CN115795408B - 基于区块链的智慧社区商品大数据智能拼单和结算方法 - Google Patents

Abstract

本发明公开了一种基于区块链的智慧社区商品大数据智能拼单和结算方法，涉及数据处理技术领域。该方法包括：获取居民的高频消费商品图像；确定每位居民所对应的消费偏好相似居民；初步确定居民身份；通过人脸匹配再次确定居民身份；若身份一致，则获取并将该居民的签字图像和对应的模板签字图像进行对比；若相同，则进行扣款；并将该商品图像推送给对应的消费偏好相似居民，若消费偏好相似居民确定购买该商品，则进行身份确认，确认后扣款；判断是否拼团成功，若是，则将对应的差价退还给对应的用户账户中；将相关信息上链存储。本发明结合多种方法，实现精准的偏好相似匹配和精准的身份确认；并利用区块链技术实现相关数据信息的上链存储。

Description

基于区块链的智慧社区商品大数据智能拼单和结算方法

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种基于区块链的智慧社区商品大数据智能拼单和结算方法。

背景技术

随着智慧社区的广泛建设，越来越多的居民有了更高的生活质量。智慧社区中的智能购物***虽然给居民提供了更多的方便，但仍然存在一些不足之处，不能很好地满足社区居民的实际购物需求。具体地，不仅无法帮助社区居民实现高质量的智能拼单，而且购物结算***也不能保证较好的安全性。

近年来，随着信息技术的不断更新换代，可以为高质量的商品智能拼单提供直接的技术支持。同时，区块链技术作为近年来的新兴技术，可以显著地提升购物结算***的整体安全性能。因此，提出一种基于区块链的智慧社区商品大数据智能拼单和结算方法，有非常重要的价值和意义。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于区块链的智慧社区商品大数据智能拼单和结算方法，将基于图像超分辨率重建的多特征算子相似度计算方法、基于图像小波去噪的哈希匹配方法和基于多尺度的图像熵检测方法等多种方法相结合，实现精准的偏好相似匹配和精准的身份确认，保证付款安全；并利用区块链技术实现相关数据信息的上链存储，保证数据安全可靠。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供一种基于区块链的智慧社区商品大数据智能拼单和结算方法，包括以下步骤：

对于社区的任意一位居民，在消费平台中获取该居民的高频消费商品图像；

利用基于图像超分辨率重建的多特征算子相似度计算方法，计算社区内所有居民的高频消费商品图像两两之间的相似度，以确定每位居民所对应的消费偏好相似居民；

对于任意一个在社区新上线的商品，采集并根据居民观看购买商品信息初步确定居民身份，并采集该居民的人脸图像，利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和预置的数据库中所有的人脸图像进行相似度计算，以筛选得到并根据目标匹配人脸图像获取对应的居民身份识别信息；

若初步确定的居民身份和对应的居民身份识别信息一致，则获取该居民的签字图像，利用基于多尺度的图像熵检测方法，将该居民的签字图像和对应的模板签字图像进行对比，生成对比结果；反之，则锁定该居民的付款功能；

若对比结果为相同，则根据居民观看购买商品信息的商品售价在该居民账户中进行扣款，完成付款交易；反之，则锁定该居民的付款功能；

完成付款交易后，提取并将对应的商品图像推送给该居民所对应的消费偏好相似居民，如果某一消费偏好相似居民确定购买该商品，则对该消费偏好相似居民进行身份确认，确认成功后，在对应的居民账户中进行扣款，完成付款交易；

统计并判断购买该商品的居民数量是否大于预置的消费人数阈值，若是，则确认拼团成功，计算并根据该商品的商品售价和团购价的差值将对应的差价退还给对应的用户账户中；

获取并将该商品的信息、购买该商品的居民身份信息以及购买时间信息上传至区块链。

为了解决现有技术中的问题，本方法利用基于图像超分辨率重建的多特征算子相似度计算方法，更加精准地计算出不同居民的高频消费商品图像的相似度，从而能够精准获取每一位居民所对应的所有消费偏好相似居民；然后利用基于图像小波去噪的哈希匹配方法和基于多尺度的图像熵检测方法，更加精准地对居民身份进行识别确认，确保手机为本人使用，保证了付款的安全性。在此基础上，本方法还利用区块链技术，将特定商品的具体信息、购买特定商品的每位居民身份信息、每位居民购买特定商品的时间信息进行上链存储，保证数据安全可靠。

