CN111563086A - 信息关联方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种信息关联方法、装置、设备及存储介质。方法包括：获得目标对象的第一结构化数据，其中，所述第一结构化数据为身份信息已知的结构化数据；基于所述第一结构化数据，获取结构化数据集合，其中，所述结构化数据集合包括所述目标对象的第二结构化数据，所述第二结构化数据为身份信息未知的结构化数据；将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据；将所述目标结构化数据与所述第一结构化数据的身份信息进行关联。本申请不仅提高了关联效率，节省了人工成本，且在提高数据关联性的基础上，为数据挖掘提供了数据来源。

Description

信息关联方法、装置、设备及存储介质

本申请要求于2020年01月13日提交的申请号为202010032778.6、发明名称为“信息关联方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请实施例涉及数据处理技术领域，特别涉及一种信息关联方法、装置、设备及存储介质。

背景技术

随着智能交通的发展，大多数道路上均设置有用于拍摄图片的监控点或抓拍机等设备。通过该设备拍摄图片，将拍摄的图片转换成人脸结构化数据或者人体结构化数据之后，可以将该人脸结构化数据或者人体结构化数据与档案信息相关联，以实现更为广泛的应用，如基于关联的信息进行人员监控等。

相关技术中，将图片转换成结构化数据后，一般由人工标注的方式打上档案信息，以实现结构化数据与档案信息的关联。

然而，由于拍摄的图片较多，人工标注的方式实现信息关联，不仅效率较低，且人力成本高。

发明内容

本申请实施例提供了一种信息关联方法、装置、设备及存储介质，可用于解决相关技术中的问题。所述技术方案如下：

一方面，本申请实施例提供了一种信息关联方法，所述方法包括：

获得目标对象的第一结构化数据，其中，所述第一结构化数据为身份信息已知的结构化数据；

基于所述第一结构化数据，获取结构化数据集合，其中，所述结构化数据集合包括所述目标对象的第二结构化数据，所述第二结构化数据为身份信息未知的结构化数据；将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据；

将所述目标结构化数据与所述第一结构化数据的身份信息进行关联。

可选地，所述基于所述第一结构化数据，获取结构化数据集合，包括：

确定所述第一结构化数据的采集地点；

基于所述采集地点，确定结构化数据集合的采集地区范围；

获取所述采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

可选地，所述基于所述采集地点，确定结构化数据集合的采集地区范围，包括：

基于第一采集地点、第二采集地点以及路网信息，确定所述第一采集地点与所述第二采集地点之间的可选路径；其中，所述第一采集地点、第二采集地点为采集时间相邻的两个所述第一结构化数据的采集地点；

确定所述可选路径为结构化数据集合的采集地区范围。

可选地，所述预设时间范围为采集时间相邻的两个所述第一结构化数据的采集时间间隔。

可选地，所述将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，所述方法还包括：

将所述目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；

基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

可选地，所述将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，还包括：

选择一个所述目标结构化数据中的人体模型作为封面；

将所述目标结构化数据中的人体模型分别与所述封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

还提供了一种信息关联装置，所述装置包括：

第一获取模块，用于获得目标对象的第一结构化数据，其中，所述第一结构化数据为身份信息已知的结构化数据；

第二获取模块，用于基于所述第一结构化数据，获取结构化数据集合，其中，所述结构化数据集合包括所述目标对象的第二结构化数据，所述第二结构化数据为身份信息未知的结构化数据；

确定模块，用于将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据；

关联模块，用于将所述目标结构化数据与所述第一结构化数据的身份信息进行关联。

可选地，所述第二获取模块，用于确定所述第一结构化数据的采集地点；基于所述采集地点，确定结构化数据集合的采集地区范围；获取所述采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

可选地，所述第二获取模块，用于基于第一采集地点、第二采集地点以及路网信息，确定所述第一采集地点与所述第二采集地点之间的可选路径；其中，所述第一采集地点、第二采集地点为采集时间相邻的两个所述第一结构化数据的采集地点；确定所述可选路径为结构化数据集合的采集地区范围。

可选地，所述预设时间范围为采集时间相邻的两个所述第一结构化数据的采集时间间隔。

可选地，所述确定模块，还用于将所述目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

可选地，所述确定模块，还用于选择一个所述目标结构化数据中的人体模型作为封面；将所述目标结构化数据中的人体模型分别与所述封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

还提供了一种信息关联设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如上任一所述的信息关联方法。

还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，所述指令由处理器加载并执行以实现如上任一所述的信息关联方法。

本申请实施例提供的技术方案至少带来如下有益效果：

获取身份信息已知的第一结构化数据，基于身份信息已知的第一结构化数据获取结构化数据集合后，由于该结构化数据集合中包括身份信息未知的第二结构化数据，通过将结构化数据集合中的结构化数据与第一结构化数据进行比对，将根据比对结果确定的目标结构化数据与第一结构化数据的身份信息关联，从而在无需手动操作的情况下，实现了结构化数据与身份信息的自动关联，不仅提高了关联效率，节省了人工成本，且在提高数据关联性的基础上，为数据挖掘提供了数据来源。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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他的附图。

