CN111050133A - 一种基于区块链技术的视频数据处理系统 - Google Patents

一种基于区块链技术的视频数据处理系统 Download PDF

Info

Publication number
CN111050133A
CN111050133A CN201911335029.4A CN201911335029A CN111050133A CN 111050133 A CN111050133 A CN 111050133A CN 201911335029 A CN201911335029 A CN 201911335029A CN 111050133 A CN111050133 A CN 111050133A
Authority
CN
China
Prior art keywords
video data
node
matrix
video
identification information
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
Application number
CN201911335029.4A
Other languages
English (en)
Other versions
CN111050133B (zh
Inventor
陈晓敏
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.)
Beijing Jixing koala culture media Co.,Ltd.
Original Assignee
Guangzhou Gongping 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 Guangzhou Gongping Technology Co Ltd filed Critical Guangzhou Gongping Technology Co Ltd
Priority to CN201911335029.4A priority Critical patent/CN111050133B/zh
Publication of CN111050133A publication Critical patent/CN111050133A/zh
Application granted granted Critical
Publication of CN111050133B publication Critical patent/CN111050133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供了基于区块链技术的视频数据处理系统,所述区块链包括至少十个节点,每个节点包括:存储模块,用于存储第一视频数据和与第一视频数据相对应的拍摄处理模块的第一标识信息;传输模块,用于从一个其它节点获取该其它节点的拍摄处理模块所拍摄的第二视频数据和相应拍摄处理模块的第二标识信息;判断模块,用于判断所述存储模块中存储的第一标识信息中是否存在与所述传输模块获取的第二标识信息相匹配的第一匹配标识信息;如果存在,则将第二视频数据作为所述第一匹配标识信息所对应的新的第一视频数据存入所述存储模块。

