一种相关空间区域的确定方法、装置、设备及存储介质与流程

1.本技术涉及图像聚类技术领域，提供一种相关空间区域的确定方法、装置、设备及存储介质。


背景技术：

2.随着智能视频监控设备的大量普及与使用，通过视频监控设备所采集的图片，来进行人像识别得到愈加广泛的应用。目前，针对这些海量的人像图片，常用的人像识别技术为人像聚类方法。
3.但是，在进行人像聚类时，由于大数据量的人像数据中存在相似图片的概率更高，因此，若是直接对海量的人像图片进行人像聚类，那么其聚类效果往往较差。进而，基于这个问题，便出现了对海量的人像图片按一定的空间约束进行划分，然后再对每个空间区域内的人像图片进行人像聚类，来提高人像聚类效果。然而，虽然通过划分空间能够相应提高人像聚类效果，但是，该人像聚类效果仍然有待提高。


技术实现要素：

4.本技术实施例提供一种相关空间区域的确定方法、装置、设备及存储介质，用于提高人像聚类效果。
5.一方面，提供一种相关空间区域的确定方法，所述方法包括：
6.获取图像采集设备的设备信息；其中，所述设备信息包括所述图像采集设备的地理坐标；
7.根据各个图像采集设备的地理坐标，进行空间区域划分，获得多个候选空间区域；
8.根据已存储的多条步行路径，从所述多个候选空间区域中，确定出所述多条步行路径各自对应的空间区域序列；其中，所述步行路径为行人从一个图像采集设备步行至另一图像采集设备所形成的路径，所述空间区域序列中包含有多个空间区域，且所述步行路径与所述空间区域序列包含的各个空间区域之间存在重叠区域；
9.针对多个空间区域序列中的一个空间区域序列，根据所述一个空间区域序列中任一空间区域与其他空间区域之间的相关度，确定所述任一空间区域对应的目标相关空间区域集合；其中，所述目标相关空间区域集合包含所述任一空间区域对应的多个目标相关空间区域。
10.一方面，提供一种相关空间区域的确定装置，所述装置包括：
11.第一获取单元，用于获取图像采集设备的设备信息；其中，所述设备信息包括所述图像采集设备的地理坐标；
12.第二获取单元，用于根据各个图像采集设备的地理坐标，进行空间区域划分，获得多个候选空间区域；
13.第一确定单元，用于根据已存储的多条步行路径，从所述多个候选空间区域中，确定出所述多条步行路径各自对应的空间区域序列；其中，所述步行路径为行人从一个图像
采集设备步行至另一图像采集设备所形成的路径，所述空间区域序列中包含有多个空间区域，且所述步行路径与所述空间区域序列包含的各个空间区域之间存在重叠区域；
14.第二确定单元，用于针对多个空间区域序列中的一个空间区域序列，根据所述一个空间区域序列中任一空间区域与其他空间区域之间的相关度，确定所述任一空间区域对应的目标相关空间区域集合；其中，所述目标相关空间区域集合包含所述任一空间区域对应的多个目标相关空间区域。
15.可选的，所述第二获取单元，具体用于：
16.根据各个图像采集设备的地理坐标，按照一个图像采集设备对应一个空间区域的方式进行空间区域划分，以获得多个候选空间区域；或者，
17.按照多个相邻图像采集设备对应一个空间区域的方式进行空间区域划分，以获得多个候选空间区域；或者，
18.按照设定空间区域半径的方式进行空间区域划分，以获得多个候选空间区域；其中，位于同一空间区域半径内的多个图像采集设备，对应同一个候选空间区域。
19.可选的，所述第一确定单元，具体用于：
20.针对所述多条步行路径中的一条步行路径，获取所述一条步行路径对应的步行路径信息；其中，所述步行路径信息包括多个卫星定位坐标点；
21.根据所述步行路径信息，从所述多个候选空间区域中，确定所述一条步行路径对应的空间区域序列；其中，所述空间区域序列中的每一空间区域内至少存在一个卫星定位坐标点。
22.可选的，所述第一确定单元，具体还用于：
23.针对所述步行路径信息中的各个卫星定位坐标点，根据设定的搜索半径，确定位于所述各个卫星定位坐标点对应的搜索半径内的图像采集设备；
24.根据所述各个卫星定位坐标点对应的图像采集设备，从所述多个候选空间区域中，确定出所述一条步行路径对应的空间区域序列；其中，所述空间区域序列中的每个空间区域至少包括一个图像采集设备。
25.可选的，所述第一确定单元，具体还用于：
26.针对多个卫星定位坐标点中的一个卫星定位坐标点，根据设定的搜索半径，确定所述一个卫星定位坐标点的搜索半径内存在多个图像采集设备时，将与所述一个卫星定位坐标点距离最近的图像采集设备，确定为所述一个卫星定位坐标点对应的图像采集设备。
27.可选的，所述第二确定单元，具体用于：
28.确定所述一个空间区域序列中，第一空间区域与其他空间区域之间的提升度是否大于1；其中，所述任一空间区域为所述一个空间区域序列中的任一空间区域；所述提升度用于指示所述第一空间区域与所述其他空间区域均存在待识别行人的概率，与所述其他空间区域均存在待识别行人的概率之间的比值；
29.在确定大于1时，则确定所述其他空间区域为所述第一空间区域的目标相关空间区域。
30.可选的，所述第二确定单元，具体还用于：
31.根据预设的第一强关联模式，从所述一个空间区域序列中，确定出所有符合所述预设的第一强关联模式的，所述第一空间区域对应的至少一个第一候选扩展相关空间集
合；其中，所述预设的第一强关联模式用于指示，在所述第一空间区域出现时，所述一个空间区域序列中的其它空间区域顺序出现的强关联模式；
32.确定所述至少一个第一候选扩展相关空间集合中，除所述任一空间区域之外的其它各个空间区域分别与所述第一空间区域之间的提升度与置信度；其中，所述置信度用于指示其它空间区域与所述第一空间区域均存在待识别行人的概率；
33.根据所述提升度与置信度，确定所述第一空间区域的第一目标扩展相关空间区域集合。
34.可选的，所述第二确定单元，具体还用于：
35.确定在所述至少一个第一候选扩展相关空间集合中，是否存在与所述第一空间区域之间具有相同提升度的至少两个空间区域；
36.在确定不存在时，根据所述至少一个第一候选扩展相关空间集合中各个空间区域与所述第一空间区域之间的提升度，对所述至少一个候选扩展相关空间集合中各个空间区域进行降序排列，以确定所述第一空间区域的第一目标扩展相关空间区域集合；或者，
37.在确定存在时，根据所述至少两个空间区域的置信度，对所述至少两个空间区域进行降序排列；
38.根据所述至少一个第一候选扩展相关空间集合中各个空间区域与所述第一空间区域之间的提升度，对所述至少一个第一候选扩展相关空间集合中各个空间区域进行降序排列，以确定所述第一空间区域的第一目标扩展相关空间区域集合。
39.可选的，所述第二确定单元，具体还用于：