图1是本申请实施例提供的一种信息关联方法的实施环境示意图；

图2是本申请实施例提供的一种信息关联***的结构示意图；

图3是本申请实施例提供的一种信息关联方法流程图；

图4是本申请实施例提供的一种获取结构化数据的过程示意图；

图5是本申请实施例提供的一种信息关联方法流程图；

图6是本申请实施例提供的一种信息关联过程示意图；

图7是本申请实施例提供的一种信息关联装置的结构示意图；

图8是本申请实施例提供的一种信息关联设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种信息关联方法，该方法的实施环境如图1所示。图1中，道路上布局有监控点11和人脸抓拍机12。其中，监控点11是一种视频捕捉设备，人脸抓拍机12可以是对人脸进行追踪、识别、智能放大的高清监控智能摄像机。针对监控点11监控得到的视频流和人脸抓拍机12抓拍得到的抓拍图像数据，由信息关联***13实现对视频流和图像数据进行建模和结构化处理，得到模型数据和结构化数据之后，将该模型数据、结构化数据与身份信息进行关联。通过模型数据、结构化数据与身份信息相关联，可将该关联结果应用于人员监控等场景中。

示例性地，该信息关联***13可以应用于服务器。参见图2，该信息关联***13包括数据接入单元130、数据分发单元131、处理器132、名单库管理单元133、名单库存储单元134、比对单元135、结构化数据存储单元136、标签单元137、资源管理单元138和搜图单元139。

应用该信息关联***13进行信息关联时，先由名单库管理单元133导入名单库，该名单库中记录有名单库信息，名单库信息包括但不限于身份信息及与身份信息对应的对象图片，身份信息包括但不限于姓名、性别、出生日期、身份证件号码等。为便于后续使用名单库信息，名单库管理单元133将对象图片发送至处理器132，由处理器132对该对象图片进行建模，生成与身份信息对应的对象模型，并将对象模型返回至名单库管理单元133；名单库管理单元133得到对象模型后，将包含对象模型的名单库信息返回至名单库存储单元134进行存储，并通知比对单元135名单库信息发生变更，以使比对单元135根据通知，增量更新名单库信息。

如图2所示，本申请实施例以两个数据接入单元130和两个数据分发单元131为例，其中一个数据接入单元130与监控点11连接，接入监控点11拍摄得到的视频流，将该视频流发送至对应的数据分发单元131。另外一个数据接入单元130与人脸抓拍机12连接，接入人脸抓拍机12拍摄到的抓拍图片(包括人脸抓拍背景图)，将抓拍图片(包括人脸抓拍背景图)发送至对应的数据分发单元131。两个数据分发单元131分别将接收到的视频流和抓拍图片发送至处理器132。

处理器132可以为GPU(Graphics Processing Unit，图形处理器)，一方面，对人脸抓拍机12拍摄到的抓拍图片(包括人脸抓拍背景图)进行建模，得到面部模型，并采用指定的算法对抓拍图片中的人脸数据进行结构化分析，将人脸数据结构化分析结果、面部模型以及抓拍图片作为人脸结构化数据。当抓拍图片中包括人体数据时，还可以对抓拍图片中的人体数据进行建模，得到人体模型，并采用指定的算法对人体数据进行结构化分析，将人体数据结构化分析结果、人体模型以及抓拍图片作为人体结构化数据，并且将得到的人脸结构化数据和人体结构化数据进行关联标识，再将已进行关联标识的人体结构化数据转发给结构化数据存储单元136进行存储，将包含面部模型的人脸结构化数据转发给比对单元135，以用于后续与名单库信息中的对象模型进行比对。另一方面，采用指定的算法对视频流中的人体数据进行人体建模，得到人体模型，并采用指定的算法对人体数据进行结构化分析，将人体数据结构化分析结果、人体模型作为人体结构化数据，并将得到的人体结构化数据转发给结构化数据存储单元136进行存储。因此，结构化数据存储单元136中包含同一对象的已关联人脸结构化数据的人体结构化数据、未关联人脸结构化数据的人体结构化数据。

比对单元135可从名单库存储单元134中拉取名单库信息，将处理器132发送的面部模型与名单库信息中的对象模型进行比对，对比中的面部模型与名单库中的身份信息相关联，从而实现与该比中的面部模型相关联的人脸结构化数据也能够与名单库中的身份信息相关联，并将关联了身份信息的人脸结构化数据转发给结构化数据存储单元136进行存储，间接使得结构化数据存储单元136中存储的与该人脸结构化数据关联的人体结构化数据也能够与该身份信息相关联(对应下文的第一结构化数据)。如前所述，比对单元135可根据名单库管理单元133的名单库信息发生变更的通知，增量更新名单库信息，用于对处理器132发送的面部模型与名单库信息中的对象模型进行对比的过程，以确保比对的实时性与准确率。