Description

一种基于区块链技术的视频数据处理系统
技术领域
本发明涉及区块链技术领域,特别涉及一种基于区块链技术的视频数据处理系统。
背景技术
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。它本质上是一个去中心化的数据库。区块链中包括很多个节点,节点可以是任何用户设备、信息设备;每个节点均为区块链的大数据的重要数据输入口。如果节点所输入的数据出现安全问题,那么将会导致整个区块链中大数据出现故障。
目前,在医疗领域,对手术过程进行手术录像已成为较为成熟的技术,这些视频数据可以存入区块链的各个节点中作为手术过程数据进行学习使用、也可以作为后期排除医疗事故的证据使用,这类视频数据的数据输入可信性就显得尤为重要。或者,在重点监控区域的视频监控方面,监控视频的数据输入的可信度也显得尤为重要。
发明内容
为解决上述技术问题,本发明提供一种基于区块链技术的视频数据处理系统。
本发明提供一种基于区块链技术的视频数据处理系统,所述区块链包括至少十个节点,每个节点包括:
存储模块,用于存储第一视频数据和与第一视频数据相对应的拍摄处理模块的第一标识信息;
传输模块,用于从一个其它节点获取该其它节点的拍摄处理模块所拍摄的第二视频数据和相应拍摄处理模块的第二标识信息;
判断模块,用于判断所述存储模块中存储的第一标识信息中是否存在与所述传输模块获取的第二标识信息相匹配的第一匹配标识信息;
如果存在,则将第二视频数据作为所述第一匹配标识信息所对应的新的第一视频数据存入所述存储模块;
如果不存在,则判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值;
如果第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值,则判断所述第一视频数据的总帧数目是否等于或大于预设帧数目;如果所述第一视频数据的总帧数目等于或大于预设帧数目,则将第二视频数据作为所述第一标识信息所对应的新的第一视频数据存入存储模块,并将所述第一标识信息替换为第二标识信息后存入存储模块;
如果第一视频数据与第二视频数据之间的视频相似度小于预设阈值、或者所述第一视频数据的总帧数目小于预设帧数目,则终止传输模块和一个其它节点之间的数据传输。
在一个实施例中,所述第一标识信息、第二标识信息均为第二网络地址;或者
所述第一标识信息、第二标识信息均为模块硬件唯一编码。
在一个实施例中,所述系统中还包括一根节点服务器,所述根节点服务器与每个节点之间数据连接;
所述根节点服务器中存储有每个节点的拍摄处理模块所对应的认证物品图样和认证物品图样在加密视频段中需要连续出现的预设最少帧数;
每个节点的拍摄处理模块所拍摄的第二视频数据中携带有禁止在其它节点的视频显示器中显示的一段加密视频段;
所述判断模块判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值,包括:
从根节点服务器中获取第二视频数据所来自的节点所对应的第一认证物品图样和第一认证物品图样在加密视频段中需要连续出现的预设最少帧数;
判断第二视频数据中是否出现所述第一认证物品图样、并且所述第一认证物品图样在加密视频段出现的连续总帧数是否等于或大于第二视频数据所来自的节点所对应的预设最少帧数;
如果判断结果均为是,则开始判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值。
在一个实施例中,所述区块链还包括一根节点服务器,所述根节点服务器用于存储所述区块链中的超级节点标识信息,并将超级节点的存储模块存储的信息进行同步;
所述根节点服务器,还用于判断所述存储模块中存储的目标拍摄处理模块的第一标识信息在预设时间段内被替换为第二标识信息的次数N1和该目标拍摄处理模块在所述预设时间段内拍摄到的第二视频数据存储入所述存储模块的总次数N2,当所述N2超过预设次数、并且所述N1/N2的值等于或小于预设比值时,将所述目标拍摄处理模块所对应的节点升级为超级节点。
在一个实施例中,所述根节点服务器,还用于当所述N2等于或小于预设次数、并且所述N1/N2的值大于所述预设比值时,将所述目标拍摄处理模块所对应的节点标记为可疑节点,控制每个节点的传输模块停止从所述可疑节点获取第二视频数据和对应的第二标识信息,并发起对所述可疑节点的认证过程。
在一个实施例中,计算所述第一视频数据与第二视频数据之间的视频相似度,包括:
获取所述第一视频数据的第一视频特征信息,所述第一视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第一视频数据时所处的地理位置相应的数字化取值;根据所述第一视频特征信息构建第一矩阵;
获取所述第二视频数据的第二视频特征信息,所述第二视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第二视频数据时所处的地理位置相应的数字化取值;根据所述第二视频特征信息构建第二矩阵;
按照如下相似度算法计算所述第一视频数据与第二视频数据之间的视频相似度:
步骤1:确定卷积核:
Figure BDA0002330712540000041
其中,F0为所述第一矩阵的卷积核,
Figure BDA0002330712540000042
