[发明专利]一种基于区块链互证和卷积神经网络的凭证式记账方法

权利要求书

1.一种基于区块链互证和卷积神经网络的凭证式记账方法，其特征在于，具体步骤如下：

(1)将获取的员工照片作为初始图像数据集G，通过目标检测并分割后得到图片数据集GC；

(2)通过数据增强后得到的数据集为GUD，数据增强后相应的标签集为GUL；

(3)搭建卷积神经网络用以特征抽取；

(4)通过卷积神经网络抽取特征得到特征张量集F，使用SVM分类器进行分类，获得预测的标签集y’；

(5)将识别结果根据个人公钥进行加密，并将结果存储到个人手机上。

2.根据权利要求1所述的一种基于区块链互证和卷积神经网络的凭证式记账方法，其特征在于，所述步骤(1)中分割后获得图片数据集GC的具体步骤如下：

(1.1)定义循环变量T，并赋初值T＝0，定义最大循环次数n为图片数据集大小；

(1.2)如果Tn则进入步骤(1.3)否则进入步骤(1.16)；

(1.3)将员工照片进行分批，每批次64张员工图片，得到相应的特征张量集Su；

(1.4)特征张量集Su经过两层以ReLu为激活函数卷积核为3x3的卷积层，设输出张量为Conv1；

(1.5)Conv1经过第一层池化层，设输出矩阵为Pool1；

(1.6)Pool1经过两层以ReLu为激活函数的卷积层，设输出为Conv2；

(1.7)Conv2经过第二层池化层，设输出特征张量集为F；

(1.8)定义循环变量m，并赋初值m＝0；

(1.9)如果m64，则进入步骤(1.10)，否则返回步骤(1.1)；

(1.10)将特征张量集F传入SVM分类器进行分类得到分类张量Classify，将特征张量集F传入回归器得到回归张量Logistic；

(1.11)定义循环变量temp,并赋初值0，定义最大循环次数max为Logistic张量包含数据集大小；

(1.12)如果tempmax则进入步骤(1.13)，否则进入步骤(1.9)，循环变量m＝m+1；

(1.13)如果Classcify[temp]＝1则进入步骤1.14，否则进入步骤(1.12)temp+1；

(1.14)获取Logistic张量对应temp所在位置的坐标矩阵[x1,x2,y1,y2]；

(1.15)调用opencv分割图片对应坐标位置的图片并添加进入图片数据集GC；

(1.16)图片分割结束。

3.根据权利要求1所述的一种基于区块链互证和卷积神经网络的凭证式记账方法，其特征在于，所述步骤(2)中通过数据增强后得到的数据集为GUD，得到的分割后的标签集为GUL的具体步骤如下：

(2.1)定义工地员工图像数据集为G＝{G1,G2,…,Gm}，定义员工图像标签集合L＝{L1,…,Lm}，其中m为图片序号；

(2.2)对工地员工图像数据进行等比例缩放，保持长宽中较短项为224，得到新的工地员工图像数据集GB＝{GB1,GB2,…,GBn}，其中n为图片序号；

(2.3)设GBi为数据预处理内的一张图片，对任意i∈[1,n]进行控制长宽均为224的4次随机切割，获得图像数据集C＝{C1,…,Cg}，其中g为图片序号；

(2.4)对数据集C中的图片进行亮度，对比度的随机变化获得新的图像数据集R1＝{R11,…,R1p}，其中p为图片序号；

(2.5)复制员工图像数据集得到R2＝{R21,…,R2p}，将R1，R2中图像两两合并，得到新数据集GUD＝{GUD1,GUD2,…,GUDr}，根据合并图片相似性进行标注得到集合GUL＝{GUL1,…,GULr}，其中r为图片序号。