在实现本申请的信息关联方法中，首先，获取同一对象的身份信息相关联的人体结构化数据，该人体结构化数据包括该对象的人体模型；该获取方法具体可以为：获取历史数据，如前一天被人脸抓拍机12抓拍且与名单库中的身份信息相关联的档案标识，根据档案标识检索与该标识相关联的人脸结构化数据，根据人体结构化数据及人脸结构化数据的关联标识检索出处理器132分析出的人脸抓拍机12抓拍得到的人体结构化数据。之后，获取包括该对象的身份信息未关联的人体结构化数据集合，该人体结构化数据包括该对象的人体模型；该获取方法具体可以为：按时间进行顺序排序，在同一对象的身份信息相关联的人体结构化数据中从前往后依次取出该对象的相邻两条人体结构化数据，并取出上述两条人体结构化数据的采集地点。基于该采集地点及路网数据计算出上述两个地点之间的可选路径，通过资源管理单元138检索出在该可选路径中的监控点。以上述可选路径中的监控点作为检索范围，缩小了在资源管理单元138所管理的监控点中进行检索的检索范围。由资源管理单元138返回满足条件的点位信息，即监控点的位置信息。以上述检索出的监控点、相邻两条人体结构化数据的抓拍时间间隔为条件，从结构化数据存储单元136获得上述检索出的监控点在该抓拍时间间隔内的结构化数据，作为包括该对象的身份信息未关联的人体结构化数据集合。之后，以上述相邻两条人体结构化数据中的人体模型为条件，由搜图单元139按照指定相似度阈值在上述包括该对象的身份信息未关联的人体结构化数据集合中进行以图搜图，检索出达到相似度阈值的人体结构化数据，得到搜索结果。标签单元137还可以将该搜索结果与上述相邻两条人体结构化数据的结构化属性进行比对，提取出满足指定规则的人体结构化数据。其中，指定规则可包括：对该搜索结果数据根据时间进行顺序排序，依次计算相邻两条记录的采集地点间的距离除以时间差的值。当该值大于指定阈值(行走、骑自行车、骑电瓶车对应的阈值不同)时，数据无效，提取出不大于指定阈值的人体结构化数据作为满足指定规则的结构化数据。最后，标签单元137将满足指定规则的人体结构化数据打上人员身份信息，再将打上人员身份信息的人体结构化数据发送至结构化数据存储单元136进行存储，从而实现同一对象的未关联身份信息的人体结构化数据的身份信息关联。

此外，为了提高准确度，用户可在满足指定规则的结果中指定参考目标数据，在此基础上，将满足指定规则的结果与用户指定的参考目标数据进行相似度比对和结构化属性字段比对，提取满足阈值的结果数据，从而得到目标结构化数据。将目标结构化数据与之前选取的结构化数据所关联的身份信息进行关联，即打上人员档案标识。可选地，本申请实施例提供的方法还可支持用户对打上人员档案标识的数据进行手动取消或者手动确认。

接下来，基于上述图1所示的实施环境及图2所示的***，对本申请实施例提供的信息关联方法进行说明。该方法可应用于服务器中，也可以应用于具有一定计算能力的终端设备中，本申请实施例对此不进行限定，该实施例以服务器为例进行说明。如图3所示，本申请实施例提供的方法包括如下几个步骤：

步骤301，获得目标对象的第一结构化数据，其中，第一结构化数据为身份信息已知的结构化数据。

在进行本次信息关联之前，可以基于人脸抓拍机的抓拍数据获取用于后续参考的结构化数据，且将该结构化数据与身份信息相关联，得到第一结构化数据。此外，为了后续能够参照已经与身份信息相关联的第一结构化数据，可对已经与身份信息相关联的第一结构化数据进行存储。例如，仍以图2所示的信息关联***为例，由数据存储单元136存储第一结构化数据。因此，可从数据存储单元136中获取已经与身份信息相关联的第一结构化数据。

关于获得已经与身份信息相关联的第一结构化数据的方式及获得的第一结构化数据的条数，本申请实施例不加以限定。示例性地，获得数据存储单元136中存储的第一结构化数据的方式，包括但不限于：获取抓拍到的目标图像；从目标图像中获取面部数据，对面部数据建模，得到面部模型；对目标图像进行结构化分析，将人脸数据结构化分析结果、面部模型以及抓拍图片作为第一结构化数据；在名单库中获取与面部模型匹配的身份信息，名单库中记录有对象相关信息，相关信息包括对象模型和身份信息；将身份信息、第一结构化数据进行关联。

其中，抓拍到的目标图像可以是人脸抓拍机抓拍得到的，由于人脸抓拍机能够对人脸进行追踪、识别、智能放大，因而该目标图像可以包括面部数据，除此之外，该目标图像也可以包括人体数据。因此，通过对目标图像进行结构化分析得到的第一结构化数据包括但不限于人脸结构化数据，还可以包括人体结构化数据。名单库中记录有对象相关信息，该相关信息包括面部图片和身份信息。其中，面部图片可以是包含人脸的照片，身份信息包括但不限于人员姓名、性别、出生年月、证件号码等一个或多个信息。通过将身份信息、第一结构化数据进行关联，得到与身份信息相关联的第一结构化数据，即身份信息已知的第一结构化数据。可选地，在名单库中获取与面部模型匹配的身份信息之前，还包括：导入名单库。

