CN110717425A - 案件关联方法及装置、电子设备和存储介质 - Google Patents

案件关联方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN110717425A
CN110717425A CN201910918970.2A CN201910918970A CN110717425A CN 110717425 A CN110717425 A CN 110717425A CN 201910918970 A CN201910918970 A CN 201910918970A CN 110717425 A CN110717425 A CN 110717425A
Authority
CN
China
Prior art keywords
case
target object
image
case image
detection result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910918970.2A
Other languages
English (en)
Inventor
李�杰
何明焯
温妙洋
石济铭
孙德润
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201910918970.2A priority Critical patent/CN110717425A/zh
Publication of CN110717425A publication Critical patent/CN110717425A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种案件关联方法及装置、电子设备和存储介质，其中所述方法包括：获取第一案件的第一案件图像和第二案件的第二案件图像；对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果；将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。本公开实施例可方便的确定案件之间的关联结果。

Description

案件关联方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种案件关联方法及装置、电子设备和存储介质。
背景技术
近年来，全国各地区公安部门均建立了案件相关涉案视频库，用于收集整理涉案图片及视频素材证据。海量案件图片和视频的积累，为刑侦部门进行案件串并和团伙分析提供了大量的素材，但同时也极大的增加了警力负担。
目前刑侦民警在处理该类案件时一般会采用人工分析方法，此种方法严重依赖于人工记忆和记录，被处理的数据受限于处理民警所接触的信息范围，经常出现由于涉案时间太久和涉案区域太广而产生信息遗漏，进而导致涉案团伙成员分析遗漏。
发明内容
本公开提出了一种图像处理的技术方案。
根据本公开的一方面，提供了一种案件关联方法，其包括：获取第一案件的第一案件图像和第二案件的第二案件图像；对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。基于上述配置，本公开实施例可以简单方便的得到两个案件的关联结果，其中可以包括两个案件的案件图像中对应的目标对象之间的关联度，即可以确定两个案件是否包括相同的目标对象。
在一些可能的实施方式中，对所述第一案件图像和第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及第二案件图像的第二检测结果，包括：对所述第一案件图像执行目标检测处理，检测所述第一案件图像中的所述第一目标对象的位置，以及对所述第二案件图像执行目标检测处理，检测所述第二案件图像中的所述第二目标对象的位置；基于所述第一案件图像中所述第一目标对象的位置，得到所述第一案件图像中所述第一目标对象的特征，以及基于所述第二案件图像中所述第二目标对象的位置得到所述第二案件图像中所述第二目标对象的特征；基于所述第一案件图像中所述第一目标对象的位置以及所述第一目标对象的特征确定所述第一检测结果，基于所述第二案件图像中所述第二目标对象的位置以及所述第二目标对象的特征确定所述第二检测结果。基于上述配置，本公开实施例可以准确的检测出案件图像中目标对象的检测结果。
在一些可能的实施方式中，所述第一检测结果包括所述第一案件图像中所述第一目标对象的人脸特征和人体特征中的至少一种，所述第二检测结果包括所述第二案件图像中所述第二目标对象的人脸特征和人体特征中的至少一种。基于上述配置，可以确定两个案件图像中是否包括相同的人物，方便案件的关联管理。
在一些可能的实施方式中，所述将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度，包括：获得所述第一检测结果中的所述第一目标对象的特征与所述第二检测结果中的所述第二目标对象的特征之间的相似度；将所述相似度确定为所述第一检测结果对应的所述第一案件图像中的所述第一目标对象和所述第二检测结果对应的所述第二案件图像中的所述第二目标对象之间的关联度。基于上述配置，可以通过案件图像中目标对象的特征之间相似度确定目标对象之间关联度，可以方便的建立目标对象之间的关联。
在一些可能的实施方式中，所述方法还包括：从案件库中选择至少一组案件组，所述案件组包括两个案件；确定所述案件组中的两个案件的关联结果；按照所述关联结果中关联度从高到低的顺序，显示所述至少一组案件组的关联结果。基于上述配置，可以方便且准确的建立案件库中各案件的关联结果，而且根据关联度从高到低的顺序显示的方式可以直观的显示关联度更高的案件。
在一些可能的实施方式中，所述第一案件图像关联有相应的第一案件信息，所述第二案件图像关联有相应的第二案件的第二案件信息；所述方法还包括：在接收到任一案件组的第一指令的情况下，显示所述任一案件组中的两个案件的案件信息，以及显示所述任一案件组以外的案件组的关联结果。基于上述配置，可以方便操作人员直观方便的查询关联案件的案件信息。
在一些可能的实施方式中，所述方法还包括：接收所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象是否为对应案件的嫌疑对象的第一指示信息；基于所述第一指示信息，对应地将所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象确定为嫌疑对象或者待研判对象。基于上述配置，可以对案件中各对象的身份进行管理和确认。
在一些可能的实施方式中，所述方法还包括：基于所述第一案件和第二案件的关联结果，接收所述第二案件是否为所述第一案件的关联案件的第二指示信息；基于所述二指示信息，将所述第一案件和所述第二案件确定为关联案件或者无关案件。基于上述配置，本公开实施例可以根据操作人员的操作直接建立两个案件之间的关联性，适用性更好。
