一种非车辆身份的车辆识别方法与流程

1.本发明涉及数据处理技术领域，更具体地说，涉及一种非车辆身份的车辆识别方法。


背景技术：

2.现有技术的车辆身份识别，是先设定车辆具备车辆身份信息，然后通过对车辆进行身份识别，获取车辆身份信息，进而完成车辆身份识别。通常将以唯一性的车牌作为车辆身份信息，并基于此，才能够实现其他如通过视频追踪的方法在车辆行驶中对车辆进行身份识别。现有技术中的诸如此类的间接识别方法，虽然实现过程中可以不直接获取车辆身份信息，但技术效果的实现，在本质上均需要基于车辆具备车辆身份信息，即车辆需要先具备车辆身份信息，才能够被获取，无论是通过直接或间接的方法进行获取。如果无法完成车辆身份信息的识别与获取这一前提，则后续的其他任何相关的识别操作均将无效，例如即使在车辆行驶的过程中对车辆实现了视频追踪，但也无法获取车辆身份信息。特别是伪造车牌、套牌、车牌因污损或有意无意的遮挡而无法被识别等情况存在，都无法实现车辆具备车辆身份信息，或正确识别并获取车辆身份信息。
3.以车辆作为车辆身份信息，通过车牌对车辆进行车辆身份识别时，由于车辆身份信息与司机身份信息无法形成完全匹配，如果未完成司机身份识别时，车辆发生的行为，仅通过车辆身份信息，无法准确匹配为关联的司机，即如果无法确定司机的身份，车辆发生的行为无法明确地确定所归属的司机。而且，将车辆身份信息与司机身份信息进行绑定，存在较大的泄露隐私的风险。
4.因此，车辆身份信息的存在，在一定程度上限制了车辆识别的技术思路的选择，不利于其他相关的识别方法的有效执行。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种非车辆身份的车辆识别方法，取消车辆的车辆身份信息，以司机身份信息结合车辆识别对唯一性的车辆判定其为其自身，进而代替车辆身份信息，可在司机身份信息、车辆识别同时完成的任意时刻，完成非车辆身份的车辆识别，对待识别车辆的确定效力等同于车辆身份信息。
6.本发明的技术方案如下：
7.一种非车辆身份的车辆识别方法，将司机身份信息与车辆进行绑定，所述的车辆不设置车辆身份，基于图像识别提取所述的车辆的特征信息，作为识别样本；当同时满足以下条件时，判定待识别车辆为其自身，完成车辆识别；
8.所述的条件包括但不限于：
9.条件一：对位于车辆驾驶位的用户进行司机身份识别，获取司机身份信息；
10.条件二：采集待识别车辆的特征信息，与识别样本进行对比，判定待识别车辆与识别样本对应的车辆为相同车辆。
11.作为优选，当所述的条件未同时满足时，保留先满足的条件，直至所有条件满足，则完成车辆识别。
12.作为优选，对于任一条件，当条件满足后，如果在后续的时刻无法保持条件满足，则判定前序的时刻所述的条件均为不满足。
13.作为优选，在不同的采集位置采集待识别目标的至少一种感知数据，所述的待识别目标包括但不限于位于车辆驾驶位的用户、待识别车辆；持续采集的感知数据，当采集的感知数据无法完成待识别目标的识别时，将其与指向当前待识别目标的唯一临时条件进行关联，直至完成待识别目标的识别，将临时条件修改为待识别目标对应的条件；所述的完成待识别目标的识别包括但不限于条件一所述的获取司机身份信息、条件二所述的判定待识别车辆与识别样本对应的车辆为相同车辆。
14.作为优选，当相邻的两个采集位置之间存在盲区，在盲区内未采集到感知数据，则判断第一个采集位置采集的感知数据与第二个采集位置采集的感知数据是否具备连贯的逻辑，如果是，则待识别目标在第二个采集位置继承待识别目标在第一个采集位置的条件满足情况；
15.所述的连贯的逻辑为：根据感知数据的类型，按照对应的预设规则，基于在前的采集时刻采集的感知数据，能够推断得到在后的采集时刻推定感知数据，且在后的采集时刻推定感知数据与在后的采集时刻采集的感知数据匹配。
16.作为优选，在车辆行驶前和/或车辆行驶结束后，进行司机身份识别；
17.在车辆行驶前进行司机身份识别的方法为：当识别存在用户从车辆驾驶位进入车辆时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧进入车辆，则判定第一位进入的用户为司机，并进行司机身份识别；
18.在车辆行驶结束后进行司机身份识别的方法为：当识别存在用户从车辆驾驶位下车时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧下车时，则判定第二位下车的用户为司机，并进行司机身份识别。
19.作为优选，车辆的特征信息包括但不限于车辆型号、颜色、改装物，基于图像识别确认车辆型号，从预设的车型数据库中获取该车辆型号的车型参数。
20.作为优选，在车辆行驶过程中，利用区块链对识别样本、连续采集的待识别车辆的特征信息、连续获取的待识别车辆的识别结果与司机身份信息进行存储。
21.本发明利用对等计算体系对目标进行非特定特征识别及位置识别，所述的目标包括车辆、司机；
22.对等计算体系包括多个节点设备，所有节点设备之间无主次关系；节点设备设置数据采集装置、运算模块，数据采集装置包括含图像获取装置在内的至少一种类型传感器，用于采集不同对应类型的感知数据；设置于不同的采集位置的节点设备采集目标的至少一种点样本，点样本为对应传感器类型的感知数据；
23.对于某一个节点设备，对采集的感知数据进行处理，得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，通过所述的结果数据对其他节点设备的结果数据形成影响；基于此，在不需要获取目标的身份信息的情况下，对等计算体系中的多个节点设备进行协同计算，确定每个唯一性的目标为其自身，实现非特定特征识别，以及对目标进行位置识别。
24.作为优选，在车辆行驶过程中，利用对等计算体系对连续采集的原始数据进行基于结果数据计算的非介质存储，所述的原始数据包括感知数据、节点设备接收到的结果数据；
25.所述的非介质存储的方法为：每个节点设备通过自身部署的数据处理模型对采集的原始数据进行处理，计算得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，利用其数据处理模型计算获得当前节点设备的结果数据；具体地，当前节点设备接收前序节点设备输出的前序结果数据，并结合当前节点设备采集的当前原始数据，计算获得当前结果数据，并传输至后续节点设备；以此类推，将结果数据在节点设备之间进行传递，结果数据表征节点设备所连接的传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的执行装置的设备状态，通过结果数据的计算以及节点设备之间的连接关系，完成各节点设备所连接的传感器所感知的感知状态、各节点设备的自身状态、各节点设备所连接的执行装置的设备状态的非介质存储。
26.本发明的有益效果如下：
27.本发明所述的非车辆身份的车辆识别方法，在不需要车辆身份信息的情况下，即可确定每个唯一性的待识别车辆为其自身，实现非车辆身份的车辆识别。本发明取消车辆的车辆身份信息，以司机身份信息结合车辆识别对唯一性的车辆判定其为其自身，进而代替车辆身份信息，可在司机身份信息、车辆的识别判定同时完成的任意时刻，完成非车辆身份的车辆识别，对待识别车辆的确定效力等同于车辆身份信息。本发明通过非车辆身份进行车辆识别，不仅便于实现，识别准确率高，而且对实施场景的要求更低，受环境的影响小。
28.本发明基于司机身份信息结合车辆确定，对于车辆的行为的识别，可以明确地归属于司机身份信息所属的司机，即如果没有司机，车辆必然不会发生行为，当车辆发生行为时，必然存在司机，因此，车辆发生的行为涉及的法律事件可直接指向身份确定的司机。
29.本发明根据连贯的逻辑实现待识别目标(包括位于车辆驾驶位的用户、待识别车辆)在盲区存在的情况下，实现已满足的条件的继承，实现对司机身份识别与待识别车辆的识别判定形成一定程度的容错，避免车辆识别的重复执行。
30.本发明可在司机身份信息、车辆的识别判定同时完成的任意时刻，完成非车辆身份的车辆识别，进而可实现对于在未完成司机身份信息、车辆的识别判定的在前时刻进行倒推取证，推定在前时刻对于司机、车辆的感知结果为有效。
31.本发明基于对等计算体系的协同计算，对司机、车辆进行非特定特征识别及位置识别，在不需要特定特征、获取具体身份信息的情况下，即可确定每个唯一性的待识别对象为其自身，实现非特定特征识别。本发明通过非特定特征识别的方式进行目标识别、身份确认、权属计算或事件监控，不仅识别结果准确率高，而且位置识别精准。本发明可在不依赖特定特征进行身份和权属关系认知，还利于隐私保护。
32.本发明采用非特定特征识别，另一方面能够有效地防止因特定特征被盗或仿制而造成的风险，大大提升安全性。本发明采用不接触的被动方式，对待识别对象的身份进行无感识别，大大提升执行的便利性。本发明基于所述的对等计算体系，覆盖范围在百米级别或数百公里级别上进行轻松布局，适用于各种级别的地域范围。
33.本发明对目标的识别、身份及权属的确认或事件的监控，由于不传输原始数据，并
可不对原始数据进行存储，进而不存在隐私信息泄漏的风险；对应地，可解决公共安全和隐私保护的矛盾。
34.本发明还对识别样本、连续采集的待识别车辆的特征信息、连续获取的待识别车辆的识别结果与司机身份信息进行防篡改的连贯性存证，包括利用区块链进行存储，或利用对等计算体系对感知数据、结果数据进行非介质存储。一方面，可用于证明司机与车辆的绑定关系，如司机未下车，未发生车辆调换等；另一方面，可用于保证对司机的驾驶行为进行评估的法律效力，进而延伸至其他服务，如用于车险保费的计算、碳排放量的计算、促进司机进行更安全的驾驶行为、对优质的驾驶行为进行奖励等。
35.本发明所述的非介质存储方法，通过结果数据的传递与计算，使得计算获得的结果数据能够表征节点设备所连接的多个传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的多个执行装置的设备状态，通过结果数据的计算以及节点设备之间的连接关系，完成各节点设备所连接的传感器所感知的感知状态、各节点设备的自身状态、各节点设备所连接的执行装置的设备状态的非介质存储。即，节点设备上不对原始数据进行存储(根据法律规定或者管理规定，为传统存证需要，传感器可以配置存储)，也不在单个节点设备利用采集的原始数据进行点式识别。本发明中，对等计算体系实际上不存储具备明确含义的数据，而是在有需求时，通过结果数据(为各个节点设备的感知状态)在节点设备之间进行传递与计算，获得与需求对应的结果，进而实现类似“存储”的效果，即所述与需求对应的“结果”的存在，不是生成后通过介质进行存储，而是根据需求进行计算而获得。本发明所述的计算是海量节点设备进行海量逻辑而进行的因果连贯的连续性计算(整个对等计算体系在同一时刻会处理海量的需求)，黑客对任何节点设备的入侵、劫持、篡改都会导致其入侵、劫持、篡改的节点设备与其他节点设备的交互计算发生错误，从而发现节点设备的异常，激活对应措施进行修复，或者对于故障节点设备进行更换。
36.当需要追溯某个目标的行为、属性、状态或事件，则当前节点设备将对目标追溯的需求作为输入之一，和其他前序结果数据、当前原始数据共同加入当前结果数据的计算，然后发送至其他节点设备；以此类推，基于当前节点设备接收的前序结果数据和当前原始数据，通过当前次的结果数据的计算，计算获得目标的行为、属性、状态或事件在前序的各个节点设备采集的原始数据中进行表征的前序状态值与在当前节点设备的当前结果数据中进行表征的当前状态值之间的关系，并驱动连接在当前节点设备上的执行装置做出响应，从而实现了类似“反推”的效果，进而实现类似对“存储”进行“读取”的效果，即所述的“读取”不是对已存在并利用介质进行存储的“结果”，而是根据需求进行计算而获得。
