[发明专利]基于区块链技术的人脸数据分布式识别及存储架构在审
申请号: | 202010049817.3 | 申请日: | 2020-01-17 |
公开(公告)号: | CN111291628A | 公开(公告)日: | 2020-06-16 |
发明(设计)人: | 蒲军;黄芸芸 | 申请(专利权)人: | 黄芸芸 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;H04L29/06;H04L29/08 |
代理公司: | 北京双收知识产权代理有限公司 11241 | 代理人: | 王菊珍 |
地址: | 210000 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 区块 技术 数据 分布式 识别 存储 架构 | ||
1.一种基于区块链技术的人脸数据分布式识别及存储架构,其特征在于,包括系统运营节点、运算节点、摄像机代理节点以及摄像机群组,其中:
系统运营节点包含人脸识别模块、人脸数据库模块、加密/解密模块、服务模块、网络路由模块、奖励模块、图片库、图片链和注册表;
运算节点包含网络路由模块、加密/解密模块、人脸识别模块、人脸数据库模块、图片库和图片链;
摄像机代理节点包含网络路由模块和加密/解密模块;
摄像机群组由部署在不同地点的摄像机组成。
2.根据权利要求1所述的基于区块链技术的人脸数据分布式识别及存储架构,其特征在于,所述人脸识别模块包含人脸数据处理组件,实现人脸特征提取和人脸特征比对两大功能;人脸数据库模块负责存储人脸特征数据;加密/解密模块负责对P2P网络里传播的数据进行加密和解密;服务模块负责管理人脸特征数据和人脸数据处理组件、监控整个网络的运行状态以及奖励发放情况;网络路由模块保障节点加入或退出P2P网络,同时接收和传播人脸图片、图片区块、注册信息、投票结果和奖励等数据,以及人脸识别软件,发现维护与其他节点的连接;奖励模块统计投票结果并发放经济奖励给那些提供算力完成识别任务的运算节点;图片库用于临时存储P2P网络中传播的未被识别的人脸图片,一旦图片区块到达节点,先后经过区块验证和识别结果验证后就会把里面包含的识别过的人脸图片从图片库中删除;图片链用于存储已经被识别验证通过的图片区块;注册表用于记录网络在线的运算节点和摄像机代理节点信息。
3.根据权利要求2所述的基于区块链技术的人脸数据分布式识别及存储架构,其特征在于,所述奖励模块统计投票结果是指奖励模块确认获胜运算节点合法性,采用节点投票法,方法如下:具有人脸识别模块和人脸数据库模块的节点参与投票,获胜的运算节点把识别结果在全网广播,其他节点收到后由人脸识别模块进行有效性验证,验证通过就对举证该图片区块的运算节点投赞成票,不通过验证的就给该运算节点投反对票,有投票权的各个节点把投票结果发送给系统运营节点的奖励模块,奖励模块就能统计投赞成票数占总投票数的百分比,如果赞成票超过百分之九十五,则认为获胜节点的确获得识别权且识别结果正确,奖励模块将奖励直接通过P2P网络发放给获胜节点;对于图片区块有效性的验证也是采用节点投票法。
4.根据权利要求3所述的基于区块链技术的人脸数据分布式识别及存储架构,其特征在于,所述识别结果有效性验证是指将人脸图片、库图片及其两者间的相似度这三个数据通过P2P网络发送给其他节点进行验证,人脸识别模块计算人脸图片和库图片之间的相似度,然后判断是否与原有的相似度一致;其中人脸图片和库图片会引起网络中传输的数据过于冗余,本发明采取将人脸图片和库图片应用SHA256哈希函数计算得到的哈希值,两个哈希值只有2*256比特位,即512比特位,相似度值只需要4比特位表示即可,这样识别结果控制在516比特位以内,远远小于传输整张图片的数据量,接收节点根据两张图片的哈希值在本地找到对应的图片数据。
5.根据权利要求1所述的基于区块链技术的人脸数据分布式识别及存储架构,其特征在于,整个平台的工作步骤如下所示:
步骤1、运营方首先部署摄像机,使之组成摄像机群组;
步骤2、运营方部署系统运营节点、自己控制的运算节点和摄像机代理节点;启动这三个节点,使它们组成稳定的P2P网络;
步骤3、用户控制的运算节点通过互联网从运营方下载运算节点安装包,安装完成后接入P2P网络;然后向系统运营节点进行注册,注册成功后就从系统运营节点下载人脸识别软件;至此,分布式人脸识别平台搭建成功;
步骤4、摄像机群组抓拍的人脸图片发送给摄像机代理节点,经过摄像机代理节点加密后发送到P2P网络;
步骤5、人脸图片首先发往与摄像机代理节点邻近节点;如果邻近节点还是摄像机代理节点,则该节点将人脸图片转发给它邻近节点;如果邻近节点是系统运营节点或运算节点,则将人脸图片保存到本地图片库,同时转发给与之邻近的节点;人脸图片按照时间戳先后顺序保存在本地图片库中;
步骤6、运算节点从本地的图片库里提取若干人脸图片构建图片区块,并基于自己构建的图片区块来竞争图片识别权,获胜的运算节点将图片区块通过P2P网络发给其他运算节点和系统运营节点,由这些节点验证该图片区块是否满足要求并投票,将投票结果发送给系统运营节点;系统运营节点根据这些投票结果来判断获胜节点是否真的获得图片识别权,并将识别权通知给各个运算节点;
步骤7、获胜的运算节点得到系统运营节点识别授权,就开始对人脸图片进行人脸识别;而其他运算节点得到授权通知知道自己在这次竞争识别权中失败,就重新从图片库中提取新的人脸图片组建新的图片区块并开始新一轮识别权竞争;
步骤8、获胜运算节点的人脸识别工作完成后,将识别结果发给系统运营节点和其他运算节点,由这些节点对识别结果是否正确进行验证,同时对验证结果进行投票,并将投票结果发送给系统运营节点;系统运营节点的奖励模块根据投票结果决定是否给获胜的运算节点发放奖励,并将奖励结果通知给各个运算节点;如果获胜运算节点获得奖励,则包含获胜节点在内的所有运算节点以及系统运营节点都会将图片区块挂接到本地的图片链,同时将图片区块里面包含的人脸图片从图片库中删除;如果获胜运算节点没有获得奖励,那么它所举证的图片区块将不被认可,系统运营节点和其他运算节点不会将此图片区块挂接到本地图片链,同时其他运算节点将此图片区块包含的人脸图片重新打包进新的图片区块,用于下一轮的识别权竞争;
步骤9、获胜节点在收到奖励后又加入当前一轮的识别权竞争。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于黄芸芸,未经黄芸芸许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010049817.3/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置