一种基于人工智能与区块链技术融合的查核平台的制作方法

1.本发明涉及智慧查核技术领域，具体涉及一种基于人工智能与区块链技术融合的查核平台。


背景技术：

2.目前，从全国来看，用于查核过程的记录仪、采集工作站和查核证据管理服务台存在着诸多问题，首先，记录仪仅仅是一个录像设备，不能保证在查核现场录制的视频文件一定可以作为证据使用，更无法保证视频文件作为呈堂证据的可采用性(真实性、相关性、合法性)，导致了查核视频多次受到公众和法庭的质疑；其次，不能保证记录仪的正确合法使用，导致关键证据丢失或者未能完整采集；第三，记录仪的数据采集存在着效率低下、网络隔离违规等情况；第四，查核数据的管理智能化程度低，无法实现视频数据的智能分析和合理利用。这些问题直接影响到查核过程中采集的数据在法庭质证过程中能否真正成为可以采信的证据。


技术实现要素：

3.有鉴于此，为了解决现有技术中的上述问题，本发明提出一种基于人工智能与区块链技术融合的查核平台，融合人工智能和区块链技术，确保查核过程中的证据可靠性和唯一性。
4.本发明通过以下技术手段解决上述问题：
5.一种基于人工智能与区块链技术融合的查核平台，包括：
6.记录仪，用于在查核过程中采集查核场景的图像或音视频文件，将针对所述图像或音视频文件自动计算生成的文件哈希值、授时中心的可信时间、地理位置信息、查核设备信息和查核人员信息五个要素通过网络自动上传至实证存证云中，同时将生成实证存证云固证报告链接的二维码进行保存；所述文件哈希值包括图像哈希值和声纹哈希值；
7.实证存证云，部署有区块链，用于对记录仪上传的文件哈希值、授时中心的可信时间、地理位置信息、查核设备信息和查核人员信息五个要素进行存储；
8.采集工作站，用于对所述图像或音视频文件进行快速采集，并安全传输至存储服务器；
9.存储服务器，用于存储所述图像或音视频文件，并将所述图像或音视频文件发送至查核证据管理服务台；
10.查核证据管理服务台，用于采用基于视频大数据分析技术进行数据管理、部门管理、案件管理、权限管理、角色管理和设备管理，实现城市查核过程的法律监管、串并案、预警分析、证据的防篡改、查核主体合法化的证明和查核数据全生命周期的管理，从而实现基于人工智能、云计算和区块链技术深度融合的智慧查核；
11.智能查核文书生成设备，用于对查核证据管理服务台中的图像或音视频文件进行智能分析和案件类比，生成智能查核文书。
alexnet网络模型对声纹数据进行识别。
33.与现有技术相比，本发明的有益效果至少包括：
34.1)、本发明的记录仪在记录时，能够智能地获得记录电子文件的哈希值、授时中心的可信时间、地理位置信息、查核设备信息、查核人员信息等与查核场景紧密相关的各种信息，利用这些信息实现记录仪记录完成后的即时证据固定，完成从普通电子文件到符合法律要求的电子证据的跨越。
35.2)、本发明的查核平台融合人工智能和区块链技术，确保查核过程中证据的可靠性和唯一性。
附图说明
36.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
37.图1是本发明基于人工智能与区块链技术融合的查核平台的结构示意图；
38.图2是本发明记录仪的结构示意图；
39.图3是本发明图像哈希值生成模块的结构示意图；
40.图4是本发明人脸图片分析流程图；
41.图5是本发明声纹哈希值生成模块的结构示意图；
42.图6是本发明声纹分析流程图。
具体实施方式
43.为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做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。
44.如图1所示，本发明提供一种基于人工智能与区块链技术融合的查核平台，包括记录仪、实证存证云、采集工作站、存储服务器、查核证据管理服务台和智能查核文书生成设备。