37.本发明中，利用状态值表征对于目标的各类感知数据，简化进行传递的数据对应的信息量，并基于对等计算体系进行传递，在对等计算体系的覆盖范围中，节点设备连接的执行装置可在结果数据的传递过程中完成对多个目标的行为、属性、状态或事件进行响应。
38.本发明还通过多维矩阵转码，对目标的各类感知数据(即结果数据)进行简化，得到对应的状态值；并且，结果数据随着传递，不断进行状态叠加与更新，进而任一节点设备每次输出的结果数据均包含对等计算体系所覆盖的相当长一段时间内的事件序列及各维度细节的表征，在需要的时候，从需求接受端的节点设备，通过一系列的节点设备进行计算和传递，将存在一个或者多个节点设备基于当前节点设备通过接收的前序结果数据，驱动自身连接的执行装置进行响应，通过执行装置的响应动作或响应结果，模拟实现“反推”的
效果；进而不需要存储对应目标的各类感知数据的完整原始数据，不再需要依赖庞大而缓慢的数据库记录海量目标和时间复杂的时空相关性，大大降低数据存储成本，大大提升运行效率，节约算力。
39.本发明所述的“存储”与“读取”，实际上是对包含海量过往特征集合表征的结果数据进行计算，从而实现“回忆”(即“反推”)历史状态的效果，不同于单点计算去读取历史时刻的记录，因此不需要、也可以不存在存储介质对具备明确含义的数据进行“存储”并供“读取”；本发明对事件或信息的“回忆”，是实时计算获得的结果。所有的“回忆”结果均为海量的节点设备计算获得的结果，海量的节点设备于每个单位时间的计算结果都是一个共同计算的中间性、涵盖了目标的历史状态描述的超高维度混合的计算结果。
40.在介质存储容量有限的情况下，采用本发明提供的连接关系与结果数据计算的技术方案来替代传统的介质存储，假设以有向无环的传输方式，十万个节点设备中的任何一个节点设备发起“非介质存储”或“非介质读取”，都是十万阶乘的等级，其状态值的位数就有456573位(即10456573种状态值)；当多个节点设备发起时，对应形成10456573种变化，所以一个城市级基础设施容量可视为接近于无限(实际上路径中的节点设备是可以选择前序节点设备作为后续节点设备，是有环的传输方式，而且一个节点设备可以将结果数据传输给多个节点设备，则表达序列就是无穷的数量级)。
41.本发明由于单个节点设备不存储具备明确含义的数据，且“存储”或“读取”的结果均为实时计算获得，除非同时劫持所有节点设备，否则无法进行入侵、劫持、信息盗取和篡改；而城市级部署时，节点设备的数量在数十万甚至过亿级别，现有的黑客手段无法做到同时入侵全部节点设备，可见，本发明能够免疫现有黑客手段的入侵、劫持、信息盗取和篡改。
具体实施方式
42.以下结合实施例对本发明进行进一步的详细说明。
43.本发明为了解决现有技术的车辆身份识别存在的应用场景受限、识别准确率受环境影响、无法避免伪装身份等不足，提供一种非车辆身份的车辆识别方法，在不需要车辆身份信息的情况下，即可确定每个唯一性的待识别车辆为其自身，实现非车辆身份的车辆识别。本发明取消车辆的车辆身份信息，以司机身份信息结合车辆识别对唯一性的车辆判定其为其自身，进而代替车辆身份信息，可在司机身份信息、车辆的识别判定同时完成的任意时刻，完成非车辆身份的车辆识别，对待识别车辆的确定效力等同于车辆身份信息。本发明通过非车辆身份进行车辆识别，不仅便于实现，识别准确率高，而且对实施场景的要求更低，受环境的影响小。
44.本发明所述的非车辆身份的车辆识别方法，将司机身份信息与车辆进行绑定，通过对司机身份信息的识别与获取，以及与司机绑定的车辆的识别判定(或称为车辆确定，即通过识别，确定待识别车辆为与司机绑定的车辆)，明确哪个司机开着哪辆车，即可确定当前司机所驾驶当前车辆是唯一的、特定的车辆。当车辆被判定为唯一且特定时，即使车辆不具备车辆身份信息，也能够以司机身份信息结合车辆确定，代替车辆身份信息。进而，所述的车辆不设置车辆身份。特别是在本发明提供的对等计算体系的节点设备覆盖所有道路的情况下，控制汽车搬运机进行自动存取车，甚至可以不对车辆进行任何感知，以避免由于车牌的识别造成泄露隐私的情况。
45.本发明基于图像识别进行车辆确定，具体地，基于图像识别提取所述的车辆的特征信息，作为识别样本，对待识别车辆进行识别判定时，即可通过图像识别进行对比与识别。
46.本发明中，当同时满足以下条件时，判定待识别车辆为其自身，完成车辆识别；
47.所述的条件包括但不限于：
48.条件一：对位于车辆驾驶位的用户进行司机身份识别，获取司机身份信息；
49.条件二：采集待识别车辆的特征信息，与识别样本进行对比，判定待识别车辆与识别样本对应的车辆为相同车辆。
50.本实施例中，当满足上述两个条件，即可明确开车的是哪个司机，司机开的是哪辆车，足以等同实现车辆身份信息的识别效果。
51.具体实施过程中，当设置多个条件时，如果多个条件不能同时满足，则本发明提供一种兼容方法，即当所述的条件未同时满足时，保留先满足的条件，直至所有条件满足，则完成车辆识别。基于此，即使多个条件不能同时满足，也不会影响车辆识别的准确性，而且更符合实际应用的场景，便于本发明的实施。
52.本发明还提供一种纠错方法，用于纠正例如发生误识别、司机与车辆发生绑定修改(如车辆调换司机、司机调换车辆等)，造成的无法通过司机身份信息结合车辆确定，来毫无疑义地代替车辆身份信息的不足。具体地，对于任一条件，当条件满足后，如果在后续的时刻无法保持条件满足，则判定前序的时刻所述的条件均为不满足，以避免因错误识别造成车辆身份信息的错误代替。此时，需要重新进行车辆识别，包括判断司机身份信息与车辆的绑定关系、对司机进行身份识别、进行车辆确定等。如果前序的车辆识别后，还进行了相关的应用，则需要重新确认所述的相关应用是否保留有效性，具体可根据实施需求进行选择实施。
53.本发明中，在不同的采集位置采集待识别目标的至少一种感知数据，所述的待识别目标包括但不限于位于车辆驾驶位的用户、待识别车辆。其中，感知数据不必然为用于对待识别目标进行识别的感知数据，也可以包括待识别目标的行为对应的感知数据，用于判断待识别目标的状态、行为等。而在待识别目标未完成身份识别时，将所有感知数据进行临时存储或临时指定，可用于待识别目标完成身份识别后，对彼时的状态、行为进行确认，例如在待识别目标完成身份识别后，确认前序的某个时刻所处的状态或所进行的行为。基于此，可实现对待识别目标进行溯源取证。具体地，持续采集的感知数据，当采集的感知数据无法完成待识别目标的识别时，将其与指向当前待识别目标的唯一临时条件进行关联，直至完成待识别目标的识别，将临时条件修改为待识别目标对应的条件；所述的完成待识别目标的识别包括但不限于条件一所述的获取司机身份信息、条件二所述的判定待识别车辆与识别样本对应的车辆为相同车辆。当应用于溯源取证时，即为倒推取证。例如要取证车辆在9：00的违法证据，但是当时未完成车辆识别，但是9：00-9：15的影像连贯，属于有效数据链，9：15时完成车辆识别，则可利用9：00-9：15的连贯影像进行溯源取证，并可保证证据的有效性。
54.本发明根据连贯的逻辑实现待识别目标(包括位于车辆驾驶位的用户、待识别车辆)在盲区存在的情况下，实现连续的采集位置之间对于已满足的条件的继承，实现对司机身份识别与待识别车辆的识别判定形成一定程度的容错，避免车辆识别的重复执行。具体
地，当相邻的两个采集位置之间存在盲区，在盲区内未采集到感知数据，则判断第一个采集位置采集的感知数据与第二个采集位置采集的感知数据是否具备连贯的逻辑，如果是，则待识别目标在第二个采集位置继承待识别目标在第一个采集位置的条件满足情况。
55.所述的连贯的逻辑为：根据感知数据的类型，按照对应的预设规则，基于在前的采集时刻采集的感知数据，能够推断得到在后的采集时刻推定感知数据，且在后的采集时刻推定感知数据与在后的采集时刻采集的感知数据匹配。如果在后的采集时刻采集的感知数据与在后的采集时刻推定感知数据不匹配，则判定在后的采集时刻采集的感知数据与在前的采集时刻采集的感知数据不具备连贯的逻辑，对应的，待识别目标位于在后的采集时刻对应的采集位置的条件为不满足。
56.对于司机身份信息的识别与获取，本发明可以在车辆行驶前和/或车辆行驶结束后，进行司机身份识别。
57.在车辆行驶前进行司机身份识别的方法为：当识别存在用户从车辆驾驶位进入车辆时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧进入车辆，则判定第一位进入的用户为司机，并进行司机身份识别。在车辆行驶前进行司机身份识别的方法通常实施于司机上车前、上车过程中或上车后较短的时间内能够完成识别的场景中。
58.而对于无法在司机上车前、上车过程中或上车后较短的时间内能够完成识别的场景，则可在车辆行驶结束后进行司机身份识别，具体地，在车辆行驶结束后进行司机身份识别的方法为：当识别存在用户从车辆驾驶位下车时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧下车时，则判定第二位下车的用户为司机，并进行司机身份识别。由于在车辆行驶结束后进行司机身份识别，则车辆行驶中满足的条件暂时无法与身份确定的司机进行关联，对应地，如果在车辆行驶结束后进行司机身份识别，则可以先设置临时司机，并获取临时司机身份信息，车辆开始行驶后，已满足的条件与临时司机身份信息结合，形成临时车辆识别；在车辆行驶结束并进行司机身份识别后，判定临时车辆识别转换为最终的车辆识别。
59.本实施例中，车辆的特征信息包括但不限于车辆型号、颜色、改装物，基于图像识别确认车辆型号，从预设的车型数据库中获取该车辆型号的车型参数。由于车辆的改款与升级，或者改装，在一定程度上会改变原车辆的外观与车型参数，或者室内环境的光线不均，墙体遮挡等等因素，造成某些角度较难准确地识别出车辆型号，则为了保证车型参数的获得，本发明中，基于对多张监控图像的图像识别，从每张监控图像中识别并累积部分车型参数，多个监控设备同时获取多张不同角度的监控图像，逐步累积该车辆的车型参数和特征信息，即累积识别该车辆的车型参数和特征信息。
60.具体实施时，可采用传统的单点识别的方法，在设定的位置对司机或车辆进行身份识别，达到身份确认关联位置信息的目的；也可以采用本发明提供的基于对等计算体系的协同计算进行非特定特征的身份识别。本发明的对等计算体系基于协同计算，不依赖单点识别，将运算功能全布于全网，减轻单点运算的软硬件要求，执行效率高，大大提高抗攻击能力；在节点设备之间呈信息相对对称状态，能够免疫数据非法篡改的问题，即使单个节点设备被物理破解而篡改其发出的数据，但是因为全网运算是一种超高度冗余的复杂计算和超多维度校验，所以，单个节点设备发出数据被篡改不影响全网计算结果，而且能快速定
位故障及被篡改的节点设备，保证全网计算结果的可信度，进而，可解决部门之间数据共享和信息安全的矛盾。
61.节点设备之间传输的结果数据可以为信息的处理结果，而非信息本身，进而可不对采集的原始数据(即感知数据)进行存储，节点设备仅接收其他节点设备输出的计算结果，向外发出自身的计算结果，单个的计算结果所含信息量不足以还原任何事件和目标信息，必须由整个对等计算体系上的计算结果、多维数据矩阵元素及物理空间和设施对应关系联合进行协同计算才能获得确定的结果，协同计算对于少数节点设备传输的信息依赖性较小，进而能够从根本上改变传统信息化单点安全敏感的本质。