40.根据预设的第二强关联模式，从所述一个空间区域序列中，确定出所有符合所述预设的第二强关联模式的，第二空间区域对应的至少一个第二候选扩展相关空间集合；其中，所述预设的第二强关联模式用于指示，在第二空间区域出现时，所述第一空间区域顺序出现的强关联模式；所述第二空间区域为所述一个空间区域序列中，除所述第一空间区域之外的任一空间区域；
41.确定所述第二空间区域，以及所述至少一个第二候选扩展相关空间集合中，除所述第一空间区域之外的各个其它空间区域，分别与所述第一空间区域之间的提升度与置信度；
42.根据所述提升度与置信度，确定所述第一空间区域的第二目标扩展相关空间区域集合；
43.根据所述第二目标扩展相关空间区域集合，以及所述第一目标扩展相关空间区域集合，确定所述第一空间区域的第三目标扩展相关空间区域集合。
44.可选的，所述第二确定单元，具体还用于：
45.根据预设的第三强关联模式，从所述一个空间区域序列中，确定出所有符合所述预设的第三强关联模式的，所述第一空间区域对应的至少一个第三候选扩展相关空间集合；其中，所述预设的第三强关联模式用于指示，在所述第二空间区域与所述第一空间区域出现时，所述一个空间区域序列中，除所述第二空间区域与所述第一空间区域之外的其它空间区域顺序出现的强关联模式；
46.确定所述第二空间区域，以及所述至少一个第三候选扩展相关空间集合中的各个其它空间区域，分别与所述第一空间区域之间的提升度与置信度；
47.根据所述提升度与置信度，确定所述第一空间区域的第四目标扩展相关空间区域集合；
48.根据所述第四目标扩展相关空间区域集合，以及所述第三目标扩展相关空间区域集合，确定所述第一空间区域的第五目标扩展相关空间区域集合。
49.可选的，所述确定装置还包括去重处理单元，所述去重处理单元，用于：
50.确定所述任一空间区域的相关空间区域集合中，是否存在相同的相关空间区域；
51.在确定存在时，将所述相同的相关空间区域进行去重处理，以获得所述任一空间区域的第六目标扩展相关空间区域集合。
52.一方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方面所述的方法的步骤。
53.一方面，提供一种计算机存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述方面所述的方法的步骤。
54.在本技术实施例中，可以通过获取图像采集设备的设备信息，来确定各个图像采集设备的地理坐标，进而，根据各个图像采集设备的地理坐标，来进行空间区域划分，可以获得多个候选空间区域；进而，根据已存储的多条步行路径，可以从多个候选空间区域中，确定出该多条步行路径各自对应的空间区域序列；从而，针对多个空间区域序列中的一个空间区域序列，可以根据该一个空间区域序列中任一空间区域与其他空间区域之间的相关度，来确定出该任一空间区域对应的目标相关空间区域集合。可见，在本技术实施例中，由于相关空间区域是基于步行路径来进行确定的，因此，可以有效避免因河流、断桥等因素，导致的直线距离很短的两个空间区域成为相关空间区域的情况出现，提高了空间区域之间的相关性，进而，在以每个独立的空间区域为基础，结合相关的空间区域进行二次人像聚类，不仅能够有效节省计算资源，还能够进一步提高人像聚类的效果。且，由于是对人像进行聚类，因此，通过人的步行路径来确定出相关空间区域，在进行人像聚类时，更能够提高人像聚类的效果。
附图说明
55.为了更清楚地说明本技术实施例或相关技术中的技术方案，下面将对实施例或相关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技术实施例，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，还可以根据提供的附图获得其他的附图。
56.图1为本技术实施例提供的一种应用场景示意图；
57.图2为本技术实施例提供的相关区域确定方法的流程示意图；
58.图3为本技术实施例提供的划分空间区域的一种示意图；
59.图4为将步行路径映射为空间区域序列的一种流程示意图；
60.图5为gps序列映射到图像采集设备上的一种示意图；
61.图6为本技术实施例提供的扩展相关空间区域的一种流程示意图；
62.图7为本技术实施例提供的扩展相关空间区域的另一种流程示意图；
63.图8为本技术实施例提供的扩展相关空间区域的另一种流程示意图；
64.图9为本技术实施例提供的相关空间区域去重的一种流程示意图；
65.图10为本技术实施例提供的相关空间区域的确定装置的一种结构示意图；
66.图11为本技术实施例提供的计算机设备的一种结构示意图。
具体实施方式
67.为使本技术的目的、技术方案和优点更加清楚明白，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
68.首先，对本技术中的部分用语进行解释说明。
69.(1)空间约束：指通过设定的一定距离范围或者特定的距离划分算法，将完整的空间划分为多个区域。其中，最简单的空间约束为设定长宽为3公里的网格，对空间进行区域划分，即，网格划分的空间约束。
70.(2)相关空间区域：以一人一档的目的出发，指可以较为完整地找出一个人所有抓拍图片的空间区域的集合。相关空间区域往往由距离比较接近的几个空间区域组成。
71.(3)一人一档：指将海量的人像图片以人为单位进行分组，每个人的所有抓拍图片都被归为一个集合。
72.目前，在进行人像聚类时，由于大数据量的人像数据中存在相似图片的概率更高，因此，若是直接对海量的人像图片进行人像聚类，那么其聚类效果往往较差。进而，基于这个问题，便出现了对海量的人像图片按一定的空间约束进行划分，然后再对每个空间区域内的人像图片进行人像聚类，来提高人像聚类效果。然而，虽然通过划分空间能够相应提高人像聚类效果，但是，该人像聚类效果仍然有待提高。
73.基于此，本技术实施例中，可以通过获取图像采集设备的设备信息，来确定各个图像采集设备的地理坐标，进而，根据各个图像采集设备的地理坐标，来进行空间区域划分，可以获得多个候选空间区域；进而，根据已存储的多条步行路径，可以从多个候选空间区域中，确定出该多条步行路径各自对应的空间区域序列；从而，针对多个空间区域序列中的一个空间区域序列，可以根据该一个空间区域序列中任一空间区域与其他空间区域之间的相关度，来确定出该任一空间区域对应的多个目标相关空间区域。可见，在本技术实施例中，由于相关空间区域是基于步行路径来进行确定的，因此，可以有效避免因河流、断桥等因素，导致的直线距离很短的两个空间区域成为相关空间区域的情况出现，提高了空间区域之间的相关性，进而，在以每个独立的空间区域为基础，结合相关的空间区域进行二次人像聚类，不仅能够有效节省计算资源，还能够进一步提高人像聚类的效果。且，由于是对人像进行聚类，因此，通过人的步行路径来确定出相关空间区域，在进行人像聚类时，更能够提高人像聚类的效果。
