基于区块链的云计算大数据图片查找方法及系统技术方案

本发明专利技术公开了一种基于区块链的云计算大数据图片查找方法及系统，所述方法包括：客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。通过采用以上方案，基于将人脸图像和图片查询信息获得目标图片索引，可以提高查找目图片的准确性。同时，基于索引链查找图片，查找速度快。

Blockchain based cloud computing big data image search method and system

【技术实现步骤摘要】
基于区块链的云计算大数据图片查找方法及系统
本专利技术涉及计算机
，具体而言，涉及一种基于区块链的云计算大数据图片查找方法及系统。
技术介绍
现有技术中，存储照片一般是拍摄按照时间顺序进行存储，或者按照拍摄地点进行存储。当用户需要查找某一张图片时，需要在众多的照片集中挨个挨个浏览才能找到目标图片。在大数据图片库中，图片很多，如果目标图片拍摄了很久，也没有对目标图片进行收藏标记，那么用户要找到这张目标图片，等同于大海捞针，耗费非常多的精力和时间。因此，一种可以快速找到目标图片方法为人们所需。
技术实现思路
本专利技术的目的在于提供一种基于区块链的云计算大数据图片查找方法及系统，用以解决现有技术中存在的上述问题。第一方面，本专利技术实施例提供了一种基于区块链的云计算大数据图片查找方法，包括：客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。可选的，所述方法还包括：所述客户端将所述图片链中的图片发送到云计算终端；云计算终端将所述人脸图像、所述图片查询信息和所述图片链中的图片输入到第二网络，第二网络输出所述图片链的图片中与图片查询信息匹配度最高的图片。可选的，所述第一网络包括图卷积神经网络、长短时记忆网络、一个估计层网络、一个记忆层网络、第一适应层网络和第二适应网络，图卷积神经网络输出的第一信息和长短时记忆网络输出的第二信息是第一适应网络的输入，第一适应网络的第一输出是估计层网络的输入，第一适应网络的第二输出是记忆层网络的输入，估计层网络输出的估计特征数和记忆层网络输出的记忆特征数是第二适应网络的输入，第二适应网络的输出是一个特征值，将所述人脸图像和所述图片查询信息输入训练好的第一网络，训练好的第一网络输出的特征值就是目标图片索引。可选的，图卷积神经网络的层间映射关系满足公式：f(H)＝σ*A*H*(A*H+I)-1，其中，此时的H表示人脸图像，σ是非线性激活板书，A是核矩阵，I是单位矩阵。可选的，卷积神经网络和长短时记忆网络与第一适应网络的映射关系满足公式：V2＝L-f(H)其中，f(H)表示图卷积神经网络的输出，L表示长短时记忆网络的输出；V1表示第一输出，V2表示第二输出。可选的，第一适应网络与估计层网络之间的映射关系满足公式：其中，q1表示估计层网络的输出，V1i，j表示V1中的第i行第j列的元素的像素值，m表示V1中的行数，n表示V1中的列数；σ1表示V1中的元素的像素值的方差。可选的，第一适应网络与记忆层网络之间的映射关系满足公式：其中，q2表示记忆层网络的输出(记忆特征数)，V2i，j表示V2中的第i行第j列的元素的像素值，k表示W2中的行数，h表示V2中的列数；σ2表示V2中的元素的像素值的方差。可选的，第二网络包括卷积神经网络、匹配网络和第一网络，卷积神经网络的输入是所述图片链中的图片，卷积神经网络的输出与所述第一网络的第二信息进行加权求和，得到加权第二信息，加权第二信息和第一网络的第一信息作为第一适应网络的输入，以第一网络中第二适应网络的输出以及卷积神经网络的输出作为匹配网络的输入，匹配网络的输出是所述图片链的图片中与图片查询信息匹配度最高的图片。第二方面，本专利技术实施例提供了一种基于区块链的云计算大数据图片查找系统，包括：客户端，用于获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；云计算终端用于，基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；所述客户端，还用于根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。可选的，客户端包括摄像头和搜索接口；摄像头用于采集用户的人脸图像；搜索接口用于获取图片查询信息。相较于现有技术，本专利技术实施例达到的有益效果是：本专利技术实施例提供了一种基于区块链的云计算大数据图片查找方法及系统，所述方法包括：客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。通过采用以上方案，基于将人脸图像和图片查询信息获得目标图片索引，可以提高查找目图片的准确性。同时，基于索引链查找图片，查找速度快。附图说明图1是本专利技术实施例提供的一种基于区块链的云计算大数据图片查找方法的流程图。图2是本专利技术实施例提供的第三网络的结构示意图。图3是本专利技术实施例提供的第四网络的结构示意图。图4是本专利技术实施例提供的第五网络的结构示意图。图5是本专利技术实施例提供的一种基于区块链的云计算大数据图片查找系统的示意图。图中标记：基于区块链的云计算大数据图片查找系统200；客户端210；云计算终端220；区块链300。具体实施方式下面结合附图，对本专利技术作详细的说明。本专利技术实施例提供了一种基于区块链的云计算大数据图片查找方法，如图1所示，基于区块链的云计算大数据图片查找包括：S101：客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端。S102：云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端。S103：所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。通过采用以上方案，基于将人脸图像和图片查询信息获得目标图片索引，可以提高查找目图片的准确性。同时，基于索引链查找图片，查找速度快。其中，所述第一网络包括图卷积神经网络、长短时记忆网络、一个估计层网络、一个记忆层网络、第一适应层网络和第二适应网络，图卷积神经网络输出的第一信息和长短时记忆网络输出的第二信息是第一适应网络的输入，第一适应网络的第一输出是估计层网络的输入，第一适应网络的第二输出是本文档来自技高网...