基于第一方面，在本发明的一些实施例中，上述利用基于图像超分辨率重建的多特征算子相似度计算方法，计算社区内所有居民的高频消费商品图像两两之间的相似度的方法包括以下步骤：

对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，以得到居民A的高频消费商品重建图像和居民B的高频消费商品重建图像；

利用SIFT特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第一相似度结果；

利用GIST特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第二相似度结果；

利用HOG特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第三相似度结果；

根据第一相似度结果、第二相似度结果和第三相似度结果生成目标相似度结果。

基于第一方面，在本发明的一些实施例中，上述利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和预置的数据库中所有的人脸图像进行相似度计算的方法包括以下步骤：

将该居民人脸图像和预置的数据库中所有的人脸图像进行图像小波去噪，以得到对应的居民去噪图像和多个人脸模板去噪图像；

分别对居民去噪图像和多个人脸模板去噪图像进行哈希编码，并利用欧式距离计算该居民人脸图像和数据库中每个人脸图像之间的相似度。

基于第一方面，在本发明的一些实施例中，上述利用基于多尺度的图像熵检测方法，将该居民的签字图像和对应的模板签字图像进行对比的方法包括以下步骤：

将该居民的签字图像和对应的模板签字图像分别进行多尺度重建，以得到多个尺度的居民签字图像和模板签字图像；

分别对各个尺度下的居民签字图像和模板签字图像进行熵值计算，以得到并将各个尺度下的居民签字图像的熵值和模板签字图像之间的熵值进行对比。

基于第一方面，在本发明的一些实施例中，上述分别对各个尺度下的居民签字图像和模板签字图像进行熵值计算的方法包括以下步骤：

计算各个尺度下的居民签字图像和模板签字图像中每个像素点的灰度值；

计算某个灰度在该居民签字图像或该模板签字图像中出现的概率；

利用公式对该居民签字图像和该模板签字图像的熵值进行计算，其中，为某个灰度在居民签字图像或模板签字图像中出现的概率，H为居民签字图像或模板签字图像的熵值。

第二方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。

第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。

本发明实施例至少具有如下优点或有益效果：

本发明实施例提供一种基于区块链的智慧社区商品大数据智能拼单和结算方法，将基于图像超分辨率重建的多特征算子相似度计算方法、基于图像小波去噪的哈希匹配方法和基于多尺度的图像熵检测方法等多种方法相结合，实现精准的偏好相似匹配和精准的身份确认，保证付款安全；并利用区块链技术实现相关数据信息的上链存储，保证数据安全可靠。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例一种基于区块链的智慧社区商品大数据智能拼单和结算方法的流程图；

图2为本发明实施例一种基于区块链的智慧社区商品大数据智能拼单和结算方法中计算高频消费商品图像之间的相似度的流程图；

图3为本发明实施例一种基于区块链的智慧社区商品大数据智能拼单和结算方法中的流程图；

图4为本发明实施例一种基于区块链的智慧社区商品大数据智能拼单和结算方法中的流程图；

图5为本发明实施例提供的一种电子设备的结构框图。

附图标记说明：101、存储器；102、处理器；103、通信接口。

实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

实施例

如图1-图4所示，第一方面，本发明实施例提供一种基于区块链的智慧社区商品大数据智能拼单和结算方法，包括以下步骤：

S1、对于社区的任意一位居民，在消费平台中获取该居民的高频消费商品图像；对于社区的任意一位居民，消费平台中找到该居民近期消费频率最高的商品图像（以往在电商平台上的消费记录即可，京东、淘宝等），并将其作为该居民的高频消费商品图像（例如，该居民购买运动鞋的次数最多，任取一张运动鞋图像作为该居民的高频消费商品图像）。

S2、利用基于图像超分辨率重建的多特征算子相似度计算方法，计算社区内所有居民的高频消费商品图像两两之间的相似度，以确定每位居民所对应的消费偏好相似居民；

进一步地，如图2所示，包括：

S21、对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，以得到居民A的高频消费商品重建图像和居民B的高频消费商品重建图像；

