与该目标对象有关联的关联对象，目标对象和该目标对象的关联对象通常会频繁的聚集在一起。

目前，现有的目标对象关联分析方法主要是采用人工分析方法或者是采用视频分析的方法，前者主要依赖工作人员的分析能力，由于需要进行大量的调查与统计，导致需要耗费大量的时间和精力，故效率较低；后者需要对视频中的人脸进行分析与识别，由于视频数据量大，故分析时间较长，效率也较低。

因此有必要设计一种新的目标对象关联分析方法，以克服上述问题。。

技术实现要素：

本发明的目的在于克服现有技术之缺陷，提供了一种目标对象关联分析方法及装置，以实现提高关联分析的效率和准确率。

本发明是这样实现的：

第一方面，本发明提供一种目标对象关联分析方法，所述方法包括：

获得待分析的目标对象；查找多维感知数据集，得到所述目标对象的目标轨迹；其中，所述目标轨迹由各个目标轨迹点形成；所述多维感知数据集用于存储轨迹；

获得关联信息；基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点；

针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；

确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象，完成对所述目标对象的关联分析。

可选的，计算各关联对象的关联级别，包括：

针对每一关联对象，将属于该关联对象的目标关联轨迹点的数量作为该关联对象的关联级别。

可选的，所述关联信息包括预设关联级别；根据各关联对象的关联级别，确定目标关联对象，包括：

将关联级别大于预设关联级别的关联对象作为目标关联对象。

可选的，所述关联信息包括时间阈值和关联类型，轨迹点包括对象类型、时间点和地点，基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点，包括：

针对每一目标轨迹点，查找所述多维感知数据集，将所述多维感知数据集中对象类型属于所述关联类型、时间点与该目标轨迹点的时间点之差的绝对值不大于所述时间阈值且地点与该目标轨迹点的地点相同的轨迹点确定为该目标轨迹点附近的关联轨迹点。

可选的，针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点，包括：

针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定时间点最早的关联轨迹点，作为目标关联轨迹点。

可选的，在确定目标关联对象之后，所述方法还包括：

当检测到二次分析指令时，将所述目标关联对象作为所述目标对象，返回执行查找多维感知数据集，得到所述目标对象的目标轨迹的步骤。

可选的，获得待分析的目标对象，包括：

获得用户通过人机交互界面输入的目标对象。

可选的，在获得待分析的目标对象后，所述方法还包括：

对所获得的目标对象进行格式校验；

若通过格式校验，则执行查找多维感知数据集，得到所述目标对象的目标轨迹的步骤；

若未通过格式校验，则生成用于提醒重新输入目标对象的提示信息，并显示所述提示信息。

第二方面，本发明提供一种目标对象关联分析装置，所述装置包括：

第一获得模块，用于获得待分析的目标对象；查找多维感知数据集，得到所述目标对象的目标轨迹；其中，所述目标轨迹由各个目标轨迹点形成；所述多维感知数据集用于存储轨迹；

第二获得模块，用于获得关联信息；基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点；

第一确定模块，用于针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；

第二确定模块，用于确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象，完成对所述目标对象的关联分析。

可选的，第二确定模块计算各关联对象的关联级别，具体为：

针对每一关联对象，将属于该关联对象的目标关联轨迹点的数量作为该关联对象的关联级别。

可选的，所述关联信息包括预设关联级别；第二确定模块根据各关联对象的关联级别，确定目标关联对象，包括：

将关联级别大于预设关联级别的关联对象作为目标关联对象。

可选的，所述关联信息包括时间阈值和关联类型，轨迹点包括对象类型、时间点和地点，第二获得模块基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点，具体为：

针对每一目标轨迹点，查找所述多维感知数据集，将所述多维感知数据集中对象类型属于所述关联类型、时间点与该目标轨迹点的时间点之差的绝对值不大于所述时间阈值且地点与该目标轨迹点的地点相同的轨迹点确定为该目标轨迹点附近的关联轨迹点。

