一种用区块链提升跨摄像头行为识别可信度的方法与流程

1.本发明涉及行为识别可信度领域，尤其涉及一种用区块链提升跨摄像头行为识别可信度的方法。


背景技术：

2.相较与算法的让机器去学习而言机器学习是让机器去学习。机器学习最早的应用是垃圾邮件的分辨，传统的计算机解决问题的思路是编写规则，定义“垃圾邮件”，让计算机来执行，这就需要编写一个算法。这个算法有固定的输入和输出，输入就是一份邮件相应就是全部的信息，输出就是判断邮件是否为垃圾邮件。
3.当前通过机器学习识别人员行为的算法已经趋于成熟，但机器学习是对图片或视频的输入进行相应的计算输出，本身并不能判断事件发生的前后顺序，因此对有事件先后顺序判断的行为识别，难以确保机器学习结果的准确性，因此本发明提出了一种用区块链提升跨摄像头行为识别可信度的方法的来解决上述问题。
4.例如申请号201811353903.2公开了一种结合区块链的视频主动识别方法，应用于视频识别领域，为了完整并真实地保存视频帧，防止被篡改；本发明通过结合公有区块链与私有区块链，对视频文件进行加密保存以及对视频的来源与是否篡改进行验证，本发明中的私有区块链可以作为本地数据库为验证视频来源及视频是否篡改提供依据；并且该私有区块链产生的第一交易时间戳可以作为异常事件的发生时间，以确保本地存储视频内容时间的立即性，但该发明本身并不能准确判断事件发生的前后顺序。


