关联人脸识别方法和装置、电子设备、存储介质、程序与流程

本发明涉及计算机视觉技术，尤其是一种关联人脸识别方法和装置、电子设备、存储介质、程序。

背景技术：

当嫌疑人的线索受阻或需要查找某个犯罪团伙时，通过查找嫌疑人的同行人员能有为公安破案提供有效线索，可通过排查嫌疑人的住宿信息、查找在设定时间设定区域与嫌疑人同时出现的MAC定位嫌疑人的同行人员。

但犯罪分子可能通过假身份证进行住宿登记，同时，作案时使用的手机及号码不固定，并且可能较少开机，因此利用上述方法查找同行人员可能会遇到很多阻碍。

技术实现要素：

本发明实施例提供的一种关联人脸识别技术。

根据本发明实施例的一个方面，提供的一种关联人脸识别方法，包括：

获取目标人物对应的各抓拍记录，每个所述抓拍记录包括位置信息和时间信息；

针对每个所述抓拍记录，基于对应的所述位置信息和所述时间信息获取疑似图像集；所述疑似图像集包括至少一个疑似人脸图像，所述疑似人脸图像包括对应的疑似人脸；

基于各疑似人脸在各所述疑似图像集中出现的次数，确定所述目标人物的关联人物。

在基于本发明上述方法的另一个实施例中，所述获取目标人物对应的各抓拍记录，包括：

基于摄像设备获取目标人物对应的各抓拍记录，所述抓拍记录中的位置信息包括所述摄像设备的位置，所述抓拍记录中的时间信息包括所述摄像设备抓拍所述目标人物的时间段。

在基于本发明上述方法的另一个实施例中，所述抓拍记录还包括目标人脸图像；

所述基于摄像设备获取目标人物对应的各抓拍记录，包括：

基于摄像设备采集视频帧序列；所述视频帧序列包括至少一个视频帧，所述视频帧中包括视频人脸图像；

基于所述视频帧中的视频人脸图像获得所述目标人脸图像。

在基于本发明上述方法的另一个实施例中，所述基于所述视频帧中的视频人脸图像获得所述目标人脸图像，包括：

利用人脸识别网络，对所述视频帧进行人脸识别获得所述视频帧中的视频人脸图像；

将所述视频人脸图像中的人脸与目所述目标人物的人脸图像进行匹配，响应于所述视频人脸图像中的人脸与所述目标人物的人脸图像相似度大于设定相似度，将所述视频人脸图像作为所述目标人脸图像。

在基于本发明上述方法的另一个实施例中，所述基于所述视频帧中的视频人脸图像获得所述目标人脸图像，包括：

根据对应所述目标人物的相关信息从所述视频帧中的视频人脸中，获得对应所述相关信息的目标人脸图像；所述相关信息用于区分各所述目标人物。

在基于本发明上述方法的另一个实施例中，所述疑似人脸与所述目标人物在相同或相近时间出现在相同位置；

所述针对每个所述抓拍记录，基于对应的所述位置信息和所述时间信息获取疑似图像集，包括：

获取所述抓拍记录中的位置信息和时间信息；

根据所述时间信息获得对应所述时间信息的时间区间；所述时间区间为以所述时间信息为中心分别向前后延长设定时间；

基于所述位置信息对应的摄像设备采集所述时间区间对应的相关视频帧序列；所述相关视频帧序列包括至少一个相关视频帧；

基于所述相关视频帧获取疑似人脸图像，基于所述获取的疑似人脸图像获得疑似图像集。

在基于本发明上述方法的另一个实施例中，还包括：

响应于一个所述位置信息对应的两个所述时间区间存在重合；

将两个所述时间区间重合的时间作为重合区间；

基于所述重合区间获得的疑似人脸图像保存在所述两个时间区间中的一个对应的疑似图像集中。

在基于本发明上述方法的另一个实施例中，所述存在重合两个时间区间包括第一时间区间和第二时间区间，每个所述疑似人脸图像对应一个采集时间；

基于所述重合区间获得的疑似人脸图像保存在所述两个时间区间中的一个对应的疑似图像集中，包括：

获得基于所述重合区间获得的疑似人脸图像对应的采集时间；

响应于所述采集时间与第一时间区间中的时间信息的差值小于或等于所述采集时间与第二时间区间中的时间信息的差值，将所述疑似人脸图像存入所述第一时间区间对应的疑似图像集中；

响应于所述采集时间与第一时间区间中的时间信息的差值大于所述采集时间与第二时间区间中的时间信息的差值，将所述疑似人脸图像存入所述第二时间区间对应的疑似图像集中。

在基于本发明上述方法的另一个实施例中，基于所述相关视频帧获取疑似人脸图像，包括：

利用人脸识别网络，对所述相关视频帧进行人脸识别获得所述相关视频帧中的人脸图像；

对所述获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像。

在基于本发明上述方法的另一个实施例中，对所述获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，包括：

基于所述获得的人脸图像建立人脸轨迹；所述人脸轨迹包括对应同一人的至少一个人脸图像；

基于所述人脸轨迹获得对应所述人脸轨迹的疑似人脸图像；每个所述疑似人脸图像对应一个所述人脸轨迹。

在基于本发明上述方法的另一个实施例中，基于所述人脸轨迹获得对应所述人脸轨迹的疑似人脸图像，包括：

对所述人脸轨迹中的所有人脸图像基于质量从好到坏进行排序，按序获取质量最好的所述人脸图像作为疑似人脸图像。

在基于本发明上述方法的另一个实施例中，对所述获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，包括：

对所述获得的人脸图像进行相似度比较，从相似度大于或等于预设值的至少两个所述人脸图像中获得一个所述人脸图像作为疑似人脸图像；所述疑似人脸图像为所述相似度大于或等于预设值的至少两个所述人脸图像中质量最好的人脸图像。