45.所述记录仪用于在查核过程中采集查核场景的图像或音视频文件，将针对所述图像或音视频文件自动计算生成的文件哈希值、授时中心的可信时间、地理位置信息、查核设备信息和查核人员信息五个要素通过网络自动上传至实证存证云中，同时将生成实证存证云固证报告链接的二维码进行保存，从源头上保证了证据的真实性、相关性、合法性；所述文件哈希值包括图像哈希值和声纹哈希值。
46.记录仪是执行公务时随身佩带的集实时音视频摄录、照相和录音等功能于一体的取证技术装备。在记录仪端，对设备改造，植入程序，实现了一键开启查核记录，再按一次按键结束查核记录过程。
47.适配5g的记录仪，随着人脸识别等ai的应用为记录仪带来了新的挑战，在进行智能分析处理时，需要消耗大量的计算资源和存储资源，而记录仪作为移动终端设备对能耗、
计算和存储资源尤为敏感。5g时代最明显的三大性能将会是高速率、高连接密度以及低时延。因此，5g可取证智能记录仪也将会适应这类性能发展的要求。具体来讲，记录仪信息传输的速率将会大大提高，能够更便捷地为用户提供相应的信息，耗时也将缩短，这就为用户节省了大量的时间。另外，随着5g可取证智能记录仪的广泛应用，会促使网络连接密度呈现井喷式的扩充，并且端与端之间的传输要求能达到毫秒级，这些新性能的发展在 5g时代都将会成为可能。5g可取证智能记录仪拟支持巴龙5000基带，balong 5000是目前业内集成度最高、性能最强的5g终端基带芯片。它不仅是世界上首款单芯片多模5g基带芯片，同时还支持2g、3g、4g、5g合一的单芯片解决方案，能耗更低、性能更强。在5g网络sub-6ghz频段下，balong 5000峰值下载速率可达4.6gbps，mmwave(毫米波)频段峰值下载速率达6.5gbps，是4g lte可体验速率的10倍。
48.所述实证存证云部署有区块链，用于对记录仪上传的文件哈希值、授时中心的可信时间、地理位置信息、查核设备信息和查核人员信息五个要素进行存储。
49.所述采集工作站用于对所述图像或音视频文件进行快速采集，并安全传输至存储服务器；在采集工作站端，对其进行了加速处理并采用了便捷的内外网络隔离机制，实现了查核视频的快速采集和安全传输。
50.所述存储服务器用于存储所述图像或音视频文件，并将所述图像或音视频文件发送至查核证据管理服务台。
51.所述查核证据管理服务台用于采用基于视频大数据分析技术进行数据管理、部门管理、案件管理、权限管理、角色管理和设备管理等，实现城市查核过程的法律监管、串并案、预警分析、证据的防篡改、查核主体合法化的证明和查核数据全生命周期的管理等，从而实现基于人工智能、云计算和区块链技术深度融合的智慧查核。
52.所述智能查核文书生成设备用于对查核证据管理服务台中的图像或音视频文件进行智能分析和案件类比，生成智能查核文书。
53.本实施例中，优选地，所述查核平台还包括法律文书知识库，所述法律文书知识库与查核证据管理服务台连接。
54.本实施例中，优选地，所述存储服务器还用于获取监管综合系统中的案卷数据进行存储，并将所述案卷数据发送至查核证据管理服务台进行智慧查核。
55.如图2所示，所述记录仪包括图像音视频采集模块、图像哈希值生成模块、声纹哈希值生成模块和二维码链接生成模块；
56.所述图像音视频采集模块用于在查核过程中采集查核场景的图像或音视频文件；本发明采用基于zynq-7000平台的高清视频采集处理系统，通过深入分析zynq-7000平台基础特性,高清视频采集处理的整体框架,实现了高清cmos 图像采集、fpga上图像预处理以及视频图像的缓存；
57.所述图像哈希值生成模块用于采用vgg-16卷积神经网络的人脸识别技术对所述图像或音视频文件中的人脸进行识别，生成图像哈希值；
58.所述声纹哈希值生成模块用于采用fbn-alexnet网络小样本声纹识别技术对所述图像或音视频文件中的声纹进行识别，生成声纹哈希值；
59.所述二维码链接生成模块用于将针对所述图像或音视频文件自动计算生成的文件哈希值、授时中心的可信时间、地理位置信息、查核设备信息和查核人员信息五个要素通
