CN111291628B - 基于区块链技术的人脸数据分布式识别及存储架构 - Google Patents

Abstract

本发明提出一种基于区块链技术的人脸数据分布式识别及存储架构，包括***运营节点、运算节点、摄像机代理节点以及摄像机群组，采用区块链技术实现将闲置分散的陌生算力资源整合在一起，在由这些节点和群组构成的互不信任的网络中共同完成人脸识别任务，同时有效保证识别结果的准确性和可靠性，并以此构建一套实用性强、成本低、安全性高、扩展性好且具有一定先进性的人脸识别及数据存储平台。

Description

基于区块链技术的人脸数据分布式识别及存储架构

技术领域

本发明涉及区块链技术和生物特征识别技术领域，具体而言涉及一种利用区块链技术实现人脸数据分布式识别及存储架构。

背景技术

区块链技术是集数据分布式存储、点对点传输网络、共识机制以及加密算法等计算机技术融合在一起的新型应用模式，它在数据隐私、数据安全以及信任构建等方面发挥重要的作用。

人脸识别技术主要用于对人员的身份进行分析识别。人脸是人体固有的生理特性，具有唯一性、不可伪造、随身“携带”、随时随地可用等特点。人脸识别连同指纹识别、声纹识别和虹膜识别等都属于生物特征识别技术。

随着现今视频监控的快速普及，在应对日益复杂、严峻的公共安全形势，要求能够通过视频监控在远距离且被摄人非配合的情况下，对其进行快速的身份识别，进而实现智能预警。相对于其他生物特征识别技术，人脸识别技术无疑是最佳的选择。它可以从监控视频图像中实时准确地查找到人脸，然后与人脸数据库中的人脸数据进行实时比对，从而快速确认被摄人身份。

人脸识别技术可以广泛应用于安防领域，同时作为智慧城市的重要组成部分，也是城市管理公共服务及应急智慧平台的核心支撑平台，通过严密的视频监控网络，跨越地域时空，实时跟踪每一个监控现场，大幅提升迅速反应能力，更有效地打击犯罪，提高城市的安保水平及综合管理水平，有利于各行各业经济的飞速发展。

经过近几年的实践检验发现，影响人脸识别技术推广应用的关键不再是人脸识别算法的优劣,也不是海量训练样本数据的缺失，而是主观上认为已经解决的算力问题。人脸识别算法对算力资源要求很高，虽然处理芯片性能在不断提升，但是功耗和成本仍然是芯片技术发展所面临的瓶颈。随着未来视频图像数据量的迅猛增长，人脸识别技术的运用受算力制约将会越来越明显。科技巨头可以通过不断地堆积硬件资源来实现算力的提升，但是中小企业却很难承受高昂的成本开销，这样不利于人脸识别技术的商业平民化推广。

发明内容

本发明的目的在于提供一种基于区块链技术的人脸数据分布式识别及存储架构，其核心思想就是利用区块链技术实现将闲置分散的陌生算力资源(即不是由平台控制的算力资源)整合在一起，在互不信任的网络中共同完成人脸识别任务，同时有效保证识别结果的准确性和可靠性，并以此构建一套实用性强、成本低、安全性高、扩展性好且具有一定先进性的人脸识别及数据存储平台。该平台能够帮助中小企业不必投入过多的硬件开销用于搭建高算力***，进而有效降低企业运营成本，同时也有助于人脸识别技术在全社会的迅速普及。

为了达成上述目的，本发明提出一种基于区块链技术的人脸数据分布式识别及存储架构，包括***运营节点、运算节点、摄像机代理节点以及摄像机群组。

***运营节点、运算节点和摄像机代理节点组成的节点通过运行P2P网络协议构成分布式P2P网络，以此实现节点之间点对点的互联互通。***运营节点和摄像机代理节点由***运营方管理和部署，运算节点可以是除运营方之外的任何愿意提供自身算力资源的团体或个人，只要他们在各自的运算设备上运行P2P网络协议，就可以随意加入或退出P2P网络；运算节点也可以是运营方控制的算力资源。运算设备可以是笔记本或台式机，也可以是性能优越的服务器。

