CN110598043A - 一种视频处理方法、装置、计算机设备以及存储介质 - Google Patents
一种视频处理方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN110598043A CN110598043A CN201910906482.XA CN201910906482A CN110598043A CN 110598043 A CN110598043 A CN 110598043A CN 201910906482 A CN201910906482 A CN 201910906482A CN 110598043 A CN110598043 A CN 110598043A
- Authority
- CN
- China
- Prior art keywords
- service
- video data
- scene
- behavior
- target
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012550 audit Methods 0.000 claims abstract description 127
- 238000007726 management method Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 200
- 238000013145 classification model Methods 0.000 claims description 77
- 239000013598 vector Substances 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 14
- 238000007689 inspection Methods 0.000 description 9
- 239000002994 raw material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 101100217298 Mus musculus Aspm gene Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/10—Tax strategies
-
- 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
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioethics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种视频处理方法、装置、计算机设备以及存储介质,方法包括:当接收到针对审核对象的审核请求时,根据审核请求获取业务区块链;业务区块链中的业务区块是由管理节点根据业务视频数据生成并添加至业务区块链的;在业务区块链中获取与审核对象相关联的目标业务区块,根据目标业务区块获取目标业务视频数据;检测目标业务视频数据的业务场景和业务行为,将业务场景和业务行为与审核请求中的业务内容进行匹配,根据匹配结果生成与审核请求对应的审核输出信息。采用本申请,可以提高视频审核的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种视频处理方法、装置以及相关设备。
背景技术
出口货物退税,是指在国际贸易中货物输出国对输出境外的货物免征其在本国境内消费时应缴纳的税金或退还其按本国税法规定已缴纳的税金。
目前,企业向税务局申请出口货物退税的具体流程是:申报企业人员携带企业经营活动视频作为申请材料到税务局申请退税,税务局工作人员人工对企业经营活动视频进行审核:审核视频内容是否涉及货物生产、货物销售或者货物质检等经营活动。若视频内容涉及上述经营活动,则说明审核通过;否则,说明审核不通过。后续税务局工作人员,根据审核结果判断申报企业是否满足退税要求。
可见,人工审核企业经营活动视频,不仅会浪费大量的人力资源,且审核周期长,导致视频审核效率低下。
发明内容
本申请实施例提供一种视频处理方法、装置以及相关设备,可以提高视频审核的效率。
本申请实施例一方面提供了一种视频处理方法,包括:
当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
在所述业务区块链中获取与所述审核对象相关联的目标业务区块,根据所述目标业务区块获取目标业务视频数据;
检测所述目标业务视频数据的业务场景和业务行为,将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
其中,所述审核请求中的业务内容包括场景集合和行为集合;
所述将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成所述审核请求对应的审核输出信息,包括:
若所述业务场景属于所述场景集合,且所述业务行为属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容相匹配;所述业务场景和所述业务行为与所述业务内容相匹配属于所述匹配结果;
当所述业务场景和所述业务行为与所述业务内容相匹配时,生成审核通过信息,并将所述审核通过信息作为所述审核输出信息。
其中,还包括:
若所述业务场景不属于所述场景集合,或所述业务行为不属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容不匹配;所述业务场景和所述业务行为与所述业务内容不匹配属于所述匹配结果;
当所述业务场景和所述业务行为与所述业务内容不匹配时,生成审核否决信息,并将所述审核否决信息作为所述审核输出信息。
其中,所述检测所述目标业务视频数据的业务场景和业务行为,包括:
获取场景分类模型和行为分类模型;
基于所述场景分类模型中的编码层,对所述目标业务视频数据进行场景编码处理,生成场景隐藏特征向量,基于所述场景分类模型中的分类器,识别所述场景隐藏特征向量和所述场景分类模型中的多种场景属性之间的匹配概率,将具有最大匹配概率的场景属性作为所述目标业务视频数据的业务场景;
基于所述行为分类模型中的编码层,对所述目标业务视频数据进行行为编码处理,生成行为隐藏特征向量,基于所述行为分类模型中的分类器,识别所述行为隐藏特征向量和所述行为分类模型中的多种行为属性之间的匹配概率,将具有最大匹配概率的行为属性作为所述目标业务视频数据的业务行为。
其中,还包括:
接收参与节点发送的原始业务视频数据和数字签名;
获取所述参与节点的公钥,根据所述公钥,对所述数字签名解密,得到解密哈希值;
确定所述原始业务视频数据的哈希值,作为基准哈希值;
若所述解密哈希值和所述基准哈希值相同,则将所述原始业务视频数据确定为所述业务视频数据,根据所述业务视频数据生成业务区块,将所述业务区块添加至所述业务区块链。
其中,所述根据所述目标业务区块获取目标业务视频数据,包括:
读取所述目标业务区块中的区块体数据;
若所述区块体数据属于视频数据,则将所述区块体数据作为所述目标业务视频数据;
若所述区块体数据不属于视频数据,则将所述区块体数据作为目标消息摘要,从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据。
