[发明专利]一种用于区块链存储的商品指纹特征压缩的方法

权利要求书

1.一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，该方法通过局部特征提取算法，生成商品独特的指纹信息；然后基于自编码器的神经网络结构，使用GDN激活函数，进行降维，并结合量化和熵编码进行原始商品指纹信息的压缩，最终存储到区块链中。

2.根据权利要求1所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，具体步骤包括如下：

S1、使用局部特征提取算法，对原始商品进行特征提取，得到商品独特的指纹信息，

S2、使用自编码器的思想，将商品指纹信息用于训练自编码器网络；

S3、使用训练好的编码器(Encoder)将商品指纹生成一个特征图(Feature Map)，

S4、然后通过量化(Quantize)降低数据的存储空间；

S5、再用熵编码(Entropy Coding)将量化后的数据进行进一步压缩。

3.根据权利要求2所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，商品信息解码的时候，使用相反的流程，将保存的熵编码数据解码并反量化，并通结构相反的解码器(Decoder)进行解码，从特征图恢复为原始商品指纹信息，然后再将待对比的商品提取相同的指纹信息，从而进行比较。

4.根据权利要求2所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，步骤S1中具体包括如下步骤：

S101、先对商品图像进行预处理：包括降噪、目标定位、分割；

S102、然后提取局部特征：对处理完的商品提取局部特征，每个商品提取到的特征点数不固定，但每个特征点维度一样；

S103、将所有特征点保存为m*n的特征矩阵，其中m是单张图像提取到的特征点个数，n是单个特征点的维度；

S104、将特征矩阵量化。

5.根据权利要求4所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，步骤S102中商品的局部特征为商品的外观信息，包括商品的纹理、材质、形状，商品局部特征提取的方法采用SIFT、SURF、ORB经典的计算机视觉算法，或使用基于深度学习的LIFT、PN-Net、Hardnet。

6.根据权利要求4或5所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，步骤S104中，将特征矩阵由float量化为int类型。

7.根据权利要求2所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，通过步骤S4、S5，对特征图进行量化和熵编码后，得到一个压缩后的二进制的商品指纹信息上传至区块链数据库中。

8.根据权利要求1所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，所述自编码器的神经网络结构至少应包括一组通过设置Strides降采样的卷积层，一组设置Strides上采样的反卷积层和一组用于量化和熵编码的方法；卷积层的激活函数使用GDN(Generalized divisive normalization)。

9.根据权利要求3所述的一种用于区块链存储的商品指纹特征压缩的方法，其特征在于，商品信息解码的时候，需要将原始商品指纹特征从区块链数据库中取出，并通过熵解码，反量化，和自编码器的Decoder部分，恢复出特征矩阵并从当前商品的图像提取局部特征进行比对，设定阈值，当匹配点数超过阈值即认为是同一个商品。