示例性地，如图4所示，在进行信息关联的前期准备阶段，先将人员名单库信息导入，该人员名单库信息即上述名单库中记录的对象相关信息，包括但不限于面部图片和身份信息。每个人员有各自的对象相关信息，为了区分不同人员，可以为不同人员设置人员标识。之后，通过人脸抓拍子流程获取已经关联身份信息的第一结构化数据。例如，以图2所示的信息关联***为例，可以由名单库管理单元导入名单库，将名单库信息存储至名单库存储单元。在人脸抓拍子流程中，人脸抓拍机抓拍人脸图片，得到抓拍数据。数据接入单元接收抓拍数据，由数据分发单元分发抓拍数据至处理器。当处理器订阅抓拍数据时，处理器对人脸进行建模，得到人脸模型，对抓拍数据进行分析，得到人脸结构化数据。将人脸模型提交比对单元，再由比对单元拉取名单库信息，将处理器提交的人脸模型与名单库中的面部模型数据进行比对。如果比中，即人脸数据与名单库中人员的面部图片匹配，可以认为抓拍数据中包括的人脸与名单库中的人员的面部图片匹配，可以认为是同一个人员，则打上相同的人员标识，例如人员标识可以为HidN，打上人员标识即关联了身份信息。之后，可以将打上了人员标识的人脸结构化数据存储至结构化数据存储单元。对于未比中的人脸结构化数据，也可以一并存储至结构化数据存储单元，已存档，备后续识别使用。

以上仅以抓拍数据包括人脸数据为例，除此之外，处理器还可以分析抓拍数据中的人体结构化数据。在分析出人体结构化数据后，处理器将人体结构化数据与人脸结构化数据进行关联标识，以体现是同一个人员的人体结构化数据与人脸结构化数据。之后，将关联了人脸结构化数据的人体结构化数据一并存储至结构化数据存储单元。

可选地，除了人脸抓拍得到结构化数据外，监控点拍摄得到的视频流也可以获取到结构化数据，因此，也可以通过视频子流程获取已经关联身份信息的第一结构化数据。例如，以图2所示的信息关联***为例，如图4所示，在视频子流程中，监控点监控实时视频，数据接入单元接收视频流，由数据分发单元将视频流分发至处理器。处理器获取视频流，分析视频流中的人体结构化数据，该人体结构化数据还未关联身份信息，因而可作为第二人体结构化数据存储至结构化数据存储单元。

由于结构化数据存储单元中存储的第一结构化数据可以是由多个人脸抓拍机抓拍到的数据分析得到的，因此，不同第一结构化数据对应的人脸抓拍机的位置可能不同。在本申请实施例中，可将监控点拍摄得到的视频流与人脸抓拍机得到的抓拍数据进行比对，以使得同一人员的结构化数据能够关联，从而实现即使监控点未拍摄到人脸，仍然能够识别该人员的身份信息。在此情况下，如果获取的第一结构化数据对应的人脸抓拍机与监控点的位置较远，则不仅计算量较大，且结果准确性不高。因此，在示例性实施例中，获取已经与身份信息相关联的第一结构化数据，包括：获取多条已经与身份信息相关联的结构化数据；对多条已经与身份信息相关联的结构化数据按时间顺序进行排序，从同一对象的身份信息相关联的人体结构化数据中从后往前依次选取该对象的至少两条相邻的结构化数据，得到至少两条已经与身份信息相关联的第一结构化数据。

可选地，对多条已经与身份信息相关联的第一结构化数据进行排序时，可以按照时间顺序，也可以按照采集地点顺序。由于已经与身份信息相关联的第一结构化数据是基于抓拍数据得到的，因此，时间顺序是指该抓拍数据被抓拍的时间顺序，采集地点顺序是指该抓拍数据被抓拍的地点顺序。抓拍数据被抓拍的地点可以通过人脸抓拍机的位置来确定。对此，本申请实施例提供的方法可以提前为人脸抓拍机及监控点标注位置信息，该位置信息可以用经纬度表示。如图4所示，在前期准备阶段，为人脸抓拍机及监控点标注精确经纬度。由于同一人员经过不同抓拍设备和监控点的时间及位置会有一定规律，同一人员在距离较远的不同位置短期内都被拍到的几率较小，同一人员在时间差较大的不同时间被拍到的几率也较小，因而通过对多条已经与档案信息相关联的结构化数据进行排序，从排序后的结构化数据中依次选取至少两条相邻的结构化数据，可以减少后续关联信息时的计算量，提高准确度。