其中,所述从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据,包括:
从视频数据库中拉取与所述目标消息摘要对应业务视频数据,作为待确定业务视频数据;
确定所述待确定业务视频数据的消息摘要,作为待检测消息摘要;
若所述待检测消息摘要和所述目标消息摘要相同,则将所述待确定业务视频数据作为所述目标业务视频数据。
本申请实施例另一方面提供了一种视频处理装置,包括:
区块链获取模块,用于当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
所述区块链获取模块,还用于在所述业务区块链中获取与所述审核对象相关联的目标业务区块;
视频获取模块,用于根据所述目标业务区块获取目标业务视频数据;
检测模块,用于检测所述目标业务视频数据的业务场景和业务行为;
匹配模块,用于将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
其中,所述审核请求中的业务内容包括场景集合和行为集合;
所述匹配模块,包括:
确定单元,用于若所述业务场景属于所述场景集合,且所述业务行为属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容相匹配;所述业务场景和所述业务行为与所述业务内容相匹配属于所述匹配结果;
第一生成单元,用于当所述业务场景和所述业务行为与所述业务内容相匹配时,生成审核通过信息,并将所述审核通过信息作为所述审核输出信息。
其中匹配模块,还包括:
第二生成单元,用于若所述业务场景不属于所述场景集合,或所述业务行为不属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容不匹配;所述业务场景和所述业务行为与所述业务内容不匹配属于所述匹配结果;
所述第二生成单元,还用于当所述业务场景和所述业务行为与所述业务内容不匹配时,生成审核否决信息,并将所述审核否决信息作为所述审核输出信息。
其中,所述检测模块,具体用于获取场景分类模型和行为分类模型,基于所述场景分类模型中的编码层,对所述目标业务视频数据进行场景编码处理,生成场景隐藏特征向量,基于所述场景分类模型中的分类器,识别所述场景隐藏特征向量和所述场景分类模型中的多种场景属性之间的匹配概率,将具有最大匹配概率的场景属性作为所述目标业务视频数据的业务场景,基于所述行为分类模型中的编码层,对所述目标业务视频数据进行行为编码处理,生成行为隐藏特征向量,基于所述行为分类模型中的分类器,识别所述行为隐藏特征向量和所述行为分类模型中的多种行为属性之间的匹配概率,将具有最大匹配概率的行为属性作为所述目标业务视频数据的业务行为。
其中,还包括:
接收模块,用于接收参与节点发送的原始业务视频数据和数字签名,获取所述参与节点的公钥,根据所述公钥,对所述数字签名解密,得到解密哈希值,确定所述原始业务视频数据的哈希值,作为基准哈希值,若所述解密哈希值和所述基准哈希值相同,则将所述原始业务视频数据确定为所述业务视频数据,根据所述业务视频数据生成业务区块,将所述业务区块添加至所述业务区块链。
其中,所述视频获取模块,包括:
读取单元,用于读取所述目标业务区块中的区块体数据;
检测单元,用于若所述区块体数据属于视频数据,则将所述区块体数据作为所述目标业务视频数据;
所述检测单元,还用于若所述区块体数据不属于视频数据,则将区块体数据作为所述目标消息摘要;
提取单元,用于从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据。
其中,所述提取单元,具体用于视频数据库中拉取与所述目标消息摘要对应业务视频数据,作为待确定业务视频数据,确定所述待确定业务视频数据的消息摘要,作为待检测消息摘要,若所述待检测消息摘要和所述目标消息摘要相同,则将所述待确定业务视频数据作为所述目标业务视频数据。
本申请实施例另一方面提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本申请实施例中一方面中的方法。
本申请实施例另一方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如本申请实施例中一方面中的方法。
本申请实施例当接收到针对审核对象的审核请求时,根据审核请求获取业务区块链;业务区块链中的业务区块是由管理节点根据业务视频数据生成并添加至业务区块链的;在业务区块链中获取与审核对象相关联的目标业务区块,根据目标业务区块获取目标业务视频数据;检测目标业务视频数据的业务场景和业务行为,将业务场景和业务行为与审核请求中的业务内容进行匹配,根据匹配结果生成与审核请求对应的审核输出信息。上述可知,本申请通过自动化的方式审核视频数据的内容,相比人工审核,可以提高降低审核周期,提高审核效率;进一步地,终端是通过区块链中的区块获取待审核视频数据,由于区块链具有不可篡改性和公开性,因此可以保证待审核视频数据的真实性,进而保证审核结果的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有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业务区块链示意图;
图2是本申请实施例提供的一种视频处理方法的流程示意图;
图3是本申请实施例提供的一种业务区块的示意图;
图4是本申请实施例提供的另一个视频处理方法的流程示意图;
图5是本申请实施例提供的一种视频处理装置的结构示意图;
图6是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
区块链(Block chain)是分布式数据存储、点对点传输(P2P,Peer To Peer)、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一个或多个交易信息,用于验证其信息的有效性(防伪)和生成下一个区块。
请参加图1,是本申请实施例提供的一种业务区块链示意图,从图1可以看出,业务区块链的每个节点都可以存储并维护该业务区块链,每个业务区块链包括至少一个业务区块,每个节点都可以包括硬件层、中间层、操作系统层和应用层。本申请中的业务区块链中的业务区块所记录的是与视频数据相关联的数据,其中管理节点(管理节点可以是图1所展示的节点中的其中一个节点)通过业务区块链获取到视频数据后,可以自动化地对视频数据的内容进行审核,不仅提高了视频审核效率,且依托于业务区块链的不可篡改性,可以保证审核结果的可靠性。
请参加图2,是本申请实施例提供的一种视频处理方法的流程示意图,如图1所示,视频处理方法可以包括如下步骤:
步骤S101,当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的。
具体的,本申请的视频处理方法可以应用于税务局所在的终端设备,用于自动审核企业所上传的经营活动视频是否满足出口货物退税要求,且税务局所在的终端设备可以是业务区块链的一个节点(称为管理节点),企业上传经营活动视频的终端设备可以是上述业务区块链的另一个节点(称为参与节点)。
下述实施例以管理节点为执行主体,进行说明:
当税局工作人员需要审核企业所上传的视频是否满足退税要求时,税局工作人员可以对审核对象执行审核操作(例如,点击被审核企业的企业标识),其中对象是指企业,审核对象就是指被审核企业。
管理节点响应该操作,进而生成针对审核对象的审核请求。
除了由人工触发管理节点生成审核请求外,管理节点还可以自动化地生成针对审核对象的审核请求,例如,定时生成针对审核对象的审核请求。
审核请求可以包括审核对象的对象标识(例如,企业标识),区块链标识以及业务内容;业务内容包括场景集合以及行为集合,场景集合中包括多个场景属性,行为集合中包括多个行为属性;场景集合和行为集合是用于将审核对象对应的视频数据的业务场景和场景集合进行比对,将审核对象对应的视频数据的业务行为与行为集合进行比对,根据比对结果确定审核输出信息。
管理节点根据审核请求中的区块链标识,在本地获取与该区块链标识对应的区块链(称为业务区块链),其中业务区块链中包括一个或多个区块(称为业务区块),每个业务区块是管理节点根据业务视频数据生成并添加至业务区块链上的。
其中,业务区块链可以是公有链(如图1所展示的即是公有链),由于公有链的分布式特性和透明性,因此管理节点和参与节点都共同维护同一个业务区块链;出于保护企业隐私的目的,且管理节点(即税务局)和参与节点(即企业)之间是管理和被管理的关系,因此本申请中的业务区块链也可以是联盟链,管理节点是记账节点,即管理节点才会维护该业务区块链,参与节点可以参与交易(即参与节点可以向管理节点上传视频数据),但不参与业务区块链的维护(或者参与节点只维护自身上传视频数据的区块,但不参与共识);且任意节点要加入业务区块链成为参与节点,是需要管理节点授权的。正是由于有了准入机制,可以使得管理节点维护业务区块链的成本更低(即是共识效率更高),避免由于参次不齐的参与者产生的一些问题。
步骤S102,在所述业务区块链中获取与所述审核对象相关联的目标业务区块,根据所述目标业务区块获取目标业务视频数据。
具体的,管理节点在区块对象记录表中,查询与审核对象对应的业务区块的区块高度,其中区块对象记录表包括多个记录元组,每个记录元组包括一个区块高度和一个对象,其中对象可以是企业;区块高度是指由对象(例如企业)通过参与节点(此处的对象和参与节点具有绑定关系)向管理节点传输的视频数据所生成的区块在整个业务区块链中的高度,在业务区块链中,区块高度具有唯一性和排他性。
举例来说,管理节点A根据视频数据A生成区块1并上链至业务区块链,且区块1是业务区块链中的第三个区块,即区块1的区块高度为3;视频数据A是企业A的经营活动视频数据,那么管理节点A可以生成记录元组:企业A-区块高度3。后续当管理节点需要审核企业A的视频数据时,可以从上述记录元组中确定企业A的视频数据对应的区块是第三个区块。
管理节点根据在区块对象记录表中所查询到的区块高度,在业务区块链中确定该区块高度对应的业务区块,作为与审核对象相关联的目标业务区块。
目标业务区块包括区块头数据和区块体数据,区块头数据包括:上一个业务区块的哈希值、该区块体数据的的哈希值、该区块创建时间戳;其中区块的哈希值是区块头哈希值,即该区块的区块头所包含的数值集合的哈希值。
请参加图3,是本申请实施例提供的一种业务区块的示意图,从图3可以看出,每个业务区块包括区块体数据和区块头数据,其中区块头数据又包括:上一个业务区块的哈希值、本业务区块的区块体数据的哈希值以及时间戳。按照生成业务区块的前后顺序,以及引用上一个业务区块的哈希值,可以将多个业务区块相连,形成业务区块链。
管理节点读取目标业务区块中的区块体数据,检测区块体数据是否为视频数据,若区块体数据是视频数据,则将区块体数据作为目标业务视频数据,目标业务视频数据即是审核对象对应的业务视频数据,或者说是审核对象通过参与节点所上传的业务视频数据。
若区块体数据不是视频数据,则将区块体数据作为目标消息摘要,其中,目标消息摘要是审核对象对应的业务视频数据的哈希值。管理节点从视频数据库中提取目标消息摘要对应的业务视频数据,作为目标业务视频数据,可以知道目标消息摘要是在视频数据库中查找目标业务视频数据的索引。
视频数据库中的关联存储了多个业务视频数据以及每个业务视频数据的哈希值(即是消息摘要),管理节点通过消息摘要,可以在视频数据库中查找到对应的业务视频数据。
简单来说,目标业务区块中可能包含视频数据,也可能不包含视频数据,若包含视频数据,则将目标业务区块中的视频数据直接作为目标业务视频数据;若不包含视频数据,根据目标业务区块中所提供的目标业务视频数据的目标消息摘要,在视频数据库中查找目标业务视频数据。
下面就管理节点如何从视频数据库中提取目标业务视频数据进行详细说明:
管理节点从视频数据库中拉取目标消息摘要对应的业务视频数据,作为待确定业务视频数据。基于哈希散列算法中的SHA256,计算待确定业务视频数据的消息摘要,作为待检测消息摘要,其中计算待确定业务视频数据的消息摘要除了采用SHA256,还可以采用MD5,SHA1等。
当然在本申请中,管理节点在生成目标业务区块时,计算目标业务视频数据的目标消息摘要所采用的算法,和此处确定待确定业务视频数据的待检测消息摘要所采用的算法相同,这样才能检测出视频数据库中所存储的待确定业务视频数据是否被篡改。
其中,哈希散列算法是一种从任何一种数据中创建小的数字“指纹”的方法。哈希函数把数据(本申请中是指视频数据)压缩成摘要(本申请中的消息摘要),使得数据量变小,将数据的格式固定下来。该函数将数据打乱混合,重新创建一个叫做散列值(或哈希值,或者消息摘要)的指纹。散列值通常用一个短的随机字母和数字组成的字符串来代表。
若待检测消息摘要和目标消息摘要相同,说明待确定业务视频数据存储在视频数据库中未被篡改,因此可以将待确定业务视频数据作为目标业务视频数据;
若待检测消息摘要和目标消息摘要相不同,说明存储在视频数据库中的待确定业务视频数据被篡改了,管理节点可以生成视频数据篡改消息,用于提示税局工作人员当前审核对象的视频数据被篡改了,后续管理节点可以通知审核对象对应的参与节点,重新发送目标业务视频数据。
步骤S103,检测所述目标业务视频数据的业务场景和业务行为,将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
具体的,管理节点获取场景分类模型和行为分类模型,其中场景分类模型可以识别目标业务视频数据所对应的场景属性(称为业务场景),行为分类模型可以识别目标业务视频数据所对应的行为属性(称为业务行为)。例如,业务场景可以包括:生产间、原料仓库、成品仓库、质检室等;业务行为可以包括:产品生产行为(产品生产行为还可以细分为产品零件生产行为,和产品零件组装行为等)、原料入库行为、成品入库行为、成品出库行为、产品质量检查行为等。
管理节点将从目标业务视频数据所检测出来的业务场景和业务行为,与审核请求中的业务内容进行匹配,根据匹配结果确定审核输出信息,审核输出信息可以包括审核通过信息和审核否决信息,该审核输出信息可以提示税局工作人员本次对审核对象的目标业务视频数据的审核结果为审核通过或者是审核不通过,以便于后续管理节点根据审核结果执行对应的操作,例如,管理节点根据审核结果向参加节点发送消息。
下面以一个业务视频数据为例,说明管理节点如何根据参与节点发送的一个业务视频数据生成一个业务区块,并添加至业务区块链(此处的业务视频数据可以是前述中的目标业务视频数据,对应地生成的业务区块就是目标业务区块):管理节点接收参与节点发送的业务视频数据,检测该业务视频数据的数据容量,数据容量即业务视频数据所占用的存储空间的大小。