可选的，第一确定模块针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点，具体为：

针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定时间点最早的关联轨迹点，作为目标关联轨迹点。

可选的，所述装置还包括二次分析模块，用于：

在确定目标关联对象之后，当检测到二次分析指令时，将所述目标关联对象作为所述目标对象，返回执行查找多维感知数据集，得到所述目标对象的目标轨迹。

可选的，第一获得模块获得待分析的目标对象，具体为：

获得用户通过人机交互界面输入的目标对象。

可选的，所述装置还包括格式校验模块，用于：

在获得待分析的目标对象后，对所获得的目标对象进行格式校验；

若通过格式校验，则执行查找多维感知数据集，得到所述目标对象的目标轨迹；

若未通过格式校验，则生成用于提醒重新输入目标对象的提示信息，并显示所述提示信息。

本发明具有以下有益效果：应用本发明实施例，可以查找多维感知数据集，确定各目标轨迹点附近的关联轨迹点，针对每一目标轨迹点，可以从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象。相比于现有的目标对象关联分析方式而言，提高了关联分析效率，且针对每一目标轨迹点均只确定出一个目标关联轨迹点，避免了重复统计目标关联轨迹点，故，提高了关联分析的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。

图1为本发明实施例提供的目标对象关联分析方法的一种流程示意图；

图2为本发明实施例提供的目标对象关联分析装置的一种结构示意图。

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它实施例，都属于本发明保护的范围。

需要说明的是，本发明所提供的目标对象关联分析方法可以应用于电子设备，其中，在具体应用中，该电子设备可以为计算机、个人电脑、平板、手机等等，这都是合理的。

参见图1，本发明实施例提供一种目标对象关联分析方法，方法包括如下步骤：

s101、获得待分析的目标对象；查找多维感知数据集，得到所述目标对象的目标轨迹；其中，目标轨迹由各个目标轨迹点形成；所述多维感知数据集用于存储轨迹；

目标对象可以是待分析的对象，例如，可以是车牌号、人脸图片、身份证号、rfid(radiofrequencyidentification，射频识别)标签、mac地址(mediaaccesscontroladdress，媒体访问控制地址)或imsi(internationalmobilesubscriberidentificationnumber，国际移动用户识别码)、imei(internationalmobileequipmentidentity，国际移动设备识别码)等中的一种，目标对象可以有一个或多个。

获得待分析的目标对象，可以包括：

获得用户通过人机交互界面输入的目标对象。

人机交互界面可以提供输入框，用户可以通过输入框输入身份证号码、人脸图像、车牌号等目标对象，电子设备可以通过人机交互界面获得目标对象。电子设备和人机交互界面所在的终端可以独立存在，也可以互为一体，本发明对此不做限定。

当电子设备和人机交互界面所在的终端独立存在时，人机交互界面所在的终端在获得目标对象后，可以将目标对象发送给电子设备，从而电子设备可以获得目标对象；当电子设备和人机交互界面所在的终端互为一体时，电子设备可以直接读取人机交互界面所得的目标对象。

在又一种实现方式中，在获得待分析的目标对象后，所述方法还包括：

对所获得的目标对象进行格式校验；

若通过格式校验，则执行查找多维感知数据集，得到所述目标对象的目标轨迹的步骤；

若未通过格式校验，则生成用于提醒重新输入目标对象的提示信息，并显示所述提示信息。

格式校验可以对目标对象是否满足预设的格式要求进行校验，例如，当目标对象为人脸图片时，可以对人脸图片的图像类型、尺寸进行格式校验，若该人脸图片符合预设的图像类型和预设的尺寸，则该人脸图片可以通过格式校验，否则，不通过格式校验。实际应用中，针对不同类型的目标对象的具体格式校验的方法，可以根据需求设计，本发明对此不做限定。

