随着网络共享图像数据的日益丰富,从图像中检索和定位出同类对象的需求变得更为迫切。即给定一组包含同类对象的图片集合,要求在各幅图片中确定该类对象的位置和大小。如果使用传统的对象定位与检测技术来解决上述问题,会将每幅图像的对象定位看作是相互独立的过程。其缺点在于:一方面,忽略了一批待检测图像中,或多或少具有的一些“共同的”视觉特征。另一方面,需要提供对象的经验模型或大量人工标定过的训练集,并伴有耗时的预训练过程。近年来,随着“协同”思想的逐步发展,联合同类对象之间的一致性,直接从一批待测图像中寻找相似对象的“协同定位”技术被广泛关注。为了从批量图片中寻找同类对象,本文提出了一种基于最大权重团和互斥条件的协同定位方法。首先使用对象性检测算法从图片中提取出可能包含客观事物的区域,作为候选对象,然后使用带权图描述候选之间的关系,将协同定位任务建模为求取图结构中的最大权重团问题。其中,边的权重表达对象的两两相似性,顶点的权重表示候选属于同类的先验可能性。在先验获取方面,本文借助近邻算法的思想,提出了基于近邻分布并融合显著性的同类先验计算方法。另外,本文根据候选对象在图像区域中的形状关系以及位置关系,提出了基于候选框横纵比和重叠度的互斥条件,在此约束下寻找最大权重团便能定位同类对象。最后,将提出的图像协同定位方法扩展至视频对象的协同定位中。在Object Discovery数据集和PASCAL VOC数据集进行了实验,并和现有的协同定位方法进行了对比,取得了较好的定位效果。