62.本发明中，对于目标(即司机、车辆)的身份信息的获取、位置信息的获取，可通过本发明提供的对等计算体系进行协同计算获得。具体地，利用对等计算体系对目标进行非特定特征识别及位置识别。所述的“非特定特征识别”，在严格的概念定义上，与通常意义的“识别”不同。通常意义的“识别”表示的是确定目标的具象或目标的具体身份信息，比如具体是谁(包括名字、表明目标身份的具体信息)、是什么(比如汽车、人等)。而本发明所述的“非特定特征识别”中的“识别”表示的是对每个唯一性的目标确定为其自身；即，对于某个待识别对象而言，其存在是唯一的，本发明实现“非特定特征识别”后，即确定该待识别对象(即未被进行识别或身份确认的目标)就是其自身，而非其他待识别对象，“非特定特征识别”的结果不需要确定待识别对象的特定特征，不需要确定待识别对象的身份信息或具象。比如对于一个人，视为待确认对象a，对于一个物，视为待确认对象b，则在实现“非特定特征识别”后，不需要识别待确认对象a是人，具体身份是谁，不需要识别待确认对象b是物，具体是什么物品；而需要确定待确认对象a是待确认对象a自身，待确认对象b是待确认对象b自身。然后，即可针对待确认对象a或待确认对象b进行对应的服务或控制。
63.对等计算体系包括多个节点设备，所有节点设备之间无主次关系，形成去中心化的网络和计算构架。与传统的信息化单点汇聚型计算模式不同，本发明的节点设备之间进行数据传递的方向不存在固定的、预设的路径关系。本发明所述的对等计算体系中，对于某一个节点设备，对采集的原始数据进行处理，得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，通过所述的结果数据对其他节点设备的结果数据形成影响。为方便表述，此处将前述的“某一个节点设备”称为“当前节点设备”，“其他节点设备”称为“后续节点设备”，则所述的影响之一为，后续节点设备计算获得的结果数据，不完全由自身采集的原始数据所决定，而是与当前节点设备输出的结果数据共同决定；其中，当前节点设备输出的结果数据可能改变后续节点设备用于计算结果数据的数据处理模型和参数等，进而影响后续节点设备的结果数据。例如，当前节点设备输出的结果数据与后续节点设备采集的原始数据存在关联性，则必然需要考虑当前节点设备输出的结果数据对后续节点设备的结果数据的准确性的影响；具体地，对于某个特定目标的感知，如果仅基于后续节点设备采集的原始数据计算获得的结果数据，只能反映该目标在后续节点设备的感知范围内的实时(包括实时地点与时刻)单点结果判断；而当前节点设备输出的结果数据反应其他地点、其他时刻的关于该目标的直接感知数据与结果判断，或者间接相关的其他感知数据与结果判断，则有助于提高后续节点设备的结果数据的准确性与全面性，包括相同维度的叠加计算、不同维度的相关性参考。
64.由于对等计算体系中的节点设备之间无主从关系，节点设备之间可进行点对点传输，进而，对于某一个节点设备输出的结果数据中体现的某个目标的某个感知数据对应的计算结果，在接收到该结果数据的其他节点设备中，信息是相对对称的；其他节点设备将接收的结果数据作为输入，结合自身传感器的感知数据，计算自身的结果数据，自身的结果数据自然涵盖接收的结果数据和自身传感器所体现的信息，并向下一层的其他节点设备传输，进而，对于某个目标的某个感知数据，在所有节点设备中呈信息相对对称状态，可免疫单个节点设备的计算过程和计算结果被篡改和伪造导致对结果数据的影响，同时也成为发现故障或者被篡改的节点设备和性能不合规的节点设备的手段，从根本上解决了传统信息技术的根本隐患，即由于信息不对称而造成虚假信息、伪造信息、错误信息，继而成为诈骗、网络攻击的切入点，复杂综合应用精准度差，耗时过长，可信度差，应变能力差等问题，进而能够真正地成为较大区域综合管理的信息基础设施、数字经济的基础设施。本发明不同于区块链技术仍然采用每个节点独立计算，确定结果，并且注重原始数据存证的技术方案，本发明着重于节点设备之间的对等协同计算，通过对等协同计算，使各个节点设备在处理数据时，都可以对自身的数据处理模型(即计算结果数据的算法)和参数进行调整，所述的调整是所有节点设备对自身调整的反馈，从而将所有节点设备的计算变成一个整体，各个节点设备不再独立完成计算，而是所有节点设备共同完成计算。节点设备的数据处理模型调整后，为客观存在的调整，将对下一次的数据处理形成影响。
65.节点设备设置数据采集装置(具体实施时，可包括图像获取装置、音频获取装置、温度测量装置、震动频率感知装置、激光雷达、化学传感器、电磁感应装置的一种或多种)、运算模块，数据采集装置包括含图像获取装置在内的一种或多种类型传感器或数据采集装置，用于采集不同对应类型的感知数据。运算模块基于数据处理模型，计算获得结果数据。设置于不同的采集位置的节点设备(即位于不同物理安装位置)采集目标的至少一种点样本，点样本为对应传感器类型的感知数据。基于此，在不需要获取目标的身份信息的情况下，对等计算体系中的多个节点设备进行协同计算，确定每个唯一性的目标为其自身，实现非特定特征识别，以及对目标进行位置识别。
66.具体地，以某一个节点设备为当前节点设备，结合其前序节点设备、后续节点设备的数据传递(本发明中的前序节点设备、后续节点设备，仅用于描述与当前节点设备在当次计算和数据传输过程中的前后关系，不表示其之间具备必然的前后关系及优先级关系)，对应的，当前节点设备接收其他节点设备(包括前序节点设备)输出的结果数据，后续节点设备接收其他节点设备(包括当前节点设备)输出的结果数据。对于当前节点设备，将采集的感知数据结合来自其他节点设备(包括前序节点设备)的结果数据，计算得到当前节点设备的结果数据，并发送至其他节点设备(包括后续节点设备)。以此类似，后续节点设备的工作过程与当前节点设备同理，前序节点设备也接收前序节点设备的前序节点设备的结果数据，进行与当前节点设备同理的工作过程；即，对等计算体系中的节点设备进行同理的工作过程。进而，对等计算体系中的节点设备随着感知数据的采集与结果数据的计算，进行协同计算。其中，对于某个节点设备输出的结果数据，仅由后续的一层节点设备接收并作为输入，后续的一层节点设备的结果数据将涵盖前序的一层节点设备(包括前述的某个节点设备)的结果数据。
67.在对等计算体系中，对所有事件是同步处理的，不一定需要明确地产生发现了什
么事件、事件的具体内容是什么等这类阶段性结果输出；在对等计算体系中，明确的只有传感器的感知、对应的执行装置(本发明，即为指引设备)进行响应，其他的中间过程都是协同计算同时处理了，即本发明的运行过程中，对事件的发现的中间过程是无感的，是随着协同计算的进行，节点设备的结果数据的获得，对应的执行装置自动响应执行。
68.为了保证数据源及计算过程进一步可信，本发明中，所有节点设备对其计算得到的结果数据，基于加密共识机制进行加密，得到加密结果，再将加密结果发送至其他节点设备。所述的加密共识机制包括一种或多种共识机制，不同的共识机制对应改变节点设备的加密算法结构与参数。
69.节点设备之间以标准大小的数据包(即结果数据或计算结果)进行通信。本发明中，对等计算体系的节点设备类似人类的神经元，每个神经元并不传输直接描述外部事件的具体数据，同理，节点设备不输出原始数据，而是根据自身数据处理模型(类似神经细胞的生物特性)将所连接传感器、数据采集装置获取的原始数据加工为标准大小的数据包(即结果数据或计算结果，类似神经元的神经脉冲)。单个的数据包所含信息量不足以还原任何事件和目标信息，必须由整个对等计算体系上的计算结果、多维数据矩阵元素及物理空间和设施对应关系联合进行协同计算才能获得确定的结果，协同计算对于少数节点设备输出的数据依赖性不大，并且协同计算同时处理所有节点设备接收或者发起的需求，是一种超多维度相关信息的协同校验计算，进而可从根本上改变传统信息化单点安全敏感的本质。
70.为了保证数据的完整性以及协同计算的有效执行，本发明中，对等计算体系部署qos机制，qos机制为优先保证节点设备之间的结果数据的传输质量。
71.具体实施时，对等计算体系的组网方式为4g模式、5g模式或mesh模式的一种或几种组合，以适用不同的应用场景，综合实施可行性、成本考虑等因素，实现最优的解决方案。其中，所述的mesh模式基于lte制式，在lte制式的物理层进行通信；以定制的帧结构承载数据，利用专用的无线通信协议进行交互。对帧结构进行适合对等计算体系计算的定制化，采用为城市群对等计算体系计算开发的专有无线通信协议，可进一步提高其安全性和可靠性。并且，无线算法充分适应对等计算体系计算所需的基于共识机制控制的多径信道环境，城市内通讯距离100米-10公里，野外采用全向天线情况下也能实现120公里距离高效传输。本实施例中，mesh网络通信距离为：室内的节点设备间距离为50-150米，室外的节点设备间距离为50米-120公里，每节点可接入的节点设备数量为65535。另外，以4g模式、5g模式组网时，通信距离无限制，可接入节点设备数量取决于计算芯片算力和通信时延。
72.对等计算体系中，针对于某一个待识别对象的某一种点样本，从采集点样本的节点设备向其他节点设备传递的结果数据中，可使得后续节点设备根据该点样本的特征调节感知注意力(未必需要在结果数据中包含该点样本的特征，而是该点样本的特征参与了前序节点设备的计算，从而使得前序节点设备的结果数据能够在作为后续节点设备的数据处理模型的输入时，后续节点设备的数据处理模型可实现在计算中调节感知注意力的效果)；或者，报告该点样本的特征供后续的节点设备调节感知注意力(在结果数据中直接表述该点样本的特征)。如果后续的其他节点设备未侦测到该点样本的特征，但是从其他点样本的特征能够确定未能侦测到的该点样本的特征仍然属于该待识别对象时，则继续将该未能侦测到的该点样本的特征表述在当前节点设备的结果数据中并传递至其他节点设备。例如，前序节点设备感知待识别对象a上的颜色，在当前节点设备未感知到待识别对象a上的颜
色，但从其他节点设备的感知数据可以确定，除了其他待识别对象外，还存在待识别对象a，则继续未被感知到的待识别对象a上的颜色仍然表述在当前节点设备的结果数据中。
73.本实施例中，报告该点样本的特征供后续的节点设备调节感知注意力的方法为：针对前序节点设备提供的点样本的特征调节后续的节点设备的数据处理模型的参数，使得后续的节点设备提高对该点样本的特征进行鉴别的算力；或者，后续的节点设备使用感知注意力模型匹配接收的点样本的特征进行算力调节。
74.其中，上述的“特征”与现有技术的“特征识别”的含义不同，现有技术的“特征识别”通常指能够确定目标身份的信息，而本发明的“特征”表示属于待识别对象的一种被感知的感知数据，比如坐标、属于待识别对象上的颜色等，仅通过单点感知的“特征”无法直接完成待识别对象的“非特定特征识别”。
75.本实施例中，报告该点样本的特征供后续的节点设备调节感知注意力的方法为：针对前序节点设备提供的表达点样本的特征的结果数据(本发明中，通常并非提供点样本的特征本身，而是将点样本的特征表达在结果数据中)，或点样本的特征(即点样本的特征本身)调节后续的节点设备的数据处理模型的参数，使得后续的节点设备提高对该点样本的特征进行鉴别的算力；或者，后续的节点设备使用感知注意力模型匹配接收的点样本的特征或表达了点样本的特征的结果数据进行算力调节。