另外，在其他实施方式中，除了获取目标对象，还可以获得目标时间范围和目标地点范围，从而所得的目标轨迹为时间点属于该目标时间范围和地点属于目标地点范围的轨迹。

当电子设备和人机交互界面所在的终端独立存在时，在生成提示信息后，还可以将提示信息发送给人机交互界面所在的终端。

s102、获得关联信息；基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点；其中，关联信息包括预设关联级别；

可以获得用户通过人机交互界面输入的关联信息，关联信息可以包括预设关联级别、时间阈值和关联类型等，预设关联级别可以是数值型的，数值越高，代表关联对象与目标对象的关联程度越高，时间阈值可以用于反映关联对象的轨迹点的时间点与目标对象的轨迹点的偏差程度，时间阈值可以为30秒、20秒、10秒等等。关联类型可以包括一个或多个类型，例如，可以包括人脸图像类、身份证类、车牌类等等。

在获得关联信息后，也可以对关联信息进行格式校验，例如，对时间阈值、预设关联级别、关联类型分别进行格式校验，若时间阈值小于30秒，则判定时间阈值通过格式校验；若预设关联级别属于数值型，则判定预设关联级别通过格式校验；若关联类型属于预设对象类型集合，则判定关联类型通过格式校验。

每一轨迹点用于记录对象出现的时间点和地点，某个对象的所有轨迹点连接起来，就形成该对象的轨迹。每一轨迹点可以包括对象类型、对象标识、时间点和地点，对象类型可以为人脸图像类、身份证类、车牌类、mac地址类、imsi类、imei类等中的一种，对象标识可以为具体的人脸图片、身份证号码、车牌号、mac地址、imsi或imei的具体值。对象标识可以唯一的标识对象，轨迹点所表征的对象即为：具有该轨迹点中对象标识的对象。

基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点，包括：

针对每一目标轨迹点，查找所述多维感知数据集，将所述多维感知数据集中对象类型属于所述关联类型、时间点与该目标轨迹点的时间点之差的绝对值不大于所述时间阈值且地点与该目标轨迹点的地点相同的轨迹点确定为该目标轨迹点附近的关联轨迹点。

关联类型可以包括多个类型，当对象类型为关联类型所包含的某个类型时，可以认为对象类型属于关联类型，例如，关联类型包括人脸图像类、身份证类和车牌类，则对象类型为人脸图像类、身份证类或车牌类时，对象类型均属于该关联类型。

假设时间阈值为30秒，当某个对象的时间点与该目标轨迹点的时间点之差的绝对值不大于30秒时，表明该对象与目标对象的时间差符合时间范围要求。

示例性的，时间阈值为rt，第k个目标轨迹点的时间点为pk，地点为tk，关联类型为人脸图像类，则第k个目标轨迹点附近的关联轨迹点包括：对象类型为人脸图像类、时间点在pk-rt到pk+rt的时间范围内且地点在tk的轨迹点。

多维感知数据集用于存储轨迹，多维感知数据集可以存储于电子设备，或者存储于独立于电子设备的存储服务器或存储服务器集群，多维感知数据集中的轨迹来源于采集设备采集的轨迹数据。

采集设备可以有一个或多个，例如可以包括车辆卡口摄像机、数据采集服务器、基站等等，每个采集设备可以采集一类或多类轨迹数据，例如，车辆卡口摄像机可以采集的轨迹数据包括：车牌号轨迹数据、人脸图像轨迹数据等，数据采集服务器可以采集的轨迹数据包括：身份证号轨迹数据、人脸图像轨迹数据、银行卡号轨迹数据等，基站可以采集的轨迹数据包括：身份证号轨迹数据、手机号轨迹数据、车牌号轨迹数据、人脸图像轨迹数据和银行卡号轨迹数据、mac地址轨迹数据、imsi轨迹数据、imei轨迹数据等。

通过获得多个采集设备采集的轨迹数据，并将所获得的各类轨迹数据以多维感知数据集的形式存储，可以获得更全面的基础数据源，有利于更全面的对目标对象进行关联分析，提高方法的准确性。