S22、利用SIFT特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第一相似度结果；

S23、利用GIST特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第二相似度结果；

S24、利用HOG特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第三相似度结果；

S25、根据第一相似度结果、第二相似度结果和第三相似度结果生成目标相似度结果。

在本发明的一些实施例中，利用基于图像超分辨率重建的多特征算子相似度计算方法，计算不同居民的高频消费商品图像的相似度。如果两位居民的高频消费商品图像相似性较高，将两位居民认定为消费偏好相似居民。利用上述方法，两两计算所有居民的高频消费商品图像的相似性，找到每一位居民所对应的所有消费偏好相似居民（在某一社区中，一位居民通常对应几十位消费偏好相似居民）。

上述基于图像超分辨率重建的多特征算子相似度计算方法如下（以居民A的高频消费商品图像和居民B的高频消费商品图像为例进行说明）：

（a）对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，利用SIFT特征算子对居民A的高频消费商品图像和居民B的高频消费商品图像进行表征，并利用欧式距离计算它们之间的相似度；

（b）对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，利用GIST特征算子对居民A的高频消费商品图像和居民B的高频消费商品图像进行表征，并利用欧式距离计算它们之间的相似度；

（c）对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，利用HOG特征算子对居民A的高频消费商品图像和居民B的高频消费商品图像进行表征，并利用欧式距离计算它们之间的相似度；

步骤（a）（b）（c）中有任意一个得到相似度较高的结果，都认为居民A的高频消费商品图像和居民B的高频消费商品图像二者相似度较高。

S3、对于任意一个在社区新上线的商品，采集并根据居民观看购买商品信息初步确定居民身份，并采集该居民的人脸图像，利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和预置的数据库中所有的人脸图像进行相似度计算，以筛选得到并根据目标匹配人脸图像获取对应的居民身份识别信息；

进一步地，如图3所示，包括：

S31、将该居民人脸图像和预置的数据库中所有的人脸图像进行图像小波去噪，以得到对应的居民去噪图像和多个人脸模板去噪图像；

S32、分别对居民去噪图像和多个人脸模板去噪图像进行哈希编码，并利用欧式距离计算该居民人脸图像和数据库中每个人脸图像之间的相似度。

在本发明的一些实施例中，对于任意一个在社区新上线的商品（以某一款雨伞为例说明），如果某一居民观看商品展示后决定购买（通常在个人手机观看即可，并根据手机初步判断居民的身份。例如，手机号码由张三注册，初步判定居民为张三）。同时采集该居民的人脸图像（手机采集即可），利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和数据库中所有的人脸图像进行相似度计算，将与该居民人脸图像相似度最高的人脸图像作为目标匹配人脸图像，利用匹配结果识别出该居民的身份（如果识别出居民身份为张三，继续进行下一步；如果识别出居民身份不是张三，认为手机非本人使用，锁住付费功能）。

上述基于图像小波去噪的哈希匹配方法包括：将该居民人脸图像和数据库中所有的人脸图像进行图像小波去噪，在此基础上对它们进行哈希编码。利用欧式距离，计算该居民人脸图像和数据库中每个人脸图像的相似度，将与该居民人脸图像欧氏距离最小的人脸图像作为目标匹配人脸图像。

S4、若初步确定的居民身份和对应的居民身份识别信息一致，则获取该居民的签字图像，利用基于多尺度的图像熵检测方法，将该居民的签字图像和对应的模板签字图像进行对比，生成对比结果；反之，则锁定该居民的付款功能；

进一步地，如图4所示，包括：

S41、将该居民的签字图像和对应的模板签字图像分别进行多尺度重建，以得到多个尺度的居民签字图像和模板签字图像；

S42、分别对各个尺度下的居民签字图像和模板签字图像进行熵值计算，以得到并将各个尺度下的居民签字图像的熵值和模板签字图像之间的熵值进行对比。

进一步地，包括：计算各个尺度下的居民签字图像和模板签字图像中每个像素点的灰度值；计算某个灰度在该居民签字图像或该模板签字图像中出现的概率；利用公式对该居民签字图像和该模板签字图像的熵值进行计算，其中，为某个灰度在居民签字图像或模板签字图像中出现的概率，H为居民签字图像或模板签字图像的熵值。