76.节点设备在处理若干前序的节点设备输出的结果数据时，基于数据处理模型，当若干前序的节点设备所描述的待识别对象能够通过某些共性点样本特征确定为同一目标时，将各节点设备描述的点样本特征及其他信息合并到同一目标。例如，同一时间内几乎完全重叠的物理空间中的点样本特征，即可判定是同一目标。
77.当节点设备收到的结果数据表明当前的节点设备在当前次接收结果数据之前，用于标识待识别对象的标志，与其他节点设备用于标识该待识别对象的标志不同，并且其他节点设备为该待识别对象分配的标志更新，则对当前的节点设备在当前次接收结果数据之前用于标识待识别对象的标志进行转换。具体地，对当前的节点设备在当前次接收结果数据之前用于标识待识别对象的标志进行转换的方法为：
78.将当前的节点设备在当前次接收结果数据之前用于标识待识别对象的标志替换为最新的其他节点设备为该待识别对象分配的标志；此为本发明提供的较简单的实施方式。
79.或者，记录当前的节点设备在当前次接收结果数据之前用于标识待识别对象的标志与更新后的其他节点设备为该待识别对象分配的标志之间的转换关系，在需要引用当前的节点设备当前次接收折结果数据时，进行转换；此为本发明提供的相对复杂的实施方式。
80.或者，节点设备部署转换模型，根据输入的原始数据或结果数据，针对多个待识别对象的标志进行相应的转换；此为本发明提供的更复杂的实施方式。
81.本发明中，为了提高“非特定特征识别”的有效性，对于不同采集位置的节点设备先后采集的一种或多种点样本，如果某一种或多种点样本在不同采集位置的特征值分别符合预设的相近条件或者由特定模型判定具备相关性达到阈值，且在每个采集位置为唯一，则判定在不同采集位置的该种点样本具备关联性。
82.另一方面，对于不同采集位置的节点设备同时采集的一种或多种点样本，如果不同采集位置的节点设备对同一个空间场进行采集，当空间场中只有唯一待识别对象，或者
采集的点样本能够正确指向所属的多个待识别对象中的一个，则对于某个待识别对象，不同采集位置的节点设备采集的一种或多种点样本具备关联性。
83.本发明中，节点设备的数据采集装置包括图像获取装置、电磁感应装置、温度测量装置、震动频率感知装置中的一种或者几种组合和激光雷达，将上述装置(即图像获取装置、电磁感应装置、温度测量装置、震动频率感知装置中的一种或者几种组合)采集的数据和激光雷达采集的三维点云或者根据多个图像获取装置采集的图像生成的点云进行联合计算，获得带数据的三维点；将基于二维感知的图像颜色、轮廓、线条、反射率、运动趋势、电磁特征、温度、温度变化趋势、震动频率、震动频率变化趋势作为对应三维点的附加属性，构成带属性的三维点云；结合电磁感应、温度规律、震动频率的变化特征、运动相关性(绳子、布匹等不同材料所呈现的不同运动相关性)、反射率，确定带属性的三维点云的各个区域与待识别对象的3d外观的每个部位或相关联部位的对应关系。本实施例利用带属性的三维点云的属性及其相关性判断各个点之间的关系、各个相关点所属的各个区域与待识别对象的3d外观的每个部位或相关联部位的对应关系，能够更准确判断属于待识别对象的点样本特征，提高“非特定特征识别”的效率与准确性。
84.本发明在“非特定特征识别”过程中，在必要时，还能够获取待识别对象的身份信息。具体地，当判定需要获取待识别对象的身份信息时，则触发身份信息获取命令，将身份信息获取命令作为输入之一参与节点设备的结果数据的计算，通过驱动对等计算体系中连接有能够获得待识别对象的身份信息的无障碍数据采集条件的节点设备响应对应的结果数据，实现获取待识别对象的身份信息。对于身份信息的获取，也是协同计算的结果，即为需要获取身份信息这个判定触发身份信息的获取，而非通过特定的请求命令进行额外触发。基于本发明，如果通过请求命令触发权限计算，大多数情况不需要获取身份信息即可完成，少数发现不获取身份信息无法完成权限计算时，才根据实施需求，产生需要获取身份信息这个判定。例如，通过协同计算可知某人员的身份信息存在于某几个地点的扫码登记系统、某几个地点的快递取件登记系统或某几个地点的消费登记系统，且提前获得该人员授权或者依照法律获得查询权限，则对等计算体系可驱动以无障碍数据采集方式连接这些系统的节点设备，获得的相关信息通过各节点设备发送到对等计算体系，获得信息比对和提供精准身份信息。基于此，本发明还能够将篡改某系统仿冒身份的可能性降到最低。
85.具体地，对等计算体系通过对待识别对象的身份信息真实性进行验算，进而确定其权限；其中，对等计算体系中能够获取身份信息的节点设备可以不提供身份信息(根据实施需求，也可以提供身份信息)，仅根据接收到的结果数据中对身份信息真实性的验算要求，将验算结果表达在该节点设备的结果数据中。即，本发明中，在能够获取身份信息的节点设备不提供身份信息的情况下，仅根据接收到的结果数据中对身份信息真实性的验算要求，将验算结果表达在该节点设备的结果数据中。
86.当对等计算体系中能够获取身份信息的节点设备不提供身份信息时，驱动提供身份信息的信息源装置通过与需要获取身份信息的节点设备输入终端之间建立的加密文件传输通道或者以其他网络通讯模式建立加密信息传输通道；将身份信息作为节点设备的输入之一。
87.当必要时，为了满足其他传统计算模式对于原始数据的需求，如传统举证需要的存证，则本实施例中，节点设置可增加设置数据存储设备，用于传感器所感知的原始数据的
保存。
88.具体实施时，所述的节点设备还可在其电源装置设置漏电保护等功能。所述的节点设备还可提供各种通信接口，包括光纤接口、无线通信接口等；还可提供数据接口，用于外接存储设备。所述的节点设备可通过太阳能供电或市电供电。所述的节点设备的实施，如实施于室外，可安装于路灯等杆件(无需横臂，抱装于主杆，或者集成于灯罩内)；无杆区域，如实施于室内，可采用壁挂或者集成于吊顶内。
89.当本发明实施于室内外，节点设备作为公共空间安装的人工智能设施，可作为城市群数字经济基础设施，进行24小时不间断无缝覆盖。通过跨节点设备的协同计算，可实现覆盖区域内任何位置车辆身份识别接近100％准确率，位置识别精度与传感器精度相关。
90.本发明在对等计算网络的架构中，所有的节点设备均为同一类型、同一功能，每个节点设备均根据全网的共识机制对自身的数据处理模型进行实时、动态调整。每个节点设备上连接的数据采集装置(包括传感器、摄像头等)所采集的原始数据，都被节点设备依据自身的数据处理模型进行处理和加密，生成字节级别的处理和加密结果(即结果数据)，该结果数据将被发送给其他节点设备(当前节点设备同时收到的其他节点设备输出的计算和加密结果，也属于当前节点设备采集的原始数据之一)。因此，每个传感器感知到的原始数据所产生的效果，将按照次方级别在对等的海量的节点设备间传播。如果每个节点设备向周边100台节点设备发送自己的结果数据，四个单位时间后，将有上亿节点设备因为该传感器感知到的事件而受到影响。在这种计算模式下，信息是相对对称的，免疫篡改和伪造的，从根本上解决了传统信息技术的根本隐患，即因为信息不对称而造成虚假信息、伪造信息、错误信息，继而成为诈骗、网络攻击行为的切入点，及复杂综合应用周期长、精度差，适应性差等问题，进而真正成为较大区域综合管理的信息基础设施，成为数字经济基础设施。
91.本发明利用对等计算体系的协同计算，当协同计算的结果数据能够确定某个事件时，即完成事件的发现。本实施例中，对等计算体系对事件的发现，包括事件的内容、事件发生的位置和对应的响应处置等。在对等计算体系中，对所有事件是同步处理的，不一定需要明确地产生发现了什么事件、事件的具体内容是什么等这类阶段性结果输出；在对等计算体系中，明确的只有传感器的感知、对应的执行装置进行响应，其他的中间过程都是协同计算同时处理了，即本发明的运行过程中，对事件的发现的中间过程是无感的，是随着协同计算的进行，节点设备的结果数据的获得，对应的执行装置自动响应执行。进而，本发明区别于现有技术的单一目标的计算，是多目标状态同时计算，如通行费，如果采用现有技术的单一目标的计算，是对某车路径算出具体费用，本发明则可以通过5000个节点设备针对50000辆车，计算出其中需要缴费的全部35000辆车的费用，相当于同时计算了50000辆车的路径、收费条件的匹配和费用计算并且体现在直接驱动对应的终端(即执行装置为支付终端)实施无感支付扣费或者根据对应车辆位置显示收费二维码(即执行装置为显示终端)。期间对于上述目标和逻辑，均同时进行计算，不存在某节点对某辆车的路径信息、收费标准、位置判断、终端互动操控的计算模式。
92.对等计算体系中，节点设备计算获得并输出的结果数据，可以实施为一种表征感知数据(即原始数据)所对应的状态，可以使用状态值进行表示，进而，节点设备不需要对原始数据进行存储与发送。本实施例中，多维矩阵中的数据或元素与各节点设备的安装位置、属性等等相关，进而，进行结果数据的传输时，实际上传输的是多组参数转码后的转码结
果。所谓多维矩阵，其实是多组参数的组合，例如，某个目标的路径从a-b-c-d，abcd节点设备的物理位置是固定的，所以abcd的序列在多组参数转码传输时，就可以用一个字符或者类似概念表达。
93.基于对等计算体系的技术特点，可将其应用于各种针对于某个目标或事件提供针对性服务或控制的使用场景中。基于此，由于节点设备之间传输的结果数据为信息的处理结果，而非信息本身，进而可不对采集的原始数据(即感知数据)进行存储，节点设备仅接收其他节点设备输出的计算结果，向外发出自身的计算结果，单个的计算结果所含信息量不足以还原任何事件和目标信息，必须由整个对等计算体系上的计算结果、多维数据矩阵元素及物理空间和设施对应关系联合进行协同计算才能获得确定的结果，协同计算对于少数节点设备传输的信息依赖性较小，进而能够从根本上改变传统信息化单点安全敏感的本质。
94.本发明中，由于每个节点设备输出的结果数据中，都体现了前序的节点设备输出结果数据的状态演进，进而，基于当前节点设备接收的结果数据，即可反推获得目标在被前序的各个节点设备感知时的行为、属性、状态或事件。例如，当需要查找目标a在15分钟前的位置，则当前时刻能够获得的是目标a被感知的节点设备对应的位置，即可推断目标a所处的位置；然后，再根据结果数据的传递路径，反推至15分钟前，即可推定目标a在15分钟前所处的位置(由目标a被感知的节点设备决定)；进而，节点设备不需要存储关于目标a的原始数据，即，基于本发明，可不通过对原始数据进行识别以实现对目标a的查找，而可先反推目标a被感知的节点设备，必要时，再通过与节点设备连接的存储设备中获取关于目标a在需要被查找的时刻的原始数据。
95.本发明还对识别样本、连续采集的待识别车辆的特征信息、连续获取的待识别车辆的识别结果与司机身份信息进行防篡改的连贯性存证，包括在车辆行驶过程中，利用区块链对识别样本、连续采集的待识别车辆的特征信息、连续获取的待识别车辆的识别结果与司机身份信息进行存储，或者，在车辆行驶过程中，利用对等计算体系对连续采集的原始数据进行基于结果数据计算的非介质存储，所述的原始数据包括感知数据、节点设备接收到的结果数据。一方面，可用于证明司机与车辆的绑定关系，如司机未下车，未发生车辆调换等；另一方面，通过对等计算体系对车辆行驶过程中的位置识别，进而对车辆的行驶行为进行识别，并转换为司机驾驶车辆的驾驶行为，对司机的驾驶行为进行评估后，评估结果进行非介质存储，可保证评估结果的法律效力，进而延伸至其他服务，如用于车险保费的计算、碳排放量的计算、促进司机进行更安全的驾驶行为、对优质的驾驶行为进行奖励等。