在其他实施方式中，基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点，包括：

针对每一目标轨迹点，查找所述多维感知数据集，将所述多维感知数据集中对象类型属于所述关联类型、时间点与该目标轨迹点的时间点之差的绝对值不大于所述时间阈值且地点属于该目标轨迹点的地点范围的轨迹点确定为该目标轨迹点附近的关联轨迹点，该目标轨迹点的地点范围为以该目标轨迹点的地点为中心，以预设值为半径的区域。关联信息可以包括该预设值。

s103、针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；

具体的，针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点，包括：

针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定时间点最早的关联轨迹点，作为目标关联轨迹点。

由于采集设备在采集数据时，可能针对同一对象，在某个地点和时间范围内可能会采集多次，从而，一个目标轨迹点附近的多个关联轨迹点可能同属于一个对象，可以理解的是，为了避免重复关联，同一对象的轨迹点在目标轨迹点附近应该只记为一次。

假设第1个目标轨迹点附近的关联轨迹点包括：rt1、rt2、rt3...rtn，且rt1到rtn是按时间升序排序的，第1个目标轨迹点的时间点为p1、地点为t1，则第1个目标轨迹点附近的且属于同一对象b1的关联轨迹点可以用以下表达式表示：

其中，m表示第1个目标轨迹点附近的且属于同一对象b1的关联轨迹点的数量，rti＝(ai，ci，bi,di)表示第1个目标轨迹点附近的第i个关联轨迹点，ai、ci、bi、di分别表示该第i个关联轨迹点的对象类型、时间点、对象标识和地点；ro表示关联类型；rt表示时间阈值。

基于上述示例，第1个目标轨迹点的目标关联轨迹点为：

假设总共有n个目标轨迹点，则所有目标关联轨迹点形成的关联轨迹可以表示为：

在其他实施方式中，也可以针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定时间点差值最小的关联轨迹点，作为目标关联轨迹点，某个轨迹点的时间点差值为：该轨迹点的时间点与该目标轨迹点的时间点之差的绝对值。或者，也可以从时间点早于该目标轨迹点的关联轨迹点中确定时间点差值最小的关联轨迹点，作为目标关联轨迹点。

s104、确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象，完成对所述目标对象的关联分析。

具体的，计算各关联对象的关联级别，包括：

针对每一关联对象，将属于该关联对象的目标关联轨迹点的数量作为该关联对象的关联级别。

可以理解的是，每一目标轨迹点均对应一个目标关联轨迹点，不同的目标关联轨迹点可以同属于一个关联对象，若关联对象的目标关联轨迹点的数量越多，表明该关联对象与目标对象同时出现的可能性越大，从而可以将该关联对象作为目标关联对象。

在其他实施方式中，还可以采用其他方式计算各关联对象的关联级别，示例性的，各目标关联轨迹点可以对应有权重因子，可以将属于同一关联对象的目标关联轨迹点的权重因子相加，作为该关联对象的关联级别。其中，每一目标轨迹点可以预设有权重因子，每一目标关联轨迹点对应的权重因子为：该目标关联轨迹点所对应的目标轨迹点的权重因子。

一种实现方式中，根据各关联对象的关联级别，确定目标关联对象，包括：将关联级别最大的关联对象作为目标关联对象；或者，

另一种实现方式中，关联信息包括预设关联级别，根据各关联对象的关联级别，确定目标关联对象，包括：将关联级别大于预设关联级别的关联对象作为目标关联对象。

可见，应用本发明实施例提供的技术方案，实现了对目标对象的关联分析，提高了关联分析的效率和准确率。

在一种实现方式中，在确定目标关联对象之后，所述方法还包括：

当检测到二次分析指令时，将所述目标关联对象作为所述目标对象，返回执行查找多维感知数据集，得到所述目标对象的目标轨迹的步骤。

当人机交互界面所处的终端为电子设备时，当电子设备检测到用户点击二次分析按钮时，可以确定检测到二次分析指令；或者，当电子设备检测到用户勾选二次分析选择框，并检测到确认分析按钮时，可以确定检测到二次分析指令。