在一些可能的实施方式中，所述方法还包括：获取案件库各案件对应的嫌疑对象；利用每个所述嫌疑对象对应的案件，建立前科数据库。基于上述配置，可以方便的对嫌疑对象等前科人员的信息进行管理。
在一些可能的实施方式中，所述方法还包括：在两个所述嫌疑对象对应相同的案件的情况下，利用所述相同的案件建立所述两个所述嫌疑对象之间的连接；基于全部的所述嫌疑对象之间构建的所述连接，形成团伙关系网。基于上述配置，可以利用各案件之间的关联以及嫌疑对象对应的案件之间的关联，确定嫌疑对象形成的团伙关系。
在一些可能的实施方式中，所述方法还包括：获取输入图像；获得所述输入图像的检测结果；将所述输入图像的检测结果与案件库中各案件的案件图像的检测结果进行比对，得到所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度；基于所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度，确定所述输入图像的关联结果。基于上述配置，可以方便的建立新增的案件的案件图像与现有的案件之间的关联结果。
根据本公开实施例的第二方面，提供了一种案件关联装置，其包括：获取模块，用于获取第一案件的第一案件图像和第二案件的第二案件图像；检测模块，用于对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；比对模块，用于将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；关联模块，用于根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。
在一些可能的实施方式中，所述检测模块还用于对所述第一案件图像执行目标检测处理，检测所述第一案件图像中的所述第一目标对象的位置，以及对所述第二案件图像执行目标检测处理，检测所述第二案件图像中的所述第二目标对象的位置；
基于所述第一案件图像中所述第一目标对象的位置，得到所述第一案件图像中所述第一目标对象的特征，以及基于所述第二案件图像中所述第二目标对象的位置得到所述第二案件图像中所述第二目标对象的特征；
基于所述第一案件图像中所述第一目标对象的位置以及所述第一目标对象的特征确定所述第一检测结果，基于所述第二案件图像中所述第二目标对象的位置以及所述第二目标对象的特征确定所述第二检测结果。
在一些可能的实施方式中，所述第一检测结果包括所述第一案件图像中所述第一目标对象的人脸特征和人体特征中的至少一种，所述第二检测结果包括所述第二案件图像中所述第二目标对象的人脸特征和人体特征中的至少一种。
在一些可能的实施方式中，所述比对模块还用于获得所述第一检测结果中的所述第一目标对象的特征与所述第二检测结果中的所述第二目标对象的特征之间的相似度；
将所述相似度确定为所述第一检测结果对应的所述第一案件图像中的所述第一目标对象和所述第二检测结果对应的所述第二案件图像中的所述第二目标对象之间的关联度。
在一些可能的实施方式中，所述装置还包括显示模块，用于从案件库中选择至少一组案件组，所述案件组包括两个案件；
确定所述案件组中的两个案件的关联结果；
按照所述关联结果中关联度从高到低的顺序，显示所述至少一组案件组的关联结果。
在一些可能的实施方式中，所述第一案件图像关联有相应的第一案件信息，所述第二案件图像关联有相应的第二案件的第二案件信息；
所述显示模块还用于在接收到任一案件组的第一指令的情况下，显示所述任一案件组中的两个案件的案件信息，以及显示所述任一案件组以外的案件组的关联结果。
在一些可能的实施方式中，所述装置还包括身份确定模块，用于接收所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象是否为对应案件的嫌疑对象的第一指示信息；
基于所述第一指示信息，对应地将所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象确定为嫌疑对象或者待研判对象。
在一些可能的实施方式中，所述关联模块还用于基于所述第一案件和第二案件的关联结果，接收所述第二案件是否为所述第一案件的关联案件的第二指示信息；
基于所述二指示信息，将所述第一案件和所述第二案件确定为关联案件或者无关案件。
在一些可能的实施方式中，所述装置还包括管理模块，用于获取案件库各案件对应的嫌疑对象，以及利用每个所述嫌疑对象对应的案件，建立前科数据库。
在一些可能的实施方式中，所述管理模块还用于在两个所述嫌疑对象对应相同的案件的情况下，利用所述相同的案件建立所述两个所述嫌疑对象之间的连接；
基于全部的所述嫌疑对象之间构建的所述连接，形成团伙关系网。
在一些可能的实施方式中，所述获取模块还用于获取输入图像；
所述检测模块还用于获得所述输入图像的检测结果；
所述比对模块还用于将所述输入图像的检测结果与案件库中各案件的案件图像的检测结果进行比对，得到所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度；
关联模块还基于所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度，确定所述输入图像的关联结果。
根据本公开的第三方面，提供了一种电子设备，其包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行第一方面中任意一项所述的方法。
根据本公开的第四方面，提供了一种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被处理器执行时实现第一方面中任意一项所述的方法。
在本公开实施例中，可以利用第一案件与至少一个第二案件分别对应的案件图像的检测结果，得到第一案件图像和第二案件图像中的目标对象的特征之间的关联度，根据该关联度可以得到第一案件与第二案件之间的关联结果。通过本公开实施例可以方便的获得案件之间的相关性的预警。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种案件关联方法的流程图；
图2示出根据本公开实施例的一种案件关联方法中步骤S20的流程图；
图3示出根据本公开实施例执行案件图像检测处理的示意图；
图4示出根据本公开实施例的一种案件关联方法中步骤S30的流程图；
图5示出根据本公开实施例中不同案件图像对应的案件的关联结果；
图6示出本公开实施例中显示案件信息的显示界面的示意图；
图7示出根据本公开实施例中确认案件图像中目标对象的身份的示意图；
图8示出根据本公开实施例中确认案件是否为关联案件的示意图；
图9示出根据本公开实施例中得到团伙关系网的流程图；
图10示出根据本公开实施例形成的团伙关系网的示意图；
图11示出根据本公开实施例的一种案件关联装置的框图；
图12示出根据本公开实施例的一种电子设备的框图；