74.在介绍完本技术实施例的设计思想之后，下面对本技术实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本技术实
施例而非限定。在具体实施过程中，可以根据实际需要灵活地应用本技术实施例提供的技术方案。
75.如图1所示，为本技术实施例提供的一种应用场景示意图。该相关空间区域确定的应用场景可以包括图像采集设备10和相关空间区域确定设备11。
76.图像采集设备10可以为具有视频摄像功能的设备，图像采集设备10可以设置于各个被监控区域，例如商超门口或者红绿灯路口等。
77.相关空间区域确定设备11是具有一定处理能力的计算机设备，例如可以为个人计算机(personal computer，pc)、笔记本电脑或者服务器等。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。
78.具体的，相关空间区域确定设备11可以包括一个或多个处理器111、存储器112以及与其他设备交互的i/o接口113等。此外，相关空间区域确定设备11还可以包括数据库114，该数据库114可以用于存储本技术实施例提供的方案中涉及到的图像采集设备10的地理坐标、步行路径所对应的多个卫星定位坐标点以及确定的目标相关空间区域等。其中，相关空间区域确定设备11的存储器112中可以存储本技术实施例提供的相关空间区域确定方法的程序指令，这些程序指令被处理器111执行时能够用以实现本技术实施例提供的相关空间区域确定方法的步骤。
79.在一种可能的使用场景中，例如，需要确定在时间段a内小明是否曾经在道路b上出现过，那么相关空间区域确定设备11可以通过本技术实施例提供的相关空间区域确定方法，来对该道路b所对应的空间进行空间区域划分，并确定该道路b对应的任一空间区域对应的目标相关空间区域集合，从而，通过各个目标相关空间区域中的图像采集设备10所采集的人像图片进行人像聚类，来提高人像聚类的效果，进而实现确定在时间段a内小明是否曾经在道路b上出现过的目的，即，实现人像识别的目的。
80.在实际应用时，人像聚类场景可以分为场所级别与城市级别。其中，场所级别的人像聚类场景主要指对建筑场所中的人员进行人像聚类的场景，例如，对网吧出入的人员进行人像识别、对酒店出入的人员进行人像识别等场景。城市级别的人像聚类主要指将一个城市的所有前端智能抓拍设备抓拍的图像信息进行整合，以完成大规模的人脸识别，从而实现一人一档的目的。
81.当然，本技术实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其他可能的应用场景，本技术实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。
82.如图2所示，为本技术实施例提供的相关空间区域确定方法的流程示意图，该方法可以通过图1中的相关空间区域确定设备11来执行，该方法的流程介绍如下。
83.步骤201：获取图像采集设备的设备信息。
84.在本技术实施例中，设备信息可以包括图像采集设备的地理坐标，该地理坐标具体可以以经纬度的形式进行表示。
85.在实际应用时，该设备信息具体还可以包括设备名称、设备所属区域等等。
86.步骤202：根据各个图像采集设备的地理坐标，进行空间区域划分，获得多个候选
空间区域。
87.在本技术实施例中，由于在通常情况下，在进行人像聚类时，是没有进行空间区域划分的，因此，在确定相关空间区域之前，可以将空间区域进行划分，以获得后续确定相关空间区域时需要用到的候选空间区域。其中，在进行空间区域进行划分时，可以根据各个图像采集设备的地理坐标，来进行空间区域进行划分。
88.步骤203：根据已存储的多条步行路径，从多个候选空间区域中，确定出多条步行路径各自对应的空间区域序列。
89.在本技术实施例中，步行路径为行人从一个图像采集设备步行至另一图像采集设备所形成的路径，空间区域序列中包含有多个空间区域，且步行路径与空间区域序列包含的各个空间区域之间存在重叠区域。
90.在实际应用时，步行路径可以通过调用地图路径搜索功能来获取，例如，百度地图、高德地图等，在已知某两个图像采集设备的地理坐标的前提下，通过调用地图路径搜索功能，便能获得到该两个图像采集设备之间多条步行路径了。
91.步骤204：针对多个空间区域序列中的一个空间区域序列，根据一个空间区域序列中任一空间区域与其他空间区域之间的相关度，确定所述任一空间区域对应的目标相关空间区域集合。
92.在本技术实施例中，目标相关空间区域集合中包含有该任一空间区域对应的多个目标相关空间区域。例如，空间区域x1的目标相关空间区域集合(空间区域x2，空间区域x3)。
93.在实际应用时，假设具有多个空间区域序列，且每一空间区域序列中包括有多个空间区域，其中，针对空间区域序列a的空间区域b来说，可以利用关联规则挖掘的方法，来通过预设最小支持度、最小置信度与大于1的提升度等条件，来从空间区域序列a中挖掘出与空间区域b相关的空间区域。其中，关联规则挖掘的方法可以为先验(apriori)关联规则挖掘方法、频繁模式增长(frequent pattern growth，fp-growth)关联规则挖掘方法等。
94.进而，在挖掘出空间区域序列a中各个空间区域的相关空间区域之后，可以通过以独立的各个空间区域为基础，再结合各个空间区域的相关空间区域进行二次人像聚类，从而提高人像聚类的效果，以增强人像识别的能力。
95.在一种可能的实施例中，在进行空间区域划分，来获得多个候选空间区域时，具体可以根据实际人像聚类应用的需求，来设定不同的空间区域划分的粒度。如图3所示，为本技术实施例提供的划分空间区域的一种示意图，其中，具体可以采用如下三种方式进行空间区域的划分：
96.(1)可以根据各个图像采集设备的地理坐标，按照一个图像采集设备对应一个空间区域的方式进行空间区域划分，以获得多个候选空间区域。
97.例如，如图3所示的图像采集设备1和图像采集设备2，其中，该图像采集设备1和图像采集设备2的距离半径均为r1，且图像采集设备1和图像采集设备2各自的距离半径之间虽然存在交叠，但是，它们各自的圆心均不在对方的距离半径r1内，因此，可以将该图像采集设备1和图像采集设备2所属的空间区域划分为两个不同的空间区域，即，图像采集设备1可以属于空间区域1，图像采集设备2可以属于空间区域2。
98.(2)可以按照多个相邻图像采集设备对应一个空间区域的方式进行空间区域划
分，以获得多个候选空间区域。