为所述第一矩阵中第d行第i列的信息值,m为所述第一矩阵总列数;
Figure BDA0002330712540000043
其中,Fb为所述第二矩阵的卷积核,
Figure BDA0002330712540000044
为所述第二矩阵中第d行第i列的信息值,m为所述第二矩阵总列数;
步骤2:提取卷积特征:
以步长Δ进行卷积操作:
Figure BDA0002330712540000045
得到所述第一矩阵的特征集:
Figure BDA0002330712540000046
其中,I0为所述第一矩阵的特征矩阵,
Figure BDA0002330712540000047
为所述第一矩阵中第i列的信息值;
以步长Δ进行卷积操作:
Figure BDA0002330712540000051
得到所述第二矩阵的特征集:
Figure BDA0002330712540000052
其中,Ib为所述第二矩阵的特征矩阵,
Figure BDA0002330712540000053
为所述第二矩阵中第i列的信息值。
步骤3:进行信息弱化:
Figure BDA0002330712540000054
其中,C0为所述第一矩阵弱化信息,
Figure BDA0002330712540000055
为所述第一矩阵的特征集中第i个特征值,F0为所述第一矩阵的卷积核;
Figure BDA0002330712540000056
其中,Cb为所述第二矩阵弱化信息,
Figure BDA0002330712540000057
为所述第二矩阵的特征集中第i个特征值,Fb为所述二矩阵的卷积核;
步骤4:提取弱化信息后的特征集U C0和U Cb,并将特征集展开排序拼接,得到所述第一矩阵的一维卷积特征f和所述第二矩阵的一维卷积特征fh
步骤5:计算所述第一矩阵与所述第二矩阵的相似度,将所述第一矩阵与所述第二矩阵的相似度作为所述第一视频数据与第二视频数据之间的视频相似度:
Figure BDA0002330712540000058
其中,gf为所述第一矩阵与所述第二矩阵的相似度,f为所述第一矩阵的卷积特征值,fh为所述第二矩阵的卷积特征值,
Figure BDA0002330712540000059
表示f的二范数。
在一个实施例中,所述判断模块还用于计算所述第一视频数据与第二视频数据之间的视频相似度,计算方法如下:
提取所述第一视频数据中的多个第一关键帧;提取每个第一关键帧中的第一关键图样,获得多个第一关键图样;
提取所述第二视频数据中的多个第二关键帧;提取每个第二关键帧中的第二关键图样,获得多个第二关键图样;
确定每个所述第一关键图样在预先构建的图样节点层级树中所在的第一节点,确定每个所述第二关键图样在预先构建的图样节点层级树中所在的第二节点;
根据以下公式(1)、(2)、(3)、(4)确定每个第一关键图样dl与每个第二关键图样d0之间的图样相似度S(dl,d0),其中:
S(dl,d0)=t1×F1+t2×F2
公式(1)为:
公式(2)为
Figure BDA0002330712540000061
公式(3)为:
Figure BDA0002330712540000062
公式(4)为:
Figure BDA0002330712540000063
其中:
Figure BDA0002330712540000064
其中,所述t1、t2为预设的权重因子,t1+t2=1,且t1和t2均为正数;所述y为预设的调节因子,y为正数;所述M为第一节点到第二节点的最短可达路径上的节点总数;所述i为所述最短可达路径上的第i个节点di的节点序列号;stratum(i)为所述第i个节点di在图样节点层级树中的层次;G(di)为所述第i个节点di上的密度,bi1为所述第i个节点di上的所有第一关键图样的数目;bi2为第i个节点di上的所有第二关键图样的数目;B1为所有第一关键图样的数目;B2为所有第二关键图样的数目;G(dl)为第一节点上的密度,b11为第一节点上的所有第一关键图样的数目,b12为第一节点上的所有第二关键图样的数目;G(d0)为第二节点上的密度,b21为第二节点上的所有第一关键图样的数目,b22为第二节点上的所有第二关键图样的数目;h为预设的调节因子,取值范围为[0.5,2];ε为预设的调节因子,取值为[1,6]之间的整数;H为所述图样节点层级树的层级总数;R表示所述最短可达路径上所有节点的层级的总和;
确定计算出的所有的图样相似度中,数值等于或大于预设图样相似度阈值的所有目标图样相似度,当所有的目标图样相似度的总数目等于或大于预设数目时,确定第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所提供一种区块链中视频数据安全处理系统的示意图。
图2为本发明所提供的图样节点层级树的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种区块链中视频数据安全处理系统,区块链包括至少十个节点,每个节点包括:
存储模块,用于存储第一视频数据和与第一视频数据相对应的拍摄处理模块的第一标识信息;第一标识信息可以是拍摄处理模块的设备唯一标识、或者网络地址;
传输模块,用于从一个其它节点获取该其它节点的拍摄处理模块所拍摄的第二视频数据和相应拍摄处理模块的第二标识信息;第二标识信息可以是拍摄处理模块的设备唯一标识、或者网络地址;