步骤302，基于第一结构化数据，获取结构化数据集合，其中，结构化数据集合包括目标对象的第二结构化数据，第二结构化数据为身份信息未知的结构化数据。

在本申请实施例中，第一结构化数据和第二结构化数据均可以基于监控点传回的视频流得到，也可以基于人脸抓拍机传回的抓拍图像得到。监控点与人脸抓拍机不同，人脸抓拍机是一种能够对人脸进行追踪、识别、智能放大的高清监控智能摄像机，而监控点可以是一种视频捕捉设备，由该监控点监控拍摄得到的视频流中一般会包括人体，但不一定会抓拍到人脸。例如，对于戴帽子或眼镜的人员，监控点抓拍得到的视频流中能够体现人体结构，但可能没办法清晰体现人脸。因此，本申请实施例可针对监控点监控拍摄得到的视频流来进行分析，得到人体结构化数据。当然，如果视频流中能够体现人脸，也可以对视频流进行分析，得到人脸结构化数据。在本申请实施例中，将未关联身份信息的结构化数据作为第二结构化数据，将关联了身份信息的结构化数据作为第一结构化数据，以便于将关联了身份信息的结构化数据与未进行身份信息关联的结构化数据进行区分。

以服务器包括图2所示的信息关联***13为例，监控点11回传视频流给处理器132，处理器132采用指定的算法对视频流进行人体数据结构化处理，得到人体结构化数据。可选地，处理器132可将得到的人体结构化数据转发给结构化数据存储单元136进行存储。

可选地，基于第一结构化数据获取结构化数据集合，包括：确定第一结构化数据的采集地点；基于采集地点确定结构化数据集合的采集地区范围，获取采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

其中，确定第一结构化数据的采集地点时，可以将得到该第一结构化数据的抓拍数据的采集地点作为第一结构化数据的采集地点，抓拍数据的采集地点也即抓拍设备所在位置，该位置可基于提前标注的抓拍设备的位置信息得到。除此之外，也可以将得到该第一结构化数据的视频流的采集地点作为第一结构化数据的采集地点，视频流的采集地点也即监控点所在位置，该位置也可基于提前标注的监控点的位置信息得到。

确定出采集地点后，再结合路网信息便可以确定出可选路径。在一种可能的实施方式中，基于采集地点，确定结构化数据集合的采集地区范围，包括：基于第一采集地点、第二采集地点以及路网信息，确定第一采集地点与第二采集地点之间的可选路径；其中，第一采集地点、第二采集地点为采集时间相邻的两个第一结构化数据的采集地点；确定可选路径为结构化数据集合的采集地区范围。示例性地，预设时间范围可以为采集时间相邻的两个第一结构化数据的采集时间间隔。

为此，本申请实施例提供的方法还可以提前导入路网信息。由于之前也对抓拍设备和监控点标注了位置信息，因而可确定出可选路径上的监控点的信息和抓拍设备的信息。之后，便可以根据可选路径上的监控点的信息和抓拍设备的信息、第一结构化数据对应的时间为条件搜索匹配的结构化数据，即将采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。该结构化数据集合中未关联身份信息的结构化数据作为第二结构化数据。

基于上述图4所示流程可知，比对中的人脸结构化数据打上了人员标识，且人脸结构化数据及人员标识及人体结构化数据均存储在结构化数据存储单元中。因此，如图5所示，可从结构化数据存储单元中获取前一天关联的人员标识，将该前一天关联的人员标识去重之后，记录人员标识的总数量N。如果N大于0，获取前一天关联的人员标识(HidN)，并从结构化数据存储单元中获取关联标识了HidN的人体结构化数据，此时获取到的人体结构化数据作为第一结构化数据。按时间对获取的所有人体结构化数据进行排序。如果有还未进行第一处理的相邻记录，第一处理是指未进行过检索路径的处理。如果有未进行过第一处理的相邻记录，则在未进行第一处理的人体结构化数据中依次获取相邻两条人体结构化数据，根据人体结构化数据中的抓拍机位置信息检索出路径。

步骤303，将结构化数据集合中的结构化数据与第一结构化数据进行比对，根据比对结果确定目标结构化数据，将目标结构化数据与第一结构化数据的身份信息进行关联。

其中，比对过程可以为以相邻两条人体结构化数据的人体模型为条件，按照指定相似度阈值在结构化数据集合中进行以图搜图，筛选出达到相似度阈值的人体结构化数据，作为目标人体结构化数据，该目标人体结构化数据可以是未关联身份信息的结构化数据。其中，以相似度阈值为第一相似度阈值例如为90％为例，将比对结果中相似度达到90％的结构化数据作为目标结构化数据。

筛选出目标人体结构化数据之后，本申请实施例提供的方法还支持对目标结构化数据进行轨迹纠偏，以根据时空关系去除异常结构化数据。因此，在本申请实施例提供的方法中，将结构化数据集合中的结构化数据与第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，该方法还包括：将目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

其中，移动速率不满足速率阈值的目标结构化数据可以认为是发生轨迹偏移的结构化数据，该类结构化数据作为异常结构化数据被筛选掉，从而提高信息关联的准确度。

在一种可能的实施方式中，本申请实施例提供的方法在根据比对结果确定目标结构化数据之后，还包括在目标结构化数据中确定未超过有效期的目标结构化数据；选取未超过有效期的目标结构化数据。