96.由于现有技术的单点识别、通过存储介质对具备明确含义的数据进行存储对应存在的存储开销大、数据容易泄露等不足，本发明基于对等计算体系，提供一种结果数据计算的非介质存储方法，不再简单地通过存储介质对具备明确含义的数据进行介质存储，而是采用非介质存储的实时结果数据计算的技术方案，除了达到类似“存储”的效果，还基于对等计算体系，从根本上改变了传统信息化单点安全敏感的本质，数据源及计算过程可信、执行效率高、硬件要求低、识别精度高，在不需要进行特定特征识别、不需要获取访问者的身份信息的情况下，实现对访问者的非特定特征识别。
97.关于本发明对于“介质存储”与“非介质存储”的定义，具体地，本发明所述的“介质存储”，表示通过存储介质对具备明确含义的数据(或数据内容)进行存储，所述的“非介质
存储”，表示不通过存储介质对具备明确含义的数据(或数据内容)进行存储。其中，“具备明确含义”，表示能够通过该数据确定出明确的含义，例如用户的身份信息、商品类型、商品数量、传感器采集的感知数据、基于感知数据获得的判断结果或识别结果，等等；即仅依靠数据本身，即可明确数据本身对应的含义，知晓数据本身要表达的内容。进而，所述的“介质存储”与“非介质存储”实际上不是自定义的反义词，而是表示技术方案存在本质上的区别，是技术原理完全不同的技术手段。本发明所述的“非介质存储”并不表示具体实施时，完全不设置存储介质，不采用任何存储介质存储任何数据，而是在对于实现类似“存储”与“读取”的效果对应的技术特征中，而是表示不再将具备明确含义的数据内容进行存储，记录于存储介质上，不对原始数据进行存储，不预先根据原始数据进行简单的单点计算，例如，对于数字“1”，不再将数字“1”对应的数据直接或加密处理后，记录在存储介质上。当需要“读取”时，通过实时计算直接响应“读取”数字“1”以后需要执行的动作，从而实现了类似“读取”的效果。
98.本发明所述的非介质存储基于对等计算体系，每个节点设备通过自身部署的数据处理模型对采集的原始数据进行处理，计算得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，利用其数据处理模型计算获得当前节点设备的结果数据。所述的结果数据本身不直接示出、表示或表达某种明确含义，即结果数据本身不存在其他手段进行处理以重现或解读出一个明确含义。实际上，本发明在实施过程中，所述的结果数据表示中间性、涵盖了目标的历史状态描述的超高维度混合的计算结果。本发明要获得一个明确含义的结果，如事件或信息的确认，是随着结果数据的传递与计算，在传递与计算过程中得到的，进而不需要形成任何具备明确含义的数据内容，更不需要对其进行存储。本发明所述的“非介质存储”即以此进行定义。
99.具体地，当前节点设备接收前序节点设备输出的前序结果数据，并结合当前节点设备采集的当前原始数据，计算获得当前结果数据，并传输至后续节点设备；以此类推，将结果数据在节点设备之间进行传递，结果数据表征节点设备所连接的传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的执行装置的设备状态，通过结果数据的计算以及节点设备之间的连接关系，完成各节点设备所连接的传感器所感知的感知状态、各节点设备的自身状态、各节点设备所连接的执行装置的设备状态的非介质存储。
100.本发明所述的“存储”与“读取”，实际上是对包含海量过往特征集合表征的结果数据进行计算，从而实现类似“回忆”(即“反推”)历史状态的效果，不同于单点计算去读取历史时刻的记录，因此不需要、也可以不存在存储介质对具备明确含义的数据进行“存储”并供“读取”；本发明对事件或信息的“回忆”，是实时计算获得的结果。所有的“回忆”结果均为海量的节点设备计算获得的结果，海量的节点设备于每个单位时间的计算结果都是一个共同计算的中间性、涵盖了目标的历史状态描述的超高维度混合的计算结果。
101.本发明中，节点设备之间传递的结果数据可以为对于多个目标的结果数据(即结果数据)，具体为多个目标的行为、属性、状态或事件的一种或多种组合的综合状态。本发明中，利用节点设备上连接的传感器对其覆盖范围进行感知，以获得对应于其覆盖范围内当前时刻、当前位置的全量感知数据(其中必然包含了多个目标的行为、属性、状态或事件)；具体地，部分或全部节点设备设置有至少一种类型传感器，用于采集对应的不同类型的感
知数据，并计算获得当前结果数据。对于目标被感知的任一节点设备，当前节点设备接收前序节点设备输出的前序结果数据，并结合当前节点设备采集的当前原始数据，计算获得当前结果数据，并传输至后续节点设备；以此类推，完成结果数据在节点设备之间的传递。即，在节点设备每次结果数据的传递中，是将接收各类数据与自身采集的当前原始数据进行结合，基于数据处理模型进行计算，获得结果数据，然后将结果数据向下一层的其他节点设备(大多数情况下，包含多个后续节点设备，每个后续节点设备对应多个当前节点设备，每个节点设备对应多个前序节点设备；全网的逻辑原理相同)进行发送传输，即，节点设备完成一次结果数据的传递。
102.本发明中，当前原始数据表征当前节点设备连接的传感器输出的全部数据，包含了其覆盖范围内多个目标当前的行为、属性、状态或事件的当前状态(即所述的节点设备所连接的传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的执行装置的设备状态可对应表示目标的行为、属性、状态或事件的状态；或者，当目标为被传感器感知的对象，或者节点设备、节点设备所连接的执行装置，则所述的节点设备所连接的传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的执行装置的设备状态即包含目标的行为、属性、状态或事件的状态)，前序结果数据表征前序节点设备连接的传感器输出的全部数据，包含了目标前序的行为、属性、状态或事件的前序贯穿综合状态，当前结果数据表征当前节点设备连接的传感器输出的全部数据及接收到的其他节点设备传输的结果数据，包含了目标当前的行为、属性、状态或事件的当前综合状态，当前综合状态为当前状态与前序贯穿综合状态的结合。例如，简单的单维度单目标的情况下，前序节点设备输出的前序结果数据为ab(即前序节点设备的上一层节点设备输出的结果数据为a，前序节点设备的感知数据为b，结合得到的当前结果数据为ab)，当前节点设备的当前原始数据为c，则当前结果数据为abc。其他复杂的多维度多目标的情况同理。
103.本发明中，所述的前序节点设备、当前节点设备、后续节点设备并非必然的、固定的前后顺序，例如，对等计算体系中的多个节点设备中的三个节点设备x、y、z，在某一次的结果数据的传递中，恰好是节点设备x将结果数据x传递至节点设备y，节点设备y将结果数据y传递至节点设备z；而在另一次的结果数据的传递中，三个节点设备x、y、z不一定存在数据传递关系；全网的节点设备同理。对应的，本发明举的例子，在单次结果数据的传递中对应的传递路径，不表示构成传递路径的节点设备在每一次的结果数据传递中都在同一条传递路径上，传递路径的是根据已发生的结果数据传递归纳获得，而非预先规划的路径(包括固定路径以及动态路径)或者计算获得的路径，本发明的传递路径仅表示一种归纳结果，不表示其存在。本实施例中，当前节点设备的数据处理模型决定接收当前结果数据的后序节点设备。
104.不同的节点设备在各自采集原始数据的时间和/或各自所处的空间，对原始数据进行采集；如果需要追溯某个目标的行为、属性、状态或事件，则当前节点设备将对目标追溯的需求作为输入之一，和其他前序结果数据、当前原始数据共同加入当前结果数据的计算，然后发送至其他节点设备。以此类推，基于当前节点设备接收的前序结果数据与当前原始数据，计算获得目标的行为、属性、状态或事件在前序的各个节点设备采集的原始数据中进行表征的前序状态值与在当前节点设备的当前结果数据中进行表征的当前状态值之间的关系，通过结果数据的计算完成“非介质读取”。具体实施时，前序的节点设备未必能够形
成对目标的行为、属性、状态或事件的发现或确定，但对于涵盖了目标的前序的节点设备采集的原始数据中，必然包含传感器对于目标的感知数据；在获得目标的行为、属性、状态或事件在前序的各个节点设备采集的原始数据中进行表征的前序状态值与在当前节点设备的当前结果数据中进行表征的当前状态值之间的关系后，即可在能够发现或确定目标的行为、属性、状态或事件的结果数据的基础上，基于所述的关系，通过后续的结果数据的计算、执行装置的响应，实现了类似“反推”的效果。实际上，所谓的“反推”“回忆”“追溯”，在本发明中，均是一种类似效果，实际上是获得新的计算结果，即新的结果数据，基于本发明的技术方案可知，是通过结果数据的计算获得需要的结果，最终效果上恰好与传统认知的“反推”“回忆”“追溯”相似。而传统认知中对于通过存储介质进行记录的历史数据的“反推”“回忆”“追溯”，是确实地执行了数据查找操作；本发明实现的类似“反推”“回忆”“追溯”，是在当前的节点设备对结果数据进行计算，产生与历史存在过、发生过的“目标的行为、属性、状态或事件在前序的各个节点设备采集的原始数据”对应的当前的结果数据，并驱动连接在当前节点设备上的执行装置做出响应，执行装置进行相应的响应，即发生对应的执行动作。具体地，例如a节点设备(当前节点设备)判断需要在前的m节点设备(即前序节点设备)在过去时刻对目标的感知状态，是在a节点设备计算获得的结果数据中加入特定的描述，所述的描述被转换为输出的矩阵(即结果数据的表达形式)中，用于对其进行表征的状态值；然后将a节点设备计算获得的结果数据传递到m节点设备，或者发送到其他节点设备，通过逐次参与其他节点设备的计算，最终到达m节点设备；m节点设备以相同的原理，将m节点设备计算的结果数据中加入相应的描述，所述的描述被转换为输出的矩阵中，用于对其进行表征的状态值；以此类推，将在对应“追溯”需求的节点设备，如z1、z2
……
等节点设备的执行装置输出响应，可以是响应动作或响应结果，所述的响应动作或响应结果，即为“追溯”需求对应的结果；当得到所述的结果时，即为完成类似“反推”的效果。可见，本发明所述的“非介质读取”，实际上是在“非介质存储”的基础上，对“非介质存储”的结果进行获取。
105.本发明中，所述的这种类似“反推”的效果，不一定是某个节点设备进行的工作，多数情况是多个节点设备通过连接关系和结果数据的传递实现的整体结果。当需要获取“非介质存储”的结果时，通过向节点设备下达提取命令(即包含了对目标追溯的需求)，接受提取命令的节点设备将发布提取命令的人、设备及其场景相应的数据(即原始数据的一种)作为类似传感器采集的原始数据进行处理，将计算获得的结果数据发送至其他节点设备，经过节点设备之间的协同计算，驱动合适的一个或者多个节点设备进行响应。其中，各节点设备的数据处理模型在结构和训练上可涵盖根据真实身份、场景、复杂规则下的权限判断。
106.本发明的结果数据随着传递，不断进行状态叠加与更新，进而任一节点设备每次输出的结果数据均包含对等计算体系所覆盖的相当长一段时间内的事件序列及各维度细节，在需要的时候，从需求接受端的节点设备，通过一系列的节点设备进行计算和传递，将有一个或者多个节点设备基于当前节点设备通过接收的前序结果数据，通过多节点设备的协同计算，驱动自身连接的执行装置进行响应，即可实现类似“反推”的效果(多数情况不需要进行穷举，而是通过对应节点设备输出符合条件的结果数据。多节点设备的协同计算的效果是筛选出合适的结果数据，并在符合条件的节点设备上输出。所述的筛选并不是从所有明确数据中进行筛选，而是在多个节点设备计算和传递涵盖了海量事件综合计算结果数据的过程中的一种输出)；并且，结果数据为简化的状态值，节点设备收到状态值形式的结