***运营节点可以看作***运营方的唯一代表，***运营节点主要负责人脸识别组件和人脸数据的管理、维护P2P网络通信和数据安全以及经济奖励的发放，其包括人脸识别模块、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。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数据，人脸数据属于高度隐私的信息，所有权在***运营节点；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，比如人脸数据加密后通过P2P网络传播到各个运算节点，运算节点计算出的识别结果也需要加密回传给***运营节点，加密后的识别结果到达***运营节点后需要解密得到最终结果；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；网络路由模块负责节点加入或退出P2P网络，维护数据通信信道以及与其他节点的连接；奖励模块主要发放经济奖励给那些提供算力完成识别任务的运算节点，而获得奖励的运算节点是由其他运算节点投票产生，奖励模块直接把奖励发放到获胜节点的账户；图片库用于存储P2P网络中传播的未被识别的人脸图片，一旦被记录进图片链的已识别人脸图片则从图片库里删除；而图片链用于存储已经被识别验证通过的图片区块，图片区块依据所包含的前序区块哈希值来挂接到前序区块之后；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。

运算节点包含网络路由模块、加密/解密模块、人脸识别模块和人脸数据库模块、图片库和图片链。它采用工作量证明机制竞争人脸图片识别权，获得识别权的运算节点需要将图片区块广播到P2P网络，由网络里的***运营节点和其他运算节点一起来验证图片区块是否满足工作量证明，一旦满足工作量证明就投赞成票，***运营节点根据投票结果给予获胜的运算节点识别授权；有了识别授权，获胜的运算节点就负责完成图片区块所包含的人脸图片的识别任务，任务包括人脸特征提取和人脸特征比对；没有获胜的运算节点开始打包新的图片区块并开启新一轮的识别权竞争；识别任务完成后，获胜的运算节点将识别结果通过P2P网络发送给***运营节点和其他运算节点，这些节点对收到的识别结果进行验证和投票，并将投票结果告知***运营节点，由***运营节点根据投票结果来判定是否最终给获胜运算节点发放奖励，同时将是否给予奖励通知给各个运算节点。每个运算节点在本地维护一条图片链，将获得奖励的运算节点所举证的图片区块挂链存储，***运营节点也会将图片区块挂到自己的图片链上。没有获得奖励的运算节点所举证的图片区块将被各个节点所丢弃，其中包含的人脸图片又重新被打包进新的图片区块开启新一轮竞争。各个运算节点都是独立、对等的，且主要工作是进行人脸识别运算，所以所有的运算节点可以看作构成了一张运算资源网络。

摄像机代理节点包含网络路由模块和加密/解密模块，它由***运营方管理和部署。其主要功能是接收摄像机群组传来的人脸图片，将接收到的人脸图片经过加密后发送到P2P网络。

摄像机群组由部署在不同地点的摄像机组成，目的是将现场采集的人脸图片发送给对应的摄像机代理节点，由代理节点处理后发送给运算资源网络，人脸图片最终也会到达***运营节点。摄像机群组由***运营方管理和部署。

本发明采用以上技术方案与现有技术相比，具有以下优点：

1、实用性强：本发明的技术方案很好地适用于人脸识别技术，能最大限度地满足现实工作需要。节点类型和功能设计充分考虑了人脸识别任务执行的高效性和稳定性；分布式P2P网络保障了节点的任意加入和退出。

2、成本低：对于海量人脸图片的识别工作，往往需要部署众多性能优越的服务器来完成，这无形当中增加了运营方的投入和维护成本。本发明的技术方案能够吸引除运营方之外的闲置算力投入到识别任务中，从而降低运营方的投入成本；同时也促进了人脸识别技术在全社会的快速推广。