判断模块,用于判断存储模块中存储的第一标识信息中是否存在与传输模块获取的第二标识信息相匹配的第一匹配标识信息;
如果存在,则将第二视频数据作为第一匹配标识信息所对应的新的第一视频数据存入存储模块;
如果不存在,则判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值;
如果第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值,则判断所述第一视频数据的总帧数目是否等于或大于预设帧数目;如果所述第一视频数据的总帧数目等于或大于预设帧数目,则将第二视频数据作为所述第一标识信息所对应的新的第一视频数据存入存储模块,并将所述第一标识信息替换为第二标识信息后存入存储模块;
如果第一视频数据与第二视频数据之间的视频相似度小于预设阈值、或者所述第一视频数据的总帧数目小于预设帧数目,则终止传输模块和一个其它节点之间的数据传输。
以上系统的工作原理为:将拍摄处理模块的标识信息作为认证视频数据是否安全的标准;当其它节点的拍摄处理模块的第二标识信息与预存的第一标识信息匹配时,认为从其它节点过来的数据是可信任的,可以直接存储入本节点的存储模块中,作为大数据。当其它节点的拍摄处理模块的第二标识信息与预存的第一标识信息不匹配时,通过判断视频数据之间的视频相似度来决定从其它节点发来的第二视频数据是否是可信任的,避免不可信的数据存入节点。提高了区块链视频数据的存储安全性和可信性。
在一个实施例中,所述第一标识信息、第二标识信息均为第二网络地址;或者,第一标识信息、第二标识信息均为模块硬件唯一编码。
在一个实施例中,所述系统中还包括一根节点服务器,根节点服务器与每个节点之间数据连接;
所述根节点服务器中存储有每个节点的拍摄处理模块所对应的认证物品图样和认证物品图样在加密视频段中需要连续出现的预设最少帧数;
每个节点的拍摄处理模块所拍摄的第二视频数据中携带有禁止在其它节点的视频显示器中显示的一段加密视频段;
所述判断模块判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值,包括:
从根节点服务器中获取第二视频数据所来自的节点所对应的第一认证物品图样和第一认证物品图样在加密视频段中需要连续出现的预设最少帧数;
判断第二视频数据中是否出现所述第一认证物品图样、并且所述第一认证物品图样在加密视频段出现的连续总帧数是否等于或大于第二视频数据所来自的节点所对应的预设最少帧数;
如果判断结果均为是,则开始判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值。
上述技术方案,在判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值之前,增加了一道安全认证工序,因为节点的合法用户才知道其认证物品图样及其对应的预设最少帧数,合法用户可以在使用节点的拍摄处理模块拍摄第二视频数据时能够生成正确的加密视频段;节点的非法用户是不知道认证物品图样及其对应的预设最少帧数的,因而如果是非法用户使用节点的拍摄处理模块来拍摄到第二视频数据,则即使该非法用户能拍摄到第二视频数据,但该第二视频数据也无法携带正确的加密视频段,从而也无法启动后续的判断视频之间视频相似度的过程,第二视频数据无法存储入各个节点中,保证了节点所拍摄数据的合法性。上述所增加的一道安全认证程序,可以避免节点被熟悉节点的非法用户使用后,如果非法用户使用节点的拍摄处理模块拍摄了该节点经常拍摄的场景,则如果没有上述一道安全认证程序,则该非法用户所拍摄的第二视频数据依然是可以存储入各个节点中的,无法保证节点所拍摄数据的合法性。可见,上述所增加的一道安全认证程序和后续的判断视频相似度的流程,保证了最终存储入各个节点中的视频数据的合法性和安全性。
在一个实施例中,所述区块链包括一根节点服务器,所述根节点服务器用于存储所述区块链中的超级节点标识信息,并将超级节点的存储模块存储的信息进行同步;
所述根节点服务器,还用于判断所述存储模块中存储的目标拍摄处理模块的第一标识信息在预设时间段内被替换为第二标识信息的次数N1和该目标拍摄处理模块在所述预设时间段内拍摄到的第二视频数据存储入所述存储模块的总次数N2,当所述N2超过预设次数、并且所述N1/N2的值等于或小于预设比值时,将所述目标拍摄处理模块所对应的节点升级为超级节点。
其中,所述预设比值可以是0或者0.1。
另外,所述根节点服务器,还用于当所述N2等于或小于预设次数、并且所述N1/N2的值大于所述预设比值时,将所述目标拍摄处理模块所对应的节点标记为可疑节点,控制每个节点的传输模块停止从可疑节点获取第二视频数据和对应的第二标识信息,并发起对所述可疑节点的认证过程。
上述对超级节点的设置和操作可使得大数据能完整的保存入所有可信任的超级节点中,保证区块链中数据的安全性、完整性。
在一个实施例中,计算所述第一视频数据与第二视频数据之间的视频相似度,包括:
获取所述第一视频数据的第一视频特征信息,所述第一视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第一视频数据时所处的地理位置相应的数字化取值;根据所述第一视频特征信息构建第一矩阵;