【技术保护点】
1.一种基于区块链的云计算大数据图片查找方法，其特征在于，包括：/n客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；/n云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；/n所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。/n

【技术特征摘要】
1.一种基于区块链的云计算大数据图片查找方法，其特征在于，包括：
客户端获得用户的人脸图像和图片查询信息，将所述人脸图像和图片查询信息发送至云计算终端；
云计算终端基于所述人脸图像和图片查询信息，将所述人脸图像和所述图片查询信息输入训练好的第一网络，以所述第一网络的输出作为所述图片查询信息的目标图片索引，将所述目标图片索引发送至所述客户端；
所述客户端根据所述目标图片索引，定位到与目标图片索引对应的索引链，获得所述索引链对应的图片链，显示所述图片链中的图片。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述客户端将所述图片链中的图片发送到云计算终端；
云计算终端将所述人脸图像、所述图片查询信息和所述图片链中的图片输入到第二网络，第二网络输出所述图片链的图片中与图片查询信息匹配度最高的图片。


3.根据权利要求2所述的方法，其特征在于，所述第一网络包括图卷积神经网络、长短时记忆网络、一个估计层网络、一个记忆层网络、第一适应层网络和第二适应网络，图卷积神经网络输出的第一信息和长短时记忆网络输出的第二信息是第一适应网络的输入，第一适应网络的第一输出是估计层网络的输入，第一适应网络的第二输出是记忆层网络的输入，估计层网络输出的估计特征数和记忆层网络输出的记忆特征数是第二适应网络的输入，第二适应网络的输出是一个特征值，将所述人脸图像和所述图片查询信息输入训练好的第一网络，训练好的第一网络输出的特征值就是目标图片索引。


4.根据权利要求3所述的方法，其特征在于，图卷积神经网络的层间映射关系满足公式：
f(H)＝σ*A*H*(A*H+I)-1，
其中，此时的H表示人脸图像，σ是非线性激活板书，A是核矩阵，I是单位矩阵。


5.根据权利要求4所述的方法，其特征在于，卷积神经网络和长短时记忆网络与第一适应网络的映射关系满足公式：



V2＝L-f(H)
其中，f(H)表示图卷积神经网络的输出，L表示长短时...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：杨仙莲，
类型：发明
国别省市：贵州;52