在一种可能的实施方式中，除了考虑有效期之外，由于上述比对是将结构化数据集合中的结构化数据分别与第一结构化数据进行比对，本申请实施例提供的方法在确定的目标结构化数据中还进一步支持比对，以将同属于一个集合内的差别较大的目标结构化数据进一步筛选掉。

因此，在本申请实施例提供的一种可能的实现方式中，将结构化数据集合中的结构化数据与第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，还包括：选择一个目标结构化数据中的人体模型作为封面；将目标结构化数据中的人体模型分别与封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

其中，选择一个目标结构化数据中的人体模型作为封面时，本申请实施例不对选择方式进行限定。例如，可以将结构化数据集合中与第一结构化数据的相似度最大的目标结构化数据中的人体模型作为封面，也可以人工选择一个目标结构化数据中的人体模型作为封面。将目标结构化数据中的人体模型分别与封面中的人体模型进行比对时，可以进一步比对相似度，选择比对值达到比对条件的目标结构化数据。其中，比对值达到比对条件可以是相似度达到第二相似度阈值。该第二相似度阈值可以与上述第一相似度阈值相同，也可以不同，本申请实施例对此不加以限定。此外，本申请实施例不对第一相似度阈值及第二相似度阈值的大小进行限定。例如，该第一相似度阈值和第二相似度阈值可以基于经验设置，也可以基于场景设定。

仍以图4所示的过程为例，对筛选出的目标人体结构化数据按照时间进行排序。在排序结果中确定是否存在未进行第二处理的相邻记录，第二处理是指未计算距离与时间的处理。如果存在未进行过第二处理的相邻记录，则依次计算相邻两个点位的距离与时间。基于距离与时间的商得到速度，判断速度是否大于阈值。如果速度大于阈值，则将筛选出的目标人体结构化数据与第一结构化数据进行比对，如果满足条件，即可以认为二者是同一人员的结构化数据，记录到结果集中，此时结果集中结构化数据的数量加1。其中，满足条件可以是筛选出的目标人体结构化数据与第一结构化数据进行比对的相似度达到阈值。

按照上述过程对所有结构化数据均按照上述过程进行第一处理后，如果不存在未进行第一处理的相邻记录了，确定结果集中结构化数据的数量是否大于N与抓拍机数量的乘积，如果大于，将结果数据缓存。判断缓存的数据是否超过有效期，如果未超过有效期，可以直接作为结果打上人员标识，即关联上与人员标识对应的身份信息。作为一种可选方式，对于未超过有效期的结果，可以通过人工的方式在结果集中选择比对目标即封面，将选择的封面中的人体模型与结果集中的目标结构化数据中的人体模型进行比对，比对值大于阈值的为选取的目标结构化数据，被打上人员标识，即关联上与人员标识对应的身份信息，否则舍弃缓存的数据。

为了便于理解，接下来在图4、图5的上述过程基础上，以图6所示的过程为例，对本申请实施例提供的方法进行举例说明。如图6所示，对人员进行抓拍，抓拍到人脸①、人脸⑥和人脸⑧。通过对抓拍数据分析，得到人体①、人体⑥和人体⑧。将人脸①与人体①关联，人脸⑥与人体⑥关联，人脸⑧与人体⑧关联。如图6中的第1步，通过抓拍时间排序，取相邻两条人体数据的抓拍时间和对应抓拍机经纬度，确定出抓拍机A和抓拍机B。之后，进行第2步点位筛选，即以抓拍机A和抓拍机B直线连接为直径，圈出范围内点位。如图6所示，过滤该范围内点位之后，得到抓拍机A、B、C、E，抓拍机D被筛选掉。

第3步进行时间过滤，以人体①和⑥抓拍时间以及抓拍机A、B、C、E为条件筛选人体结果集，得到1-n个人体。之后进行第4步以图搜图，即以人体①和⑥模型数据与结果集进行模型数据比对，相似度大于设定阈值的作为新的结果集。当新的结果集中结果数量小于N时，进行第6步。当结果集中的结果数量大于N时，针对新的结果集进行第5步结构化过滤，通过人体①、⑥共有的特征属性对结果集进行二次过滤(例如，N＝抓拍机数×2)。例如，二次过滤将编号为3、10和11的人体过滤掉了。

第6步进行轨迹纠偏，根据时空关系去除过滤后的结果集中的异常人体数据。比如：地点A到地点C的直线距离以跑步速度计算得到的时间大于A点和C点的人体抓拍时间差(人从A点到C点的速度大于正常速度)，则该类异常人体数据去除掉，得到筛选后的结果集。