获取所述第二视频数据的第二视频特征信息,所述第二视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第二视频数据时所处的地理位置相应的数字化取值;根据所述第二视频特征信息构建第二矩阵;
按照如下相似度算法计算所述第一视频数据与第二视频数据之间的视频相似度:
步骤1:确定卷积核:
Figure BDA0002330712540000111
其中,F0为所述第一矩阵的卷积核,
Figure BDA0002330712540000112
为所述第一矩阵中第d行第i列的信息值,m为所述第一矩阵总列数;
Figure BDA0002330712540000113
其中,Fb为所述第二矩阵的卷积核,
Figure BDA0002330712540000114
为所述第二矩阵中第d行第i列的信息值,m为所述第二矩阵总列数;
步骤2:提取卷积特征:
以步长Δ进行卷积操作:
Figure BDA0002330712540000121
得到所述第一矩阵的特征集:
Figure BDA0002330712540000122
其中,I0为所述第一矩阵的特征矩阵,
Figure BDA00023307125400001211
为所述第一矩阵中第i列的信息值;
以步长Δ进行卷积操作:
Figure BDA0002330712540000123
得到所述第二矩阵的特征集:
Figure BDA0002330712540000124
其中,Ib为所述第二矩阵的特征矩阵,
Figure BDA0002330712540000125
为所述第二矩阵中第i列的信息值。
步骤3:进行信息弱化:
Figure BDA0002330712540000126
其中,C0为所述第一矩阵弱化信息,
Figure BDA0002330712540000127
为所述第一矩阵的特征集中第i个特征值,F0为所述第一矩阵的卷积核;
Figure BDA0002330712540000128
其中,Cb为所述第二矩阵弱化信息,
Figure BDA0002330712540000129
为所述第二矩阵的特征集中第i个特征值,Fb为所述二矩阵的卷积核;
步骤4:提取弱化信息后的特征集U C0和U Cb,并将特征集展开排序拼接,得到所述第一矩阵的一维卷积特征f和所述第二矩阵的一维卷积特征fh
步骤5:计算所述第一矩阵与所述第二矩阵的相似度,将所述第一矩阵与所述第二矩阵的相似度作为所述第一视频数据与第二视频数据之间的视频相似度:
Figure BDA00023307125400001210
其中,gf为所述第一矩阵与所述第二矩阵的相似度,f为所述第一矩阵的卷积特征值,fh为所述第二矩阵的卷积特征值,
Figure BDA0002330712540000131
表示f的二范数。
上述技术方案的有益效果:利用上述技术,判断模块对第一视频数据和第二视频数据分别对应的第一矩阵和第二矩阵进行处理,首先确定卷积核,然后提取卷积特征,最后计算相似度。在计算相似度的过程中,对信息进行了弱化,可以更加准确计算出第一视频数据和第二视频数据之间的视频相似度,提高计算准确性。
在一个实施例中,所述判断模块还用于计算所述第一视频数据与第二视频数据之间的视频相似度,计算方法如下:
提取所述第一视频数据中的多个第一关键帧;提取每个第一关键帧中的第一关键图样,获得多个第一关键图样;
提取所述第二视频数据中的多个第二关键帧;提取每个第二关键帧中的第二关键图样,获得多个第二关键图样;
确定每个所述第一关键图样在预先构建的图样节点层级树中所在的第一节点,确定每个所述第二关键图样在预先构建的图样节点层级树中所在的第二节点;
根据以下公式(1)、(2)、(3)、(4)确定每个第一关键图样dl与每个第二关键图样d0之间的图样相似度S(dl,d0),其中:
公式(1)为:S(dl,d0)=t1×F1+t2×F2
公式(2)为
Figure BDA0002330712540000132
公式(3)为:
Figure BDA0002330712540000141
公式(4)为:
Figure BDA0002330712540000142
其中:
Figure BDA0002330712540000143
其中,所述t1、t2为预设的权重因子,t1+t2=1,且t1和t2均为正数;所述y为预设的调节因子,y为正数;所述M为第一节点到第二节点的最短可达路径上的节点总数;所述i为所述最短可达路径上的第i个节点di的节点序列号;stratum(i)为所述第i个节点di在图样节点层级树中的层次;G(di)为所述第i个节点di上的密度,bi1为所述第i个节点di上的所有第一关键图样的数目;bi2为第i个节点di上的所有第二关键图样的数目;B1为所有第一关键图样的数目;B2为所有第二关键图样的数目;G(dl)为第一节点上的密度,b11为第一节点上的所有第一关键图样的数目,b12为第一节点上的所有第二关键图样的数目;G(d0)为第二节点上的密度,b21为第二节点上的所有第一关键图样的数目,b22为第二节点上的所有第二关键图样的数目;h为预设的调节因子,取值范围为[0.5,2];ε为预设的调节因子,取值为[1,6]之间的整数;H为所述图样节点层级树的层级总数;R表示所述最短可达路径上所有节点的层级的总和;
确定计算出的所有的图样相似度中,数值等于或大于预设图样相似度阈值的所有目标图样相似度,当所有的目标图样相似度的总数目等于或大于预设数目时,确定第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值。