图13示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例提供的案件关联方法可以用于执行公安系统中各案件之间的相关性的预警，方便办案人员快速准确的获知嫌疑目标以及相关案件的情况。其中，案件关联方法的执行主体可以是图像处理装置，例如，图像处理方法可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。服务器可以为云端服务器或者本地服务。在一些可能的实现方式中，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
图1示出根据本公开实施例的一种案件关联方法的流程图，如图1所示，所述案件关联方法包括：
S10：获取第一案件的第一案件图像和第二案件的第二案件图像；
在一些可能的实施方式中，第一案件和第二案件可以为新增加的案件，第一案件图像可以为第一案件中与目标对象相关的图像，第二案件图像可以为第二案件中目标对象相关的图像，目标对象可以为人脸和人体中的至少一种，或者也可以为其他类型的对象。另外，第一案件和第二案件还可以为案件库中的案件。本公开实施例中的案件库可以存储有存储备案的案件，其中每个案件都可以具有相应的案件图像，同样的该案件图像也可以为相关案件中关于目标对象的图像。
在一些可能的实施方式中，在第一案件和第二案件为案件库中的案件的情况下，可以根据用户输入的选择信息确定案件库中的第一案件和第二案件。其中选择信息用于从案件库中选择出第一案件和第二案件。选择信息可以为对第一案件和第二案件的点击选择操作生成的，也可以是关于第一案件的标识信息，只要能够确定第一案件和第二案件就可以作为选择信息。或者第一案件和第二案件可以为从案件库中随机选择的案件，本公开对此不作具体限定。
另外，本公开实施例中的各案件都可以具有唯一的案件标识，如案件的编号可以作为案件标识，用以区分各案件，同时案件图像，如第一案件图像以及下述第二案件图像都可以具有相应的图像标识，如图像标识，用以区分各案件图像。
S20：对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；
如上述实施例所述，第一案件图像和第二案件图像可以为分别为对应案件关于目标对象的图像，下述以第一目标对象和第二目标对象区分不同案件图像中的图像，对于不同的案件图像，第一目标对象和第二目标对象可以为相同的目标对象(如对应为同一人物对象)，或者也可以为不同的目标对象。
第一案件图像可以是第一案件相关的人物图像，如可以为犯罪嫌疑人的图像，或者也可以为与第一案件相关的任意图像，以及第二案件图像可以是第二案件相关的人物图像。对应的可以对第一案件图像和第二案件图像执行检测处理，得到第一检测结果和第二检测结果，其中第一检测结果可以包括第一案件图像中的第一目标对象对应的特征，第二检测结果可以包括第二案件图像中第二目标对象的特征。另外，本公开实施例中的第一案件图像可以包括至少一个第一目标对象，以及第二案件图像中也可以包括至少一个第二案件图像，在执行第一案件图像和第二案件图像的检测处理的过程中，可以得到每个第一目标对象和第二目标对象对应的特征。
其中第一目标对象和第二目标对象均可以包括人脸和人体中的至少一种，对应的第一目标对象的特征和第二目标对象的特征均可以包括人脸特征和人体特征中的至少一种，并且还可以包括通过人脸特征和人体特征确定的属性特征。以第一案件图像举例说明，可以对第一案件图像执行目标检测处理，得到的第一检测结果可以包括所述第一案件图像中是否包括第一目标对象，以及所包括的第一目标对象的位置和与所述第一目标对象的位置对应的特征。对应的，也可以对第二案件图像执行目标检测处理，得到的第二检测结果可以包括所述第二案件图像中是否包括第二目标对象，以及所包括的第二目标对象的位置和与所述第二目标对象的位置对应的特征。例如可以利用神经网络执行上述检测处理，利用神经网络对输入的第一案件图像和第二目标对象执行目标对象的检测，得到第一检测结果和第二检测结果，检测结果中的目标对象的位置对应的特征可以是神经网络执行特征提取的最后一层网络层输出的特征，例如在分类识别目标对象以及目标对象的位置之前的网络层输出的特征，但不作为本公开的具体限定。对应的，得到的特征可以为目标对象对应的人脸特征和人体特征，也可以为基于人脸特征和人体特征的分类识别得到的属性特征，例如属性特征可以肤色、年龄、身高、服饰、佩戴的饰品等信息。或者在其他实施例中，目标对象还可以包括车辆，得到的属性特征还可以包括车辆型号、颜色等信息。
S30：将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；
在一些可能的实施方式中，可以将第一案件图像中的第一目标对象的特征与第二案件图像中的第二目标对象的特征进行比对，得到第一案件图像中的第一目标对象与第二案件图像中第二目标对象的关联度，例如在目标对象包括人脸的情况下，可以得到两个案件图像中的目标对象的人脸特征之间的相似度，作为目标对象之间的关联度。
S40：根据所述第一目标对象和所述第二目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。
在一些可能的实施方式中，可以根据第一案件和第二案件中的第一目标对象和第二目标对象之间的关联度，确定第一案件的关联结果。其中，该关联结果中可以包括第一案件中的第一目标对象与各第二案件中的第二目标对象之间的相似度，以及对应的第一案件和第二案件的案件信息，案件信息可以包括案件标识、案件详情以及涉案人员中的至少一种。
可以理解，若第一案件包括多个第一目标对象且第二案件包括多个第二目标对象时，第一案件和第二案件的关联结果基于多个第一目标对象和多个第二目标对象确定，即该关联结果可用于表示第一案件和第二案件可能存在多个相似的目标对象。
在一些可能的实施方式中，可以显示第一案件与全部第二案件的关联结果，或者也可以关联度高于关联度阈值的第二案件的关联结果。其中关联度阈值可以为预先设定的值，如可以为60％，但不作为本公开的具体限定。
基于上述配置，可以通过任意两个案件的案件图像之间的关联结果，建立该两个案件之间的相关性，方便对案件以及涉案人员进行管理。
下面结合附图对本公开实施例进行详细说明。在获取第一案件的第一案件图像以及第二案件的第二案件图像的情况下，可以执行第一案件图像和第二案件图像的检测处理，其中第一案件的第一案件图像可以为多个，可以分别对每个第一案件图像执行检测处理。同理，第二案件图图像也可以有多个，下面仅针对一个第一案件图像和第二案件图像的处理过程进行描述，多个第一案件图像和第二案件图像的处理过程与一个第一案件图像的处理过程相同，在此不再重复说明。
图2示出根据本公开实施例的一种案件关联方法中步骤S20的流程图，其中，对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，包括：
S21：对所述第一案件图像执行目标检测处理，检测所述第一案件图像中的目标对象的位置，以及对所述第二案件图像执行目标检测处理，检测所述第二案件图像中的所述第二目标对象的位置；
