[发明专利]基于图像识别的取证方法、系统、计算机设备及存储介质

权利要求书

1.一种基于图像识别的取证方法，其特征在于，应用于基于图像识别的取证系统，所述系统包括图像采集终端及用户终端；所述方法包括：

所述图像采集终端根据预置的相似度判断模型对所采集得到的最新图像与对应的历史图像是否相似进行判断，以得到相似判断结果；

若所述相似判断结果为否，将所述最新图像与所述历史图像作为目标图像信息发送至所述用户终端；

所述用户终端接收所述目标图像信息，根据预置的分类模型对所述目标图像信息进行分类以得到类型信息；

根据预置的证据文件生成规则及所述类型信息生成与所述目标图像信息对应的证据文件。

2.根据权利要求1所述的基于图像识别的取证方法，其特征在于，所述相似度判断模型包括图像方差计算公式、误差计算公式及误差阈值，所述图像采集终端根据预置的相似度判断模型对所采集得到的最新图像与对应的历史图像是否相似进行判断，以得到相似判断结果，包括：

对所述最新图像及所述历史图像进行灰度处理得到对应的第一灰度图像及第二灰度图像；

根据所述图像方差计算公式分别计算所述第一灰度图像及所述第二灰度图像的图像方差值其中，为所述灰度图像第m行的方差值，A_m为所述灰度图像第m行所有像素点的灰度平均值，B为所述灰度图像所有像素点的灰度平均值，N为所述灰度图像所包含的总行数；

根据所述误差计算公式计算得到所述第一灰度图像及所述第二灰度图像之间的逐行误差值为所述第一灰度图像与所述第二灰度图像第m行的误差值，为所述第一灰度图像第m行的方差值，为所述第二灰度图像第m行的方差值；

判断所述逐行误差值中最大的误差值是否小于所述误差阈值以得到相似判断结果。

3.根据权利要求1所述的基于图像识别的取证方法，其特征在于，所述分类模型包括卷积神经网络、目标分类特征信息及匹配度计算公式，所述根据预置的分类模型对所述目标图像信息进行分类以得到类型信息，包括：

根据所述最新图像与所述历史图像的差别获取对应的残差图像；

根据所述卷积神经网络获取与所述残差图像对应的特征向量；

根据所述匹配度计算公式计算所述特征向量与所述目标分类特征信息中每一资源侵害类型之间的匹配度；

根据所述特征向量与每一所述资源侵害类型之间的匹配度确定匹配度最高的一个资源侵害类型为所述残差图像的类型信息。

4.根据权利要求1所述的基于图像识别的取证方法，其特征在于，所述证据文件生成规则包括时间戳添加规则及电子签名规则，所述根据预置的证据文件生成规则及所述类型信息生成与所述目标图像信息对应的证据文件，包括：

根据所述时间戳添加规则在所述目标图像信息中添加时间戳；

根据所述电子签名规则在已添加时间戳的所述目标图像信息中添加电子签名；

将已添加电子签名的所述目标图像信息及所述类型信息作为与所述目标图像信息对应的证据文件。

5.根据权利要求1所述的基于图像识别的取证方法，其特征在于，还包括：

根据预置的证据文件存储模型对所述证据文件进行存储并获取与所述证据文件对应的账本信息；

根据预置的广播规则将所述账本信息发送至区块链网络以对所述账本信息进行存储。

6.根据权利要求5所述的基于图像识别的取证方法，其特征在于，所述证据文件存储模型包括摘要信息生成规则及云存储节点，所述根据预置的证据文件存储模型对所述证据文件进行存储并获取与所述证据文件对应的账本信息，包括：

根据所述摘要信息生成规则生成与所述证据文件对应的摘要信息；

根据所述云存储节点将所述证据文件发送至与所述云存储节点对应的云存储服务器并记录所述证据文件的存储路径信息；

将所述摘要信息及所述存储路径信息作为所述证据文件的账本信息。