其中,图样节点层级树是按照图样所属的物品类别来划分的,如图2所示,该树可以表示为图2所示结构。上一级节点是下一级节点的父节点。判断关键图样是在预先构建的图样节点层级树中的哪个节点时,需要先确定关键图样中所包括的物品,然后判断该物品与树中的哪个节点匹配度最高,匹配度最高的那个节点便是该关键图样所在的节点。
上述技术方案,根据图样节点层级树和相关的算法对视频之间的视频相似度进行计算,提高了计算结果的速度,同时,因为在计算的过程中只考虑了视频中最重要的数据:关键图样,并未考虑语音等其它与视频本身关系为次密切的因素,如此,可以保证计算结果的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于区块链技术的视频数据处理系统,其特征在于,所述区块链包括至少十个节点,每个节点包括:
存储模块,用于存储第一视频数据和与第一视频数据相对应的拍摄处理模块的第一标识信息;
传输模块,用于从一个其它节点获取该其它节点的拍摄处理模块所拍摄的第二视频数据和相应拍摄处理模块的第二标识信息;
判断模块,用于判断所述存储模块中存储的第一标识信息中是否存在与所述传输模块获取的第二标识信息相匹配的第一匹配标识信息;
如果存在,则将第二视频数据作为所述第一匹配标识信息所对应的新的第一视频数据存入所述存储模块;
如果不存在,则判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值;
如果第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值,则判断所述第一视频数据的总帧数目是否等于或大于预设帧数目;如果所述第一视频数据的总帧数目等于或大于预设帧数目,则将第二视频数据作为所述第一标识信息所对应的新的第一视频数据存入存储模块,并将所述第一标识信息替换为第二标识信息后存入存储模块;
如果第一视频数据与第二视频数据之间的视频相似度小于预设阈值、或者所述第一视频数据的总帧数目小于预设帧数目,则终止传输模块和一个其它节点之间的数据传输。
2.如权利要求1所述的系统,其特征在于,
所述第一标识信息、第二标识信息均为第二网络地址;或者
所述第一标识信息、第二标识信息均为模块硬件唯一编码。
3.如权利要求1所述的系统,其特征在于,所述系统中还包括一根节点服务器,所述根节点服务器与每个节点之间数据连接;
所述根节点服务器中存储有每个节点的拍摄处理模块所对应的认证物品图样和认证物品图样在加密视频段中需要连续出现的预设最少帧数;
每个节点的拍摄处理模块所拍摄的第二视频数据中携带有禁止在其它节点的视频显示器中显示的一段加密视频段;
所述判断模块判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值,包括:
从根节点服务器中获取第二视频数据所来自的节点所对应的第一认证物品图样和第一认证物品图样在加密视频段中需要连续出现的预设最少帧数;
判断第二视频数据中是否出现所述第一认证物品图样、并且所述第一认证物品图样在加密视频段出现的连续总帧数是否等于或大于第二视频数据所来自的节点所对应的预设最少帧数;
如果判断结果均为是,则开始判断第一视频数据与第二视频数据之间的视频相似度是否等于或大于预设阈值。
4.如权利要求1所述的系统,其特征在于,所述区块链还包括一根节点服务器,所述根节点服务器用于存储所述区块链中的超级节点标识信息,并将超级节点的存储模块存储的信息进行同步;
所述根节点服务器,还用于判断所述存储模块中存储的目标拍摄处理模块的第一标识信息在预设时间段内被替换为第二标识信息的次数N1和该目标拍摄处理模块在所述预设时间段内拍摄到的第二视频数据存储入所述存储模块的总次数N2,当所述N2超过预设次数、并且所述N1/N2的值等于或小于预设比值时,将所述目标拍摄处理模块所对应的节点升级为超级节点。
5.如权利要求1所述的系统,其特征在于,
所述根节点服务器,还用于当所述N2等于或小于预设次数、并且所述N1/N2的值大于所述预设比值时,将所述目标拍摄处理模块所对应的节点标记为可疑节点,控制每个节点的传输模块停止从所述可疑节点获取第二视频数据和对应的第二标识信息,并发起对所述可疑节点的认证过程。
6.如权利要求1所述的系统,其特征在于,
计算所述第一视频数据与第二视频数据之间的视频相似度,包括:
获取所述第一视频数据的第一视频特征信息,所述第一视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第一视频数据时所处的地理位置相应的数字化取值;根据所述第一视频特征信息构建第一矩阵;
获取所述第二视频数据的第二视频特征信息,所述第二视频特征信息包括视频中包括的物品特征相应的数字化取值、人物特征相应的数字化取值、自然环境特征相应的数字化取值、视频时间长度、拍摄第二视频数据时所处的地理位置相应的数字化取值;根据所述第二视频特征信息构建第二矩阵;
按照如下相似度算法计算所述第一视频数据与第二视频数据之间的视频相似度:
步骤1:确定卷积核:
Figure FDA0002330712530000031
其中,F0为所述第一矩阵的卷积核,
Figure FDA0002330712530000032