管理节点获取预设的容量阈值(例如,容量阈值可以是5kb),若业务视频数据的数据容量大于该容量阈值,基于哈希散列算法(例如,SHA256,MD5等)计算该业务视频数据的消息摘要(或称为哈希值,或者称为散列值)。管理节点将上述计算出来的消息摘要作为区块体数据,根据区块体数据(即是消息摘要)、当前业务区块链中最后一个业务区块的区块哈希值,以及当前时间戳生成区块头数据,将区块体数据以及区块体数据组合为新的业务区块。
管理节点将上述新的业务区块添加至业务区块链,可以知道,当前新添加的业务区块是业务区块链上的最后一个区块。
若业务区块链是公有链,管理节点添加了最新的业务区块后,向其余的区块链节点进行广播,基于共识机制,其余区块链节点都更新各自维护的业务区块链,使得所有节点的业务区块链达到同步。若业务区块链是联盟链,由于只有管理节点具有维护业务区块链的权限,因此管理节点添加了最新的业务区块后,向其余的管理节点进行广播,基于共识机制,其余管理节点都更新各自维护的业务区块链,使得所有管理节点中的业务区块链达到同步;或者管理节点添加了最新的业务区块后,向其余的管理节点以及发送业务视频数据的参与节点进行广播,其余的管理节点更新各自维护的业务区块链,发送业务视频数据的参与节点存储管理节点所广播的业务区块。
管理节点将业务视频数据和消息摘要关联存储至视频数据库,关联存储是指后续查询视频数据库时,通过消息摘要可以查找到关联的业务视频数据。
管理节点获取新生成的业务区块在业务区块链中的区块高度,将区块高度以及业务视频数据对应的对象(或者是发送业务视频数据的参与节点对应的对象)进行关联,生成记录元组,并将记录元组添加至区块对象记录表中。
总结上述过程,若参与节点所发送的业务视频数据所占用存储空间过大,而为了节约业务区块链的存储空间,因此只将业务视频数据的消息摘要生成区块并添加至业务区块链上,而业务视频数据存储在视频数据库中。依托于区块链的不可篡改性,可以保证业务区块链上的消息摘要不被篡改,即使后续存储在视频数据库中的业务视频数据被篡改了,基于业务区块链上的消息摘要,也可以发现被篡改的业务视频数据,从而保证了审核视频数据的可靠性。
上述说明了当业务视频数据较小时,将业务视频数据的消息摘要上链的具体过程。若业务视频数据的数据容量小于或等于该容量阈值,则管理节点直接将业务视频数据作为区块体数据,根据该区块体数据(即是业务视频数据)、当前业务区块链中最后一个业务区块的区块哈希值,以及当前时间戳生成区块头数据,将区块体数据以及区块体数据组合为新的业务区块。
管理节点将上述新的业务区块添加至业务区块链,可以知道,当前新添加的业务区块是业务区块链上的最后一个区块。
和前述方式相同,根据业务区块链是公有链(或者联盟链),向全部区块链节点(或者管理节点)广播新生成的区块,使得全部区块链节点(或者管理节点)中的业务区块链达到同步。
总结上述过程,若参与节点所发送的业务视频数据所占用存储空间不大,可以将业务视频数据生成区块并添加至业务区块链上,依托于区块链的不可篡改性,可以保证业务区块链上的业务视频数据不被篡改,保证业务区块链上的业务视频数据的真实性。
管理节点无论是将业务视频数据生成业务区块并添加至业务区块链,或者是将业务视频数据的消息摘要生成业务区块并添加至业务区块链,都是需要对参与节点所发送的业务视频数据进行验签,只有验签通过了管理节点才会生成业务视频数据对应的业务区块,并添加至业务区块链。下面对管理节点如何对参与节点发送的业务视频数据验签进行详细说明:
管理节点接收参与节点发送的业务视频数据(称为原始业务视频数据)以及数字签名,其中数字签名是参与节点根据原始业务视频数据以及参与节点的私钥生成的,参与节点的私钥也即是通过参与节点上传业务视频数据的企业的私钥。
管理节点获取与参与节点的私钥成对的参与节点的公钥,由于管理节点相比参与节点具有更高的权限,因此管理节点是预先知道所有参与节点的公钥和私钥的的。管理节点根据上述参与节点的公钥对数字签名进行解密,得到解密哈希值。需要说明的是,公钥和私钥是成对的,私钥可以对数据加密,而公钥可以对加密后的数据进行解密,一般来说,公钥和私钥是不同的,采用公钥-私钥数据加密属于非对称加密方式。
计算原始业务视频数据的哈希值,称为基准哈希值。若基准哈希值与解密哈希值相同,说明原始业务视频数据在从参与节点传输至管理节点这个过程中,没有被篡改,且发起本次传输行为的参与节点具有真实私钥(说明该参与节点身份验证通过),管理节点可以确定原始业务视频数据属于合法数据类型,进而管理节点可以根据属于合法数据类型的原始业务视频数据生成业务区块。
若基准哈希值和解密哈希值不同,说明原始业务视频数据在从参与节点传输至管理节点这个过程中被篡改了,或者发起本次传输行为的参与节点不具有真实私钥(说明该参与节点身份验证未通过),管理节点可以确定原始业务视频数据属于非法数据类型,进而管理节点可以生成非法数据提示消息,并发送至参与节点,用于提示参与节点本次传输失败。
请参加图4,是本申请实施例提供的另一个视频处理方法的流程示意图,视频处理方法的具体过程包括如下步骤:
步骤S201,当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的。
步骤S202,在所述业务区块链中获取与所述审核对象相关联的目标业务区块,根据所述目标业务区块获取目标业务视频数据。
其中,步骤S201-步骤S202的具体实施方式可以参加上述图1对应实施例中的步骤S101-步骤S102,此处不在赘述。
步骤S203,获取场景分类模型和行为分类模型,基于场景分类模型中的编码层和分类器,识别所述目标业务视频数据的所述业务场景,基于行为分类模型中的编码层和分类器,识别所述目标业务视频数据的所述业务行为。
具体的,管理节点获取场景分类模型和行为分类模型,其中场景分类模型是用于识别视频数据所对应的业务场景,行为分类模型是用于识别视频数据所对应的业务行为。由于视频数据是多个视频帧图像按照时间顺序所组合而成的图像序列,因此场景分类模型和行为分类模型可以都是基于循环神经网络(Recurrent Neural Network,RNN)或者长短期记忆网络(Long Short-Term Memory,LSTM)所训练的分类模型。场景分类模型和行为分类模型的模型结构可以相同,但模型参数不同,下述首先以场景分类模型如何识别目标业务视频数据的业务场景为例进行说明:
场景分类模型可以包括编码层和分类器,其中该编码层是用于对目标业务视频数据进行场景编码,得到目标业务视频数据的隐藏特征向量(称为场景隐藏特征向量),分类器是用于确定场景隐藏特征向量与场景分类模型中的多种场景属性之间的匹配概率,管理节点可以将最大匹配概率对应的场景属性作为目标业务视频数据的业务场景;管理节点还可以将匹配概率大于概率阈值的场景属性作为目标业务视频数据的业务场景。在对目标业务视频数据编码前,还可以将输入的目标业务视频数据拆分为多个目标视频帧图像,并调整每个目标视频帧图像的尺寸,使得调整后的视频帧图像与预设尺寸相同,再对尺寸调整后的目标业务视频数据进行编码。
其中,场景分类模型中不仅包括与企业生产经营活动相关的场景属性(例如,生产间场景、原料仓库场景、成品仓库场景、质检室场景),还可以包括与企业生产经营活动不相关的场景属性(例如,公园场景、街道场景等)。
下面对如何基于场景分类模型识别目标业务视频数据的业务场景进行具体的说明:
首先终端设备初始化隐藏状态向量h10,在t11时刻,将目标业务视频数据中位于首位的目标视频帧图像x1、隐藏状态向量h10输入场景分类模型中的编码层,根据公式(1)计算t11时刻的隐藏状态向量h11,
其中,σ(·)是σ函数,tanh(·)是双曲正切函数,i,f,o分别表示输入门、遗忘门、输出门。所有的W表示两门之间的权重矩阵。在编码过程中,场景分类模型中编码层的模型参数是共享的,即是在计算每一个时刻的隐藏状态向量时,上述参数都保持不变。
在t12时刻,将目标业务视频数据中位于第二位的目标视频帧图像x2、t11时刻的隐藏状态向量h11输入编码层,根据公式(1)再计算t12时刻的隐藏状态向量h12;在t13时刻,同样根据公式(1)计算t13时刻的隐藏状态向量h13。换句话说,t时刻的隐藏状态向量ht是由t-1时刻的隐藏状态向量h(t-1)和t时刻的目标视频帧图像xt决定的,不断地迭代,直至最后一次迭代得到隐藏状态向量h1n。
将最后一次迭代得到的隐藏状态向量h1n作为目标业务视频数据的场景隐藏特征向量h1n。
基于场景分类模型中的分类器(全连接层+softmax1层),识别场景隐藏特征向量h1n与多个场景属性之间的匹配概率,场景分类模型的分类器的计算公式可以为公式(2):
其中,wout1的场景分类模型中的全连接层的模型参数,b1是场景分类模型中的全连接层的偏移项,y1是场景分类模型中的全连接层的输出,y2是场景分类模型中的softmax1层的输出(或者说是分类器的输出)。
管理节点从上述分类器识别到的多个匹配概率中,将具有最大匹配概率的场景属性作为目标业务视频数据的业务场景。
举例来说,若场景分类模型包括如下场景属性:生产间场景、原料仓库场景、成品仓库场景、质检室场景、街道场景以及公园场景;若目标业务视频数据与生产间场景的匹配概率为0.05;目标业务视频数据与原料仓库场景的匹配概率为0.7;目标业务视频数据与成品仓库场景的匹配概率为0.05;目标业务视频数据与质检室场景的匹配概率为0.05;目标业务视频数据与街道场景的匹配概率为0.1;目标业务视频数据与公园场景的匹配概率为0.05。管理节点可以将最大匹配概率0.7对应的场景属性“原料仓库场景”作为目标业务视频数据的业务场景。
同样地,行为分类模型可以包括编码层和分类器,其中该编码层是用于对目标业务视频数据进行行为编码,得到目标业务视频数据的隐藏特征向量(称为行为隐藏特征向量),分类器是用于确定行为隐藏特征向量与行为分类模型中的多种行为属性之间的匹配概率,管理节点可以将最大匹配概率对应的行为属性作为目标业务视频数据的业务行为;管理节点还可以将匹配概率大于概率阈值的行为属性作为目标业务视频数据的业务行为。
其中,行为分类模型中可以不仅包括与企业生产经营活动相关的行为属性(例如,产品生产行为、原料入库行为、成品入库行为、成品出库行为、产品质量检查行为),还可以包括与企业生产经营活动不相关的行为属性(例如,行人奔跑行为、行人跳跃行为)。
下面对如何基于行为分类模型识别目标业务视频数据的业务行为进行具体的说明:
首先终端设备初始化隐藏状态向量h20,在t 21时刻,将目标业务视频数据中位于首位的目标视频帧图像x1、隐藏状态向量h20输入行为分类模型中的编码层,根据上述公式(1)计算t 21时刻的隐藏状态向量h21。
场景分类模型和行为分类模型的不同之处在于两门之间的权重矩阵W,以及偏移量b,其余的模型结构都可以相同。
在t22时刻,将目标业务视频数据中位于第二位的目标视频帧图像x2、t 21时刻的隐藏状态向量h21输入编码层,根据公式(1)再计算t22时刻的隐藏状态向量h22;在t23时刻,同样根据公式(1)计算t23时刻的隐藏状态向量h23。不断地迭代,直至最后一次迭代得到隐藏状态向量h2n。
将最后一次迭代得到的隐藏状态向量h2n作为目标业务视频数据的行为隐藏特征向量h2n。
基于行为分类模型中的分类器(全连接层+softmax2层),识别行为隐藏特征向量h2n与多个行为属性之间的匹配概率,行为分类模型的分类器的计算公式可以为公式(3):
其中,wout2是行为分类模型中的全连接层的模型参数,b2是行为分类模型中的全连接层的偏移项,y3是行为分类模型中的全连接层的输出,y4是行为分类模型中的softmax2层的输出(或者说是分类器的输出)。
管理节点从上述分类器识别到的多个匹配概率中,将具有最大匹配概率的行为属性作为目标业务视频数据的业务行为。
步骤S204,若所述业务场景属于所述场景集合,且所述业务行为属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容相匹配;所述业务场景和所述业务行为与所述业务内容相匹配属于所述匹配结果。
具体的,管理节点提取审核请求中所携带的业务内容,其中业务内容包括场景集合和行为集合,场景集合可以包括多个场景属性,且场景集合中的场景属性都是与企业经营活动相关的场景,例如,场景集合中包括生产间场景、原料仓库场景、成品仓库场景以及质检室场景。
行为集合中包括多个行为属性,且行为集合中的行为属性都是与企业经营活动相关的行为,例如,行为集合可以包括产品生产行为、原料入库行为、成品入库行为、成品出库行为以及产品质量检查行为。
场景分类模型中的场景属性与场景集合中的场景属性之间有交集,同样地行为分类模型中的行为属性与场景集合中的行为属性之间也有交集。
步骤S205,当所述业务场景和所述业务行为与所述业务内容相匹配时,生成审核通过信息,并将所述审核通过信息作为所述审核输出信息。
具体的,若目标业务视频数据的业务场景可以命中场景集合(即是业务场景属于场景集合),且目标业务视频数据的业务行为可以命中行为集合(即是业务行为属于行为集合),那么管理节点可以确定业务场景和业务行为与业务内容的匹配结果是:业务场景和业务行为与业务内容相匹配,进而管理节点可以基于业务场景和业务行为与业务内容相匹配的匹配结果生成审核通过信息,该审核通过信息属于审核输出信息。
可选的,若目标业务视频数据的业务场景不能命中场景集合(即是业务场景不属于场景集合),或者目标业务视频数据的业务行为不能命中行为集合(即是业务行为不属于行为集合),管理节点可以确定业务场景和业务行为与业务内容的匹配结果是:业务场景和业务行为与业务内容不匹配,进而管理节点可以基于业务场景和业务行为与业务内容不匹配的匹配结果生成审核否决信息,该审核否决信息属于审核输出信息。
后续,管理节点可以展示上述审核输出信息,或者向审核对象所在的参与节点发送该审核输出信息。
需要说明的是,若目标业务视频数据的数量不止一个,管理节点可以基于上述过程确定每个目标业务视频数据的匹配结果,若多个匹配结果中存在一个或多个业务场景和业务行为与审核请求中的业务内容不匹配的匹配结果,那么管理节点可以生成审核否决信息,并将该审核否决信息作为审核请求的审核输出信息。
对应地,只有当所有的匹配结果都是业务场景和业务行为与审核请求中的业务内容相匹配的匹配结果时,管理节点才可以生成审核通过信息,并将该审核通过信息作为审核请求的审核输出信息。
上述可知,本申请通过自动化的方式审核视频数据的内容,相比人工审核,可以提高降低审核周期,提高审核效率;进一步地,终端是通过区块链中的区块获取待审核视频数据,由于区块链具有不可篡改性和公开性,因此可以保证待审核视频数据的真实性,进而保证审核结果的可靠性。