果数据后，可直接进行结合计算，不需要先实现类似“反推”获得目标过往的历史状态。具体实施时，只有当需要进行目标的行为、属性、状态或事件的追溯输出，并且根据简化的状态值无法达到目标时，才进行实现类似“反推”(本发明中，“非介质存储”实际上是通过计算实现类似“反推”的效果，通过本发明提供的多维矩阵完善结果数据的计算，即海量节点设备进行结果数据的计算的效果之一)。特别是在对等计算体系中，结果数据往往不会返回至发起点，发起追溯的目的是，需要根据追溯结果实现什么目的。例如，需要把符合条件的追溯结果给到谁，即“反推”出符合追溯结果的节点设备，会将给出追溯结果这一需求加入自身的结果数据中，该结果数据会驱动自身连接的终端设备或者驱动其他若干节点设备的终端设备进行输出。
107.本发明由于能够脱离特定传递路径进行实现，恰恰能够区别于某些必须依靠特定路径才能完成判断事件的现有技术(特定路径是典型的对单一目标的描述，通常是单点识别的现有技术判断事件所需要依靠的)，从不同的技术思路达到事件判断或响应。所述的响应包括节点设备所连接的执行装置进行的响应，本实施例中，节点设备设置有软硬件接口输出、屏幕输出、指示灯信号、电磁波信号的一种或多种输出模式，每种输出模块实施为对应的执行装置。
108.其中，对于某一个节点设备，根据实施需求，可选择性地将其结果数据发送到特定的其他节点设备。具体实施时，某一个节点设备的结果数据不一定需要被其他所有节点设备接收，可以选择部分节点设备作为下一层的后续节点设备接收。
109.本发明中，对等计算体系中的节点设备对其感知范围内，通过其所设置的所有传感器对能够感知到的任意感知数据(即原始数据)进行采集；同时，任一节点设备也接收其他节点设备输出的结果数据，计算自身的结果数据并输出；则整个对等计算体系中不断进行感知，进行数据采集、输入、输出、计算等。基于此，结果数据在对等计算体系中的节点设备之间进行传播，基于结果数据，多个节点设备进行协同计算，实现节点设备所连接的执行装置对一个或多个目标的行为、属性、状态或事件的一种或多种组合进行响应。
110.本发明区别于传统模式，节点设备之间(包括在对等计算体系的节点设备之间)传递的实际上是一个状态表征(如通过状态值进行表征)，并非状态数据本身。本发明中，所述的状态表征可以是经过了简化转码的，可以在达到事件目标精度前提下丢弃压缩一些原始信息，也可以按照原始精度的方式通过简化转码，从而在节点设备之间用很小的字节通讯，但是确保海量的节点设备可以对海量目标的行为、属性、状态或事件在需要的时候进行精准的计算和获取(其中，所述的获取往往是不必要的)。
111.例如一个简化实施例，目标a，依次被节点设备1、2、3感知，一直顺序行至节点设备9；则节点设备2向节点设备3输出的目标感知数据就是目标a从节点设备1至节点设备2，即1-2，在矩阵中可以用一个状态值描述。随后，节点设备3也感知到目标a，则用矩阵方式添加上节点设备3的感知结果，即1-2-3，发送给目标节点设备，1-2-3在矩阵中仍然是一个状态值。以此类推，节点设备9向下一组节点设备传输的目标感知数据是目标a从节点设备1至节点设备9，即节点设备1-2-3-4-5-6-7-8-9，在矩阵中仍然也只是一个状态值。实际实施中，通常并不会产生目标a这样一个中间判断结果，而是节点设备1将自己的传感器感知连同接收到的前序的节点设备传递的结果数据，处理获得矩阵形式的表达值(包含对目标a的种类感知数据进行表征的状态值)，再传递给节点设备2；以此类推，节点设备2计算获得结果数
据，并处理获得矩阵形式的表达值(包含对目标a的种类感知数据进行表征的状态值)，再传递给节点设备3。这一过程中，涵盖了目标a(感知到目标a)的节点设备1-2-3-4-5-6-7-8-9的传递路径，当然也同时涵盖了其他可被感知的各类细节，也涵盖了其他多个目标的多个状态和特征。
112.在全覆盖情况下，节点设备涉及的路径信息往往是多维的，对应的，节点设备将收到的多个结果数据，例如节点设备x，可能收到路径123、路径825、路径abc、路径dbm、路径lmn等路径对应的节点设备对目标a的追踪序列，节点设备x将这些结果数据汇集在一个矩阵中进行表达，因此，这些节点设备虽然从各自不同的路径涵盖目标a，在所有路径的集合点节点设备x上，所有节点设备对于目标a的结果数据将在节点设备x这个位置上，以矩阵形式进行表达，表达结果仍然是一个状态值。
113.本发明虽然不需要通过产生路径进行目标的行为、属性、状态或事件的判断，但由于每个节点设备输出的结果数据中，都体现了前序结果数据，即目标前序的行为、属性、状态或事件的前序贯穿综合状态，进而，基于当前节点设备通过接收的前序结果数据和自身感知的当前原始数据进行计算，以驱动连接在当前节点设备上的执行装置做出响应，即可实现类似“反推”获得的效果。例如，当需要查找目标a在15分钟前的位置，接收该查找需求的节点设备将该查找需求加入自身当前次的结果数据的计算与传递；然后，该节点设备计算获得的结果数据很大可能会将曾经感知过目标a的节点设备加入进来，直至15分钟前感知过目标a的所有节点设备在自己的结果数据中包含对应的表征，经过若干节点设备的传递，适合向需求人输出的节点设备输出符合需求的结果数据；进而，节点设备不需要存储关于目标a的原始数据，即，基于本发明，可不通过对原始数据进行识别以实现对目标a的查找，而可先实现类似“反推”获得目标a在15分钟前的位置，并通过某些节点设备上的执行装置反馈给需求人。
114.具体实施时，不同的节点设备采集可能由于设置的传感器类型不完全相同，对应的，不同的节点设备采集的感知数据的类型也不完全相同，进而，如果当前节点设备不具备前序节点设备设置的某一种或多种类型传感器，当前节点设备仍然将对前序节点设备发送的包含相应类型的感知数据的前序结果数据作为输入，与当前节点设备的传感器采集的感知数据进行同步处理，以避免结果数据传递过程中出现部分类型的感知数据的缺失而影响结果数据的完整性。
115.本发明中，结果数据为多维矩阵进行简化转码的格式结果，具体为：对节点设备设置的不同传感器所采集的属于不同目标的不同类型的感知数据，基于转码规则进行简化转码，得到匹配的感知简码；对节点设备采集的所有当前原始数据对应的感知简码构建感知多维矩阵；将感知多维矩阵与多维矩阵形式的前序结果数据进行结合，计算获得多维矩阵形式的当前结果数据，表征目标当前的行为、属性、状态的当前综合状态。其中，多维矩阵形式的前序结果数据同样是采用“对节点设备设置的不同传感器所采集的属于不同目标的不同类型的感知数据，基于转码规则进行简化转码，得到匹配的感知简码；对节点设备采集的所有当前原始数据对应的感知简码构建感知多维矩阵”的方法进行实现。
116.具体实施时，还将节点设备获得的包含目标的行为、属性、状态和事件的感知数据、结果数据简化转码后的多维矩阵，再次简化转码，进而，为了进一步地进行有效地简化繁杂的原始数据，同时方便多维矩阵的转码，本实施例中，穷举所有感知简码及其构成的感
知多维矩阵，对每个感知多维矩阵分配一个确定的简码值；构建m位n进制序列，n进制序列的每一位被赋值为k个不同的符号中的一个；将m位n进制序列的每个具体值与每个简码值进行一一匹配；其中，m
×
n的数值大于简码值的数量。在具体实施时，对等计算体系构建完成后，无论是构建完成时，还是后期维护更新，节点设备的设置位置、时间、传感器的类型与数量等参数都是可以具体明确的，进而穷举所有感知简码及其构成的感知多维矩阵十分简单，而且数据量不大，例如有1亿种可能，则可采用1万个不同的符号构成一个万进制序列，即2位万进制序列，如x1x0，其中x1、x0均可赋值为1万个不同的符号中的一个，进而，x1x0总共存在1亿个值，分别对应1亿种可能中的1种。如果具体实施时，需要更大的信息量，则可根据实施需求，增加万进制序列的位数，如x3x2x1x0，总共存在10
16
个值，分别对应1亿亿种可能中的1种。矩阵标识序列可以通过各个节点设备上的不易失存储进行分布式加密存储，也可以通过机器学习模型进行表达，也可以通过芯片电路结构进行表达。
117.本实施例中，所述的转码规则其中一种实施例为：将节点设备设置的不同传感器所采集的属于不同目标的不同类型的感知数据，预定义为若干等级，并对所有等级划分成为若干等级段落；为每个等级段落分配对应的等级段落标识，对每种类型的感知数据分配预定义的类型标识，类型标识+等级段落标识组成原码参数；将发送的类型的感知数据的等级与其所属的等级段落的首值的差值设置为修正值。
118.将多组需要同时发送的原码参数排列组成原码参数串，修正值排列组成修正值串，将原码参数串转换为匹配的简码值，将修正值串转换为匹配的修正码，发送简码值+修正码至后续节点设备。
119.后续节点设备接收简码值+修正码后，可将简码值翻译还原为原码参数串，并将原码参数串拆解成为对应当前节点设备的若干个原码参数；将修正码翻译还原为修正值串，并将修正值串拆解成为对应当前节点设备的若干个修正值；将修正值与原码参数对应的等级段落的首值相加，还原得到当前节点设备发送的类型的感知数据的等级。(多数情况，后续节点设备将直接把简码值+修正码作为自身获得的输入之一进行处理，无需翻译和还原。)
120.本发明所述的简化转码的思路是先化繁为简，然后再进行还原。本发明中，先穷举当前节点设备所有的原码参数串，对每个原码参数串分配一个确定的简码值；在后续节点设备，使用的原码参数串与简码值的对应关系与当前节点设备相同；先穷举当前节点设备所有的修正值串，对每个修正值串分配一个确定的修正码；在后续节点设备，使用的修正值串与修正码的对应关系与当前节点设备相同。与现有技术相比，传输时，则只传输最精简的简码值即可，大大节约了带宽的利用率，在不进行扩容的情况下，能够用于传输更复杂、更多的数据。特别是对于穷举数量较大的复杂型数据，通过先分段，再修正的方法，与对每级参数定义一个参数等级，然后穷举原码参数的方法相比，能够避免存在后者应用于穷举数量较大的复杂型数据时，简码值可能存在的不够简化的不足。
121.为了实现传输内容的精简的目的，简码值的字长小于原码参数串的字长，修正码的字长小于修正值串的字长。本发明中，简码值、修正码的位数根据穷举的原码参数串、修正值串的个数进而确定，使简码值、修正码匹配的原码参数串、修正值串数量不小于穷举的原码参数串、修正值串的个数。
122.作为一种便于实施的实施方式，本发明中，如果穷举的原码参数串、修正值串的个
数小于256个，则简码值、修正码均使用ascii码表示，每个原码参数串、修正值串分别匹配一位ascii码。一位ascii码包括8位二进制数组合，表示256种可能的字符。每个字符可用于表示一个原码参数串或修正值串，一个原码参数串+修正值码表示已确定数量的多组参数每一次并列传输的组合。
123.进一步，如果穷举的原码参数串、修正值串的个数大于ascii码的个数，则每个原码参数串、修正值串均匹配至少两位ascii码，多位ascii码排列组成ascii码串。具体地，ascii码串包括若干位ascii码，ascii码串匹配的原码参数串、修正值串数量p＝256n，其中，n＝1、2、3、...。即，为了保证ascii码串包括的可能的字符的数量大于穷举的原码参数串、修正值串的数量，实施中，ascii码串的位数根据穷举的原码参数串、修正值串的个数进而确定，使ascii码串匹配的原码参数串、修正值串数量不小于穷举的原码参数串、修正值串的个数。