为所述第一矩阵中第d行第i列的信息值,m为所述第一矩阵总列数;
Figure FDA0002330712530000033
其中,Fb为所述第二矩阵的卷积核,
Figure FDA0002330712530000034
为所述第二矩阵中第d行第i列的信息值,m为所述第二矩阵总列数;
步骤2:提取卷积特征:
以步长Δ进行卷积操作:
Figure FDA0002330712530000041
得到所述第一矩阵的特征集:
Figure FDA0002330712530000042
其中,I0为所述第一矩阵的特征矩阵,Fi 0为所述第一矩阵中第i列的信息值;
以步长Δ进行卷积操作:
Figure FDA0002330712530000043
得到所述第二矩阵的特征集:
Figure FDA0002330712530000044
其中,Ib为所述第二矩阵的特征矩阵,Fi b为所述第二矩阵中第i列的信息值。
步骤3:进行信息弱化:
Figure FDA0002330712530000045
其中,C0为所述第一矩阵弱化信息,
Figure FDA0002330712530000048
为所述第一矩阵的特征集中第i个特征值,F0为所述第一矩阵的卷积核;
Figure FDA0002330712530000046
其中,Cb为所述第二矩阵弱化信息,
Figure FDA0002330712530000047
为所述第二矩阵的特征集中第i个特征值,Fb为所述二矩阵的卷积核;
步骤4:提取弱化信息后的特征集U C0和U Cb,并将特征集展开排序拼接,得到所述第一矩阵的一维卷积特征f和所述第二矩阵的一维卷积特征fh
步骤5:计算所述第一矩阵与所述第二矩阵的相似度,将所述第一矩阵与所述第二矩阵的相似度作为所述第一视频数据与第二视频数据之间的视频相似度:
Figure FDA0002330712530000051
其中,gf为所述第一矩阵与所述第二矩阵的相似度,f为所述第一矩阵的卷积特征值,fh为所述第二矩阵的卷积特征值,
Figure FDA0002330712530000052
表示f的二范数。
7.根据权利要求1所述的系统,其特征在于,所述判断模块还用于计算所述第一视频数据与第二视频数据之间的视频相似度,计算方法如下:
提取所述第一视频数据中的多个第一关键帧;提取每个第一关键帧中的第一关键图样,获得多个第一关键图样;
提取所述第二视频数据中的多个第二关键帧;提取每个第二关键帧中的第二关键图样,获得多个第二关键图样;
确定每个所述第一关键图样在预先构建的图样节点层级树中所在的第一节点,确定每个所述第二关键图样在预先构建的图样节点层级树中所在的第二节点;
根据以下公式(1)、(2)、(3)、(4)确定每个第一关键图样dl与每个第二关键图样d0之间的图样相似度S(dl,d0),其中:
公式(1)为:S(dl,d0)=t1×F1+t2×F2
公式(2)为
Figure FDA0002330712530000053
公式(3)为:
Figure FDA0002330712530000054
公式(4)为:
Figure FDA0002330712530000061
其中:
Figure FDA0002330712530000062
其中,所述t1、t2为预设的权重因子,t1+t2=1,且t1和t2均为正数;所述y为预设的调节因子,y为正数;所述M为第一节点到第二节点的最短可达路径上的节点总数;所述i为所述最短可达路径上的第i个节点di的节点序列号;stratum(i)为所述第i个节点di在图样节点层级树中的层次;G(di)为所述第i个节点di上的密度,bi1为所述第i个节点di上的所有第一关键图样的数目;bi2为第i个节点di上的所有第二关键图样的数目;B1为所有第一关键图样的数目;B2为所有第二关键图样的数目;G(dl)为第一节点上的密度,b11为第一节点上的所有第一关键图样的数目,b12为第一节点上的所有第二关键图样的数目;G(d0)为第二节点上的密度,b21为第二节点上的所有第一关键图样的数目,b22为第二节点上的所有第二关键图样的数目;h为预设的调节因子,取值范围为[0.5,2];ε为预设的调节因子,取值为[1,6]之间的整数;H为所述图样节点层级树的层级总数;R表示所述最短可达路径上所有节点的层级的总和;W(stratum(i))为权重因子;F1、F2为中间量;
确定计算出的所有的图样相似度中,数值等于或大于预设图样相似度阈值的所有目标图样相似度,当所有的目标图样相似度的总数目等于或大于预设数目时,确定第一视频数据与第二视频数据之间的视频相似度等于或大于预设阈值。
CN201911335029.4A 2019-12-23 2019-12-23 一种基于区块链技术的视频数据处理系统 Active CN111050133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911335029.4A CN111050133B (zh) 2019-12-23 2019-12-23 一种基于区块链技术的视频数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911335029.4A CN111050133B (zh) 2019-12-23 2019-12-23 一种基于区块链技术的视频数据处理系统

