[发明专利]一种多媒体数据的溯源检测方法、装置及设备

权利要求书

1.一种多媒体数据的溯源检测方法，其特征在于，所述方法包括：

获取至少一个基准多媒体数据，并从每个所述基准多媒体数据中提取关键帧数据；

对每个所述基准多媒体数据中的关键帧数据进行特征提取，得到每个所述关键帧数据对应的一个或多个维度的特征；其中，将每个关键帧数据的特征映射到有限维的特征空间内，确定提取的特征所属的维度信息，基于确定的维度信息，将相应的特征对应存储到上述特征空间内；

将每个所述基准多媒体数据中的关键帧数据对应的一个或多个维度的特征存储到预定区块链中；

获取待检测的目标多媒体数据，并从所述目标多媒体数据中提取关键帧数据；

对每个所述关键帧数据进行特征提取，得到每个所述关键帧数据对应的一个或多个维度的特征；

基于每个所述关键帧数据对应的一个或多个维度的特征和预定区块链中存储的每个基准多媒体数据的关键帧数据对应的特征，确定所述目标多媒体数据与存储的每个所述基准多媒体数据之间的内容相似程度；其中，所述预定区块链中存储有至少一个基准多媒体数据；

根据所述目标多媒体数据与存储的每个所述基准多媒体数据之间的内容相似程度，判断存储的所述至少一个基准多媒体数据中是否存在所述目标多媒体数据；

其中，当所述关键帧数据对应多个维度的特征时，将每个所述基准多媒体数据中的关键帧数据对应的多个维度的特征存储到所述预定区块链中，包括：

获取所述预定区块链中的目标区块的信息，所述目标区块用于存储所述基准多媒体数据中的关键帧数据对应的多个维度的特征；其中，在区块链中，每隔一定的时长生成一个区块，获取该区块的相关信息，将该区块设定为目标区块；

根据所述目标区块的信息，确定所述目标区块的存储容量；

当所述目标区块的存储容量小于所述基准多媒体数据的关键帧数据对应的多个维度的特征所需的存储容量时，从所述基准多媒体数据的关键帧数据对应的多个维度的特征中选取预定数量个维度的特征；其中，将每个基准多媒体数据中的关键帧数据对应的多个维度的特征中的每个维度的特征使用预定个数的字节的浮点数来表示，计算每个基准多媒体数据中的关键帧数据对应的多个维度的特征所占据的空间大小，然后将计算的该空间大小与目标区块的存储容量进行比对，如果计算的该空间大小大于目标区块的存储容量，则表明该基准多媒体数据中的关键帧数据对应的多个维度的特征的数量过多，目标区块中无法存储基准多媒体数据中的关键帧数据对应的多个维度的特征，通过随机选取或通过预先设定的选取方式，从基准多媒体数据的关键帧数据对应的多个维度的特征中选取预定数量个维度的特征；如果计算的该空间大小小于目标区块的存储容量，则表明目标区块中能够存储基准多媒体数据中的关键帧数据对应的多个维度的特征；

将选取的预定数量个维度的特征存储到所述目标区块中；

所述从所述基准多媒体数据的关键帧数据对应的多个维度的特征中选取预定数量个维度的特征，包括：

获取所述关键帧数据对应的多个维度的重要程度信息；

根据所述关键帧数据对应的多个维度的重要程度信息，将所述多个维度的特征进行排序；

根据所述多个维度的特征的排序结果，从所述基准多媒体数据中的关键帧数据对应的多个维度的特征中选取预定数量个维度的特征；

所述根据所述目标多媒体数据与存储的每个所述基准多媒体数据之间的内容相似程度，判断存储的所述至少一个基准多媒体数据中是否存在所述目标多媒体数据，包括：

如果存储的至少一个所述基准多媒体数据中存在基准多媒体数据与所述目标多媒体数据之间的内容相似程度大于预定程度阈值，则判定存储的至少一个所述基准多媒体数据中存在所述目标多媒体数据；

所述基于每个所述关键帧数据对应的一个或多个维度的特征和预定区块链中存储的每个基准多媒体数据的关键帧数据对应的特征，确定所述目标多媒体数据与存储的每个所述基准多媒体数据之间的内容相似程度，包括：

根据每个所述关键帧数据对应的一个或多个维度的特征，确定每个所述关键帧数据对应的特征向量；

根据每个所述关键帧数据对应的特征向量和预定区块链中存储的每个基准多媒体数据的关键帧数据对应的特征向量，确定每个所述关键帧数据分别与每个所述基准多媒体数据中的相应关键帧数据的相似度；

如果所述目标多媒体数据中与第一基准多媒体数据的相应关键帧数据的相似度大于预定相似度阈值的关键帧数据数量大于预定数量阈值，则判定所述目标多媒体数据与所述第一基准多媒体数据之间的内容相似程度大于预定程度阈值，所述第一基准多媒体数据为所述至少一个基准多媒体数据中的一个或多个基准多媒体数据；

所述根据每个所述关键帧数据对应的特征向量和预定区块链中存储的每个基准多媒体数据的关键帧数据对应的特征向量，确定每个所述关键帧数据分别与每个所述基准多媒体数据中的相应关键帧数据的相似度，包括：

根据每个所述关键帧数据对应的特征向量和预定区块链中存储的每个基准多媒体数据的关键帧数据对应的特征向量，通过预定的相似度算法，确定每个所述关键帧数据分别与每个所述基准多媒体数据中的相应关键帧数据的相似度；所述相似度算法包括k近邻kNN算法、欧式距离算法或余弦距离算法；如果相似度算法为kNN算法，距离度量、k值的选择及分类决策规则是kNN算法的三个基本要素，根据选择的距离度量算法，计算目标多媒体数据中每个关键帧数据对应的特征向量与存储的每个基准多媒体数据中关键帧数据对应的特征的特征向量的距离，根据k值选择k个最近邻的关键帧数据，最后根据分类决策规则确定每个关键帧数据与每个基准多媒体数据中的相应关键帧数据的相似度；如果相似度算法为欧式距离，针对目标多媒体数据中某个关键帧数据对应的特征向量，计算该特征向量与存储的每个基准多媒体数据中每个关键帧数据对应的特征向量之间的欧式距离，从中找到欧式距离的最小值，获取该最小值对应的基准多媒体数据中的关键帧数据，然后，计算目标多媒体数据中下一个关键帧数据对应的特征向量与获取的基准多媒体数据中的相应关键帧数据对应的特征向量之间的欧式距离，直到遍历目标多媒体数据中所有关键帧数据对应的特征向量，从而得到每个关键帧数据与至少一个基准多媒体数据中的相应关键帧数据的相似度。