技术实现要素：

5.本发明的目的在于提供一种用区块链提升跨摄像头行为识别可信度的方法，以解决上述技术问题。
6.本发明为解决上述技术问题，采用以下技术方案来实现：
7.一种用区块链提升跨摄像头行为识别可信度的方法，包括摄像头模块、区块链模块和行为识别模块，包括以上步骤：
8.步骤一：定义一个单链的区块链服务；
9.步骤二：定义能够自动分割视频，计算哈希作为文件名存储，并能够将文件哈希打包交易后签名发送到区块链存证的摄像头物联网系统；
10.步骤三：摄像头服务定期轮询区块高度，按照区块链每个块的出块时间来分割视频。
11.优选的，区块间通过哈希相联系，单条链的区块中的数据按照区块高度的顺序递增，索引存证的视频按照出块顺序递增，同时可根据区块时间戳来确定事件发生的时间，确保事件先后顺序不会被打乱。
12.优选的，通过摄像头的哈希运算确定视频的唯一性和可靠性，通过区块链确定视频严格按照时间顺序递增。
13.优选的，哈希算法是将输入值映射为一个长度确定的输出值(哈希值)的一种算法，哈希值具有高随机性和抗碰撞的特点，哈希值可能对应不同的输入值，但是不可能在正常运算时间内找到不同的输入值，通过大量运算找到拥有完全相同的哈希值的两个输入是不可能的。
14.优选的，哈希可看做输入值的防伪标签，哈希的作用即为不同视频的防伪标签。
15.优选的，所述摄像头模块包括摄像头，摄像头采集并分割视频，得到视频数据。
16.优选的，所述区块链模块包括区块链，所述视频数据通过区块链进行摄像头计算哈希并打包交易上链，然后进行链上视频哈希存证。
17.优选的，所述行为识别模块包括行为识别服务，行为识别服务请求存证信息，并获取视频数据，行为识别服务进行跨摄像头行为分析，行为识别服务将用到的视频哈希以及识别结果上链存证，然后输出结果数据。
18.本发明的有益效果是：
19.1、通过机器学习进行跨摄像头跟踪进行人员行为识别并进行预警的算法，通过摄像头的哈希运算确定视频的唯一性和可靠性，通过区块链确定视频严格按照时间顺序递增，不会产生误差；
20.2、区块间通过哈希相联系，单条链的区块中的数据按照区块高度的顺序递增，索引存证的视频按照出块顺序递增，同时可根据区块时间戳来确定事件发生的时间，确保事件先后顺序不会被打乱。
21.3、本发明可提高跨摄像头行为识别的结果的可信度，降低行为识别结果被质疑的可能。
附图说明
22.图1为本发明的系统示意图；
23.图2为本发明实施例一的示意图；
24.图3为本发明实施例二的示意图；
具体实施方式
25.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例和附图，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。
26.下面结合附图描述本发明的具体实施例。
27.现有技术对于事件发生顺序很难有确定的判断，摄像头时间是基于硬件本地时间，容易产生误差，并且很容易修改，本身的准确度难以保证。对于某些场景，比如摄像头覆盖不完全，或者循环空间连续发生的事件，这种顺序更容易被混淆。
28.实施例1
29.第一种情况如图2，假设4个房间正确的事件执行顺序是1>2>3>4，如果中间走道缺乏摄像头覆盖，那么视频的前后顺序是无法确定的，如果走道有摄像头覆盖但任意两个房间入口覆盖不全，则这两个房间的前后顺序也是可以调换的。
30.实施例2
31.另一种情况如图3，假设4个房间正确的事件执行顺序是1>2>3>4，但以2>3>4>1的顺序执行工作，调换视频顺序依然能形成1>2>3>4的顺序，因为算法本身不能识别先后顺序，单独以此为依据很容易被质疑。
32.实施例3
33.如图1所示，一种用区块链提升跨摄像头行为识别可信度的方法，包括摄像头模块、区块链模块和行为识别模块，包括以上步骤：
34.步骤一：定义一个单链的区块链服务；
35.步骤二：定义能够自动分割视频，计算哈希作为文件名存储，并能够将文件哈希打包交易后签名发送到区块链存证的摄像头物联网系统；
36.步骤三：摄像头服务定期轮询区块高度，按照区块链每个块的出块时间来分割视频。
37.工作原理：定义一个单链的区块链服务，定义能够自动分割视频，计算哈希作为文件名存储，并能够将文件哈希打包交易后签名发送到区块链存证的摄像头物联网系统，摄像头服务定期轮询区块高度，按照区块链每个块的出块时间来分割视频，区块间通过哈希相联系，单条链的区块中的数据按照区块高度的顺序递增，索引存证的视频按照出块顺序递增，同时可根据区块时间戳来确定事件发生的时间，确保事件先后顺序不会被打乱。
38.实施例4
39.如图1所示，一种用区块链提升跨摄像头行为识别可信度的方法，包括摄像头模块、区块链模块和行为识别模块，包括以上步骤：
40.步骤一：定义一个单链的区块链服务；
41.步骤二：定义能够自动分割视频，计算哈希作为文件名存储，并能够将文件哈希打包交易后签名发送到区块链存证的摄像头物联网系统；
42.步骤三：摄像头服务定期轮询区块高度，按照区块链每个块的出块时间来分割视频。
43.区块间通过哈希相联系，单条链的区块中的数据按照区块高度的顺序递增，索引存证的视频按照出块顺序递增，同时可根据区块时间戳来确定事件发生的时间，确保事件先后顺序不会被打乱，通过摄像头的哈希运算确定视频的唯一性和可靠性，通过区块链确定视频严格按照时间顺序递增。
44.哈希算法是将输入值映射为一个长度确定的输出值(哈希值)的一种算法，哈希值具有高随机性和抗碰撞的特点，哈希值可能对应不同的输入值，但是不可能在正常运算时间内找到不同的输入值，通过大量运算找到拥有完全相同的哈希值的两个输入是不可能的，哈希可看做输入值的防伪标签，哈希的作用即为不同视频的防伪标签。
45.摄像头模块包括摄像头，摄像头采集并分割视频，得到视频数据，区块链模块包括区块链，视频数据通过区块链进行摄像头计算哈希并打包交易上链，然后进行链上视频哈希存证，行为识别模块包括行为识别服务，行为识别服务请求存证信息，并获取视频数据，行为识别服务进行跨摄像头行为分析，行为识别服务将用到的视频哈希以及识别结果上链存证，然后输出结果数据。
46.本发明的的工作原理和使用方法：
47.工作原理：基于通过机器学习进行跨摄像头跟踪进行人员行为识别并进行预警的算法，通过摄像头的哈希运算确定视频的唯一性和可靠性，通过区块链确定视频严格按照时间顺序递增。与本发明相似的方案是利用摄像头拍摄图像上的水印时间，不过水印时间容易产生误差；将输入值映射为一个长度确定的输出值(哈希值)的一种算法。哈希值具有高随机性和抗碰撞的特点，所以虽然哈希值可能对应不同的输入值，但是不可能在正常运算时间内找到不同的输入值，因此可以认为通过大量运算找到拥有完全相同的哈希值的两个输入是不可能的。在这个基础上，哈希可看做输入值的防伪标签，本文中的哈希的作用即为不同视频的防伪标签，区块间通过哈希相联系，单条链的区块中的数据按照区块高度的顺序递增，索引存证的视频按照出块顺序递增，同时可根据区块时间戳来确定事件发生的时间，确保事件先后顺序不会被打乱。
48.具体方法为：摄像头采集并分割视频，得到视频数据，视频数据通过区块链进行摄像头计算哈希并打包交易上链，然后进行链上视频哈希存证，行为识别模块包括行为识别服务，行为识别服务请求存证信息，并获取视频数据，行为识别服务进行跨摄像头行为分析，行为识别服务将用到的视频哈希以及识别结果上链存证，然后输出结果数据。
49.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。