99.同样如图3所示，其中，图像采集设备3和图像采集设备4各自的距离半径之间存在交叠，但是，它们各自的圆心均在对方的距离半径r1内，那么，此时，可以将图像采集设备3和图像采集设备4划分到同一个空间区域中。
100.(3)可以按照设定空间区域半径的方式进行空间区域划分，以获得多个候选空间区域。
101.在本技术实施例中，位于同一空间区域半径内的多个图像采集设备，对应同一个候选空间区域。其中，具体可以通过逐个遍历图像采集设备，来将处于相同的设定空间区域半径内多个图像采集设备指定为属于同一空间区域。
102.同样如图3所示，假设设定空间区域半径为r2，那么如图3所示，可以将图像采集设备1和图像采集设备2划分到同一个空间区域中，可以将图像采集设备3和图像采集设备4划分到另一个空间区域中。
103.在一种可能的实施例中，在将步行路径映射为空间区域序列时，为了更加符合人们的日常习惯，可以通过先将步行路径映射为全球定位系统(global positioning system，gps)序列，再对gps序列进行映射的方式，来确定空间区域序列，如图4所示，为本技术实施例提供的将步行路径映射为空间区域序列的一种流程示意图，具体流程介绍如下。
104.步骤401：针对多条步行路径中的步行路径a，获取步行路径a对应的步行路径信息。
105.在本技术实施例中，步行路径信息可以包括多个卫星定位坐标点。其中，该卫星定位坐标点可以为全球定位系统gps点。
106.在实际应用时，步行路径a可以为任意两个图像采集设备之间的步行路径，进而，该步行路径a可以通过地图软件的路径搜索功能来获得，进而，可以将该步行路径a转换为由多个gps点组成的gps序列。
107.步骤402：根据步行路径信息，从多个候选空间区域中，确定步行路径a对应的空间区域序列。
108.在本技术实施例中，空间区域序列中的每一空间区域内至少存在一个卫星定位坐标点。
109.在实际应用时，由于步行路径a与空间区域序列所包含的各个空间区域之间存在重叠区域，因此，在确定步行路径a对应的空间区域序列时，可以从多个候选空间区域中，可以选择出与步行路径a之间存在重叠区域的候选空间区域，而由这些被选择出来的候选空间区域所组成的空间区域序列，即为步行路径a对应的空间区域序列。
110.在一种可能的实施方式中，由于步行路径信息所包含的gps序列是离散的，所以，可能无法直接将每一个gps点均映射到空间区域上。因此，在本技术实施例中，采用先将每一个gps点映射到对应的图像采集设备上，然后再通过将图像采集设备映射为某个空间区域的方式，来获取步行路径对应的空间区域序列。
111.如图5所示，为本技术实施例提供的gps序列映射到图像采集设备上的一种示意图，其中，图像采集设备1和图像采集设备5之间的步行路径通过映射，可以得到gps序列：{gps点1，gps点2，gps点3，gps点4}。
112.进而，针对步行路径信息中包括的各个gps点，可以根据设定的搜索半径，先确定
出位于各个gps点对应的搜索半径内的图像采集设备。那么可以通过沿着gps序列中各个gps点的顺序进行遍历的方式，来确定位于各个gps点对应的搜索半径内的图像采集设备。
113.例如，如图5所示，假设搜索半径为r3，那么针对gps点1来说，在其搜索半径r3内，存在图像采集设备1；针对gps点2来说，在其搜索半径r3内，存在图像采集设备2和图像采集设备3；针对gps点3来说，在其搜索半径r3内，不存在图像采集设备；针对gps点4来说，在其搜索半径r3内，存在图像采集设备5。
114.其中，针对多个gps点中的一个gps点来说，根据设定的搜索半径r3，若是确定出某一gps点的搜索半径r3内存在多个图像采集设备，那么可以将与该gps点距离最近的图像采集设备，确定为该gps点对应的图像采集设备。
115.如图5所示，针对gps点2来说，在其搜索半径r2内，存在图像采集设备2和图像采集设备3，即，存在2个图像采集设备，因此，为了使gps点更为准确的转换为图像采集设备上，可选取这2个图像采集设备中，离gps点2最近的图像采集设备2作为该gps点2映射的图像采集设备。
116.此外，在将gps点转换为图像采集设备的过程中，也可能会出现在搜索半径r2内不存在图像采集设备的情况，如图5所示，图像采集设备4位于gps点3的搜索半径r2之外，即，gps点3的搜索半径r2内不存在图像采集设备，因此，可以舍弃该gps点3。
117.从而，通过上述各种方式将gps点转换之后，可以得到如图5所示的图像采集设备序列：{图像采集设备1，图像采集设备2，图像采集设备4}。即，gps序列：{gps点1，gps点2，gps点3，gps点4}转换为了图像采集设备序列：{图像采集设备1，图像采集设备2，图像采集设备4}。
118.进而，在获取图像采集设备序列，即确定了位于各个gps点对应的搜索半径内的图像采集设备之后，可以根据各个gps点对应的图像采集设备，从多个候选空间区域中，确定出步行路径a对应的空间区域序列。其中，空间区域序列中的每个空间区域至少包括一个图像采集设备。
119.具体的，在将每一个gps点转换到对应的图像采集设备之后，可以根据前面所提及到的三种空间区域划分方式，来确定出步行路径a对应的空间区域序列。即，可以根据具体的空间划分粒度，来将由gps点表示的步行路径映射为由空间区域表示的步行路径。
120.例如，可以根据各个图像采集设备的地理坐标，按照一个图像采集设备对应一个空间区域的方式来进行空间区域划分，以得到多个候选空间区域，进而，可以从这些候选空间区域中，确定出步行路径a对应的空间区域序列。即，空间划分粒度为每个图像采集设备，那么如图5中所示的gps点序列：{gps点1，gps点2，gps点3，gps点4}可转换空间区域序列：{区域1，区域2，区域3}。
121.或者，可以根据各个图像采集设备的地理坐标，按照多个相邻图像采集设备对应一个空间区域的方式来进行空间区域划分，以得到多个候选空间区域，进而，可以从这些候选空间区域中，确定出步行路径a对应的空间区域序列。即，空间划分粒度为聚合多个相近的图像采集设备，其得到空间区域序列比以每个图像采集设备为独立的空间区域的时空序列更短。具体的，如图5所示，假设图像采集设备1与图像采集设备2属于空间区域1，图像采集设备4属于空间区域2，那么如图5中所示的gps点序列：{gps点1，gps点2，gps点3，gps点4}可转换空间区域序列：{区域1，区域2}。
122.或者，可以根据各个图像采集设备的地理坐标，按照设定空间区域半径的方式来进行空间区域划分，以得到多个候选空间区域，进而，可以从这些候选空间区域中，确定出步行路径a对应的空间区域序列。具体的，如图5所示，假设图像采集设备1与图像采集设备2属于同一空间区域半径内，即图像采集设备1与图像采集设备2属于空间区域1，图像采集设备4属于另一空间区域半径内，即，图像采集设备4属于空间区域2，那么如图5中所示的gps点序列：{gps点1，gps点2，gps点3，gps点4}可转换空间区域序列：{区域1，区域2}。