3、安全性高：对于人脸数据库模块、奖励模块以及数据在网络信道的传输，都采用了安全加密机制进行保护，有效防止数据被窃取和篡改。此外，人脸数据除了保存在***运营方本地之外，还分散存储在其他节点，一旦某个节点的人脸数据丢失或被篡改，可以从其他节点同步数据。

4、扩展性好：运营方将***运营节点和摄像机代理节点部署好后，就通过奖励机制来吸引闲置算力加入人脸识别工作，运营方根据人脸识别的实际工作量来决定奖励额度，奖励额度越高，吸引的闲置算力就越多，反之越少。运算资源网络规模大小也呈动态变化状态。

5、可维护性高：***架构充分考虑在人脸数据处理能力、网络通信能力、本地数据存储容量、数据安全、产品升级等方面具备良好的灵活性和可扩展性，特别是运营方不再负责购买和维护人脸识别硬件设施，而将购买和维护工作交由非运营方控制的运算节点；产品升级也最大程度地限于软件方面的升级，且软件升级消息通过网络发送给运算节点，由运算节点自行决定是否升级。***软件采用的结构和程序模块充分考虑了可维护性和可移植性，即根据需求修改某个组件、升级新的功能以及重组***的结构达到程序复用的目的。

5、具备一定的先进性：目前区块链技术主要应用在金融科技领域，而本发明将区块链技术扩展到安防领域，特别为人脸识别技术的应用创新提供了全新的思路和方案。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1为根据本发明某些实施例的基于区块链技术的人脸数据分布式识别及存储架构示意图；

图2为***运营节点、运算节点和摄像机代理节点构成的分布式P2P网络示意图；

图3为图片库及其人脸图片操作示意图；

图4为图片区块结构及图片链示意图；

图5为***运营节点内部模块及数据流向示意图；

图6为节点投票法示意图；

图7为***运营节点的启动流程示意图；

图8为人脸识别软件发送给运算节点示意图；

图9为奖励数据发送给获胜的运算节点示意图；

图10为***运营节点接收人脸图片示意图；

图11为***运营节点接收图片区块和识别结果示意图；

图12为***运营节点接收投票结果示意图；

图13为***运营节点接收节点状态信息示意图；

图14为运算节点内部模块示意图；

图15为运算节点启动流程示意图；

图16为运算节点竞争图片识别权流程示意图；

图17为获胜运算节点获得奖励流程示意图；

图18为摄像机代理节点内部模块示意图；

图19为摄像机群组与摄像机代理节点关系示意图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

结合图1所示，根据本发明的实施例，一种基于区块链技术的人脸数据分布式识别及存储架构，包括***运营节点、运算节点和摄像机代理节点，以及若干摄像机组成的摄像机群组。

结合图2所示，***运营节点、运算节点和摄像机代理节点通过运行P2P网络协议互联构成分布式P2P网络。在这个分布式P2P网络中，各个节点的功能如下：

(1)***运营节点主要负责人脸识别组件和人脸数据的管理以及经济奖励，包括人脸识别模块、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。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，人脸特征数据属于高度隐私的信息，所有权在***运营节点；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，比如人脸数据加密后通过P2P网络传播到各个运算节点，运算节点计算出的识别结果也需要加密回传给***运营节点，加密后的识别结果到达***运营节点后需要解密得到最终结果；服务模块负责管理人脸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；网络路由模块负责节点加入或退出P2P网络，维护数据通信信道以及与其他节点的连接；奖励模块主要发放经济奖励给那些提供算力完成识别任务的运算节点，而获得奖励的运算节点是由***运营节点和其他运算节点投票产生，奖励模块直接把奖励发放到获胜节点的账户；图片库用于存储P2P网络中传播的未被识别的人脸图片，一旦被记录进图片链的已识别人脸图片则从图片库里删除；而图片链用于存储已经被识别验证通过的图片区块，图片区块依据所包含的前序区块哈希值来挂接到前序区块之后；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。