如上述实施例所述，在对第一案件图像和第二案件图像执行检测处理时，可以采用能够用于执行目标检测的神经网络，通过该神经网络对第一案件图像和第二案件图像分别执行目标检测处理，得到相应的第一检测结果和第二检测结果。下面以第一案件的检测处理过程为例进行说明。
其中，可以首先检测第一案件图像中是否存在第一目标对象，以及第一目标对象的位置。例如神经网络可以为卷积神经网络，在一个实例中神经网络可以为区域候选网络，但不作为本公开实施例的限定。其中得到的第一目标对象的位置可以为检测到的第一目标对象对应的检测框的位置，如该位置可以表示为(x1，x2，y1，y2)，其中(x1，y1)和(x2，y2)可以分别表示第一目标对象的检测框的两个对角顶点的坐标，通过上述位置坐标可以唯一的确定检测框的位置，同时也就确定了目标对象所在的位置。
同理，可以得到第二案件图像中第二目标对象的位置。
S22：基于所述第一案件图像中所述第一目标对象的位置，得到所述第一案件图像中所述第一目标对象的特征，以及基于所述第二案件图像中所述第二目标对象的位置得到所述第二案件图像中所述第二目标对象的特征；
在一些可能的实施方式中，在得到第一案件图像中目标对象的位置的情况下，可以进一步得到第一案件图像中目标对象的特征。其中，可以直接利用神经网络在分类检测目标对象之前的最后一层网络输出的特征图，以及目标对象的位置，确定该特征图中与目标对象的位置对应的特征，从而得到目标对象的特征。
或者，在其他实施方式中，还可以对第一案件图像执行特征提取处理，得到第一案件图像的特征图，基于第一案件图像中目标对象的位置在特征图中对应的特征，确定目标对象的特征。或者，也可以从第一案件图像中确定目标对象的位置对应的图像区域，对该图像区域执行特征提取处理，得到目标对象的特征。
同理，还可以得到第二案件图像中目标对象的特征。
S23：基于所述第一案件图像中所述第一目标对象的位置以及所述第一目标对象的特征确定所述第一检测结果，基于所述第二案件图像中所述第二目标对象的位置以及所述第二目标对象的特征确定所述第二检测结果。
在得到案件图像中目标对象的位置和特征的情况下，可以进一步得到检测结果。其中，在第一目标对象和第二目标对象为人脸的情况下，得到的第一检测结果和第二检测结果可以包括人脸特征，在第一目标对象和第二目标对象包括人体的情况下，得到的第一检测结果和第二检测结果还可以包括人体特征，进一步地，还可以基于人脸特征以及人体特征中的至少一种执行属性特征的识别，得到相应的属性特征。
图3示出根据本公开实施例执行案件图像检测处理的示意图，上述第一案件图像以及第二案件图像均可以作为案件图像，输入至算法平台。其中案件图像可以为视频也可以为图片，在案件图像为图片的情况下，可以将图片输入到算法平台执行检测处理，在案件图像为视频的情况下，可以首先从视频中选择出至少一帧图像，将选择出的图像输入至算法平台执行检测处理。其中，可以根据视频的各帧图像的图像质量选择图像帧，例如可以得到每帧图像的均方差，在均方差的大于设定的均方差阈值的情况下，对应的图像既可以作为被选择的图像。或者，在另一些实施方式中，还可以通过神经网络预测视频中各帧图像的图像质量得分，如果得分高于设定的分数值，则相应的图像可以被选择。
另外，图3中的算法平台可以包括执行检测处理的神经网络，通过该神经网络可以输出输入的案件图像的检测结果，该检测结果可以包括图像中包括的目标对象的位置、目标对象的特征，以及还可以得到目标对象对应的属性特征，如图3示出对于不同目标对象可以得到的不同属性特征，该属性特征可以根据得到的人脸特征以及人体特征中的至少一种确定，或者在目标对象为其他类型的对象的情况下，可以根据目标对象的特征得到不同的属性特征。如3所示，在目标对象为人脸的情况下，得到的属性特征可以包括是否佩戴口罩、是否佩戴眼镜，以及是否留有胡须。在目标对象为行人时，属性特征可以包括上衣的类型、裤子的类型、鞋的类型。以及在目标对象为自行车的情况下，属性特征可以包括车的颜色，品牌以及车牌。或者在目标对象为机动车的情况下，属性特征可以包括车的颜色以及类型。上述仅为示例性说明目标对象的检测结果以及相应的属性特征，不作为本公开的具体限定。
在得到第一案件图像的第一检测结果和第二案件图像的第二检测结果的情况下，可以将第一案件图像的第一检测结果与第二案件的第二检测结果进行比对，得到第一案件图像中的第一目标对象与各第二案件图像中的第二目标对象之间的关联度，可以进一步确定第一案件图像和第二案件图像中的第一目标对象和第二目标对象是否为相同的对象。
图4示出根据本公开实施例的一种案件关联方法中步骤S30的流程图。其中，所述将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度，包括：
S31：获得所述第一检测结果中的所述第一目标对象的特征与所述第二检测结果中的所述第二目标对象的特征之间的相似度；
在一些可能的实施方式中，可以直接将第一检测结果中第一目标对象的特征与第二检测结果中第二目标对象的特征进行比对，可以计算两个特征之间的相似度，如可以计算余弦相似度，本公开对此不作具体限定。其中目标对象的特征可以表示成向量或者矩阵的形式，用以表示案件图像中目标对象所在区域的各像素点的特征值。
在一些可能的实施方式中，第一目标对象和第二目标对象可以包括人脸，则可以计算两个案件的案件图像中的人脸特征之间的相似度。或者第一目标对象和第二目标对象可以包括人体，可可以计算两个案件的案件图像中的人体特征之间的相似度。或者，第一目标对象和第二目标对象可以分别包括人脸和人体，此时可以首先计算两个案件图像的人脸特征之间相似度，如果该人脸特征之间的相似度大于第一相似度阈值，可以将该人脸特征之间的相似度作为目标对象的特征之间的相似度。如果，人脸特征之间的相似度小于或者等于第一相似度阈值，可以进一步得到人体特征之间的相似度，并将人体特征之间的相似度作为目标对象的特征之间的相似度。
S32：将所述相似度确定为所述第一检测结果对应的所述第一案件图像中的所述第一目标对象和所述第二检测结果对应的所述第二案件图像中的所述第二目标对象之间的关联度。
在得到第一案件图像中第一目标对象和第二案件图像中第二目标对象的特征之间的相似度的情况下，可以将该相似度确定为第一案件图像中第一目标对象与第二案件图像中第二目标对象的关联度，该关联度越高，表明两个目标对象为相同目标对象的可能性越高。
在得到第一案件图像与第二案件图像中目标对象的关联度的情况下，可以得到第一案件图像和第二案件图像之间的关联结果，其中该关联结果可以包括第一案件图像以及第二案件图像的目标对象之间的关联度，以及第一案件图像对应的第一案件和第二案件图像对应的第二案件的案件信息。每个案件都具有相应的案件信息，该案件信息可以包括案件标识，或者也可以包括案件对应的具体案件信息。图5示出根据本公开实施例中不同案件图像对应的案件的关联结果。关联结果中可以突出显示两个比对的案件图像以及案件图像中目标对象的关联度，如可以将两个比对的案件图像并排显示，并将关联度突出显示在比对的案件图像上。同时还可以显示案件图像的标识，以及对应案件的标识，以及案件信息。如图5所示，可以将案件标识、图像标识以及其他案件信息显示在比对的案件图像下方。上述显示方式不作为本公开的具体限定。
另外，如上述实施例所述，本公开实施例可以得到案件库中任意两个案件之间的关联结果。其中，本公开实施例可以基于案件组形成多个案件组，如从案件组中选择出多组案件组，每个案件组包括两个案件。其中该多组案件组可以通过接收到的选择信息生成的，也可以随机从案件库中选择的案件组，或者也可以是案件组中全部案件形成的案件组。其中，本公开实施例可以对形成的案件组中的案件图像执行检测处理，进而得到相应的检测结果。并根据得到的检测结果之间的关联度生成关联结果。本公开实施例可以按照关联结果中关联度从高到低的顺序，显示各案件组关联结果，所述关联结果包括所述案件组中案件的图像、案件之间的关联度，以及案件的标识，还可以包括案件图像的标识和其他案件信息等。
另外，本公开实施例可以根据案件发生时间范围，将该时间范围内对应的案件的案件图像进行比对得到比对结果，进而得到比对的案件之间的关联结果。图5所示可以全部时间范围内案件图像之间关联结果。其中按照关照度从高到低的顺序排列显示。
另外，在本公开的一些实施方式中，还可以接收输入的查看案件详细信息的指示。如上述实施例所述，本公开实施例的案件可以具有对应的案件信息，其中，在接收到关于所述任一案件组的第一指令的情况下，在显示界面中显示所述任一案件组中的两个案件的案件信息，以及在所述显示界面底部显示所述任一案件组以外的案件组的关联结果。图6示出本公开实施例中显示案件信息的显示界面的示意图。其中，在显示界面的主界面上显示了比对的两个案件的案件信息，此时可以基于对该两个案件的案件组的第一指令触发显示，同时在显示界面的底部还可以显示其余案件组的关联结果。从而更加全面的显示案件比对结果。
另外，在本公开实施例中，还可以实现以图搜图，得到输入图像对应的关联结果。其中可以首先获取输入图像，获得所述输入图像的检测结果；将所述输入图像的检测结果与案件库中各案件的案件图像的检测结果进行比对，得到所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度；基于所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度，确定所述输入图像的关联结果。其中，输入图像可以为任意目标对象相关的图像，通过对该输入图像执行检测处理得到输入图像中目标对象的特征，进而将该目标对象的特征与案件库中案件图像对应的目标对象的特征进行比对，得到特征之间的相似度，进而得到输入图像与案件库中各案件图像中目标对象的关联度，得到输入图像的关联结果。其中该关联结果可以表示输入图像中的目标对象与案件的案件图像中的目标对象的相似度，其中可以按照相似度从高到低的顺序显示各案件。
另外，在本公开实施例中，还可以接收关于目标对象的身份的第一指示信息。在得到第一案件和第二案件的关联结果的情况下，还可以进一步接收关于第一案件图像中的第一目标对象和/或第二案件图像中的第二目标对象的身份的第一指示信息，其中该身份可以包括嫌疑对象和待研判对象。
其中，可以接收所述第一案件图像中的第一目标对象以及所述第二案件图像中的第二目标对象中的至少一个目标对象是否为对应案件的嫌疑对象的第一指示信息；并基于所述第一指示信息，将所述第一案件图像中的第一目标对象以及所述第二案件图像中的第二目标对象中的至少一个目标对象确定为嫌疑对象或者待研判对象。
图7示出根据本公开实施例中确认案件图像中目标对象的身份的示意图。其中，本公开实施例可以接收关于案件图像中目标对象的身份的第一指示信息，如可以右击案件图像，此时可以根据提示框中的身份类别标记目标对象的身份，从中选择出目标对象当前的身份为嫌疑对象或者待研判对象，待研判对象表示不确定该目标对象的身份。
另外，在本公开实施例中，还可以接收关于关联结果中两个案件是否关联的第二指示信息。在得到第一案件和第二案件的关联结果的情况下，还可以进一步确定关于第一案件和第二案件是否为关联案件。
其中，基于所述第一案件和第二案件的关联结果，接收所述第二案件是否为所述第一案件的关联案件的第二指示信息；
基于所述二指示信息，将所述第一案件和所述第二案件确定为关联案件或者无关案件。
图8示出根据本公开实施例中确认案件是否为关联案件的示意图。其中，本公开实施例可以接收关于关联结果对应的两个案件是否为关联案件的第二指示信息。其中关联案件可以表示两个案件同一犯罪团伙犯案，或者两个案件具有因果关系或者其他关联的案件。通过接收输入的第二指示信息可以确定两个案件是否为关联案件。
另外，本公开实施例还可以根据确定为嫌疑对象的目标对象之间的关联，形成团伙关系网。图9示出根据本公开实施例中得到团伙关系网的流程图。如图9所述，得到团伙关系网的流程图包括：
S51：获取案件库中各案件的嫌疑对象；
在一些可能的实施方式中，通过上述嫌疑对象的身份的确定，可以得到案件中作为嫌疑对象的目标对象。其中可嫌疑对象可以相应案件关联。
S52：在两个嫌疑对象对应相同的案件的情况下，利用该相同的案件建立所述两个所述嫌疑对象之间的连接；
在一些可能的实施方式中，如果两个嫌疑对象关联有相同的案件，此时可以通过该相同的案件建立两个嫌疑对象之间的连接，例如嫌疑对象A关联有案件S1，嫌疑对象B关联有案件S2和S3，嫌疑对象C关联有案件S1和S3。此时，可以在嫌疑对象A和C之间通过案件S1建立连接，嫌疑对象B和C之间通过案件S3建立连接。上述仅为示例性说明，不作为本公开的具体限定。
S53：基于全部的嫌疑对象之间构建的所述连接，形成所述多个案件对应的团伙关系网。
在一些可能的实施方式中，在确定案件的案件图像中的一个或多个对象为嫌疑对象的情况下，可以将该嫌疑对象的相关信息以及对应的案件信息存储到人案关系库中，该人案关系库中可以存储确定嫌疑对象的身份以及相应的案件，对应的基于该人案关系库中存储的嫌疑对象信息以及相应的案件信息，可以建立每个嫌疑对象的人案关系链，该人案关系链中可以包括每个嫌疑对象对应的全部案件。
基于上述各嫌疑对象通过案件构建的链接关系，可以形成案件对应的团伙关系网。例如可以建立相同嫌疑对象对应的不同案件，构建不同案件和不同嫌疑对象构成的团伙关系网。图10示出根据本公开实施例形成的团伙关系网的示意图，通过该结构可以明确清楚的得到各嫌疑对象之间的关联以及案件的关联，方便办案人员侦查。而且，团伙关系网中还可以包括两个嫌疑对象所连接的相同案件的数量，也就是共同涉案的案件数量。
另外，根据形成的团伙关系网，或者根据确定的案件的嫌疑对象，可以形成前科数据库，该前科数据库中可以包括每个嫌疑对象的信息，嫌疑对象涉案信息，以及任意两个嫌疑对象之间的关联关系(如是否具有相关联的案件)等信息。通过该前科数据库可以方便的获得前科人员(嫌疑对象)之间的关联性以及涉案信息，方便查询和管理。
在本公开实施例中，可以利用第一案件与至少一个第二案件分别对应的案件图像的检测结果，得到第一案件图像和第二案件图像中的目标对象(或者嫌疑对象)的人脸特征之间的关联度，根据该关联度可以得到第一案件与第二案件之间的关联结果。通过本公开实施例可以方便的获得案件之间的相关性的预警。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了案件关联装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种案件关联方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图11示出根据本公开实施例的一种案件关联装置的框图，如图11所示，所述案件关联装置包括：
获取模块10，用于获取第一案件的第一案件图像和第二案件的第二案件图像；
检测模块20，用于对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；
比对模块30，用于将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；
关联模块40，用于根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。
在一些可能的实施方式中，所述检测模块还用于对所述第一案件图像执行目标检测处理，检测所述第一案件图像中的所述第一目标对象的位置，以及对所述第二案件图像执行目标检测处理，检测所述第二案件图像中的所述第二目标对象的位置；
基于所述第一案件图像中所述第一目标对象的位置，得到所述第一案件图像中所述第一目标对象的特征，以及基于所述第二案件图像中所述第二目标对象的位置得到所述第二案件图像中所述第二目标对象的特征；
基于所述第一案件图像中所述第一目标对象的位置以及所述第一目标对象的特征确定所述第一检测结果，基于所述第二案件图像中所述第二目标对象的位置以及所述第二目标对象的特征确定所述第二检测结果。
在一些可能的实施方式中，所述第一检测结果包括所述第一案件图像中所述第一目标对象的人脸特征和人体特征中的至少一种，所述第二检测结果包括所述第二案件图像中所述第二目标对象的人脸特征和人体特征中的至少一种。
在一些可能的实施方式中，所述比对模块还用于获得所述第一检测结果中的所述第一目标对象的特征与所述第二检测结果中的所述第二目标对象的特征之间的相似度；
将所述相似度确定为所述第一检测结果对应的所述第一案件图像中的所述第一目标对象和所述第二检测结果对应的所述第二案件图像中的所述第二目标对象之间的关联度。
在一些可能的实施方式中，所述装置还包括显示模块，用于从案件库中选择至少一组案件组，所述案件组包括两个案件；
确定所述案件组中的两个案件的关联结果；
按照所述关联结果中关联度从高到低的顺序，显示所述至少一组案件组的关联结果。
在一些可能的实施方式中，所述第一案件图像关联有相应的第一案件信息，所述第二案件图像关联有相应的第二案件的第二案件信息；
所述显示模块还用于在接收到任一案件组的第一指令的情况下，显示所述任一案件组中的两个案件的案件信息，以及显示所述任一案件组以外的案件组的关联结果。
在一些可能的实施方式中，所述装置还包括身份确定模块，用于接收所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象是否为对应案件的嫌疑对象的第一指示信息；
基于所述第一指示信息，对应地将所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象确定为嫌疑对象或者待研判对象。
在一些可能的实施方式中，所述关联模块还用于基于所述第一案件和第二案件的关联结果，接收所述第二案件是否为所述第一案件的关联案件的第二指示信息；
基于所述二指示信息，将所述第一案件和所述第二案件确定为关联案件或者无关案件。
在一些可能的实施方式中，所述装置还包括管理模块，用于获取案件库各案件对应的嫌疑对象，以及利用每个所述嫌疑对象对应的案件，建立前科数据库。
在一些可能的实施方式中，所述管理模块还用于在两个所述嫌疑对象对应相同的案件的情况下，利用所述相同的案件建立所述两个所述嫌疑对象之间的连接；
基于全部的所述嫌疑对象之间构建的所述连接，形成团伙关系网。
在一些可能的实施方式中，所述获取模块还用于获取输入图像；
所述检测模块还用于获得所述输入图像的检测结果；
所述比对模块还用于将所述输入图像的检测结果与案件库中各案件的案件图像的检测结果进行比对，得到所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度；
关联模块还基于所述输入图像中目标对象与案件库中各案件的案件图像的目标对象之间的关联度，确定所述输入图像的关联结果。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种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被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图12示出根据本公开实施例的一种电子设备的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图12，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图13示出根据本公开实施例的另一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图13，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种案件关联方法，其特征在于，包括：
获取第一案件的第一案件图像和第二案件的第二案件图像；
对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；
将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；
根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。
2.根据权利要求1所述的方法，其特征在于，对所述第一案件图像和第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及第二案件图像的第二检测结果，包括：
对所述第一案件图像执行目标检测处理，检测所述第一案件图像中的所述第一目标对象的位置，以及对所述第二案件图像执行目标检测处理，检测所述第二案件图像中的所述第二目标对象的位置；
基于所述第一案件图像中所述第一目标对象的位置，得到所述第一案件图像中所述第一目标对象的特征，以及基于所述第二案件图像中所述第二目标对象的位置得到所述第二案件图像中所述第二目标对象的特征；
基于所述第一案件图像中所述第一目标对象的位置以及所述第一目标对象的特征确定所述第一检测结果，基于所述第二案件图像中所述第二目标对象的位置以及所述第二目标对象的特征确定所述第二检测结果。
3.根据权利要求2所述的方法，其特征在于，所述第一检测结果包括所述第一案件图像中所述第一目标对象的人脸特征和人体特征中的至少一种，所述第二检测结果包括所述第二案件图像中所述第二目标对象的人脸特征和人体特征中的至少一种。
4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度，包括：
获得所述第一检测结果中的所述第一目标对象的特征与所述第二检测结果中的所述第二目标对象的特征之间的相似度；
将所述相似度确定为所述第一检测结果对应的所述第一案件图像中的所述第一目标对象和所述第二检测结果对应的所述第二案件图像中的所述第二目标对象之间的关联度。
5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述方法还包括：
从案件库中选择至少一组案件组，所述案件组包括两个案件；
确定所述案件组中的两个案件的关联结果；
按照所述关联结果中关联度从高到低的顺序，显示所述至少一组案件组的关联结果。
6.根据权利要求5所述的方法，其特征在于，所述第一案件图像关联有相应的第一案件信息，所述第二案件图像关联有相应的第二案件的第二案件信息；
所述方法还包括：
在接收到任一案件组的第一指令的情况下，显示所述任一案件组中的两个案件的案件信息，以及显示所述任一案件组以外的案件组的关联结果。
7.根据权利要求1-6中任意一项所述的方法，其特征在于，所述方法还包括：
接收所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象是否为对应案件的嫌疑对象的第一指示信息；
基于所述第一指示信息，对应地将所述第一案件图像中的所述第一目标对象以及所述第二案件图像中的所述第二目标对象中的至少一个目标对象确定为嫌疑对象或者待研判对象。
8.一种案件关联装置，其特征在于，包括：
获取模块，用于获取第一案件的第一案件图像和第二案件的第二案件图像；
检测模块，用于对所述第一案件图像和所述第二案件图像分别执行检测处理，得到所述第一案件图像的第一检测结果以及所述第二案件图像的第二检测结果，所述第一检测结果包括所述第一案件图像中的第一目标对象对应的特征，所述第二检测结果包括所述第二案件图像中的第二目标对象对应的特征；
比对模块，用于将所述第一检测结果与所述第二检测结果进行比对，得到所述第一案件图像中的所述第一目标对象和所述第二案件图像中的所述第二目标对象之间的关联度；
关联模块，用于根据所述的第一目标对象和所述目标对象之间的关联度，得到所述第一案件相对于所述第二案件的关联结果。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN201910918970.2A 2019-09-26 2019-09-26 案件关联方法及装置、电子设备和存储介质 Pending CN110717425A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910918970.2A CN110717425A (zh) 2019-09-26 2019-09-26 案件关联方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910918970.2A CN110717425A (zh) 2019-09-26 2019-09-26 案件关联方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110717425A true CN110717425A (zh) 2020-01-21

Family

ID=69210990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910918970.2A Pending CN110717425A (zh) 2019-09-26 2019-09-26 案件关联方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN110717425A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256788A (zh) * 2020-10-09 2021-01-22 珠海市新德汇信息技术有限公司 侦查智慧脑图方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655860A (zh) * 2009-09-16 2010-02-24 北京中盾安全技术开发公司 一种刑侦破案视频辅助分析方法及系统
CN102819578A (zh) * 2012-07-24 2012-12-12 武汉大千信息技术有限公司 视频侦查嫌疑目标分析系统及方法
CN103237201A (zh) * 2013-04-28 2013-08-07 江苏物联网研究发展中心 一种基于社会化标注的案件视频研判方法
CN105719408A (zh) * 2016-01-19 2016-06-29 北京绿源众邦节能科技有限公司 一种多功能警银亭
CN106127241A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第二十八研究所 一种串并案分类方法及串并案分类系统
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
CN106228137A (zh) * 2016-07-26 2016-12-14 广州市维安科技股份有限公司 一种基于关键点定位的atm机异常人脸检测方法
CN107506355A (zh) * 2016-06-14 2017-12-22 阿里巴巴集团控股有限公司 对象分组方法及装置
CN107590439A (zh) * 2017-08-18 2018-01-16 湖南文理学院 基于监控视频的目标人物识别追踪方法和装置
CN108257070A (zh) * 2018-02-24 2018-07-06 杭州数梦工场科技有限公司 犯罪嫌疑人定位方法、装置、电子设备和存储介质
CN108470312A (zh) * 2018-02-07 2018-08-31 中国平安人寿保险股份有限公司 理赔案件的分析方法、装置、存储介质及终端
CN108776798A (zh) * 2018-08-15 2018-11-09 深圳市至壹科技开发有限公司 可穿戴式智能设备及基于该设备的身份识别方法和系统
CN109446998A (zh) * 2018-10-31 2019-03-08 广州小鹏汽车科技有限公司 目标人物检测方法及系统
CN109492604A (zh) * 2018-11-23 2019-03-19 北京嘉华科盈信息系统有限公司 人脸模型特征统计分析系统
CN208848212U (zh) * 2018-08-15 2019-05-10 深圳市至壹科技开发有限公司 一种可穿戴式智能设备