123.此外，如果得到的空间序列中存在重复的空间区域，那么可以通过“去重”的方式，来消除重复存在的空间区域，从而，降低后续进行相关空间区域挖掘的计算量。例如，原始空间序列为：{区域1，区域1，区域2}，那么可以对该原始空间序列进行去重处理，以得到空间序列{区域1，区域2}。
124.在一种可能的实施方式中，由于关联规则的强度可以用支持度(support)和置信度(confidence)来度量，其中，支持度表示项集{x,y}在总项集{i}中出现的频率；置信度表示在先决条件x发生的情况下，由关联规则“x
→
y”推出y的概率，即在含有x的项集中，含有y的可能性，在本技术实施例中，置信度可以用于指示任一个候选扩展相关空间区域与任一空间区域均存在待识别行人的概率；提升度(lift)表示含有x的条件下，同时含有y的概率，与不含x的条件下却含y的概率之比，进而，在本技术实施中，该提升度可以用于指示任一空间区域与其他空间区域均存在待识别行人的概率，与其他空间区域均存在待识别行人的概率之间的比值。且，由于满足最小支持度和最小置信度的规则，可以叫做“强关联规则”。但是，在强关联规则里，也分有效的强关联规则和无效的强关联规则，如下所述：
125.当lift(x
→
y)》1时，则规则“x
→
y”是有效的强关联规则。
126.当lift(x
→
y)≤1，则规则“x
→
y”是无效的强关联规则。
127.其中，当lift(x
→
y)＝1，则表示x与y相互独立。
128.进而，在本技术实施中，可以将空间区域之间相关度设置为空间区域之间提升度。那么在根据一个空间区域序列中任一空间区域与其他空间区域之间的相关度，确定任一空间区域对应的多个目标相关空间区域，可通过如下方式进行确定。
129.首先，可以确定一个空间区域序列中，任一空间区域与其他空间区域之间的提升度是否大于1，即确定该任一空间区域与其他空间区域之间是否为强关联规则，然后，在确定大于1时，即，确定为强关联规则时，则确定其他空间区域为任一空间区域的目标相关空间区域。例如，针对空间区域序列{区域1，区域2}来说，在确定区域1与区域2之间提升度大于1时，则表明区域1与区域2之间为有效的强关联规则，即区域1与区域2是相关的空间区域，否则，区域1与区域2之间为无效的强关联规则，即区域1与区域2是不相关的空间区域。
130.在一种可能的实施方式中，由于在使用关联关系挖掘的方式，来获得强相关的空间区域之后，其往往得到的强相关的空间区域较少，进而，不一定能够满足人像聚类的实际需求。因此，在本技术实施中，可以适当对相关空间区域进行扩展，来增多相关空间区域，从而满足人像聚类的实际需求。
131.在实际应用时，当通过“传统的关联关系挖掘”的方式，来确定相关空间区域时，我们发现所确定的相关空间区域的强相关规则具有一定的顺序性，例如，当出现空间区域x1时，空间区域x2与空间区域x3将会顺序出现。
132.因此，在本技术实施中，根据上述特性“强相关规则具有一定的顺序性”，以强相关
为“空间区域x1
→
空间区域x2，空间区域x3”为例，可以得到以下几种强关联模式。
133.(1)第一种强关联模式：
134.空间区域x1
→
空间区域x2
135.空间区域x1
→
空间区域x4，空间区域x3
136.其中，在采用该第一种强关联模式进行相关空间区域确定时，在空间区域x1出现时，空间区域x2可以顺序出现；或者，空间区域x1出现时，空间区域x4和空间区域x3可以顺序出现。
137.(2)第二种强关联模式：
138.空间区域x5
→
空间区域x1
139.空间区域x5
→
空间区域x1，空间区域x2
140.其中，在采用该第二种强关联模式进行相关空间区域确定时，在空间区域x5出现时，空间区域x1可以顺序出现；或者，空间区域x5出现时，空间区域x1和空间区域x2可以顺序出现。
141.(3)第三种强关联模式：
142.空间区域x1，空间区域x2
→
空间区域x3
143.其中，在采用该第三种强关联模式进行相关空间区域确定时，在空间区域x2和空间区域x3出现时，空间区域x1可以顺序出现。
144.进而，在进行相关空间区域扩展时，可以基于上述提到的几种强关联模式进行相关空间区域扩展。下面以确定空间区域序列a：(空间区域x1，空间区域x2，空间区域x3，空间区域x4，空间区域x5)中的空间区域x1的相关空间区域为例进行介绍，如图6所示，为本技术实施例提供的扩展相关空间区域的一种流程示意图，具体流程介绍如下。
145.步骤601：根据预设的第一强关联模式，从空间区域序列a中，确定出所有符合预设的第一强关联模式的，空间区域x1对应的至少一个第一候选扩展相关空间集合。
146.在本技术实施例中，该预设的第一强关联模式可以用于指示，在空间区域x1出现时，其它空间区域能够顺序出现的强关联模式。例如，上述提及到第一种强关联模式。此处，可以假设通过“关联关系挖掘”的方式得到的强相关的空间区域为：
147.空间区域x1
→
空间区域x2，空间区域x3
148.其中，该上述式子所要表述具体含义为，当输入的空间区域为x1时，那么其对应的相关空间区域为x2与x3，即，空间区域x2与空间区域x3为空间区域为x1的相关空间区域。
149.进而，根据第一种强关联模式，可以从空间区域序列a中选取出所有符合该第一种强关联模式的强相关规则，即，在空间区域x1出现时，能够顺序出现其它空间区域的至少一个第一候选扩展相关空间集合，例如，(空间区域x2)以及(空间区域x4，空间区域x3)。
150.步骤602：确定至少一个第一候选扩展相关空间集合中，除空间区域x1之外的其它各个空间区域分别与空间区域x1之间的提升度与置信度。
151.在本技术实施例中，置信度可以用于指示空间区域x1与任一其它空间区域均存在待识别行人的概率。
152.在实际应用时，继续沿用上述例子，在确定出空间区域x1的候选扩展相关空间集合(空间区域x2)以及(空间区域x4，空间区域x3)之后，便可以计算出空间区域x1分别与空间区域x2、空间区域x4和空间区域x3之间的提升度与置信度了。
153.步骤603：根据提升度与置信度，确定空间区域x1的第一目标扩展相关空间区域集合。
154.在实际使用时，可以按照提升度对至少一个第一候选扩展相关空间集合中的各个空间区域进行降序排序，来确定空间区域x1的第一目标扩展相关空间区域集合。例如，继续沿用上述例子，假设空间区域x1与至少一个第一候选扩展相关空间集合中的各个空间区域之间的提升度与置信度如下所示：