Publications (2)

Publication Number Publication Date
CN111050133A true CN111050133A (zh) 2020-04-21
CN111050133B CN111050133B (zh) 2020-10-23

Family

ID=70238469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911335029.4A Active CN111050133B (zh) 2019-12-23 2019-12-23 一种基于区块链技术的视频数据处理系统

Country Status (1)

Country Link
CN (1) CN111050133B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103238159A (zh) * 2010-09-28 2013-08-07 华为技术有限公司 用于图像认证的系统和方法
CN103235918A (zh) * 2013-04-18 2013-08-07 北京奇虎科技有限公司 可信文件的收集方法及系统
CN108229214A (zh) * 2016-12-22 2018-06-29 北京兆易创新科技股份有限公司 一种提高数据安全性的方法和装置
CN108400970A (zh) * 2018-01-20 2018-08-14 西安电子科技大学 云环境中相似数据消息锁定加密去重方法、云存储系统
CN108833081A (zh) * 2018-06-22 2018-11-16 中国人民解放军国防科技大学 一种基于区块链的设备组网认证方法
CN108920908A (zh) * 2018-06-28 2018-11-30 北京京东尚科信息技术有限公司 数据存储方法、装置和计算机可读存储介质
US20190089687A1 (en) * 2017-09-18 2019-03-21 Michael Stephen Fiske Multiparty Key Exchange
CN109635584A (zh) * 2018-11-23 2019-04-16 浙江工商大学 一种基于区块链的数据链接隐私计算方法
US10361866B1 (en) * 2018-08-13 2019-07-23 Truepic Inc. Proof of image authentication on a blockchain
CN110209532A (zh) * 2019-06-03 2019-09-06 高田 一种区块链大数据安全处理系统及方法
CN110363017A (zh) * 2019-07-15 2019-10-22 华瑞新智科技(北京)有限公司 混合云环境下基于客户端加密的数据安全共享方法及系统
CN110474903A (zh) * 2019-08-15 2019-11-19 广州蚁比特区块链科技有限公司 可信数据获取方法、装置及区块链节点
CN110602455A (zh) * 2019-09-10 2019-12-20 腾讯科技(深圳)有限公司 视频存储系统、视频处理方法、装置、设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103238159A (zh) * 2010-09-28 2013-08-07 华为技术有限公司 用于图像认证的系统和方法
CN103235918A (zh) * 2013-04-18 2013-08-07 北京奇虎科技有限公司 可信文件的收集方法及系统
CN108229214A (zh) * 2016-12-22 2018-06-29 北京兆易创新科技股份有限公司 一种提高数据安全性的方法和装置
US20190089687A1 (en) * 2017-09-18 2019-03-21 Michael Stephen Fiske Multiparty Key Exchange
CN108400970A (zh) * 2018-01-20 2018-08-14 西安电子科技大学 云环境中相似数据消息锁定加密去重方法、云存储系统
CN108833081A (zh) * 2018-06-22 2018-11-16 中国人民解放军国防科技大学 一种基于区块链的设备组网认证方法
CN108920908A (zh) * 2018-06-28 2018-11-30 北京京东尚科信息技术有限公司 数据存储方法、装置和计算机可读存储介质
US10361866B1 (en) * 2018-08-13 2019-07-23 Truepic Inc. Proof of image authentication on a blockchain
CN109635584A (zh) * 2018-11-23 2019-04-16 浙江工商大学 一种基于区块链的数据链接隐私计算方法
CN110209532A (zh) * 2019-06-03 2019-09-06 高田 一种区块链大数据安全处理系统及方法
CN110363017A (zh) * 2019-07-15 2019-10-22 华瑞新智科技(北京)有限公司 混合云环境下基于客户端加密的数据安全共享方法及系统
CN110474903A (zh) * 2019-08-15 2019-11-19 广州蚁比特区块链科技有限公司 可信数据获取方法、装置及区块链节点
CN110602455A (zh) * 2019-09-10 2019-12-20 腾讯科技(深圳)有限公司 视频存储系统、视频处理方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乔蕊等: "基于区块链技术的动态数据存储安全机制研究", 《计算机科学》 *

Also Published As

Publication number Publication date
CN111050133B (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
US20200195667A1 (en) Url attack detection method and apparatus, and electronic device
CA2717612C (en) Fingerprint representation using gradient histograms
US9075897B2 (en) Storing and searching fingerprints derived from media content based on a classification of the media content
CN111783875A (zh) 基于聚类分析的异常用户检测方法、装置、设备及介质
CN102938767B (zh) 基于云数据外包系统的高效可验证的模糊关键词搜索方法
CN106203333A (zh) 人脸识别方法及系统
CN108985934B (zh) 区块链修改方法和装置
CN109818971B (zh) 一种基于高阶关联挖掘的网络数据异常检测方法与系统
CN117424754B (zh) 针对集群联邦学习攻击的防御方法、终端及存储介质
KR20190028880A (ko) 봇넷 탐지 시스템을 학습하기 위한 학습 데이터를 생성하는 방법 및 그 장치
CN102549599A (zh) 用于生成并使用短长度虹膜代码的系统和方法
CN112668453B (zh) 视频识别方法及相关设备
CN115577360A (zh) 一种不依赖梯度的聚类联邦学习方法及系统
CN111597167A (zh) 一种应用区块链技术的大数据管理系统及方法
CN113435505A (zh) 一种安全用户画像的构建方法与装置
CN114565106A (zh) 基于孤立森林的联邦学习中毒攻击的防御方法
CN113435264A (zh) 基于寻找黑盒替代模型的人脸识别对抗攻击方法及装置
Cappelli et al. Adversarial robustness by design through analog computing and synthetic gradients
CN111050133B (zh) 一种基于区块链技术的视频数据处理系统
Corberi Development and regression of a large fluctuation
CN107103327B (zh) 一种基于颜色统计差异的染色伪造图像检测方法
CN115242539B (zh) 基于特征融合的电网信息系统网络攻击检测方法及装置
JP6892844B2 (ja) 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム
CN115277065A (zh) 一种物联网异常流量检测中的对抗攻击方法及装置
CN114647824A (zh) 一种神经网络主动保护方法、系统、存储介质及计算设备

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
TR01 Transfer of patent right

Effective date of registration: 20201224

Address after: 100190 102-lq037, 1-3 / F, building 26, 17 huanke Middle Road, Jinqiao Science and technology industrial base, Tongzhou Park, Zhongguancun Science and Technology Park, Tongzhou District, Beijing

Patentee after: Beijing Jixing koala culture media Co.,Ltd.

Address before: Room 909d, Jiayue building, 38 Zhongshan Avenue, Tianhe District, Guangzhou, Guangdong 510660

Patentee before: Guangzhou Gongping Technology Co.,Ltd.

TR01 Transfer of patent right