按照上述步骤1-6的过程，对第1步骤中数据分组还存在的数据，循环执行步骤2-6，得到多个筛选后的结果集。针对多个筛选后的结果集，执行第7步分组合并。例如，如果第6步各个分组产生的结果集之和小于N时，直接打上人员身份标签，即得到人体关联结果。如果第6步各个筛选后的结果集之和大于N时(N＝抓拍机数×2)，自动或者通过人工的方式标定该人员的人体图片(背面、侧面)的结构化数据中的人体模型作为封面；再将人体筛选结果中的人体模型与封面中的人体模型比对，以筛除相似度低于设定阈值的数据。以人体结构化数据中进行方向上下左右划分，分别对应背影、正面、右侧、左侧为例，自动/手动标定人体模型作为封面后，仅以背影比背影，侧面比侧面，实现在结果集内部进行相似比对，能够进一步提高命中率。

经过第7步的合并处理之后，对剩余的人体结构数据打上人员身份标签，得到人体关联结果。可选地，为进一步提高关联结果的准确性，本申请实施例提供的方法还支持人工复核。例如，手动去除错误的结果数据。

本申请实施例提供的方法，获取身份信息已知的第一结构化数据，基于身份信息已知的第一结构化数据获取结构化数据集合后，由于该结构化数据集合中包括身份信息未知的第二结构化数据，通过将结构化数据集合中的结构化数据与第一结构化数据进行比对，将根据比对结果确定的目标结构化数据与第一结构化数据的身份信息关联，从而在无需手动操作的情况下，实现了结构化数据与身份信息的自动关联，不仅提高了关联效率，节省了人工成本，且在提高数据关联性的基础上，为数据挖掘提供了数据来源。

基于相同技术构思，参见图7，本申请实施例提供了一种信息关联装置，装置包括：

第一获取模块701，用于获得目标对象的第一结构化数据，其中，第一结构化数据为身份信息已知的结构化数据；

第二获取模块702，用于基于第一结构化数据，获取结构化数据集合，其中，结构化数据集合包括目标对象的第二结构化数据，第二结构化数据为身份信息未知的结构化数据；

确定模块703，用于将结构化数据集合中的结构化数据与第一结构化数据进行比对，根据比对结果确定目标结构化数据；

关联模块704，用于将目标结构化数据与第一结构化数据的身份信息进行关联。

可选地，第二获取模块702，用于确定第一结构化数据的采集地点；基于采集地点，确定结构化数据集合的采集地区范围；获取采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

可选地，第二获取模块702，用于基于第一采集地点、第二采集地点以及路网信息，确定第一采集地点与第二采集地点之间的可选路径；其中，第一采集地点、第二采集地点为采集时间相邻的两个第一结构化数据的采集地点；确定可选路径为结构化数据集合的采集地区范围。

可选地，预设时间范围为采集时间相邻的两个第一结构化数据的采集时间间隔。

可选地，该确定模块703，还用于将目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

可选地，确定模块703，还用于选择一个目标结构化数据中的人体模型作为封面；将目标结构化数据中的人体模型分别与封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

本申请实施例提供的装置，获取身份信息已知的第一结构化数据，基于身份信息已知的第一结构化数据获取结构化数据集合后，由于该结构化数据集合中包括身份信息未知的第二结构化数据，通过将结构化数据集合中的结构化数据与第一结构化数据进行比对，将根据比对结果确定的目标结构化数据与第一结构化数据的身份信息关联，从而在无需手动操作的情况下，实现了结构化数据与身份信息的自动关联，不仅提高了关联效率，节省了人工成本，且在提高数据关联性的基础上，为数据挖掘提供了数据来源。

需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图8是本发明实施例提供的一种信息关联装置的结构示意图。该装置可以为终端，例如可以是：智能手机、平板电脑、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端包括有：处理器801和存储器802。

处理器801可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器801可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器801还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器802可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的信息关联方法。

在一些实施例中，终端还可选包括有：***设备接口803和至少一个***设备。处理器801、存储器802和***设备接口803之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口803相连。具体地，***设备包括：射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。

***设备接口803可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器801和存储器802。在一些实施例中，处理器801、存储器802和***设备接口803被集成在同一芯片或电路板上；在一些其他实施例中，处理器801、存储器802和***设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路804包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路804还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏805用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时，显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时，显示屏805还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏805可以为一个，设置终端的前面板；在另一些实施例中，显示屏805可以为至少两个，分别设置在终端的不同表面或呈折叠设计；在再一些实施例中，显示屏805可以是柔性显示屏，设置在终端的弯曲表面上或折叠面上。甚至，显示屏805还可以设置成非矩形的不规则图形，也即异形屏。显示屏805可以采用LCD(Liquid CrystalDisplay，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件806用于采集图像或视频。可选地，摄像头组件806包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器801进行处理，或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路807还可以包括耳机插孔。

定位组件808用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件808可以是基于美国的GPS(Global PositioningSystem，全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。

电源809用于为终端中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于：加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器66以及接近传感器816。

加速度传感器811可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号，控制触摸显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器812可以检测终端的机体方向及转动角度，陀螺仪传感器812可以与加速度传感器811协同采集用户对终端的3D动作。处理器801根据陀螺仪传感器812采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器813可以设置在终端的侧边框和/或触摸显示屏805的下层。当压力传感器813设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在触摸显示屏805的下层时，由处理器801根据用户对触摸显示屏805的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器814用于采集用户的指纹，由处理器801根据指纹传感器814采集到的指纹识别用户的身份，或者，由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器801授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo时，指纹传感器814可以与物理按键或厂商Logo集成在一起。