在基于本发明上述方法的另一个实施例中，对所述获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，包括：

对所述获得人脸图像执行聚类操作，获得至少一个聚类图像集；每个所述聚类图像集中包括至少一个人脸图像；

从所述聚类图像集中获得质量最好的人脸图像作为疑似人脸图像。

在基于本发明上述方法的另一个实施例中，所述基于各疑似人脸在各所述疑似图像集中出现的次数，确定所述目标人物的关联人物，包括：

基于所述目标人脸出现的次数和所述疑似人脸在各所述疑似图像集中出现的次数，计算所述疑似人脸与所述目标人脸的关联概率；

响应于所述疑似人脸与所述目标人脸图像的关联概率大于或等于设定概率，输出所述疑似人脸图像对应的人物作为所述目标人物的关联人物。

在基于本发明上述方法的另一个实施例中，还包括：响应于所述疑似人脸与所述目标人脸图像的关联概率小于设定概率；

不输出所述目标人物的关联人物；

或输出在各所述疑似图像集中出现次数最多的设定数量的所述疑似人脸图像，将所述输出的疑似人脸图像对应的人物作为所述目标人物的关联人物。

在基于本发明上述方法的另一个实施例中，基于所述目标人脸出现的次数和所述疑似人脸在各所述疑似图像集中出现的次数，计算所述疑似人脸与所述目标人脸的关联概率，包括：

基于所述目标人物对应的所述抓拍记录的数量获得所述目标人脸出现的次数；每个所述抓拍记录对应累加一次；

基于对应所述目标人物的疑似人脸图像在各所述疑似图像集中出现的次数，获得所述疑似人脸出现的次数；在一个所述疑似图像集中对应同一人的疑似人脸图像仅保存一个；

通过所述疑似人脸出现的次数除以所述目标人脸出现的次数，获得所述疑似人脸与所述目标人脸的关联概率。

在基于本发明上述方法的另一个实施例中，所述基于对应所述目标人物的疑似人脸图像在各所述疑似图像集中出现的次数，获得所述疑似人脸出现的次数，包括：

判断各所述疑似图像集中是否存在对应所述目标人物的疑似人脸图像；

响应于包括至少两个所述对应目标人物的疑似人脸图像，将所述对应目标人物的疑似人脸图像对应的所述疑似图像集的数量作为所述疑似人脸出现的次数；

响应于包括一个所述对应同一人的疑似人脸图像，所述疑似人脸图像出现的次数为1。

在基于本发明上述方法的另一个实施例中，判断各所述疑似图像集中是否存在对应所述目标人物的疑似人脸图像，包括：

获取各所述疑似图像集中所有疑似人脸图像，将所述疑似人脸图像两两进行相似度比对；

响应于两个所述疑似人脸图像之间的相似度大于或等于设定值，所述两个疑似人脸图像对应所述目标人物；

响应于两个所述疑似人脸图像之间的相似度小于设定值，所述两个疑似人脸图像不对应所述目标人物。

在基于本发明上述方法的另一个实施例中，判断各所述疑似图像集中是否存在对应同一人的疑似人脸图像，包括：

获取各所述疑似图像集中所有疑似人脸图像；

对所有所述疑似人脸图像执行聚类操作，获得至少一个聚类集合；

每个所述聚类集合中的各所述疑似人脸图像对应所述目标人物。

根据本发明实施例的另一个方面，提供的一种关联人脸识别装置，包括：

记录获取单元，用于获取目标人物对应的各抓拍记录，每个所述抓拍记录包括位置信息和时间信息；

疑似获取单元，用于针对每个所述抓拍记录，基于对应的所述位置信息和所述时间信息获取疑似图像集；所述疑似图像集包括至少一个疑似人脸图像，所述疑似人脸图像包括对应的疑似人脸；

关联确定单元，用于基于各疑似人脸在各所述疑似图像集中出现的次数，确定所述目标人物的关联人物。

在基于本发明上述装置的另一个实施例中，所述记录获取单元，具体用于基于摄像设备获取目标人物对应的各抓拍记录，所述抓拍记录中的位置信息包括所述摄像设备的位置，所述抓拍记录中的时间信息包括所述摄像设备抓拍所述目标人物的时间段。

在基于本发明上述装置的另一个实施例中，所述抓拍记录还包括目标人脸图像；

所述记录获取单元，包括：

摄像模块，用于基于摄像设备采集视频帧序列；所述视频帧序列包括至少一个视频帧，所述视频帧中包括视频人脸图像；

人脸获取模块，用于基于所述视频帧中的视频人脸图像获得所述目标人脸图像。

在基于本发明上述装置的另一个实施例中，所述人脸获取模块，具体用于利用人脸识别网络，对所述视频帧进行人脸识别获得所述视频帧中的视频人脸图像；将所述视频人脸图像中的人脸与目所述目标人物的人脸图像进行匹配，响应于所述视频人脸图像中的人脸与所述目标人物的人脸图像相似度大于设定相似度，将所述视频人脸图像作为所述目标人脸图像。