当人机交互界面所处的终端为另一通信设备时，当通信设备检测到用户点击二次分析按钮时，可以生成二次分析指令，并可以将该二次分析指令发送给电子设备，当电子设备接收到二次分析指令时，可以认为检测到二次分析指令。

当用户无法确定真正的目标对象时，首次输入的目标对象可能只是备选对象，故首次得出的目标关联对象可能是备选关联对象，进而，可以将备选关联对象中作为待分析的目标对象，继续进行分析，从而得到新的目标关联对象，实现了在目标对象不确定的情况下，得到目标关联对象，进一步提高了方法的通用性和灵活性。

在确定目标关联对象之后，还可以将目标关联对象与目标对象的身份数据进行碰撞分析，并以图表和轨迹的形式显示碰撞分析结果，从而更明确、直观的体现目标对象和目标关联对象之间的关系。

与上述的方法实施例相对应，本发明实施例还提供一种目标对象关联分析装置。

参见图2，图2为本发明实施例所提供的一种目标对象关联分析装置的结构示意图，所述装置包括：

第一获得模块201，用于获得待分析的目标对象；查找多维感知数据集，得到所述目标对象的目标轨迹；其中，所述目标轨迹由各个目标轨迹点形成；所述多维感知数据集用于存储轨迹；

第二获得模块202，用于获得关联信息；基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点；

第一确定模块203，用于针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；

第二确定模块204，用于确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象，完成对所述目标对象的关联分析。

可见，应用本发明实施例，可以查找多维感知数据集，确定各目标轨迹点附近的关联轨迹点，针对每一目标轨迹点，可以从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点；确定各目标关联轨迹点所属的各关联对象；计算各关联对象的关联级别；根据各关联对象的关联级别，确定目标关联对象。相比于现有的目标对象关联分析方式而言，提高了关联分析效率，且针对每一目标轨迹点均只确定出一个目标关联轨迹点，避免了重复统计目标关联轨迹点，故，提高了关联分析的准确率。

可选的，第二确定模块204计算各关联对象的关联级别，具体为：

针对每一关联对象，将属于该关联对象的目标关联轨迹点的数量作为该关联对象的关联级别。

可选的，所述关联信息包括预设关联级别；第二确定模块204根据各关联对象的关联级别，确定目标关联对象，包括：

将关联级别大于预设关联级别的关联对象作为目标关联对象。

可选的，所述关联信息包括时间阈值和关联类型，轨迹点包括对象类型、时间点和地点，第二获得模块202基于所述关联信息以及各目标轨迹点，查找所述多维感知数据集，确定各目标轨迹点附近的关联轨迹点，具体为：

针对每一目标轨迹点，查找所述多维感知数据集，将所述多维感知数据集中对象类型属于所述关联类型、时间点与该目标轨迹点的时间点之差的绝对值不大于所述时间阈值且地点与该目标轨迹点的地点相同的轨迹点确定为该目标轨迹点附近的关联轨迹点。

可选的，第一确定模块203针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定一个目标关联轨迹点，具体为：

针对每一目标轨迹点，从该目标轨迹点附近的关联轨迹点中确定时间点最早的关联轨迹点，作为目标关联轨迹点。

可选的，所述装置还包括二次分析模块，用于：

在确定目标关联对象之后，当检测到二次分析指令时，将所述目标关联对象作为所述目标对象，返回执行查找多维感知数据集，得到所述目标对象的目标轨迹。

可选的，第一获得模块201获得待分析的目标对象，具体为：

获得用户通过人机交互界面输入的目标对象。

可选的，所述装置还包括格式校验模块，用于：

在获得待分析的目标对象后，对所获得的目标对象进行格式校验；

若通过格式校验，则执行查找多维感知数据集，得到所述目标对象的目标轨迹；

若未通过格式校验，则生成用于提醒重新输入目标对象的提示信息，并显示所述提示信息。

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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。