光学传感器66用于采集环境光强度。在一个实施例中，处理器801可以根据光学传感器66采集的环境光强度，控制触摸显示屏805的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏805的显示亮度；当环境光强度较低时，调低触摸显示屏805的显示亮度。在另一个实施例中，处理器801还可以根据光学传感器66采集的环境光强度，动态调整摄像头组件806的拍摄参数。

接近传感器816，也称距离传感器，通常设置在终端的前面板。接近传感器816用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器816检测到用户与终端的正面之间的距离逐渐变小时，由处理器801控制触摸显示屏805从亮屏状态切换为息屏状态；当接近传感器816检测到用户与终端的正面之间的距离逐渐变大时，由处理器801控制触摸显示屏805从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图8中示出的结构并不构成对终端的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例中实施例中，还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令。所述至少一条指令经配置以由一个或者一个以上处理器执行，以实现上述任一种信息关联方法。

在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令在被计算机设备的处理器执行时实现上述任一种信息关联方法。

在本申请的可能实施方式中，上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种信息关联方法，其特征在于，所述方法包括：

获得目标对象的第一结构化数据，其中，所述第一结构化数据为身份信息已知的结构化数据；

基于所述第一结构化数据，获取结构化数据集合，其中，所述结构化数据集合包括所述目标对象的第二结构化数据，所述第二结构化数据为身份信息未知的结构化数据；

将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据；

将所述目标结构化数据与所述第一结构化数据的身份信息进行关联。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一结构化数据，获取结构化数据集合，包括：

确定所述第一结构化数据的采集地点；

基于所述采集地点，确定结构化数据集合的采集地区范围；

获取所述采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

3.根据权利要求2所述的方法，其特征在于，所述基于所述采集地点，确定结构化数据集合的采集地区范围，包括：

基于第一采集地点、第二采集地点以及路网信息，确定所述第一采集地点与所述第二采集地点之间的可选路径；其中，所述第一采集地点、第二采集地点为采集时间相邻的两个所述第一结构化数据的采集地点；

确定所述可选路径为结构化数据集合的采集地区范围。

4.根据权利要求3所述的方法，其特征在于，所述预设时间范围为采集时间相邻的两个所述第一结构化数据的采集时间间隔。

5.根据权利要求1-4任一所述的方法，其特征在于，所述将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，所述方法还包括：

将所述目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；

基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

6.根据权利要求1-4任一所述的方法，其特征在于，所述将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据之后，还包括：

选择一个所述目标结构化数据中的人体模型作为封面；

将所述目标结构化数据中的人体模型分别与所述封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

7.一种信息关联装置，其特征在于，所述装置包括：

第一获取模块，用于获得目标对象的第一结构化数据，其中，所述第一结构化数据为身份信息已知的结构化数据；

第二获取模块，用于基于所述第一结构化数据，获取结构化数据集合，其中，所述结构化数据集合包括所述目标对象的第二结构化数据，所述第二结构化数据为身份信息未知的结构化数据；

确定模块，用于将所述结构化数据集合中的结构化数据与所述第一结构化数据进行比对，根据比对结果确定目标结构化数据；

关联模块，用于将所述目标结构化数据与所述第一结构化数据的身份信息进行关联。

8.根据权利要求7所述的装置，其特征在于，所述第二获取模块，用于确定所述第一结构化数据的采集地点；基于所述采集地点，确定结构化数据集合的采集地区范围；获取所述采集地区范围内的监控点在预设时间范围所采集的结构化数据，作为结构化数据集合。

9.根据权利要求8所述的装置，其特征在于，所述第二获取模块，用于基于第一采集地点、第二采集地点以及路网信息，确定所述第一采集地点与所述第二采集地点之间的可选路径；其中，所述第一采集地点、第二采集地点为采集时间相邻的两个所述第一结构化数据的采集地点；确定所述可选路径为结构化数据集合的采集地区范围。

10.根据权利要求9所述的装置，其特征在于，所述预设时间范围为采集时间相邻的两个所述第一结构化数据的采集时间间隔。

11.根据权利要求7-10任一所述的装置，其特征在于，所述确定模块，还用于将所述目标结构化数据按照采集时间的先后进行排序，依次计算排序后的目标结构化数据中相邻两个目标结构化数据对应的采集地点间的距离和时间差；基于计算的距离和时间差确定移动速率，选取移动速率满足速率阈值的目标结构化数据。

12.根据权利要求7-10任一所述的装置，其特征在于，所述确定模块，还用于选择一个所述目标结构化数据中的人体模型作为封面；将所述目标结构化数据中的人体模型分别与所述封面中的人体模型进行比对，选取比对值达到比对条件的目标结构化数据。

13.一种信息关联设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如权利要求1至6任一所述的信息关联方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，所述指令由处理器加载并执行以实现如权利要求1-6中任一所述的信息关联方法。

Images