在基于本发明上述装置的另一个实施例中，所述人脸获取模块，具体用于根据对应所述目标人物的相关信息从所述视频帧中的视频人脸中，获得对应所述相关信息的目标人脸图像；所述相关信息用于区分各所述目标人物。

在基于本发明上述装置的另一个实施例中，所述疑似人脸与所述目标人物在相同或相近时间出现在相同位置；

所述疑似获取单元，包括：

信息模块，用于获取所述抓拍记录中的位置信息和时间信息；

区间确定模块，用于根据所述时间信息获得对应所述时间信息的时间区间；所述时间区间为以所述时间信息为中心分别向前后延长设定时间；

相关获取模块，用于基于所述位置信息对应的摄像设备采集所述时间区间对应的相关视频帧序列；所述相关视频帧序列包括至少一个相关视频帧；

疑似确定模块，用于基于所述相关视频帧获取疑似人脸图像，基于所述获取的疑似人脸图像获得疑似图像集。

在基于本发明上述装置的另一个实施例中，所述疑似获取单元，还包括：

区间重合模块，用于响应于一个所述位置信息对应的两个所述时间区间存在重合；将两个所述时间区间重合的时间作为重合区间；

疑似存储模块，用于基于所述重合区间获得的疑似人脸图像保存在所述两个时间区间中的一个对应的疑似图像集中。

在基于本发明上述装置的另一个实施例中，所述存在重合两个时间区间包括第一时间区间和第二时间区间，每个所述疑似人脸图像对应一个采集时间；

所述疑似存储模块，具体用于获得基于所述重合区间获得的疑似人脸图像对应的采集时间；

响应于所述采集时间与第一时间区间中的时间信息的差值小于或等于所述采集时间与第二时间区间中的时间信息的差值，将所述疑似人脸图像存入所述第一时间区间对应的疑似图像集中；

响应于所述采集时间与第一时间区间中的时间信息的差值大于所述采集时间与第二时间区间中的时间信息的差值，将所述疑似人脸图像存入所述第二时间区间对应的疑似图像集中。

在基于本发明上述装置的另一个实施例中，所述疑似确定模块，包括：

人脸识别模块，用于利用人脸识别网络，对所述相关视频帧进行人脸识别获得所述相关视频帧中的人脸图像；

排重模块，用于对所述获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像。

在基于本发明上述装置的另一个实施例中，所述排重模块，包括：

轨迹建立模块，用于基于所述获得的人脸图像建立人脸轨迹；所述人脸轨迹包括对应同一人的至少一个人脸图像；

轨迹排重模块，用于基于所述人脸轨迹获得对应所述人脸轨迹的疑似人脸图像；每个所述疑似人脸图像对应一个所述人脸轨迹。

在基于本发明上述装置的另一个实施例中，所述轨迹排重模块，具体用于对所述人脸轨迹中的所有人脸图像基于质量从好到坏进行排序，按序获取质量最好的所述人脸图像作为疑似人脸图像。

在基于本发明上述装置的另一个实施例中，所述排重模块，具体用于对所述获得的人脸图像进行相似度比较，从相似度大于或等于预设值的至少两个所述人脸图像中获得一个所述人脸图像作为疑似人脸图像；所述疑似人脸图像为所述相似度大于或等于预设值的至少两个所述人脸图像中质量最好的人脸图像。

在基于本发明上述装置的另一个实施例中，所述排重模块，具体用于对所述获得人脸图像执行聚类操作，获得至少一个聚类图像集；每个所述聚类图像集中包括至少一个人脸图像；从所述聚类图像集中获得质量最好的人脸图像作为疑似人脸图像。

在基于本发明上述装置的另一个实施例中，所述关联确定单元，包括：

次数获取模块，用于基于所述目标人脸出现的次数和所述疑似人脸在各所述疑似图像集中出现的次数，计算所述疑似人脸与所述目标人脸的关联概率；

关联输出模块，用于响应于所述疑似人脸与所述目标人脸图像的关联概率大于或等于设定概率，输出所述疑似人脸图像对应的人物作为所述目标人物的关联人物。

在基于本发明上述装置的另一个实施例中，所述关联输出模块，还用于响应于所述疑似人脸与所述目标人脸图像的关联概率小于设定概率；不输出所述目标人物的关联人物；

或输出在各所述疑似图像集中出现次数最多的设定数量的所述疑似人脸图像，将所述输出的疑似人脸图像对应的人物作为所述目标人物的关联人物。

在基于本发明上述装置的另一个实施例中，所述次数获取模块，包括：

目标次数模块，用于基于所述目标人物对应的所述抓拍记录的数量获得所述目标人脸出现的次数；每个所述抓拍记录对应累加一次；

疑似次数模块，用于基于对应所述目标人物的疑似人脸图像在各所述疑似图像集中出现的次数，获得所述疑似人脸出现的次数；在一个所述疑似图像集中对应同一人的疑似人脸图像仅保存一个；

概率计算模块，用于通过所述疑似人脸出现的次数除以所述目标人脸出现的次数，获得所述疑似人脸与所述目标人脸的关联概率。

在基于本发明上述装置的另一个实施例中，所述疑似次数模块，包括：

判断模块，用于判断各所述疑似图像集中是否存在对应所述目标人物的疑似人脸图像；

次数统计模块，用于响应于包括至少两个所述对应目标人物的疑似人脸图像，将所述对应目标人物的疑似人脸图像对应的所述疑似图像集的数量作为所述疑似人脸出现的次数；响应于包括一个所述对应同一人的疑似人脸图像，所述疑似人脸图像出现的次数为1。