155.空间区域x1与空间区域x2：提升度＝1.3，置信度＝0.5；
156.空间区域x1与空间区域x3：提升度＝1.1，置信度＝0.55；
157.空间区域x1与空间区域x4：提升度＝1.2，置信度＝0.6；
158.那么，按照提升度对空间区域x1的至少一个第一候选扩展相关空间集合中的各个空间区域进行降序排序，可确定出如下的第一目标扩展相关空间区域集合：
159.(空间区域x2，空间区域x4，空间区域x3)
160.即，生成的强关联规则可以改为：
161.空间区域x1
→
空间区域x2，空间区域x4，空间区域x3
162.当然，在按照提升度对空间区域进行降序排序时，可能会出现存在相同提升度的空间区域的情况，那么此时，可以将具有相同提升度的空间区域按照置信度来进行降序排序，进而，来确定空间区域x1的第一目标扩展相关空间区域集合。例如，继续沿用上述例子，假设空间区域x1与至少一个第一候选扩展相关空间集合中的各个空间区域之间的提升度与置信度如下所示：
163.空间区域x1与空间区域x2：提升度＝1.3，置信度＝0.5；
164.空间区域x1与空间区域x3：提升度＝1.2，置信度＝0.55；
165.空间区域x1与空间区域x4：提升度＝1.2，置信度＝0.6；
166.其中，“空间区域x1与空间区域x3”和“空间区域x1与空间区域x4”存在相同的提升度，那么，空间区域x2、空间区域x3和空间区域x4之间，可以按照先根据提升度来对空间区域x2、空间区域x3和空间区域x4进行降序排序，再将相同的提升度的空间区域x3和空间区域x4按照置信度进行降序排序，从而，确定出如下的第一目标扩展相关空间区域集合：
167.(空间区域x2，空间区域x4，空间区域x3)
168.即，生成的强关联规则可以改为：
169.空间区域x1
→
空间区域x2，空间区域x4，空间区域x3
170.在一种可能的实施方式中，同样以确定空间区域序列a：(空间区域x1，空间区域x2，空间区域x3，空间区域x4，空间区域x5)中的空间区域x1的相关空间区域为例进行介绍，如图7所示，为本技术实施例提供的扩展相关空间区域的另一种流程示意图，具体流程介绍如下。
171.步骤701：根据预设的第二强关联模式，从空间区域序列a中，确定出所有符合所述预设的第二强关联模式的，空间区域x5对应的至少一个第二候选扩展相关空间集合。
172.在本技术实施例中，该预设的第二强关联模式可以用于指示，在空间区域x5出现时，空间区域x1顺序出现的强关联模式；该空间区域x5为空间区域序列a中，除空间区域x1之外的任一空间区域。
173.进而，根据该第二种强关联模式，可以从空间区域序列a中选取出所有符合该第二
种强关联模式的强相关规则，即，在空间区域x5出现时，能够顺序出现空间区域x1的至少一个第二候选扩展相关空间集，例如，(空间区域x1)以及(空间区域x1，空间区域x2)。
174.步骤702：确定空间区域x5，以及至少一个第二候选扩展相关空间集合中，除空间区域x1之外的各个其它空间区域，分别与空间区域x1之间的提升度与置信度。
175.在实际应用时，继续沿用上述例子，在确定出空间区域x5的候选扩展相关空间集合(空间区域x1)以及(空间区域x1，空间区域x2)之后，便可以计算出空间区域x1分别与空间区域x5、空间区域x2之间的提升度与置信度了。
176.步骤703：根据提升度与置信度，确定空间区域x1的第二目标扩展相关空间区域集合。
177.在实际使用时，例如，空间区域x1与空间区域x5、空间区域x2之间的提升度与置信度如下所示：
178.空间区域x1与空间区域x5：提升度＝1.3，置信度＝0.5；
179.空间区域x1与空间区域x2：提升度＝1.1，置信度＝0.55；
180.那么，同样可以依照前面所述的“先按照提升度对空间区域进行降序排序，若是存在相同提升度的情况，则将具有相同提升度的空间区域进行降序排序”，来对空间区域x5、空间区域x2进行排序确定，进而，可确定出如下的第二目标扩展相关空间区域集合：
181.(空间区域x5，空间区域x2)
182.即，生成的强关联规则可以改为：
183.空间区域x1
→
空间区域x5，空间区域x2
184.步骤704：根据第二目标扩展相关空间区域集合，以及第一目标扩展相关空间区域集合，确定空间区域x1的第三目标扩展相关空间区域集合。
185.在实际应用时，可以将“空间区域x1
→
空间区域x5，空间区域x2”与基于第一种强关联模式生成的强关联规则“空间区域x1
→
空间区域x2，空间区域x4，空间区域x3”相结合，以生成新的强相关规则，如下所示：
186.空间区域x1
→
(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)
187.即，可确定出空间区域x1的第三目标扩展相关空间区域集合：
188.(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)
189.在一种可能的实施方式中，同样以确定空间区域序列a：(空间区域x1，空间区域x2，空间区域x3，空间区域x4，空间区域x5)中的空间区域x1的相关空间区域为例进行介绍，如图8所示，为本技术实施例提供的扩展相关空间区域的另一种流程示意图，具体流程介绍如下。
190.步骤801：根据预设的第三强关联模式，从空间区域序列a中，确定出所有符合所述预设的第三强关联模式的，空间区域x1对应的至少一个第三候选扩展相关空间集合。
191.在本技术实施例中，该预设的第二强关联模式可以用于指示，在空间区域x2与空间区域x1出现时，该空间区域序列a中，除空间区域x2与空间区域x1之外的其它空间区域顺序出现的强关联模式。
192.具体的，根据该第二种强关联模式，可以从空间区域序列a中选取出所有符合该第二种强关联模式的强相关规则，即，在空间区域x2与空间区域x1出现时，能够顺序出现除空
间区域x2与空间区域x1之外的其它空间区域的至少一个第二候选扩展相关空间集，例如，(空间区域x3)。
193.步骤802：确定空间区域x2，以及至少一个第三候选扩展相关空间集合中的各个其它空间区域，分别与空间区域x1之间的提升度与置信度。
194.在实际应用时，继续沿用上述例子，在确定出空间区域x1的候选扩展相关空间集合(空间区域x3)之后，便可以计算出空间区域x1分别与空间区域x2和空间区域x3之间的提升度与置信度了。
195.步骤803：根据提升度与置信度，确定空间区域x1的第四目标扩展相关空间区域集合。
196.在实际使用时，例如，空间区域x1与空间区域x2和空间区域x3之间的提升度与置信度如下所示：
197.空间区域x1与空间区域x2：提升度＝1.3，置信度＝0.5；