124.上述实施例，采用ascii码仅是作为本发明的一种较为方便阐述的实施例，本发明所述的简码值、修正码也可以是其他预设一定位数(如ascii码为8位，1字节)的二进制码，并根据二进制码的位数形成2n个字符数。
125.例如，对三个设备a、b、c的性能状态的参数发送为例，对设备a、b、c的性能状态进行采集，设备a、b、c的参数各有0-29等30个等级，穷举原码参数串，得到27000种组合。获取的三个设备性能状态的数据就是9个字符，例如a15b27c18。在计算机存储和传输中，这9个字符需要占用9个8位二进制码，即一共需要传输9字节72位信息。
126.本实施例中，对每个设备的参数进行分级，如分为a0-4，a5-9，a10-14，a15-19，a20-24，a24-29六段，设备b、c同理。根据要发送的参数等级落在哪个等级段落中，生成参数段落标识，这样三个设备的参数段落穷举共有216种组合，可以只用一位ascii码表示。当前节点设备中预定义一个参数修正表，修正值表示参数等级在其所属的等级段落上上浮的数值，即与所属的等级段落的首值的差，例如a15b27c18的修正值分别为0、3、3，则修正值串就是033。而参数修正表就是修正值串的穷举组合，在本实施例中，修正值串共有125种，也可以用一位ascii码表示。可以看出，本发明可以用两个字节来传输9个字节的信息。例如a15b27c18这个组合在转码映射表中对应的字符是“p”，在参数修正表中对应的字符为“k”。将“pk”传输给后续节点设备，后续节点设备预设一个内容与当前节点设备完全一致的转码映射表与参数修正表，在转码映射表中查询到“p”对应的是a15-19、b24-29、c15-19的等级段落，在参数修正表中查询到“k”对应的是0、3、3，将修正值与等级段落的首值相加，即还原得到a15b27c18。
127.经上述过程，即可使用2个字节传输了9个字节的信息，实现本发明的目的。
128.结合多维矩阵编码，上述例子可演化为：热敏摄像头1观测到的突出于背景的异常温度点甲的xyz坐标可用abc表示(相当于对目标只做三个维度的数据记录，多维度类推)，然后简化转码后在多维矩阵里面甲的数据就是pk，该节点设备输出的多维矩阵中，热敏摄像头1的观测结果是甲pk乙mw，热敏摄像头2的观测结果是丙ab丁ef，其他传感器的数据同理，最终构成一个多维矩阵。
129.基于所述的简化转码，具体实施时，根据实施需求，节点设备计算获得的结果数据在多维矩阵中，可以以多维矩阵的数据、多维矩阵数据的状态值或多维嵌套矩阵数据的简化转码的结果进行表征。
130.节点设备对目标进行感知，获得涵盖目标的行为、属性、状态或事件的结果数据，每个节点设备获得的结果数据包含多个目标的行为、属性、状态或事件具备对应的时间参数和/或空间参数；将时间和/或空间作为多维矩阵中的维度。本实施例中，每个节点设备的安装位置、传感器类型、周边设施和环境、地形、用途、属性等等相对稳定的基础数据，实际上都可以作为多维矩阵的计算基础，多维矩阵输出的是对这些基础数据的一个标注量，而不需要把这些基础数据放到多维矩阵中；并且，标注量的组合是有限的，可以通过组合输出一个变换量，参与其他节点设备进行结果数据的计算。
131.本发明中，节点设备的传感器对目标进行感知，感知时间作为多维矩阵中的一个维度；并将所有节点设备进行时间同步，保证感知时间的一致性，确保不同节点设备减少由于时间误差影响结果数据的准确性。另一方面，还可以将每种类型传感器感知的每种数据类型作为多维矩阵中的一个维度(根据传感器的不同，有的传感器能够感知多种类型的感知数据)，或者，将符合相关性条件的类型传感器的类型合成作为多维矩阵中的一个维度。
132.本发明中，当前节点设备选择性地将当前结果数据发送到特定的其他节点设备，选择性发送的原则为：依据预设的固定规则、动态规则，或者通过机器学习训练的模型、决定所述的特定的其他节点设备。其中，通过机器学习训练的模型为基于节点本身的强化训练模型，以节点设备的前序结果数据作为强化训练的标注。
133.根据选择性原则，将需要被传递结果数据的节点设备加入节点列表，进而，节点设备计算获得的结果数据(即简化转码后)，按照选择性发送的原则，在通信可达的节点列表中选择节点设备进行发送。
134.如果节点设备所连接的执行装置对一个或多个目标的行为、属性、状态或事件的一种或多种组合所进行的响应判定需要获取对等计算体系外的基础数据，驱动对等计算体系中连接有能够获得对等计算体系外的基础数据(包括响应对应的系统部门、操作位置、授权人员身份、激发条件、时间、采集值的一种或多种组合，均作为多维矩阵的基础，多维矩阵是对这些基础元素的度量值)的无障碍数据采集条件的节点设备，进行基础数据采集，将无障碍数据采集的数据作为节点设备的输入，参与计算，获得当前结果数据。基于此，本发明可解决现有技术无法实现的效果，例如，现有方法规定，一个医院接收10个以上食物中毒就算应急事件，需要上报；在不做特定的汇总情况下，如果5个医院接收了来自同一个学校的累计10个食物中毒案例，则不会激发应急响应。但本发明基于对等计算体系，能够发现5个医院接收了来自同一个学校的累计10个食物中毒案例，进而可激发应急响应。
135.本发明使用深度学习技术，通过神经网络训练节点设备的数据处理模型根据任务性能需求，通过接受其他节点设备的结果数据，以及所连接的各类传感器实时捕获的动态环境变化，与其他节点设备进行协同计算，完成认知和响应。并在此过程中，各节点设备对自身的深度学习神经网络(即对应数据处理模型)的运算、结构和参数进行自动化调优，从而实现数据处理模型的环境自适应以及持续演化。换言之，本发明中，节点设备部署的数据处理模型在每次处理数据并计算结果数据时，各节点设备对自身的数据处理模型的运算、结构和参数进行自动优化，即数据处理模型会改变自己的运算、结构或者参数，实现数据处理模型的环境自适应以及持续演化。其中，数据处理模型0改变为优化的效果之一，即0改变(即不变)也可视为一种改变。
136.本发明中，为了准确体现节点设备之间的相互影响，并确定当前节点设备的数据
处理模型是否适应其所连接的传感器及执行装置，本发明中，节点设备上加载的数据处理模型对前序的节点设备的数据处理模型进行适应性的感知计算，具体为：当某个节点设备对来自其他节点设备的结果数据进行计算处理时，适应性的感知计算包括将当前的节点设备与其他相关节点设备的结果数据进行校验计算和/或当前节点设备的历史结果数据的校验计算，得到适应性值或者作为适应性判断模型的输入。本发明中，基于协同计算，是将校验计算的结果体现在节点设备的结果数据中，使得一系列节点的结果数据能够驱动模型训练设施对问题节点设备的数据处理模型进行更大程度的调整。适应性值的实施方式可作为代替前述的基于协同计算的调整方式的实施方式。
137.当某个节点设备的数据处理模型无法适应其所连接的传感器及执行装置时，其适应性的感知计算的适应性值对当前节点设备的当前次结果数据的影响为：在当前节点设备的当前次结果数据中，对预设的标志位进行赋值；或者，其他相关的节点设备依据自身的数据处理模型，对当前节点设备的当前次结果数据进行综合计算，得到的结果数据能够使后续的节点设备将该结果数据作为输入时，该结果数据供其他节点设备进行计算后，驱动对当前节点设备的数据处理模型进行调整。
138.对于数据处理模型来说，适应性的感知计算涵盖在其他计算中(包括结果数据的计算、数据处理模型的调整等)，也就是说，仅进行一轮计算，既包含其他各类计算，也包含适应性的感知计算，即适应性的感知计算与结果数据的计算同时进行。
139.本发明中，数据处理模型的调整发生在当前次的结果数据计算或者若干次的数据传递和结果数据的计算中，具体地，节点设备的数据处理模型应涵盖如下模式：
140.模式一：当发现某节点设备的数据处理模型的适应性值超过程度阈值后，节点设备输出的结果数据将连接模型训练设施的节点设备加入接收节点清单，连接模型训练设施的节点设备收到此类数据，将在其当次计算的结果数据中，包含驱动模型训练设施的驱动命令。其中，根据不同的实施需求，所述的程度阈值为设定值或者动态值。如果程度阈值为动态值，通过预先设定程序或者通过动态更新的数据处理模型决定。本发明中，基于协同计算，在节点设备进行结果数据的计算过程中，即可驱动模型训练设施对问题节点设备的数据处理模型进行调整。驱动命令的实施方式可作为代替前述的基于协同计算的调整方式的实施方式。
141.模式二：模型训练设施视为一种类型传感器，其发出的信号加入所连接的节点设备，随着节点设备的结果数据计算并发出后，对等计算体系中对应的节点设备在进行结果数据的计算后，将驱动所连接的传感器的数据存储模块，通过在对等计算体系的节点设备之间建立文件传输通道或者以其他网络通讯模式建立文件传输通道，将模型训练设施指定的感知数据发送到特定位置，参与模型训练和改进，改进后的数据处理模型将以同样方式部署到原数据处理模型所不能适应的节点设备上。
142.作为另一种实施方式，本发明中，模型训练设施还可以通过联盟计算方式，驱动多个节点设备利用自身的感知数据以联盟计算方式产生新的数据处理模型，并更新数据处理模型。
143.本发明中，节点设备部署的数据处理模型在每次处理数据并计算结果数据时，各节点设备对自身的数据处理模型的运算、结构和参数进行自动优化，即数据处理模型会改变自己的运算、结构或者参数，而这些改变来源于整个对等计算体系对于各类目标、事件及
其组合的综合感知，因此，这种改变是整个对等计算体系对各类目标、事件及其组合的一种“记忆”，能够提高“回忆”“追溯”的计算效果。
144.上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

技术特征：
1.一种非车辆身份的车辆识别方法，其特征在于，将司机身份信息与车辆进行绑定，所述的车辆不设置车辆身份，基于图像识别提取所述的车辆的特征信息，作为识别样本；当同时满足以下条件时，判定待识别车辆为其自身，完成车辆识别；所述的条件包括但不限于：条件一：对位于车辆驾驶位的用户进行司机身份识别，获取司机身份信息；条件二：采集待识别车辆的特征信息，与识别样本进行对比，判定待识别车辆与识别样本对应的车辆为相同车辆。2.根据权利要求1所述的非车辆身份的车辆识别方法，其特征在于，当所述的条件未同时满足时，保留先满足的条件，直至所有条件满足，则完成车辆识别。3.根据权利要求1所述的非车辆身份的车辆识别方法，其特征在于，对于任一条件，当条件满足后，如果在后续的时刻无法保持条件满足，则判定前序的时刻所述的条件均为不满足。4.根据权利要求1所述的非车辆身份的车辆识别方法，其特征在于，在不同的采集位置采集待识别目标的至少一种感知数据，所述的待识别目标包括但不限于位于车辆驾驶位的用户、待识别车辆；持续采集的感知数据，当采集的感知数据无法完成待识别目标的识别时，将其与指向当前待识别目标的唯一临时条件进行关联，直至完成待识别目标的识别，将临时条件修改为待识别目标对应的条件；所述的完成待识别目标的识别包括但不限于条件一所述的获取司机身份信息、条件二所述的判定待识别车辆与识别样本对应的车辆为相同车辆。5.根据权利要求4所述的非车辆身份的车辆识别方法，其特征在于，当相邻的两个采集位置之间存在盲区，在盲区内未采集到感知数据，则判断第一个采集位置采集的感知数据与第二个采集位置采集的感知数据是否具备连贯的逻辑，如果是，则待识别目标在第二个采集位置继承待识别目标在第一个采集位置的条件满足情况；所述的连贯的逻辑为：根据感知数据的类型，按照对应的预设规则，基于在前的采集时刻采集的感知数据，能够推断得到在后的采集时刻推定感知数据，且在后的采集时刻推定感知数据与在后的采集时刻采集的感知数据匹配。6.根据权利要求1所述的非车辆身份的车辆识别方法，其特征在于，在车辆行驶前和/或车辆行驶结束后，进行司机身份识别；在车辆行驶前进行司机身份识别的方法为：当识别存在用户从车辆驾驶位进入车辆时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧进入车辆，则判定第一位进入的用户为司机，并进行司机身份识别；在车辆行驶结束后进行司机身份识别的方法为：当识别存在用户从车辆驾驶位下车时，则判定所述的用户为司机，并进行司机身份识别；或者，当识别存在连续两个用户从车辆副驾驶侧下车时，则判定第二位下车的用户为司机，并进行司机身份识别。7.根据权利要求1所述的非车辆身份的车辆识别方法，其特征在于，车辆的特征信息包括但不限于车辆型号、颜色、改装物，基于图像识别确认车辆型号，从预设的车型数据库中获取该车辆型号的车型参数。8.根据权利要求1至7任一项所述的非车辆身份的车辆识别方法，其特征在于，在车辆行驶过程中，利用区块链对识别样本、连续采集的待识别车辆的特征信息、连续获取的待识