在基于本发明上述装置的另一个实施例中，所述判断模块，具体用于获取各所述疑似图像集中所有疑似人脸图像，将所述疑似人脸图像两两进行相似度比对；响应于两个所述疑似人脸图像之间的相似度大于或等于设定值，所述两个疑似人脸图像对应所述目标人物；响应于两个所述疑似人脸图像之间的相似度小于设定值，所述两个疑似人脸图像不对应所述目标人物。

在基于本发明上述装置的另一个实施例中，所述判断模块，具体用于获取各所述疑似图像集中所有疑似人脸图像；对所有所述疑似人脸图像执行聚类操作，获得至少一个聚类集合；每个所述聚类集合中的各所述疑似人脸图像对应所述目标人物。

根据本发明实施例的另一个方面，提供的一种电子设备，包括处理器，所述处理器包括如上所述的关联人脸识别装置。

根据本发明实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；

以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上所述关联人脸识别方法的操作。

根据本发明实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行如上所述关联人脸识别方法的操作。

根据本发明实施例的另一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现如上所述关联人脸识别方法的指令。

基于本发明上述实施例提供的一种关联人脸识别方法和装置、电子设备、存储介质、程序，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息；针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集；通过对应抓拍记录的意思图像集可以了解哪些人物与目标人物同时同地点出现；基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物，通过次数可以了解可疑人物与目标人物同行的概率，通过同行概率确定目标人物的关联人物。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为本发明关联人脸识别方法一个实施例的流程图。

图2为本发明关联人脸识别装置一个实施例的结构示意图。

图3为用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

随着政府和公众对于反恐和公共安全的日益重视，在很多城市都有数十万级以上的监控设备投入使用；结合人脸识别技术，可以快速地在海量的视频中定位可疑人员。

在实现本发明的过程中，发明人发现，至少存在以下问题：当嫌疑人的线索受阻或需要查找某个犯罪团伙时，即使应用了人脸识别技术，也无法获得有用信息。

图1为本发明关联人脸识别方法一个实施例的流程图。如图1所示，该实施例方法包括：

步骤101，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息。

具体地，获取的抓拍记录是分别对应不同的目标人物的，基于每个目标人物在某一位置和某一时间出现一次，即获取一个抓拍记录，抓拍记录中至少包括位置信息和时间信息，还可以包括对应目标人物的抓拍到的人脸图像。

步骤102，针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集。

其中，每个疑似图像集对应一个抓拍记录，疑似图像集中包括至少一个疑似人脸图像，疑似人脸图像包括对应的疑似人脸，疑似人脸是指与目标人脸在相同或相近时间出现在相同位置。

步骤103，基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物。

基于疑似人脸出现的次数确定目标人物的关联人物，可以是基于疑似人脸出现的次数与目标人物出现次数的比例大于预设阈值，或是基于疑似人脸出现的次数大于预设次数，还可以是获得一个或多个出现次数最高的疑似人脸。

基于本发明上述实施例提供的一种关联人脸识别方法，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息；针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集；通过对应抓拍记录的意思图像集可以了解哪些人物与目标人物同时同地点出现；基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物，通过次数可以了解可疑人物与目标人物同行的概率，通过同行概率确定目标人物的关联人物。

在本发明关联人脸识别方法上述实施例的一个具体示例中，操作101包括：

基于摄像设备获取目标人物对应的各抓拍记录，抓拍记录中的位置信息包括摄像设备的位置，抓拍记录中的时间信息包括摄像设备抓拍目标人物的时间段。

具体地，通常采用摄像设备采集视频帧，基于视频帧获得抓拍记录，通常基于获得抓拍记录的摄像设备的位置确定该抓拍记录的位置信息，摄像设备的位置可以通过GPS全球定位系统或摄像设备自带的定位装置捕捉的位置信息获得，通过摄像设备获得抓拍记录的时间确定该抓拍记录的时间信息，摄像设备获得抓拍记录的时间可以通过摄像设备自带的时钟获得，或根据其他计时设备获得。

可选地，在本发明关联人脸识别方法上述各实施例的一个具体示例中，抓拍记录还包括目标人脸图像；

操作101包括：

基于摄像设备采集视频帧序列；视频帧序列包括至少一个视频帧，视频帧中包括视频人脸图像；

具体地，通过摄像设备采集视频帧序列，视频帧序列中的每一帧视频帧中分别包括一个视频人脸图像，基于视频人脸图像才能实现目标人物的确定。

基于视频帧中的视频人脸图像获得目标人脸图像。

具体地，获得目标人脸图像，可以利用人脸识别网络，对视频帧进行人脸识别获得视频帧中的视频人脸图像；

将视频人脸图像中的人脸与目标人物的人脸图像进行匹配，响应于视频人脸图像中的人脸与目标人物的人脸图像相似度大于设定相似度，将视频人脸图像作为目标人脸图像。

通过该实施例，将目标人物的人脸图像与获得的视频帧中的视频人脸图像进行匹配，将匹配的视频人脸图像作为目标人脸图像，通过采集目标人脸图像的过程可同时获得对应目标人脸图像的时间信息，而基于摄像设备的位置可确定该目标人脸图像的位置信息。

具体地，识别视频帧中的视频人脸图像可以通过人脸识别网络实现，识别到视频人脸图像之后，还可以应用神经网络或其他分割方法，将视频人脸图像从视频帧中进行分割，将得到的独立的视频人脸图像作为目标人脸图像，以便于后续识别关联人脸；而由于获取的目标人脸图像是为了识别目标人脸的，因此，需要将人脸图像中的人脸与目标人脸进行匹配，两个人脸的相似度可以基于神经网络获得的对应特征之间的距离或角度获得，将相似度大于设定相似度的人脸图像作为目标人脸图像。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，基于视频帧中的视频人脸图像获得目标人脸图像，还可以包括：

根据对应目标人物的相关信息从视频帧中的视频人脸中，获得对应相关信息的目标人脸图像；相关信息用于区分各目标人物。

具体地，相关信息可以包括目标人物的姓名、身份证号、预先分配的标识号等，直接通过相关信息与摄像设备获得的视频人脸图像进行匹配，得到目标人脸图像。

本发明关联人脸识别方法的另一个实施例，在上述各实施例的基础上，疑似人脸与目标人物在相同或相近时间出现在相同位置；

操作102包括：

获取抓拍记录中的位置信息和时间信息；

根据时间信息获得对应时间信息的时间区间；时间区间为以时间信息为中心分别向前后延长设定时间；

基于位置信息对应的摄像设备采集时间区间对应的相关视频帧序列；相关视频帧序列包括至少一个相关视频帧；

基于相关视频帧获取疑似人脸图像，基于获取的疑似人脸图像获得疑似图像集。

本实施例中，为了找出在对应位置的嫌疑人(目标人脸图像)出现的时间前后摄像设备抓拍到的人脸，可根据实际情况，设置时间范围为前后某段时间，例如：设置时间范围为(Ti-T,Ti+T)，则在Ti(时间信息)时刻前后，Yi地点出现的人脸集合记为F(Ti±T,Yi)，对每个人脸集合中出现的人脸进行排重，即每个人只存一张抓拍图片，排重后的人脸集合记为F排重(Ti±T,Yi)。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，还包括：

响应于一个位置信息对应的两个时间区间存在重合；

将两个时间区间重合的时间作为重合区间；

基于重合区间获得的疑似人脸图像保存在两个时间区间中的一个对应的疑似图像集中。

具体实施时，由于时间区间是一个时间段，可能存在两个时间区间有部分重合的情况，此时，在重合区间中的疑似人脸图像如果不进行区分，将被分别记录到两个疑似图像集中，这样会对疑似人脸图像次数的记录产生影响，导致输出的目标人脸图像不准确，因此，在重合区间中的疑似人脸图像仅记录在一个疑似图像集中。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，存在重合两个时间区间包括第一时间区间和第二时间区间，每个疑似人脸图像对应一个采集时间；

基于重合区间获得的疑似人脸图像保存在两个时间区间中的一个对应的疑似图像集中，包括：

获得基于重合区间获得的疑似人脸图像对应的采集时间；

响应于采集时间与第一时间区间中的时间信息的差值小于或等于采集时间与第二时间区间中的时间信息的差值，将疑似人脸图像存入第一时间区间对应的疑似图像集中；

响应于采集时间与第一时间区间中的时间信息的差值大于采集时间与第二时间区间中的时间信息的差值，将疑似人脸图像存入第二时间区间对应的疑似图像集中。

在上述实施例的基础上，为了确定将重合区间中的疑似人脸图像存入第一时间区间对应的疑似图像集还是第二时间区间对应的疑似图像集，需要判断获得该疑似人脸图像的采集时间距离第一时间区间的时间信息近，还是距离第二时间区间的时间信息近。具体地，若嫌疑人在同一个地点出现多次，例如在T1和T2时间出现过(T1<T2)，并且(T1-T,T1+T)与(T2-T,T2+T)两个时间段有重合，则在T1至T2时间段内在此地点出现的人(采集时间为Tj)，若Tj-T1<T2-Tj，则此人脸归入(T1-T,T1+T)时间段，否则归入(T2-T,T2+T)。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，基于相关视频帧获取疑似人脸图像，包括：

利用人脸识别网络，对相关视频帧进行人脸识别获得相关视频帧中的人脸图像；

对获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像。

具体地，识别相关视频图像中的人脸图像可以通过人脸识别网络实现，识别到人脸图像之后，还可以应用神经网络或其他分割方法，将人脸图像从视频图像中进行分割，而为了保证在疑似图像集中不对疑似人脸图像重复计数，需要将得到的独立的人脸图像进行排重，作为疑似人脸图像，以便于后续对疑似人脸图像出现的次数进行统计。

可选地，在本发明关联人脸识别方法上述各实施例的一个具体示例中，对获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，还可以包括：

基于获得的人脸图像建立人脸轨迹；人脸轨迹包括对应同一人的至少一个人脸图像；

基于人脸轨迹获得对应人脸轨迹的疑似人脸图像；每个疑似人脸图像对应一个所述人脸轨迹。

通过对每个人脸建立人脸轨迹，在人脸轨迹中提取一个人脸图像作为疑似人脸图像，具体的获取的疑似人脸图像是获得人脸图像中质量最好的人脸图像，具体可以通过对人脸轨迹中的所有人脸图像基于质量从好到坏进行排序，按序获取质量最好的人脸图像作为疑似人脸图像。

可选地，在本发明关联人脸识别方法上述各实施例的一个具体示例中，基于人脸轨迹获得对应人脸轨迹的疑似人脸图像，包括：

对人脸轨迹中的所有人脸图像基于质量从好到坏进行排序，按序获取质量最好的人脸图像作为疑似人脸图像。

在一个或多个实施例中，可选地，对获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，包括：

对获得的人脸图像进行相似度比较，从相似度大于或等于预设值的至少两个人脸图像中获得一个人脸图像作为疑似人脸图像。

其中，疑似人脸图像为相似度大于或等于预设值的至少两个人脸图像中质量最好的人脸图像。

具体地，人脸图像的质量好坏可以根据人脸的大小、角度、是否有遮挡等进行判断。人脸的大小通过深度学习算法进行人脸检测，定位出人脸框，根据人脸框的长宽像素进行判断。角度、是否被遮挡都可以采用深度学习进行判断，比如判断人脸角度，训练数据中不同的人脸角度用不同的值表示，通过有监督的学习方法，反向传递的参数更新方式，训练模型。模型训练完成后，输入图片，即可给出质量评估的结果，本质还是一种分类的过程。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，对获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像，还可以包括：

对获得人脸图像执行聚类操作，获得至少一个聚类图像集；每个聚类图像集中包括至少一个人脸图像；

从聚类图像集中获得质量最好的人脸图像作为疑似人脸图像。

本实施例中，通过聚类将对应相同疑似人脸的人脸图像聚合为一个集合，基于一个聚类图像集中，每个疑似人脸仅需一个疑似人脸图像，因此，需要从聚合获得的集合中获得质量最好的人脸图像作为疑似人脸图像，以便后续与目标人物进行匹配。

本发明关联人脸识别方法的又一个实施例，在上述各实施例的基础上，操作103包括：

基于目标人脸出现的次数和疑似人脸在各疑似图像集中出现的次数，计算疑似人脸与目标人脸的关联概率；

响应于疑似人脸与目标人脸图像的关联概率大于或等于设定概率，输出疑似人脸图像对应的人物作为目标人物的关联人物。

本实施例中，通过同一人的疑似人脸图像在各疑似图像集中出现的次数，可确定该疑似同行人与目标人同时出现的次数，而所有疑似图像集的数量即为目标人出现过的次数，将疑似同行人与目标人出现的次数的比值作为关联概率。具体计算关联概率的公式如公式(1)所示：

P(Xi)＝N(Xi)/N(S) 公式(1)

其中，N(Xi)指抓拍的疑似同行人的疑似人脸图像Xi出现的次数(同一地点、同一时间段只计一次)，N(S)指嫌疑人的目标人脸图像S出现的次数，若P(Xi)＝100％，表示在这几个地点疑似同行人与嫌疑人同行。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，还包括：响应于疑似人脸与目标人脸图像的关联概率小于设定概率；

不输出目标人物的关联人物；

或输出在各疑似图像集中出现次数最多的设定数量的疑似人脸图像，将输出的疑似人脸图像对应的人物作为目标人物的关联人物。

具体地，当疑似人脸与目标人脸图像的关联概率都小于设定概率时，可以根据具体情况(以关联概率为主，不是必须输出关联人物)选择不输出目标人物的关联人物，还可以根据具体情况(以输出关联性大的关联人物为主，关联概率为辅助)输出在各疑似图像集中出现次数最多的设定数量的疑似人脸图像作为目标人物的关联人物。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，基于目标人脸出现的次数和疑似人脸在各疑似图像集中出现的次数，计算疑似人脸与目标人脸的关联概率，包括：

基于目标人物对应的抓拍记录的数量获得目标人脸出现的次数；每个抓拍记录对应累加一次；

基于对应目标人物的疑似人脸图像在各疑似图像集中出现的次数，获得疑似人脸出现的次数；在一个疑似图像集中对应同一人的疑似人脸图像仅保存一个；

通过疑似人脸出现的次数除以目标人脸出现的次数，获得疑似人脸与所述目标人脸的关联概率。

具体地，由于抓拍记录就是以目标人物的出现为基础获得的，因此目标人物出现的次数是对应抓拍记录的数量，而疑似人脸图像会出现的次数，则通过统计一个疑似人脸图像出现在哪些疑似图像集中获得，由于每个疑似人脸图像在一个疑似图像集中仅有一个图像或没有图像，因此，通过统计出现的疑似图像集数量，即可获得疑似人脸出现的次数。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，基于对应目标人物的疑似人脸图像在各疑似图像集中出现的次数，获得疑似人脸出现的次数，包括：

判断各疑似图像集中是否存在对应目标人物的疑似人脸图像；

响应于包括至少两个对应目标人物的疑似人脸图像，将对应目标人物的疑似人脸图像对应的疑似图像集的数量作为疑似人脸出现的次数；

响应于包括一个对应同一人的疑似人脸图像，疑似人脸图像出现的次数为1。

具体地，为了实现对疑似人脸图像的计数，需要判断该疑似人脸图像出现在哪些疑似图像集中，累加出现的疑似图像集的个数即可获得疑似人脸图像对应的次数。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，判断各疑似图像集中是否存在对应目标人物的疑似人脸图像，包括：

获取各疑似图像集中所有疑似人脸图像，将疑似人脸图像两两进行相似度比对；

响应于两个疑似人脸图像之间的相似度大于或等于设定值，两个疑似人脸图像对应目标人物；

响应于两个疑似人脸图像之间的相似度小于设定值，两个疑似人脸图像不对应目标人物。

具体地，判断两个疑似人脸图像是否对应目标人物，可以通过将疑似人脸图像两两进行相似度判断，两个疑似人脸图像之间的相似度可以通过基于神经网络获取的人脸特征之间的距离或角度确定，人脸特征之间的距离或角度可以是人脸特征向量之间的距离或角度确定，两个人脸图像的相似度达到设定值时，可确定这两个人脸图像对应同一人。