进一步的,请参见图5,是本申请实施例提供的一种视频处理装置的结构示意图。如图5所示,视频处理装置1可以应用于上述图1-图4对应实施例中的管理节点,视频处理装置1可以包括:区块链获取模块11、视频获取模块12、检测模块13以及匹配模块14。
区块链获取模块11,用于当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
所述区块链获取模块11,还用于在所述业务区块链中获取与所述审核对象相关联的目标业务区块;
视频获取模块12,用于根据所述目标业务区块获取目标业务视频数据;
检测模块13,用于检测所述目标业务视频数据的业务场景和业务行为;
匹配模块14,用于将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
其中,区块链获取模块11、视频获取模块12、检测模块13以及匹配模块14的具体功能实现方式可以参见上述图2对应实施例中的步骤S101-步骤S103,这里不再进行赘述。
请参见图5,所述审核请求中的业务内容包括场景集合和行为集合;
匹配模块14可以包括:确定单元141以及第一生成单元142。
确定单元141,用于若所述业务场景属于所述场景集合,且所述业务行为属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容相匹配;所述业务场景和所述业务行为与所述业务内容相匹配属于所述匹配结果;
第一生成单元142,用于当所述业务场景和所述业务行为与所述业务内容相匹配时,生成审核通过信息,并将所述审核通过信息作为所述审核输出信息。
其中,确定单元141以及第一生成单元142的具体功能实现方式可以参见上述图4对应实施例中的步骤S203-步骤S205,这里不再进行赘述。
请参见图5,匹配模块14还可以包括:第二生成单元143。
第二生成单元143,用于若所述业务场景不属于所述场景集合,或所述业务行为不属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容不匹配;所述业务场景和所述业务行为与所述业务内容不匹配属于所述匹配结果;
所述第二生成单元143,还用于当所述业务场景和所述业务行为与所述业务内容不匹配时,生成审核否决信息,并将所述审核否决信息作为所述审核输出信息。
其中,第二生成单元143的具体功能实现方式可以参见上述图4对应实施例中的步骤S205,这里不再进行赘述。
请参见图5,检测模块13,具体用于获取场景分类模型和行为分类模型,基于所述场景分类模型中的编码层,对所述目标业务视频数据进行场景编码处理,生成场景隐藏特征向量,基于所述场景分类模型中的分类器,识别所述场景隐藏特征向量和所述场景分类模型中的多种场景属性之间的匹配概率,将具有最大匹配概率的场景属性作为所述目标业务视频数据的业务场景,基于所述行为分类模型中的编码层,对所述目标业务视频数据进行行为编码处理,生成行为隐藏特征向量,基于所述行为分类模型中的分类器,识别所述行为隐藏特征向量和所述行为分类模型中的多种行为属性之间的匹配概率,将具有最大匹配概率的行为属性作为所述目标业务视频数据的业务行为。
其中,检测模块13的具体功能实现方式可以参见上述图4对应实施例中的步骤S203,这里不再进行赘述。
请参见图5,视频处理装置1可以包括:区块链获取模块11、视频获取模块12、检测模块13以及匹配模块14;还可以包括:接收模块15、生成模块16以及存储模块17。
接收模块15,用于接收参与节点发送的原始业务视频数据和数字签名;
获取所述参与节点的公钥,根据所述公钥,对所述数字签名解密,得到解密哈希值,确定所述原始业务视频数据的哈希值,作为基准哈希值,若所述解密哈希值和所述基准哈希值相同,则将所述原始业务视频数据确定为所述业务视频数据,根据所述业务视频数据生成业务区块,将所述业务区块添加至所述业务区块链。
请参见图5,视频获取模块12可以包括:读取单元121、检测单元122以及提取单元123。
读取单元121,用于读取所述目标业务区块中的区块体数据;
检测单元122,用于若所述区块体数据属于视频数据,则将所述区块体数据作为所述目标业务视频数据;
所述检测单元122,还用于若所述区块体数据不属于视频数据,则将区块体数据作为所述目标消息摘要;
提取单元123,用于从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据;
提取单元123,具体用于视频数据库中拉取与所述目标消息摘要对应业务视频数据,作为待确定业务视频数据,确定所述待确定业务视频数据的消息摘要,作为待检测消息摘要,若所述待检测消息摘要和所述目标消息摘要相同,则将所述待确定业务视频数据作为所述目标业务视频数据。
其中,读取单元121、检测单元122以及提取单元123的具体功能实现方式可以参见上述图2对应实施例中的步骤S102,这里不再进行赘述。
进一步地,请参见图6,是本发明实施例提供的一种计算机设备的结构示意图。上述图1-图4对应实施例中的管理节点可以为计算机设备1000,如图6所示,所述计算机设备1000可以包括:用户接口1002、处理器1004、编码器1006以及存储器1008。信号接收器1016用于经由蜂窝接口1010、WIFI接口1012、...、或NFC接口1014接收或者发送数据。编码器1006将接收到的数据编码为计算机处理的数据格式。存储器1008中存储有计算机程序,处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。存储器1008可包括易失性存储器(例如,动态随机存取存储器DRAM),还可以包括非易失性存储器(例如,一次性可编程只读存储器OTPROM)。在一些实例中,存储器1008可进一步包括相对于处理器1004远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备1000。用户接口1002可以包括:键盘1018和显示器1020。
在图6所示的计算机设备1000中,处理器1004可以用于调用存储器1008中存储计算机程序,以实现:
当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
在所述业务区块链中获取与所述审核对象相关联的目标业务区块,根据所述目标业务区块获取目标业务视频数据;
检测所述目标业务视频数据的业务场景和业务行为,将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
应当理解,本发明实施例中所描述的计算机设备1000可执行前文图1到图4所对应实施例中对所述视频处理方法的描述,也可执行前文图5所对应实施例中对所述视频处理装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本发明实施例还提供了一种计算机存储介质,且所述计算机存储介质中存储有前文提及的视频处理装置1所执行的计算机程序,且所述计算机程序包括程序指令,当所述处理器执行所述程序指令时,能够执行前文图1到图4所对应实施例中对所述视频处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本发明所涉及的计算机存储介质实施例中未披露的技术细节,请参照本发明方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种视频处理方法,其特征在于,包括:
当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
在所述业务区块链中获取与所述审核对象相关联的目标业务区块,根据所述目标业务区块获取目标业务视频数据;
检测所述目标业务视频数据的业务场景和业务行为,将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
2.根据权利要求1所述的方法,其特征在于,所述审核请求中的业务内容包括场景集合和行为集合;
所述将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成所述审核请求对应的审核输出信息,包括:
若所述业务场景属于所述场景集合,且所述业务行为属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容相匹配;所述业务场景和所述业务行为与所述业务内容相匹配属于所述匹配结果;
当所述业务场景和所述业务行为与所述业务内容相匹配时,生成审核通过信息,并将所述审核通过信息作为所述审核输出信息。
3.根据权利要求2所述的方法,其特征在于,还包括:
若所述业务场景不属于所述场景集合,或所述业务行为不属于所述行为集合,则确定所述业务场景和所述业务行为与所述业务内容不匹配;所述业务场景和所述业务行为与所述业务内容不匹配属于所述匹配结果;
当所述业务场景和所述业务行为与所述业务内容不匹配时,生成审核否决信息,并将所述审核否决信息作为所述审核输出信息。
4.根据权利要求1所述的方法,其特征在于,所述检测所述目标业务视频数据的业务场景和业务行为,包括:
获取场景分类模型和行为分类模型;
基于所述场景分类模型中的编码层,对所述目标业务视频数据进行场景编码处理,生成场景隐藏特征向量,基于所述场景分类模型中的分类器,识别所述场景隐藏特征向量和所述场景分类模型中的多种场景属性之间的匹配概率,将具有最大匹配概率的场景属性作为所述目标业务视频数据的业务场景;
基于所述行为分类模型中的编码层,对所述目标业务视频数据进行行为编码处理,生成行为隐藏特征向量,基于所述行为分类模型中的分类器,识别所述行为隐藏特征向量和所述行为分类模型中的多种行为属性之间的匹配概率,将具有最大匹配概率的行为属性作为所述目标业务视频数据的业务行为。
5.根据权利要求1所述的方法,其特征在于,还包括:
接收参与节点发送的原始业务视频数据和数字签名;
获取所述参与节点的公钥,根据所述公钥,对所述数字签名解密,得到解密哈希值;
确定所述原始业务视频数据的哈希值,作为基准哈希值;
若所述解密哈希值和所述基准哈希值相同,则将所述原始业务视频数据确定为所述业务视频数据,根据所述业务视频数据生成业务区块,将所述业务区块添加至所述业务区块链。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标业务区块获取目标业务视频数据,包括:
读取所述目标业务区块中的区块体数据;
若所述区块体数据属于视频数据,则将所述区块体数据作为所述目标业务视频数据;
若所述区块体数据不属于视频数据,则将所述区块体数据作为目标消息摘要,从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据。
7.根据权利要求6所述的方法,其特征在于,所述从视频数据库从提取与所述目标消息摘要对应的目标业务视频数据,包括:
从视频数据库中拉取与所述目标消息摘要对应业务视频数据,作为待确定业务视频数据;
确定所述待确定业务视频数据的消息摘要,作为待检测消息摘要;
若所述待检测消息摘要和所述目标消息摘要相同,则将所述待确定业务视频数据作为所述目标业务视频数据。
8.一种视频处理装置,其特征在于,包括:
区块链获取模块,用于当接收到针对审核对象的审核请求时,根据所述审核请求获取业务区块链;所述业务区块链中的业务区块是由所述管理节点根据业务视频数据生成并添加至所述业务区块链的;
所述区块链获取模块,还用于在所述业务区块链中获取与所述审核对象相关联的目标业务区块;
视频获取模块,用于根据所述目标业务区块获取目标业务视频数据;
检测模块,用于检测所述目标业务视频数据的业务场景和业务行为;
匹配模块,用于将所述业务场景和所述业务行为与所述审核请求中的业务内容进行匹配,根据匹配结果生成与所述审核请求对应的审核输出信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-7中任一项所述方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906482.XA CN110598043B (zh) | 2019-09-24 | 2019-09-24 | 一种视频处理方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906482.XA CN110598043B (zh) | 2019-09-24 | 2019-09-24 | 一种视频处理方法、装置、计算机设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598043A true CN110598043A (zh) | 2019-12-20 |
CN110598043B CN110598043B (zh) | 2024-02-09 |
Family
ID=68862940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910906482.XA Active CN110598043B (zh) | 2019-09-24 | 2019-09-24 | 一种视频处理方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598043B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021175003A1 (zh) * | 2020-03-04 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 双录数据处理方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065977A (zh) * | 2014-06-06 | 2014-09-24 | 百度在线网络技术(北京)有限公司 | 音/视频文件的处理方法及装置 |
CN106713950A (zh) * | 2017-01-12 | 2017-05-24 | 安徽大尺度网络传媒有限公司 | 一种基于用户行为预测分析的视频服务系统 |
CN108182211A (zh) * | 2017-12-19 | 2018-06-19 | 百度在线网络技术(北京)有限公司 | 视频舆情获取方法、装置、计算机设备及存储介质 |
CN109241361A (zh) * | 2018-08-31 | 2019-01-18 | 上海雄九投资控股(集团)有限公司 | 基于区块链的数据处理方法 |
