[发明专利]基于区块链技术和深度学习的视频监控方法、系统和可读存储介质

权利要求书

1.一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述方法包括：

通过视频监控单元采集在监控范围之内的视频数据，实时上传至区块链网络并分组进行存储；

每次截取过去X个小时的原始视频数据流，分割成X个时长为1小时的视频段，生成第一视频数据包，X∈N；

每个时长1小时的视频段再分割成20个时长为3分钟的视频段，生成第二视频数据包；

所述第二视频数据包的每个视频段随机再提取Y个关键图像帧，生成第一图像数据包，50≤Y≤180，Y∈N；

对所述第一图像数据包进行图像分析处理，生成第二图像数据包；

将所述第二图像数据包输入训练好的深度卷积网络进行深度学习，根据识别结果判断是否存在异常现象。

2.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述实时上传至区块链网络的具体步骤为：根据视频监控单元在各个监控区域的具体部署，创建相应的视频区块链节点，在视频监控单元正常工作时，实时地将视频监控数据同步到对应区域的特定视频区块链节点。

3.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述对上传至区块链网络的视频数据进行分组的具体方法为：

在同一视频区块链节点中，首先对同一视频监控区域按照不同监控摄像头采集的视频数据进行分组；对同一监控摄像头采集的视频数据按照监控摄像头采集视频数据时所处的工作状态进行分组，分为动态视频数据和静态视频数据；对同一动态视频数据和静态视频数据按照具体日期进行分组。

4.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述截取原始视频数据流的具体步骤为：

在接收到对视频数据流的检测指令后，视频监控控制中心创建视频数据流需求方节点，并向区块链网络广播一个视频数据流请求，在接收到其他视频区块链节点的应答之后，开始同步各个视频区块链节点上过去X个小时的原始视频数据流。

5.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述对第一图像数据包进行图像分析处理，其具体步骤为：对第一图像数据包进行有效数据检测，删除无效图像帧；提取有效图像帧的灰度图、LBP特征图、HOG特征图和梯度幅值特征图，生成第二图像数据包。

6.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于，所述深度卷积网络的建立过程为：

获取大量日常视频监控图像帧作为训练图像集；

提取所述大量日常视频监控图像帧的灰度图、LBP特征图、HOG特征图和梯度幅值特征图；

将所述灰度图、LBP特征图、HOG特征图和梯度幅值特征图分类打包，输入到初始化的深度卷积网络，进一步得到深度卷积特征；

将所述的深度卷积特征输入到分类器，进一步得到预测结果；

根据预测结果进行分析对比，调整深度卷积网络及分类器的初始参数，重复以上步骤。

7.根据权利要求1所述的一种基于区块链技术和深度学习的视频监控方法，其特征在于：

若识别结果显示异常，视频监控控制中心将发出短信通知指令，所述短信将发送到用户绑定的移动端设备，具体内容包括异常图像帧所在的监控位置及监控时间点；同时将异常图像帧所在的第二视频数据包传输到终端设备和云计算单元进行备份并发出异常告警指令。

若识别结果显示正常，则删除第一图像数据包和第二图像数据包。