在本发明关联人脸识别方法上述各实施例的一个具体示例中，判断各疑似图像集中是否存在对应同一人的疑似人脸图像，包括：

获取各疑似图像集中所有疑似人脸图像；

对所有疑似人脸图像执行聚类操作，获得至少一个聚类集合；

每个聚类集合中的各疑似人脸图像对应目标人物。

具体地，判断两个疑似人脸图像是否对应目标人物的另一种方法，是对所有人脸进行聚类分析，每个分组判断为同一个人，聚类方法包括Kmeans、DBSCAN及其他改进算法。k-means算法接受参数k；然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小；聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图2为本发明关联人脸识别装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示，该实施例的装置包括：

记录获取单元21，用于获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息。

疑似获取单元22，用于针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集。

其中，疑似图像集包括至少一个疑似人脸图像，疑似人脸图像包括对应的疑似人脸。

关联确定单元23，用于基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物。

基于本发明上述实施例提供的一种关联人脸识别方法，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息；针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集；通过对应抓拍记录的意思图像集可以了解哪些人物与目标人物同时同地点出现；基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物，通过次数可以了解可疑人物与目标人物同行的概率，通过同行概率确定目标人物的关联人物。

在本发明关联人脸识别装置上述实施例的一个具体示例中，记录获取单元21，具体用于基于摄像设备获取目标人物对应的各抓拍记录，抓拍记录中的位置信息包括摄像设备的位置，抓拍记录中的时间信息包括摄像设备抓拍目标人物的时间段。

在本发明关联人脸识别装置上述实施例的一个具体示例中，抓拍记录还包括目标人脸图像；

所述记录获取单元21，包括：

摄像模块，用于基于摄像设备采集视频帧序列；视频帧序列包括至少一个视频帧，视频帧中包括视频人脸图像；

人脸获取模块，用于基于视频帧中的视频人脸图像获得目标人脸图像。

在本发明关联人脸识别装置上述实施例的一个具体示例中，人脸获取模块，具体用于利用人脸识别网络，对视频帧进行人脸识别获得视频帧中的视频人脸图像；将视频人脸图像中的人脸与目目标人物的人脸图像进行匹配，响应于视频人脸图像中的人脸与目标人物的人脸图像相似度大于设定相似度，将视频人脸图像作为目标人脸图像。

在本发明关联人脸识别装置上述实施例的一个具体示例中，人脸获取模块，具体用于根据对应目标人物的相关信息从视频帧中的视频人脸中，获得对应相关信息的目标人脸图像；相关信息用于区分各目标人物。

本发明关联人脸识别装置的另一个实施例，在上述各实施例的基础上，疑似人脸与目标人物在相同或相近时间出现在相同位置；

疑似获取单元22，包括：

信息模块，用于获取抓拍记录中的位置信息和时间信息；

区间确定模块，用于根据时间信息获得对应时间信息的时间区间；时间区间为以时间信息为中心分别向前后延长设定时间；

相关获取模块，用于基于位置信息对应的摄像设备采集时间区间对应的相关视频帧序列；相关视频帧序列包括至少一个相关视频帧；

疑似确定模块，用于基于相关视频帧获取疑似人脸图像，基于获取的疑似人脸图像获得疑似图像集。

本实施例中，为了找出在对应位置的嫌疑人(目标人脸图像)出现的时间前后摄像设备抓拍到的人脸，可根据实际情况，设置时间范围为前后某段时间，例如：设置时间范围为(Ti-T,Ti+T)，则在Ti(时间信息)时刻前后，Yi地点出现的人脸集合记为F(Ti±T,Yi)，对每个人脸集合中出现的人脸进行排重，即每个人只存一张抓拍图片，排重后的人脸集合记为F排重(Ti±T,Yi)。

在本发明关联人脸识别装置上述实施例的一个具体示例中，疑似获取单元22，还包括：

区间重合模块，用于响应于一个位置信息对应的两个时间区间存在重合；将两个时间区间重合的时间作为重合区间；

疑似存储模块，用于基于重合区间获得的疑似人脸图像保存在两个时间区间中的一个对应的疑似图像集中。

在本发明关联人脸识别装置上述实施例的一个具体示例中，存在重合两个时间区间包括第一时间区间和第二时间区间，每个疑似人脸图像对应一个采集时间；

疑似存储模块，具体用于获得基于重合区间获得的疑似人脸图像对应的采集时间；

响应于采集时间与第一时间区间中的时间信息的差值小于或等于采集时间与第二时间区间中的时间信息的差值，将疑似人脸图像存入第一时间区间对应的疑似图像集中；

响应于采集时间与第一时间区间中的时间信息的差值大于采集时间与第二时间区间中的时间信息的差值，将疑似人脸图像存入第二时间区间对应的疑似图像集中。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，疑似确定模块，包括：

人脸识别模块，用于利用人脸识别网络，对相关视频帧进行人脸识别获得相关视频帧中的人脸图像；

排重模块，用于对获得的人脸图像进行排重，获得至少一个人脸图像作为疑似人脸图像。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，排重模块，包括：

轨迹建立模块，用于基于获得的人脸图像建立人脸轨迹；人脸轨迹包括对应同一人的至少一个人脸图像；

轨迹排重模块，用于基于人脸轨迹获得对应人脸轨迹的疑似人脸图像；每个疑似人脸图像对应一个人脸轨迹。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，轨迹排重模块，具体用于对人脸轨迹中的所有人脸图像基于质量从好到坏进行排序，按序获取质量最好的人脸图像作为疑似人脸图像。

在一个或多个实施例中，可选地，排重模块，具体用于对获得的人脸图像进行相似度比较，从相似度大于或等于预设值的至少两个人脸图像中获得一个人脸图像作为疑似人脸图像；疑似人脸图像为相似度大于或等于预设值的至少两个人脸图像中质量最好的人脸图像。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，排重模块，具体用于对获得人脸图像执行聚类操作，获得至少一个聚类图像集；每个聚类图像集中包括至少一个人脸图像；从聚类图像集中获得质量最好的人脸图像作为疑似人脸图像。

本发明关联人脸识别装置的又一个实施例，在上述各实施例的基础上，关联确定单元23，包括：

次数获取模块，用于基于目标人脸出现的次数和疑似人脸在各疑似图像集中出现的次数，计算疑似人脸与目标人脸的关联概率；

关联输出模块，用于响应于疑似人脸与目标人脸图像的关联概率大于或等于设定概率，输出疑似人脸图像对应的人物作为目标人物的关联人物。

本实施例中，通过同一人的疑似人脸图像在各疑似图像集中出现的次数，可确定该疑似同行人与目标人同时出现的次数，而所有疑似图像集的数量即为目标人出现过的次数，将疑似同行人与目标人出现的次数的比值作为关联概率。具体计算关联概率的公式如上文公式(1)所示。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，关联输出模块，还用于响应于疑似人脸与目标人脸图像的关联概率小于设定概率；不输出目标人物的关联人物；

或输出在各疑似图像集中出现次数最多的设定数量的疑似人脸图像，将输出的疑似人脸图像对应的人物作为目标人物的关联人物。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，次数获取模块，包括：

目标次数模块，用于基于目标人物对应的抓拍记录的数量获得目标人脸出现的次数；每个抓拍记录对应累加一次；

疑似次数模块，用于基于对应目标人物的疑似人脸图像在各疑似图像集中出现的次数，获得疑似人脸出现的次数；在一个疑似图像集中对应同一人的疑似人脸图像仅保存一个；

概率计算模块，用于通过疑似人脸出现的次数除以目标人脸出现的次数，获得疑似人脸与目标人脸的关联概率。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，疑似次数模块，包括：

判断模块，用于判断各疑似图像集中是否存在对应目标人物的疑似人脸图像；

次数统计模块，用于响应于包括至少两个对应目标人物的疑似人脸图像，将对应目标人物的疑似人脸图像对应的疑似图像集的数量作为疑似人脸出现的次数；响应于包括一个对应同一人的疑似人脸图像，疑似人脸图像出现的次数为1。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，判断模块，具体用于获取各疑似图像集中所有疑似人脸图像，将疑似人脸图像两两进行相似度比对；响应于两个疑似人脸图像之间的相似度大于或等于设定值，两个疑似人脸图像对应目标人物；响应于两个疑似人脸图像之间的相似度小于设定值，两个疑似人脸图像不对应目标人物。

在本发明关联人脸识别装置上述各实施例的一个具体示例中，判断模块，具体用于获取各疑似图像集中所有疑似人脸图像；对所有疑似人脸图像执行聚类操作，获得至少一个聚类集合；每个聚类集合中的各疑似人脸图像对应目标人物。

根据本发明实施例的一个方面，提供的一种电子设备，包括处理器，处理器包括本发明关联人脸识别方法上述任一实施例的布控装置。

根据本发明实施例的一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；

以及处理器，用于与存储器通信以执行可执行指令从而完成本发明关联人脸识别方法上述任一实施例的操作。

根据本发明实施例的一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，指令被执行时执行本发明关联人脸识别方法上述任一实施例的操作。

根据本发明实施例的一个方面，提供的一种计算机程序，包括计算机可读代码，当计算机可读代码在设备上运行时，该设备中的处理器执行用于实现本发明关联人脸识别方法任意一项实施例的指令。

本发明实施例还提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图3，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备300的结构示意图：如图3所示，计算机系统300包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)301，和/或一个或多个图像处理器(GPU)313等，处理器可以根据存储在只读存储器(ROM)302中的可执行指令或者从存储部分308加载到随机访问存储器(RAM)303中的可执行指令而执行各种适当的动作和处理。通信部312可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡。

处理器可与只读存储器302和/或随机访问存储器330中通信以执行可执行指令，通过总线304与通信部312相连、并经通信部312与其他目标设备通信，从而完成本申请实施例提供的任一项方法对应的操作，例如，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息；针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集；基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物。

此外，在RAM 303中，还可存储有装置操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。在有RAM303的情况下，ROM302为可选模块。RAM303存储可执行指令，或在运行时向ROM302中写入可执行指令，可执行指令使处理器301执行上述通信方法对应的操作。输入/输出(I/O)接口305也连接至总线304。通信部312可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。

以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。

需要说明的，如图3所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图3的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明公开的保护范围。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令，例如，获取目标人物对应的各抓拍记录，每个抓拍记录包括位置信息和时间信息；针对每个抓拍记录，基于对应的位置信息和时间信息获取疑似图像集；基于各疑似人脸在各疑似图像集中出现的次数，确定目标人物的关联人物。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的方法中限定的上述功能。

可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。