EP3512159A1 (en) * | 2018-01-16 | 2019-07-17 | Scyphir, Unipessoal LDA | Method, platform and system for ensuring auditability of an immutable digital transaction |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110163050A (zh) * | 2018-07-23 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种视频处理方法及装置、终端设备、服务器及存储介质 |
US20190297304A1 (en) * | 2017-02-24 | 2019-09-26 | Tencent Technology (Shenzhen) Company Limited | Group video communication method and network device |
-
2019
- 2019-09-24 CN CN201910906482.XA patent/CN110598043B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065977A (zh) * | 2014-06-06 | 2014-09-24 | 百度在线网络技术(北京)有限公司 | 音/视频文件的处理方法及装置 |
CN106713950A (zh) * | 2017-01-12 | 2017-05-24 | 安徽大尺度网络传媒有限公司 | 一种基于用户行为预测分析的视频服务系统 |
US20190297304A1 (en) * | 2017-02-24 | 2019-09-26 | Tencent Technology (Shenzhen) Company Limited | Group video communication method and network device |
CN108182211A (zh) * | 2017-12-19 | 2018-06-19 | 百度在线网络技术(北京)有限公司 | 视频舆情获取方法、装置、计算机设备及存储介质 |
EP3512159A1 (en) * | 2018-01-16 | 2019-07-17 | Scyphir, Unipessoal LDA | Method, platform and system for ensuring auditability of an immutable digital transaction |
CN110163050A (zh) * | 2018-07-23 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种视频处理方法及装置、终端设备、服务器及存储介质 |
CN109241361A (zh) * | 2018-08-31 | 2019-01-18 | 上海雄九投资控股(集团)有限公司 | 基于区块链的数据处理方法 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021175003A1 (zh) * | 2020-03-04 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 双录数据处理方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110598043B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111416808B (zh) | 跨区块链的数据互存方法、装置、设备及存储介质 | |
CN112132292B (zh) | 基于区块链的纵向联邦学习数据处理方法、装置及系统 | |
CN111970129B (zh) | 一种基于区块链的数据处理方法、设备以及可读存储介质 | |
CN110519297B (zh) | 一种基于区块链私钥的数据处理方法以及设备 | |
CN108876399B (zh) | 一种带闭环认证系统的有限域区块链系统 | |
CN109829726B (zh) | 一种基于区块链的药品信息管理方法及系统 | |
CN110309259B (zh) | 审计结果数据存储、查询方法、审计项存储方法及装置 | |
Li et al. | Robust batch steganography in social networks with non-uniform payload and data decomposition | |
CN110716932B (zh) | 数据处理方法、系统、设备及存储介质 | |
CN110969207B (zh) | 电子证据处理方法、装置、设备以及存储介质 | |
CN109447809B (zh) | 一种结合区块链的视频主动识别方法 | |
DE112020005075T5 (de) | Effiziente schwellenwertspeicherung von datenobjekten | |
CN108924109B (zh) | 数据传输方法、装置及处理设备 | |
CN111475866A (zh) | 一种区块链电子证据保全方法和系统 | |
CN110689348B (zh) | 基于联盟链的收入验证方法、装置、终端及介质 | |
DE112021002053T5 (de) | Verrauschte Transaktion zum Schutz von Daten | |
CN112988667B (zh) | 一种基于区块链网络的数据存储方法及装置 | |
US20200329039A1 (en) | Securing digital data transmission in a communication network | |
US20190095595A1 (en) | Data Watermarking and Fingerprinting System and Method | |
CN111324663A (zh) | 基于区块链的数据处理方法、装置、设备及可读存储介质 | |
CN114282882B (zh) | 素材工单审核方法、装置、设备及存储介质 | |
CN110598043B (zh) | 一种视频处理方法、装置、计算机设备以及存储介质 | |
US20210099772A1 (en) | System and method for verification of video integrity based on blockchain | |
EP3926520A1 (en) | Dynamic two-dimensional code evaluation method, dynamic two-dimensional code evaluation system, and dynamic two-dimensional code evaluation program | |
Mallikarjuna et al. | An efficient vote casting system with Aadhar verification through blockchain |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |