[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

说明书

本发明提供一种用于区块链存储的商品指纹特征压缩的方法，通过局部特征提取算法，生成商品的指纹信息；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；使用训练好的编码器将商品指纹生成一个特征图；然后通过量化降低数据的存储空间，再用熵编码将量化后的数据进行进一步压缩。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。运用开源常用的开发语言和库，实现了一种用于区块链存储的商品指纹特征压缩的方法，可以借助云服务进行内外部推广与应用。

技术领域

本发明涉及信息压缩、编解码技术领域，具体地说是一种用于区块链存储的商品指纹特征压缩的方法。

背景技术

区块链技术已经从概念切实的发展到了大规模应用的技术，鉴于其本质是一个不可伪造、全程留痕、可以追溯、公开透明的分布式数据库，它奠定了坚实的信任基础，创造了可靠的合作机制，具有广阔的运用前景。

许多商品由于产地不同，制造时间、工艺不同，存在冒名顶替、制假掺假、过期变质、掉包等问题。例如，大闸蟹、普洱茶饼。它们由于每个个体都有自己独特的纹路、外观等具有区分度的特征，因此这些特征可以被看做商品的指纹。当消费者收到商品后，可以通过特定方法提取商品的指纹信息进行比对，鉴别真伪，或得到该商品的来源、生产日期等。而这种商品的指纹由于其不得篡改的特性，非常适合放到区块链上进行存储。

商品指纹提取的方法可以使用计算机视觉中的局部特征提取，如SIFT、 SURF、ORB等，也可以使用基于深度学习的LIFT、PN-Net、HardNet。由于提取到的特征通常较复杂，占用存储空间较大，因此还需要进行进一步压缩。

发明内容

本发明的技术任务是解决现有技术的不足，提供一种用于区块链存储的商品指纹特征压缩的方法。

本发明解决其技术问题所采用的技术方案是：

一种用于区块链存储的商品指纹特征压缩的方法，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。

可选地，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。

可选地，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。

可选地，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。