在本发明的一些实施例中，若初步确定的居民身份和对应的居民身份识别信息一致，则让该居民进行触屏式电子签字确认（利用触屏手写的方式在手机上完成签字，即完成‘张三’签字）。利用基于多尺度的图像熵检测方法，将该居民完成的电子签字图像和该签字图像对应的模板签字图像进行对比（所有居民都已经在***中录入了自己的模板签字图像），将该居民身份进行二次确认，并根据确认的结果决定是否完成最终的扣款（如果仍然确认该居民的身份为张三，直接在张三的账户中完成扣款；如果确认该居民身份不是张三，认为手机非本人使用，锁住付费功能）。

上述基于多尺度的图像熵检测方法如下（以确定该居民身份是否为张三为例）：

将该居民完成的电子签字图像和该签字图像对应的模板签字图像分别进行多尺度重建；对于两个签字图像的多个尺度分别进行熵值计算；如果两个图像在每个尺度的熵值都非常接近（大尺度对应大尺度、中尺度对应中尺度、小尺度对应小尺度），则确认该居民的身份为张三；否则，确认该居民的身份不是张三。

图像熵值计算的方法步骤如下：

计算图像中每个像素点的灰度值；计算某个灰度在该图像中出现的概率；利用公式对图像熵进行计算。

S5、若对比结果为相同，则根据居民观看购买商品信息的商品售价在该居民账户中进行扣款，完成付款交易；反之，则锁定该居民的付款功能；

S6、完成付款交易后，提取并将对应的商品图像推送给该居民所对应的消费偏好相似居民，如果某一消费偏好相似居民确定购买该商品，则对该消费偏好相似居民进行身份确认，确认成功后，在对应的居民账户中进行扣款，完成付款交易；

在本发明的一些实施例中，如果该居民购买了上述商品并完成付款之后，则将该商品图像立即推送给该居民的所有消费偏好相似居民（直接推送到该居民的所有消费偏好相似居民的手机上，不推送给其他用户，防止无效推送，浪费资源），让其他消费偏好相似居民确定是否购买该商品。如果某一消费偏好相似居民确定购买该商品（以张三的消费偏好相似居民李四为例说明，商品图像推送到李四手机上后手机上操作确定购买该商品，可初步认为李四确定购买该商品，但需要后续对是否为李四本人操作进行确认），则仍然利用上述方式对居民身份进行确认。如果认定手机为本人使用，直接在个人账户中完成扣款功能；如果识别出手机为非本人使用，则锁住付费功能。

S7、统计并判断购买该商品的居民数量是否大于预置的消费人数阈值，若是，则确认拼团成功，计算并根据该商品的商品售价和团购价的差值将对应的差价退还给对应的用户账户中；

在本发明的一些实施例中，如果超过一定数量的消费偏好相似居民确定购买该商品，并完成了个人账户扣款（例如20人确定购买该款雨伞，并完成了个人账户扣款，已经符合团购的人数要求）。则直接进行拼团，将商品差价退还给用户（例如该雨伞价格是35元，团购价是30元，每个购买该雨伞的居民账户中退回5元）。

S8、获取并将该商品的信息、购买该商品的居民身份信息以及购买时间信息上传至区块链。将该商品的具体信息、购买该商品的每位居民身份信息、每位居民购买该商品的时间信息进行上链存储，确保数据的安全性和可靠性。

为了解决现有技术中的问题，本方法利用基于图像超分辨率重建的多特征算子相似度计算方法，更加精准地计算出不同居民的高频消费商品图像的相似度，从而能够精准获取每一位居民所对应的所有消费偏好相似居民；然后利用基于图像小波去噪的哈希匹配方法和基于多尺度的图像熵检测方法，更加精准地对居民身份进行识别确认，确保手机为本人使用，保证了付款的安全性。在此基础上，本方法还利用区块链技术，将特定商品的具体信息、购买特定商品的每位居民身份信息、每位居民购买特定商品的时间信息进行上链存储，保证数据安全可靠。