(2)运算节点包含网络路由模块、加密/解密模块、人脸识别模块和人脸数据库模块、图片库和图片链。它采用工作量证明机制竞争人脸图片识别权，获得识别权的运算节点将图片区块发给***运营节点和其他运算节点，由这些节点验证并投票，***运营节点收集这些投票然后判定是否给获胜运算节点授权识别；当获胜节点收到授权识别，就全力负责完成人脸识别任务，其中包括人脸特征提取和人脸特征比对，其他运算节点开启新一轮识别权竞争；获胜运算节点将识别结果通过P2P网络发送给***运营节点和其他运算节点，由这些节点对识别结果进行验证并投票，***运营节点收集这些投票然后判定是否给获胜运算节点奖励，一旦发放奖励，***运营节点和其他运算节点就要将该图片区块挂链到本地图片链。没有获得奖励的获胜运算节点所举证的图片区块将被各个节点所丢弃，其中包含的人脸图片又重新被打包进新的图片区块开启新一轮竞争。各个运算节点都是独立、对等的，且主要工作是进行人脸识别运算，所以所有的运算节点构成了一张运算资源网络。

(3)摄像机代理节点包含网络路由模块和加密/解密模块，它由***运营方管理和部署。它的功能是接收摄像机群组传来的人脸图片，将接收到的人脸图片经过加密后发送到运算资源网络。

此外，摄像机群组由部署在不同地点的摄像机组成，目的是将现场采集的人脸图片发送给对应的摄像机代理节点，由代理节点处理后发送给运算资源网络。

结合图3所示，整个***中除了摄像机代理节点外的其他节点都在本地维护一个图片库，图片库是临时存放人脸图片的地方。这些节点一旦收到人脸图片后就将图片入库，库里的人脸图片按照时间戳先后顺序关联在一起。运算节点在每次竞争图片区块识别权之前，会从图片库里提取若干人脸图片打包成图片区块，然后开始竞争识别权。凡是被纳入图片链的人脸图片都要从各个节点的图片库中删除。

结合图4所示，整个***中的各个节点都在本地维护一条图片链。图片链是每个图片区块按照时间戳顺序，根据前序区块头部哈希值实现前后区块的关联，这样就实现了摄像机抓拍的人脸图片在各个节点的分布式存储。图片区块由图片区块头和图片区块体组成，图片区块体包含图片数据及其梅克尔树。图片区块头的数据结构主要包括：软件版本号、前序区块哈希值、时间戳、难度系数、随机数和图片梅克尔树根；其中前序区块哈希值是指前序区块头部数据进行SHA256哈希计算得到的哈希值，利用该哈希值的唯一不变特性实现前后区块的关联；时间戳表示图片区块头生成的时间，方便在图片链上按照时间顺序追溯到图片区块；难度系数用于图片区块生成难度，保证运算节点在一定时间段内找到符合难度系数要求的随机数；随机数表示一个可变化的数值，运算节点通过改变该值来计算得到区块头哈希值，使得该哈希值满足难度系数要求；图片梅克尔树根表示该图片区块所包含的所有人脸图片数据通过梅克尔树结构关联在一起，最终计算得到一个哈希值，该哈希值就是图片梅克尔树根。梅克尔树里的哈希计算仍采用SHA256哈希函数。图片链只能由***运营节点或者经过其授权的第三方才能访问。

下面结合后续附图详细介绍各个节点及其内部模块功能，以及***的运行流程。

1、结合图5所示，***运营节点的网络路由模块提供路由功能，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(包含人脸识别模块和人脸数据库模块，供运算节点下载安装)，发现维护与其他节点的连接。

所有经过网络路由模块从网络接收到的或发送到网络上的数据都需要经过加密/解密模块作相应的解加密处理，所有的数据都不对非运营方开放。

图片库是临时存放从网络接收到的未经识别的人脸图片的内存区域，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；图片链则是存放已经识别过的图片区块，新的图片区块根据前序区块的哈希值找到相关联的前序区块并挂接在其后，从而实现挂链存储。