别车辆的识别结果与司机身份信息进行存储。9.根据权利要求1至7任一项所述的非车辆身份的车辆识别方法，其特征在于，利用对等计算体系对目标进行非特定特征识别及位置识别，所述的目标包括车辆、司机；对等计算体系包括多个节点设备，所有节点设备之间无主次关系；节点设备设置数据采集装置、运算模块，数据采集装置包括含图像获取装置在内的至少一种类型传感器，用于采集不同对应类型的感知数据；设置于不同的采集位置的节点设备采集目标的至少一种点样本，点样本为对应传感器类型的感知数据；对于某一个节点设备，对采集的感知数据进行处理，得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，通过所述的结果数据对其他节点设备的结果数据形成影响；基于此，在不需要获取目标的身份信息的情况下，对等计算体系中的多个节点设备进行协同计算，确定每个唯一性的目标为其自身，实现非特定特征识别，以及对目标进行位置识别。10.根据权利要求9所述的非车辆身份的车辆识别方法，其特征在于，当前节点设备接收其他节点设备输出的结果数据；对于当前节点设备，将采集的感知数据结合来自其他节点设备的结果数据，计算得到当前节点设备的结果数据，并发送至其他节点设备；对等计算体系中的节点设备随着感知数据的采集与结果数据的计算，进行协同计算。11.根据权利要求10所述的非车辆身份的车辆识别方法，其特征在于，对等计算体系中，针对于某一个目标的某一种点样本，从采集点样本的节点设备向其他节点设备传递的结果数据中，后续节点设备根据该点样本的特征调节感知注意力，或者，报告该点样本的特征供后续的节点设备调节感知注意力；如果后续的其他节点设备未侦测到该点样本的特征，但是从其他点样本的特征能够确定未能侦测到的该点样本的特征仍然属于该目标时，则继续将该未能侦测到的该点样本的特征表述在当前节点设备的结果数据中并传递至其他节点设备。12.根据权利要求11所述的非车辆身份的车辆识别方法，其特征在于，报告该点样本的特征供后续的节点设备调节感知注意力的方法为：针对前序节点设备提供的表达点样本的特征的结果数据，或点样本的特征调节后续的节点设备的数据处理模型的参数，使得后续的节点设备提高对该点样本的特征进行鉴别的算力；或者，后续的节点设备使用感知注意力模型匹配接收的点样本的特征或表达了点样本的特征的结果数据进行算力调节。13.根据权利要求12所述的非车辆身份的车辆识别方法，其特征在于，节点设备在处理若干前序的节点设备输出的结果数据时，基于数据处理模型，当若干前序的节点设备所描述的目标能够通过某些共性点样本特征确定为同一目标时，将各节点设备描述的点样本特征及其他信息合并到同一目标。14.根据权利要求13所述的非车辆身份的车辆识别方法，其特征在于，当节点设备收到的结果数据表明当前的节点设备在当前次接收结果数据之前，用于标识目标的标志，与其他节点设备用于标识该目标的标志不同，并且其他节点设备为该目标分配的标志更新，则对当前的节点设备在当前次接收结果数据之前用于标识目标的标志进行转换。15.根据权利要求13所述的非车辆身份的车辆识别方法，其特征在于，对当前的节点设备在当前次接收结果数据之前用于标识目标的标志进行转换的方法为：将当前的节点设备在当前次接收结果数据之前用于标识目标的标志替换为最新的其
他节点设备为该目标分配的标志；或者，记录当前的节点设备在当前次接收结果数据之前用于标识目标的标志与更新后的其他节点设备为该目标分配的标志之间的转换关系，在需要引用当前的节点设备当前次接收的结果数据时，进行转换；或者，节点设备部署转换模型，根据输入的原始数据或结果数据，针对多个目标的标志进行相应的转换。16.根据权利要求11所述的非车辆身份的车辆识别方法，其特征在于，对于不同采集位置的节点设备先后采集的一种或多种点样本，如果某一种或多种点样本在不同采集位置的特征值分别符合预设的相近条件或者由特定模型判定具备相关性达到阈值，且在每个采集位置为唯一，则判定在不同采集位置的该种点样本具备关联性。17.根据权利要求11所述的非车辆身份的车辆识别方法，其特征在于，对于不同采集位置的节点设备同时采集的一种或多种点样本，如果不同采集位置的节点设备对同一个空间场进行采集，当空间场中只有唯一目标，或者采集的点样本能够正确指向所属的多个目标中的一个，则对于某个目标，不同采集位置的节点设备采集的一种或多种点样本具备关联性。18.根据权利要求17所述的非车辆身份的车辆识别方法，其特征在于，节点设备的数据采集装置包括图像获取装置、电磁感应装置、温度测量装置、震动频率感知装置中的一种或者几种组合和激光雷达，将上述装置采集的数据和激光雷达采集的三维点云或者根据多个图像获取装置采集的图像生成的点云进行联合计算，获得带数据的三维点；将基于二维感知的图像颜色、轮廓、线条、反射率、运动趋势、电磁特征、温度、温度变化趋势、震动频率、震动频率变化趋势作为对应三维点的附加属性，构成带属性的三维点云；结合电磁感应、温度规律、震动频率的变化特征、运动相关性、反射率，确定带属性的三维点云的各个区域与消费者的3d外观的每个部位或相关联部位的对应关系。19.根据权利要求9所述的非车辆身份的车辆识别方法，其特征在于，当需要获取目标的身份信息时，则触发身份信息获取命令，将身份信息获取命令作为输入之一参与节点设备的结果数据的计算，通过驱动对等计算体系中连接有能够获得目标的身份信息的无障碍数据采集条件的节点设备响应对应的结果数据，实现获取目标的身份信息。20.根据权利要求19所述的非车辆身份的车辆识别方法，其特征在于，对等计算体系通过对目标的身份信息真实性进行验算，进而确定其权限；其中，对等计算体系中能够获取身份信息的节点设备不提供身份信息，仅根据接收到的结果数据中对身份信息真实性的验算要求，将验算结果表达在该节点设备的结果数据中。21.根据权利要求20所述的非车辆身份的车辆识别方法，其特征在于，对等计算体系中能够获取身份信息的节点设备不提供身份信息，驱动提供身份信息的信息源装置通过与需要获取身份信息的节点设备输入终端之间建立的加密文件传输通道或者以其他网络通讯模式建立加密信息传输通道；将身份信息作为节点设备的输入之一。22.根据权利要求9所述的非车辆身份的车辆识别方法，其特征在于，所述的数据采集装置包括图像获取装置、音频获取装置、温度测量装置、震动频率感知装置、激光雷达、化学传感器、电磁感应装置的一种或多种。23.根据权利要求9所述的非车辆身份的车辆识别方法，其特征在于，在车辆行驶过程
中，利用对等计算体系对连续采集的原始数据进行基于结果数据计算的非介质存储，所述的原始数据包括感知数据、节点设备接收到的结果数据；所述的非介质存储的方法为：每个节点设备通过自身部署的数据处理模型对采集的原始数据进行处理，计算得到结果数据，并向其他节点设备传播所述的结果数据；接收到所述的结果数据的其他节点设备，将所述的结果数据作为采集的原始数据之一，利用其数据处理模型计算获得当前节点设备的结果数据；具体地，当前节点设备接收前序节点设备输出的前序结果数据，并结合当前节点设备采集的当前原始数据，计算获得当前结果数据，并传输至后续节点设备；以此类推，将结果数据在节点设备之间进行传递，结果数据表征节点设备所连接的传感器所感知的感知状态、节点设备的自身状态、节点设备所连接的执行装置的设备状态，通过结果数据的计算以及节点设备之间的连接关系，完成各节点设备所连接的传感器所感知的感知状态、各节点设备的自身状态、各节点设备所连接的执行装置的设备状态的非介质存储。24.根据权利要求23所述的非车辆身份的车辆识别方法，其特征在于，不同的节点设备在各自采集原始数据的时间和/或各自所处的空间，对原始数据进行采集；如果需要追溯某个目标的行为、属性、状态或事件，则当前节点设备将对目标追溯的需求作为输入之一，和其他前序结果数据、当前原始数据共同加入当前结果数据的计算，然后发送至其他节点设备；以此类推，基于当前节点设备接收的前序结果数据与当前原始数据，计算获得目标的行为、属性、状态或事件在前序的各个节点设备采集的原始数据中进行表征的前序状态值与在当前节点设备的当前结果数据中进行表征的当前状态值之间的关系，通过结果数据的计算完成非介质读取；其中，当前原始数据表征目标当前的行为、属性、状态或事件的当前状态，前序结果数据表征目标前序的行为、属性、状态或事件的前序贯穿综合状态，当前结果数据表征目标当前的行为、属性、状态或事件的当前综合状态，当前综合状态为当前状态与前序贯穿综合状态的结合。25.根据权利要求23或24所述的非车辆身份的车辆识别方法，其特征在于，结果数据为多维矩阵进行简化转码的格式结果，具体为：对节点设备设置的不同传感器所采集的属于不同目标的不同类型的感知数据，基于转码规则进行简化转码，得到匹配的感知简码；对节点设备采集的所有当前原始数据对应的感知简码构建感知多维矩阵；将感知多维矩阵与多维矩阵形式的前序结果数据进行结合，计算获得多维矩阵形式的当前结果数据，表征目标当前的行为、属性、状态的当前综合状态。26.根据权利要求25所述的非车辆身份的车辆识别方法，其特征在于，节点设备采集原始数据时，每个节点设备采集的原始数据具备对应的时间参数和/或空间参数；将时间和/或空间作为多维矩阵中的维度；节点设备的传感器对目标进行感知，感知时间作为多维矩阵中的一个维度，每种类型传感器感知的每种数据类型作为多维矩阵中的一个维度，或者，将符合相关性条件的类型传感器的类型合成作为多维矩阵中的一个维度。

技术总结
本发明涉及一种非车辆身份的车辆识别方法，在不需要车辆身份信息的情况下，以司机身份信息结合车辆识别对唯一性的车辆判定其为其自身，进而代替车辆身份信息，即可确定每个唯一性的待识别车辆为其自身，可在司机身份信息、车辆的识别判定同时完成的任意时刻，实现非车辆身份的车辆识别。本发明通过非车辆身份进行车辆识别，不仅便于实现，识别准确率高，而且对实施场景的要求更低，受环境的影响小。本发明基于司机身份信息结合车辆确定，对于车辆的行为的识别，可以明确地归属于司机身份信息所属的司机，即如果没有司机，车辆必然不会发生行为，当车辆发生行为时，必然存在司机，因此，车辆发生的行为涉及的法律事件可直接指向身份确定的司机。身份确定的司机。


技术研发人员：陈飞
受保护的技术使用者：耀灵人工智能（浙江）有限公司
技术研发日：2022.01.29
技术公布日：2023/9/23