如图5所示，第二方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。

还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。

其中，存储器101可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。

处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请所提供的实施例中，应该理解到，所揭露的方法及***和方法，也可以通过其它的方式实现。以上所描述的方法及***实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种基于区块链的智慧社区商品大数据智能拼单和结算方法，其特征在于，包括以下步骤：

对于社区的任意一位居民，在消费平台中获取该居民的高频消费商品图像；

利用基于图像超分辨率重建的多特征算子相似度计算方法，计算社区内所有居民的高频消费商品图像两两之间的相似度，以确定每位居民所对应的消费偏好相似居民，包括：对居民A的高频消费商品图像和居民B的高频消费商品图像进行图像超分辨率重建，以得到居民A的高频消费商品重建图像和居民B的高频消费商品重建图像；利用SIFT特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第一相似度结果；利用GIST特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第二相似度结果；利用HOG特征算子对居民A的高频消费商品重建图像和居民B的高频消费商品重建图像进行表征，并利用欧式距离计算两者之间的相似度，以得到第三相似度结果；根据第一相似度结果、第二相似度结果和第三相似度结果生成目标相似度结果；

对于任意一个在社区新上线的商品，采集并根据居民观看购买商品信息初步确定居民身份，并采集该居民的人脸图像，利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和预置的数据库中所有的人脸图像进行相似度计算，以筛选得到并根据目标匹配人脸图像获取对应的居民身份识别信息；

若初步确定的居民身份和对应的居民身份识别信息一致，则获取该居民的签字图像，利用基于多尺度的图像熵检测方法，将该居民的签字图像和对应的模板签字图像进行对比，生成对比结果；反之，则锁定该居民的付款功能；

若对比结果为相同，则根据居民观看购买商品信息的商品售价在该居民账户中进行扣款，完成付款交易；反之，则锁定该居民的付款功能；

完成付款交易后，提取并将对应的商品图像推送给该居民所对应的消费偏好相似居民，如果某一消费偏好相似居民确定购买该商品，则对该消费偏好相似居民进行身份确认，确认成功后，在对应的居民账户中进行扣款，完成付款交易；

统计并判断购买该商品的居民数量是否大于预置的消费人数阈值，若是，则确认拼团成功，计算并根据该商品的商品售价和团购价的差值将对应的差价退还给对应的用户账户中；

获取并将该商品的信息、购买该商品的居民身份信息以及购买时间信息上传至区块链。

2.根据权利要求1所述的一种基于区块链的智慧社区商品大数据智能拼单和结算方法，其特征在于，所述利用基于图像小波去噪的哈希匹配方法，将该居民人脸图像和预置的数据库中所有的人脸图像进行相似度计算的方法包括以下步骤：

将该居民人脸图像和预置的数据库中所有的人脸图像进行图像小波去噪，以得到对应的居民去噪图像和多个人脸模板去噪图像；

分别对居民去噪图像和多个人脸模板去噪图像进行哈希编码，并利用欧式距离计算该居民人脸图像和数据库中每个人脸图像之间的相似度。

3.根据权利要求1所述的一种基于区块链的智慧社区商品大数据智能拼单和结算方法，其特征在于，所述利用基于多尺度的图像熵检测方法，将该居民的签字图像和对应的模板签字图像进行对比的方法包括以下步骤：

将该居民的签字图像和对应的模板签字图像分别进行多尺度重建，以得到多个尺度的居民签字图像和模板签字图像；

分别对各个尺度下的居民签字图像和模板签字图像进行熵值计算，以得到并将各个尺度下的居民签字图像的熵值和模板签字图像之间的熵值进行对比。

4.根据权利要求3所述的一种基于区块链的智慧社区商品大数据智能拼单和结算方法，其特征在于，所述分别对各个尺度下的居民签字图像和模板签字图像进行熵值计算的方法包括以下步骤：

计算各个尺度下的居民签字图像和模板签字图像中每个像素点的灰度值；

计算某个灰度在该居民签字图像或该模板签字图像中出现的概率；

利用公式对该居民签字图像和该模板签字图像的熵值进行计算，其中，为某个灰度在居民签字图像或模板签字图像中出现的概率，H为居民签字图像或模板签字图像的熵值。

5.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-4中任一项所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。

Images