过网络自动上传部署了区块链的实证存证云中，同时将生成实证存证云固证报告链接的二维码进行保存；所述文件哈希值包括图像哈希值和声纹哈希值。
60.如图3-4所示，所述图像哈希值生成模块包括神经网络模型训练单元、人脸图片获取单元、图片预处理单元和人脸识别单元；
61.所述神经网络模型训练单元用于构建vgg-16卷积神经网络模型，并对 vgg-16卷积神经网络模型进行训练；
62.所述人脸图片获取单元用于获取图像或音视频文件中的人脸图片；
63.所述图片预处理单元用于对人脸图片进行预处理操作，包括人脸检测和人脸对齐矫正；优选地，采用aadaboost+haar特征方法进行人脸检测，采用仿射变换进行人脸对齐矫正。
64.所述人脸识别单元用于采用训练好的vgg-16卷积神经网络模型进行人脸特征提取，经过vgg-16卷积神经网络模型的5个单元的特征提取、非线性映射及特征降维后，通过三个全连接层筛选特征，进一步降低特征维度；最后，采用分类器进行人脸的识别。
65.具体地，所述神经网络模型训练单元包括训练数据集获取子单元和神经网络模型训练子单元；
66.所述训练数据集获取子单元用于获取一定数量的人脸图片，对人脸图片进行预处理，作为vgg-16卷积神经网络模型的训练数据集；预处理包括数据增强、人脸检测对齐剪裁、数据格式转换和图片均值计算；
67.所述神经网络模型训练子单元用于构建vgg-16卷积神经网络模型，采用训练数据集对vgg-16卷积神经网络模型进行训练，包括网络层修改、网络参数修改和网络模型训练完成。
68.声纹识别分为说话人辨认技术和说话人确认技术两种。不论是哪种技术，都要先对说话人的声纹进行采集、数化、建模。当全样本采集了社会公众的声纹集合后，在获取可疑音源声纹检材时，就可以与全样本声纹集合进行自动比对，瞬时锁定可疑人的真实身份。因声纹能够进行远程采样、识别，对侦办非接触型案件具有无可比拟的天然优势。目前声纹识别面临以下挑战：语音的时变性对声纹识别的影响，声音的稳定性较人脸、指纹等生物特征相比，其稳定性相对较差，变声期、病变、外伤、录音条件不同、言语环境不同等因素都会使一个人的声音产生变化，使其稳定性减小；跨信道采集对声纹识别的影响，声音的来源渠道多种多样，例如录音笔、电话、voip、拾音器等等，不同的采集渠道也会采用不同的音频编解码模式，模数转换的过程或多或少会造成声音的损伤；录音攻击、tts等技术对声纹识别的影响。基于深度学习的声纹识别模型通过大量语音数据训练时，可自动学习丰富的声学特征(频谱、基音、共振峰等)，在一定程度上克服以上挑战。
69.由于在实际工作中很难获得大量的声纹数据，本发明研究一种深度模型下的小样本声纹识别技术，拟提出一种基于凸透镜成像的图像增多算法进行声纹预处理，此外，在网络训练过程中，由于存在网络层数较多、网络参数巨大、训练耗时以及网络拟合问题，拟基于快速批量归一化 (fast batchnormalization,fbn)方法，以在训练fbn-alexnet网络时加速网络收敛。
70.如图5-6所示，所述声纹哈希值生成模块包括小样本输入单元、训练数据获取模块、fbn网络模型训练模块和声纹识别模块；
71.所述小样本输入单元用于输入小样本的原始语音信号，获得语谱图；在使用音频训练或测试模型之前，由于语音信号具有短时不变性的特点，预先将一段话音信号进行分帧；
72.所述训练数据获取模块用于采用凸透镜成像原理的图像增多算法，通过改变语谱图的大小获得更多的训练数据；
73.所述fbn网络模型训练模块用于采用声纹数据训练fbn-alexnet网络模型，包括卷积层提取声纹特征、fbn加速网络收敛、池化层减少计算复杂度和全连接层进行声纹分类；
74.所述声纹识别模块用于获得图像或音视频文件中的声纹数据，采用训练好的fbn-alexnet网络模型对声纹数据进行识别。
75.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。