CN110177255A (zh) * 2019-05-30 2019-08-27 北京易华录信息技术股份有限公司 一种基于案件调度的视频信息发布方法及系统
CN110209760A (zh) * 2019-06-13 2019-09-06 北京百度网讯科技有限公司 历审案件关联的方法和装置、电子设备、计算机可读介质
CN110516097A (zh) * 2019-08-21 2019-11-29 深圳云天励飞技术有限公司 一种图像数据关联分析方法、装置及存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655860A (zh) * 2009-09-16 2010-02-24 北京中盾安全技术开发公司 一种刑侦破案视频辅助分析方法及系统
CN102819578A (zh) * 2012-07-24 2012-12-12 武汉大千信息技术有限公司 视频侦查嫌疑目标分析系统及方法
CN103237201A (zh) * 2013-04-28 2013-08-07 江苏物联网研究发展中心 一种基于社会化标注的案件视频研判方法
CN105719408A (zh) * 2016-01-19 2016-06-29 北京绿源众邦节能科技有限公司 一种多功能警银亭
CN107506355A (zh) * 2016-06-14 2017-12-22 阿里巴巴集团控股有限公司 对象分组方法及装置
CN106127241A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第二十八研究所 一种串并案分类方法及串并案分类系统
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
CN106228137A (zh) * 2016-07-26 2016-12-14 广州市维安科技股份有限公司 一种基于关键点定位的atm机异常人脸检测方法
CN107590439A (zh) * 2017-08-18 2018-01-16 湖南文理学院 基于监控视频的目标人物识别追踪方法和装置
CN108470312A (zh) * 2018-02-07 2018-08-31 中国平安人寿保险股份有限公司 理赔案件的分析方法、装置、存储介质及终端
CN108257070A (zh) * 2018-02-24 2018-07-06 杭州数梦工场科技有限公司 犯罪嫌疑人定位方法、装置、电子设备和存储介质
CN108776798A (zh) * 2018-08-15 2018-11-09 深圳市至壹科技开发有限公司 可穿戴式智能设备及基于该设备的身份识别方法和系统
CN208848212U (zh) * 2018-08-15 2019-05-10 深圳市至壹科技开发有限公司 一种可穿戴式智能设备
CN109446998A (zh) * 2018-10-31 2019-03-08 广州小鹏汽车科技有限公司 目标人物检测方法及系统
CN109492604A (zh) * 2018-11-23 2019-03-19 北京嘉华科盈信息系统有限公司 人脸模型特征统计分析系统
CN110177255A (zh) * 2019-05-30 2019-08-27 北京易华录信息技术股份有限公司 一种基于案件调度的视频信息发布方法及系统
CN110209760A (zh) * 2019-06-13 2019-09-06 北京百度网讯科技有限公司 历审案件关联的方法和装置、电子设备、计算机可读介质
CN110516097A (zh) * 2019-08-21 2019-11-29 深圳云天励飞技术有限公司 一种图像数据关联分析方法、装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256788A (zh) * 2020-10-09 2021-01-22 珠海市新德汇信息技术有限公司 侦查智慧脑图方法
CN112256788B (zh) * 2020-10-09 2024-04-19 珠海市新德汇信息技术有限公司 侦查智慧脑图方法

Similar Documents

Publication Publication Date Title
US20210103733A1 (en) Video processing method, apparatus, and non-transitory computer-readable storage medium
CN110472091B (zh) 图像处理方法及装置、电子设备和存储介质
CN109948494B (zh) 图像处理方法及装置、电子设备和存储介质
CN110569777B (zh) 图像处理方法及装置、电子设备和存储介质
CN110942036B (zh) 人员识别方法及装置、电子设备和存储介质
CN109934275B (zh) 图像处理方法及装置、电子设备和存储介质
EP2978265A1 (en) Method and apparatus for automatically connecting wireless network
CN110633700B (zh) 视频处理方法及装置、电子设备和存储介质
CN111274426A (zh) 类别标注方法及装置、电子设备和存储介质
CN112219224B (zh) 图像处理方法及装置、电子设备和存储介质
CN109543536B (zh) 图像标识方法及装置、电子设备和存储介质
CN111523346B (zh) 图像识别方法及装置、电子设备和存储介质
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN112016443B (zh) 同行识别方法及装置、电子设备和存储介质
CN111553372A (zh) 一种训练图像识别网络、图像识别搜索的方法及相关装置
CN113139471A (zh) 目标检测方法及装置、电子设备和存储介质
CN110909203A (zh) 视频分析方法及装置、电子设备和存储介质
CN110633715B (zh) 图像处理方法、网络训练方法及装置、和电子设备
CN111625671A (zh) 数据处理方法及装置、电子设备及存储介质
CN111652107A (zh) 对象计数方法及装置、电子设备和存储介质
CN113261011A (zh) 图像处理方法及装置、电子设备和存储介质
CN110781842A (zh) 图像处理方法及装置、电子设备和存储介质
CN110929545A (zh) 人脸图像的整理方法及装置
CN110955800A (zh) 视频检索方法及装置
CN111339964B (zh) 图像处理方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200121

RJ01 Rejection of invention patent application after publication