198.空间区域x1与空间区域x3：提升度＝1.1，置信度＝0.55；
199.那么，同样可以依照前面所述的“先按照提升度对空间区域进行降序排序，若是存在相同提升度的情况，则将具有相同提升度的空间区域进行降序排序”，来对空间区域空间区域x2和空间区域x3进行排序确定，进而，可确定出如下的第四目标扩展相关空间区域集合：
200.(空间区域x2，空间区域x3)
201.即，生成的强关联规则可以改为：
202.空间区域x1
→
空间区域x2，空间区域x3
203.步骤804：根据第四目标扩展相关空间区域集合，以及第三目标扩展相关空间区域集合，确定空间区域x1的第五目标扩展相关空间区域集合。
204.在实际应用时，可以将“空间区域x1
→
空间区域x2，空间区域x3”与基于第一、二种强关联模式生成的强关联规则“空间区域x1
→
(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)”相结合，以生成新的强相关规则，如下所示：
205.空间区域x1
→
(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)、(空间区域x2，空间区域x3)
206.即，可确定出空间区域x1的第五目标扩展相关空间区域集合：
207.(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)、(空间区域x2，空间区域x3)
208.在一种可能的实施方式中，在通过上述方式来确定扩展相关空间区域时，可能会存在重复的扩展相关空间区域，因此，在考虑不变顺序的前提下，可以对重复的扩展相关空间区域进行去重处理，下面以空间区域x1的相关空间区域集合为(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)、(空间区域x2，空间区域x3)为例进行介绍，如图9所示，为本技术实施例提供的相关空间区域去重的一种流程示意图，具体流程介绍如下。
209.步骤901：确定空间区域x1的相关空间区域集合中，是否存在相同的相关空间区域。
210.例如，针对空间区域x1的相关空间区域集合(空间区域x2，空间区域x4，空间区域
x3)、(空间区域x5，空间区域x2)、(空间区域x2，空间区域x3)来说，其中，空间区域x2、空间区域x3均存在重复出现的情况。
211.步骤902：在确定存在时，将相同的相关空间区域进行去重处理，以获得空间区域x1的第六目标扩展相关空间区域集合。
212.例如，继续沿用上述例子，对空间区域x1的相关空间区域集合(空间区域x2，空间区域x4，空间区域x3)、(空间区域x5，空间区域x2)、(空间区域x2，空间区域x3)中的空间区域x2、空间区域x3进行去重处理，进而，可以得到如下所示的空间区域x1的第六目标扩展相关空间区域集合：
213.(空间区域x2，空间区域x4，空间区域x3、空间区域x5)
214.即，生成如下所示的新的强相关规则：
215.空间区域x1
→
空间区域x2，空间区域x4，空间区域x3、空间区域x5
216.此外，利用上述的“相关空间区域扩展方式”，通过遍历所有的空间区域，可以得到最终的相关空间区域表。
217.综上所述，在本技术实施例中，由于相关空间区域是基于步行路径来进行确定的，因此，可以有效避免因河流、断桥等因素，导致的直线距离很短的两个空间区域成为相关空间区域的情况出现，提高了空间区域之间的相关性，进而，在以每个独立的空间区域为基础，结合相关的空间区域进行二次人像聚类，不仅能够有效节省计算资源，还能够进一步提高人像聚类的效果。且，由于是对人像进行聚类，因此，通过人的步行路径来确定出相关空间区域，在进行人像聚类时，更能够提高人像聚类的效果。
218.此外，通过生成的强关联规则的顺序性，可以添加有效的相关空间区域扩展方式，进而，使得既能让每个空间区域均尽可能的找到相关的空间区域，还能将找到的多个相关的空间区域按照相关度由高到低排序，以方便实际使用，最终提升人像聚类的效果。
219.如图10所示，基于同一发明构思，本技术实施例提供一种相关空间区域的确定装置100，该装置包括：
220.第一获取单元1001，用于获取图像采集设备的设备信息；其中，设备信息包括图像采集设备的地理坐标；
221.第二获取单元1002，用于根据各个图像采集设备的地理坐标，进行空间区域划分，获得多个候选空间区域；
222.第一确定单元1003，用于根据已存储的多条步行路径，从多个候选空间区域中，确定出多条步行路径各自对应的空间区域序列；其中，步行路径为行人从一个图像采集设备步行至另一图像采集设备所形成的路径，空间区域序列中包含有多个空间区域，且步行路径与空间区域序列包含的各个空间区域之间存在重叠区域；
223.第二确定单元1004，用于针对多个空间区域序列中的一个空间区域序列，根据一个空间区域序列中任一空间区域与其他空间区域之间的相关度，确定任一空间区域对应的目标相关空间区域集合；其中，目标相关空间区域集合包含任一空间区域对应的多个目标相关空间区域。
224.可选的，第二获取单元1002，具体用于：
225.根据各个图像采集设备的地理坐标，按照一个图像采集设备对应一个空间区域的方式进行空间区域划分，以获得多个候选空间区域；或者，
226.按照多个相邻图像采集设备对应一个空间区域的方式进行空间区域划分，以获得多个候选空间区域；或者，
227.按照设定空间区域半径的方式进行空间区域划分，以获得多个候选空间区域；其中，位于同一空间区域半径内的多个图像采集设备，对应同一个候选空间区域。
228.可选的，第一确定单元1003，具体用于：
229.针对多条步行路径中的一条步行路径，获取一条步行路径对应的步行路径信息；其中，步行路径信息包括多个卫星定位坐标点；
230.根据步行路径信息，从多个候选空间区域中，确定一条步行路径对应的空间区域序列；其中，空间区域序列中的每一空间区域内至少存在一个卫星定位坐标点。
231.可选的，第一确定单元1003，具体还用于：
232.针对步行路径信息中的各个卫星定位坐标点，根据设定的搜索半径，确定位于各个卫星定位坐标点对应的搜索半径内的图像采集设备；
233.根据各个卫星定位坐标点对应的图像采集设备，从多个候选空间区域中，确定出一条步行路径对应的空间区域序列；其中，空间区域序列中的每个空间区域至少包括一个图像采集设备。
234.可选的，第一确定单元1003，具体还用于：
235.针对多个卫星定位坐标点中的一个卫星定位坐标点，根据设定的搜索半径，确定一个卫星定位坐标点的搜索半径内存在多个图像采集设备时，将与一个卫星定位坐标点距离最近的图像采集设备，确定为一个卫星定位坐标点对应的图像采集设备。