注册表里存储的是整个P2P网络中在线的运算节点信息和摄像机代理节点信息，有节点加入则需要添加进注册表，节点退出则从注册表里删除相应的信息。注册表里的信息是动态变化的，注册表存储于计算机硬盘中，一旦***运营节点发生故障重启后，可以直接从硬盘保存的注册表中获取在线的节点信息，并与它们再次建立通信。

人脸识别模块包含人脸特征提取组件和人脸特征比对组件。人脸特征提取指提取人脸关键区域(如眉毛、眼睛、鼻子、嘴巴、下巴以及脸部轮廓等)的特征数据,这些特征数据反映了关键区域内各个部位的局部关系以及它们之间的相互关系，也被称为人脸特征数据。人脸特征比对组件将提取的人脸图像的特征数据与数据库中存储的特征数据进行搜索匹配，通过设定一个比对阈值，当相似度达到或超过这一阈值，则认定人脸匹配成功。人脸识别模块是整套***的核心功能之一，由***运营节点提供给运算节点下载使用。

人脸数据库模块里面存储着重点关注人员的人脸特征数据，该数据属于高度机密。该模块与人脸识别模块配合完成对摄像机采集的人脸图片的识别工作。该模块连同人脸识别模块一起通过P2P网络下载供运算节点使用。

奖励模块确认获得图片识别权的运算节点的合法性，然后将奖励通过P2P网络发放给获胜的运算节点。确认合法性的方法采用节点投票法，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。因为获胜节点是进行1：N比对的，即从N张人脸数据库图片中识别出相似度最高的一张，需要跟N张图片都进行比对，所以耗时耗算力，而其它节点的验证只需要把抓拍的人脸图与识别出的库图片进行1：1比对，因此验证能很快完成，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***运营节点，***运营节点维护着整套***中在线的运营节点信息，因此奖励模块就能统计投赞成票数占总投票数的百分比。当然，***运营节点自身也验证识别结果并计为一票，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。节点投票法如图6所示。

服务模块连接着***的内部和外部。用户通过Web页面实现对***的操作控制，包括***运营节点内部各个模块的升级、人脸数据库里人脸特征数据的更新、监控整个***的运行状态等，所有这些都是通过服务模块实现正常操作运行。

***运营节点的启动流程如图7所示。人脸识别模块和人脸数据库模块作为一种静态数据组件，供运算节点下载安装；图片库保存在内存中，图片链保存在本地硬盘中。***运营节点首先启动服务组件，因为服务组件控制着Web界面与节点内部其他重要模块的信息交互；接着依次启动奖励模块、加密/解密模块，然后启动网络路由模块，使得***运营节点接入P2P网络，与其他节点建立连接并维护该连接，同时等待P2P网络中数据交互。

***运营节点与其他节点的数据交互主要包含以下两个方面：

(1)从***运营节点到P2P网络侧，其一就是人脸识别软件加载，其中包含人脸识别模块和人脸数据库模块。运算节点在第一次加入P2P网络或需要升级人脸识别软件时，都需要通过P2P网络从***运营节点那边加载最新的人脸识别软件。人脸识别软件是***运算节点将人脸识别模块和人脸数据库模块一起打包而成的软件，在发送给运算节点之前需要在运营节点加密处理，一方面防止在网络传输中被窃取或被干扰，另一方面对运算节点屏蔽掉核心部件内部详细信息，上述流程如图8所示。其二就是奖励数据发往获得奖励的运算节点，奖励数据属于核心机密数据，同样在发送到P2P网络之前要经过加密处理，上述流程如图9所示，其它诸如模块升级信息、识别授权通知和奖励通知也是通过类似的流程下发给P2P网络中的相关节点。