236.可选的，第二确定单元1004，具体用于：
237.确定一个空间区域序列中，第一空间区域与其他空间区域之间的提升度是否大于1；其中，任一空间区域为一个空间区域序列中的任一空间区域；提升度用于指示第一空间区域与其他空间区域均存在待识别行人的概率，与其他空间区域均存在待识别行人的概率之间的比值；
238.在确定大于1时，则确定其他空间区域为第一空间区域的目标相关空间区域。
239.可选的，第二确定单元1004，具体还用于：
240.根据预设的第一强关联模式，从一个空间区域序列中，确定出所有符合预设的第一强关联模式的，第一空间区域对应的至少一个第一候选扩展相关空间集合；其中，预设的第一强关联模式用于指示，在第一空间区域出现时，一个空间区域序列中的其它空间区域顺序出现的强关联模式；
241.确定至少一个第一候选扩展相关空间集合中，除任一空间区域之外的其它各个空间区域分别与第一空间区域之间的提升度与置信度；其中，置信度用于指示其它空间区域与第一空间区域均存在待识别行人的概率；
242.根据提升度与置信度，确定第一空间区域的第一目标扩展相关空间区域集合。
243.可选的，第二确定单元1004，具体还用于：
244.确定在至少一个第一候选扩展相关空间集合中，是否存在与第一空间区域之间具有相同提升度的至少两个空间区域；
245.在确定不存在时，根据至少一个第一候选扩展相关空间集合中各个空间区域与第一空间区域之间的提升度，对至少一个候选扩展相关空间集合中各个空间区域进行降序排
列，以确定第一空间区域的第一目标扩展相关空间区域集合；或者，
246.在确定存在时，根据至少两个空间区域的置信度，对至少两个空间区域进行降序排列；
247.根据至少一个第一候选扩展相关空间集合中各个空间区域与第一空间区域之间的提升度，对至少一个第一候选扩展相关空间集合中各个空间区域进行降序排列，以确定第一空间区域的第一目标扩展相关空间区域集合。
248.可选的，第二确定单元1004，具体还用于：
249.根据预设的第二强关联模式，从一个空间区域序列中，确定出所有符合预设的第二强关联模式的，第二空间区域对应的至少一个第二候选扩展相关空间集合；其中，预设的第二强关联模式用于指示，在第二空间区域出现时，第一空间区域顺序出现的强关联模式；第二空间区域为一个空间区域序列中，除第一空间区域之外的任一空间区域；
250.确定第二空间区域，以及至少一个第二候选扩展相关空间集合中，除第一空间区域之外的各个其它空间区域，分别与第一空间区域之间的提升度与置信度；
251.根据提升度与置信度，确定第一空间区域的第二目标扩展相关空间区域集合；
252.根据第二目标扩展相关空间区域集合，以及第一目标扩展相关空间区域集合，确定第一空间区域的第三目标扩展相关空间区域集合。
253.可选的，第二确定单元1004，具体还用于：
254.根据预设的第三强关联模式，从一个空间区域序列中，确定出所有符合预设的第三强关联模式的，第一空间区域对应的至少一个第三候选扩展相关空间集合；其中，预设的第三强关联模式用于指示，在第二空间区域与第一空间区域出现时，一个空间区域序列中，除第二空间区域与第一空间区域之外的其它空间区域顺序出现的强关联模式；
255.确定第二空间区域，以及至少一个第三候选扩展相关空间集合中的各个其它空间区域，分别与第一空间区域之间的提升度与置信度；
256.根据提升度与置信度，确定第一空间区域的第四目标扩展相关空间区域集合；
257.根据第四目标扩展相关空间区域集合，以及第三目标扩展相关空间区域集合，确定第一空间区域的第五目标扩展相关空间区域集合。
258.可选的，该确定装置100还包括去重处理单元1005，该去重处理单元1005，用于：
259.确定任一空间区域的相关空间区域集合中，是否存在相同的相关空间区域；
260.在确定存在时，将相同的相关空间区域进行去重处理，以获得任一空间区域的第六目标扩展相关空间区域集合。
261.该装置可以用于执行图2～图9所示的实施例中所述的方法，因此，对于该装置的各功能模块所能够实现的功能等可参考图2～图9所示的实施例的描述，不多赘述。需要说明的是，图7中的虚线框示出的功能模块为该装置的非必要功能模块。
262.请参见图11，基于同一技术构思，本技术实施例还提供了一种计算机设备110，可以包括存储器1101和处理器1102。
263.所述存储器1101，用于存储处理器1102执行的计算机程序。存储器1101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。处理器1102，可以是一个中央处理单元(central processing unit，cpu)，或者为数字处理单元等等。本技术实施
例中不限定上述存储器1101和处理器1102之间的具体连接介质。本技术实施例在图11中以存储器1101和处理器1102之间通过总线1103连接，总线1103在图11中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线1103可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
264.存储器1101可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，ram)；存储器1101也可以是非易失性存储器(non-volatile memory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)、或者存储器1101是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器1101可以是上述存储器的组合。
265.处理器1102，用于调用所述存储器1101中存储的计算机程序时执行如图2～图9所示的实施例中设备所执行的方法。
266.在一些可能的实施方式中，本技术提供的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本技术各种示例性实施方式的方法中的步骤，例如，所述计算机设备可以执行如图2～图9所示的实施例中所述的方法。
267.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：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
268.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
269.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。