(2)从P2P网络侧到***运营节点，主要是人脸图片、图片区块、识别结果、运算节点对图片区块和识别结果进行验证后的投票信息以及节点的在线信息这六类数据从P2P网络传播到***运营节点。人脸图片由摄像机产生，通过摄像机代理节点加密后发往P2P网络，***运营节点接收到后会先解密，然后把人脸图片放入本地图片库，上述流程如图10所示。图片区块和识别结果从网络传播到***运营节点后，首先也要解密，对于图片区块，首先判断图片区块是否满足工作量证明，验证通过后则给举证该图片区块的获胜运算节点投赞成票，然后***运营节点等待其他运算节点对于该图片区块的投票结果，根据这些结果判断是否给予获胜运算节点识别授权，并将识别授权通知告知所有的运算节点；对于识别结果，***运营节点将识别结果对应的人脸图片送入人脸识别模块并结合人脸数据库模块进行识别工作，判断识别结果是否准确，然后投票并把投票结果发给奖励模块，同时把接收到的其他运算节点的投票信息也送入奖励模块，由奖励模块决定是否给予获胜运算节点经济奖励，并把奖励信息发送给所有运算节点。对于获胜运算节点举证的图片区块会挂接到本地图片链上，同时将其包含的人脸图片从本地图片库中删除，上述流程如图11所示。总之，有投票权的节点对图片区块和识别结果进行验证和投票后，会将投票结果通过加密后发给***运营节点，***运营节点解密后，对于图片区块投票结果来判断是否给予识别授权；对于识别结果的投票结果，则将投票结果送给奖励模块，由奖励模块统计票数并最终决定是否给获胜运算节点发放奖励，上述流程如图12所示。除***运营节点之外的其他节点，在加入网络时会向***运营节点发送注册信息，退出网络时要发送解绑注册信息，一直在网络中则需要定时发送节点保活信息，让其他节点知道相互之间的连接情况，上述数据流程如图13所示。

2、结合图14所示，完整的运算节点包含网络路由模块、加密/解密模块、人脸识别模块和人脸数据库模块，并在本地开辟内存空间和硬盘空间分别用于存储图片库和图片链。

运算节点的工作流程如图15所示，首次愿意提供自己算力参与人脸识别工作谋取奖励的用户首先通过互联网从运营方那里下载运算节点安装包，该安装包包含网络路由模块和加密/解密模块，用户安装完成后就启动运算节点，这时运算节点的网络路由模块帮助运算节点接入P2P网络，然后运算节点根据网络路由模块内部固化的***运营节点的路由信息，通过P2P网络访问***运营节点，并在***运营节点进行注册，注册成功后，运算节点开始下载由人脸识别模块和人脸数据库模块组成的人脸识别软件并加载到运算节点中，接着开始给图片库和图片链开辟空间。至此，整个运算节点安装结束，可以开始竞争图片识别权。当运算节点退出P2P网络时需要给***运营节点发解绑注册信息，***运算节点收到解绑注册信息就从注册表中将该运算节点信息删除，这样方便***维护全网在线运算节点信息。非首次运行的运算节点再次启动时，只需要通过网络路由模块加入网络，然后向***运营节点注册，接着开始竞争图片识别权。如果有人脸识别软件升级信息，则自行决定是否升级。

运营方也可以部署自己控制的若干运算节点，这样能构建稳定运行的网络环境，从而避免可能存在所有非运营方的运算节点都退出网络而导致人脸识别工作停滞。

竞争图片识别权的方法采用区块链技术里的工作量证明机制。运算节点先从本地图片库里提取若干人脸图片，然后组成图片区块，同时基于此区块竞争图片识别权，通过更改区块头部里的随机数来计算区块头部哈希值，以此判断其哈希值是否满足区块难度要求，满足则获得图片识别权，获胜的运算节点会把图片区块发送给***运营节点和其他运算节点，采用前面提到的投票法，由这些节点判断该图片区块是否符合难度要求，并向***运营节点发送投票结果，***运营节点根据各个节点的投票结果来判断获胜节点是否获得识别权，一旦获得识别权，***运营节点就给获胜节点识别授权，获胜节点有了授权就开始对图片区块里的人脸图片进行识别工作，同时***运营节点也将授权通知发送给其他运算节点，其他运算节点收到通知后知道有运算节点已经获得授权了，于是它们就开始新一轮的图片识别权竞争。先获得授权的运算节点要先进行识别工作，如果识别工作完成后还没有其他节点获得识别授权，那么它可以加入到这一轮识别权竞争中。上述流程如图16所示。未获得记账权的运算节点收到授权通知后，需要将图片区块包含的图片在图片库里进行标记且暂不删除，只有等收到奖励通知确认有运算节点最终获胜后才从图片库中永久删除。

获胜的运算节点收到识别授权后，开始消耗自己的算力运行人脸识别软件对人脸图片进行识别，识别完成后将识别结果通过网络发送给其他运算节点和***运营节点；其他节点收到后就进行验证，验证通过就投赞成票，不通过投反对票，并将投票结果反馈给***运营节点，***运营节点的奖励模块根据投票结果决定是否给获胜节点发奖励，并将奖励情况通知给运算节点，奖励模块认可获胜运算节点最终获胜，那么会直接点对点发放经济奖励到获胜运算节点。其他运算节点得知获胜节点获得奖励，就将图片区块挂链并将挂链的图片从图片库中删除，获胜节点也会更新图片链和图片库；否则运算节点会得知举证的图片识别结果不被认可，那么会重新打包其所含的图片，用于下一次识别权竞争。上述流程如图17所示。识别结果理论上应该包含人脸图片、库图片及其两者间的相似度这三个数据方便其他节点验证，但是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。

3、结合图18所示，摄像机代理节点包含网络路由模块和加密/解密模块，主要起到接收和转发人脸图片的作用。该节点从摄像机群组那里收到人脸图片，然后在内部对人脸图片进行加密处理，接着将加密后的图片送入网络，加密处理能有效防止非法数据进入网络。摄像机代理节点启动后，要向***运营节点发送注册信息，***运营节点在其注册表里记录上线的代理节点，同理代理节点退出网络也要通知***运营节点，使其从注册表里删除代理节点信息。

摄像机代理节点不参与人脸识别工作，所以没有人脸识别软件、图片库和图片链。摄像机代理节点由运营方部署和管理。

4、结合图19所示，多路摄像机组成一个摄像机群组，每个摄像机群组对应一个摄像机代理节点。根据实际环境和处理能力，可以划分多个摄像机群组，一个摄像机代理节点可以接一个群组或多个群组。摄像机群组就是数据源头，它本身不接入P2P网络，更不参与人脸识别工作。

5、基于本发明设计的人脸数据分布式识别架构所搭建的人脸识别平台的工作步骤如下所示。

(1)运营方首先部署摄像机，使之组成摄像机群组。

(2)运营方部署***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。

(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***运营节点进行注册，注册成功后就从***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。

(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。

(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***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。

(6)运算节点从本地的图片库里提取若干人脸图片，并基于这些人脸图片的哈希值构建图片区块头；然后更改图片区块头里的随机数，计算图片区块头的哈希值是否满足难度要求，直到找到一个随机数使得图片区块头哈希值满足难度要求，则该运算节点获得图片识别权，该节点将图片区块通过P2P网络发给其他运算节点和***运营节点，由这些节点验证该图片区块是否满足难度要求并投票，将投票结果发送给***运营节点；***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。

(7)获胜的运算节点得到***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。

(8)获胜运算节点的人脸识别工作完成后，将识别结果发给***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***运营节点；***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***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，***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。

(9)获胜节点在收到奖励后又加入当前一轮的识别权竞争。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作为各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (1)

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，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***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***运营节点进行注册，注册成功后就从***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***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***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***运营节点；***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***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***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***运营节点；***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***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，***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。