[0020] 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，所描述的实施例只是本发明的一部分实施例，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。
[0021] 本发明实施例提供了一种工业互联网云平台。
[0022] 举例来说，在一种可以实现的示例中，所述工业互联网云平台可以包括存储器和处理器。详细地，所述存储器和处理器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，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。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于工业互联网的产品防伪追溯方法。
[0023] 举例来说，在一种可以实现的示例中，所述存储器可以是，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‑Only Memory，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。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（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。
[0024] 举例来说，在一种可以实现的示例中，所述工业互联网云平台还可以包括用于与其它设备（如用户终端设备）进行信息交互的通信单元。
[0025] 举例来说，在一种可以实现的示例中，所述工业互联网云平台可以是一种具备数据处理能力的服务器。
[0026] 参照图1所示，本发明实施例还提供一种基于工业互联网的产品防伪追溯方法，可应用于上述工业互联网云平台。其中，所述基于工业互联网的产品防伪追溯方法有关的流程所定义的方法步骤，可以由所述工业互联网云平台实现。下面将对图2所示的具体流程，进行详细阐述。
[0027] S110，在接收到目标用户终端设备发送的产品防伪请求信息的情况下，对所述产品防伪请求信息进行解析处理，以输出所述产品防伪请求信息对应的目标产品身份信息。
[0028] 在本发明实施例中，所述工业互联网平台可以在接收到目标用户终端设备发送的产品防伪请求信息的情况下，对所述产品防伪请求信息进行解析处理，以输出所述产品防伪请求信息对应的目标产品身份信息。所述目标产品身份信息用于标识目标产品的身份。
[0029] S120，依据所述目标产品身份信息，从目标数据库包括的产品生产监控视频中匹配出所述目标产品对应的目标产品生产监控视频。
[0030] 在本发明实施例中，所述工业互联网平台可以依据所述目标产品身份信息，从目标数据库包括的产品生产监控视频中匹配出所述目标产品对应的目标产品生产监控视频。
[0031] S130，将所述目标产品生产监控视频反馈给所述目标用户终端设备。
[0032] 在本发明实施例中，所述工业互联网平台可以将所述目标产品生产监控视频反馈给所述目标用户终端设备。
[0033] 基于上述方法，一种基于工业互联网的产品防伪追溯方法、系统及云平台，在接收到目标用户终端设备发送的产品防伪请求信息的情况下，对产品防伪请求信息进行解析处理，以输出产品防伪请求信息对应的目标产品身份信息，目标产品身份信息用于标识目标产品的身份。依据目标产品身份信息，从目标数据库包括的产品生产监控视频中匹配出目标产品对应的目标产品生产监控视频。将目标产品生产监控视频反馈给目标用户终端设备。基于前述的内容，使得用户在进行产品防伪追溯时可以获取到产品的产品生产监控视频，使得生产过程中的安全性可以得到可靠的监督，也就是说，如此配置，可以使得产品的防伪效果更佳，更为有效，从而改善基于现有技术进行的产品防伪追溯具有的防伪效果不佳的问题。
[0034] 举例来说，在一种可以实现的示例中，上述内容中描述的S110，可以进一步包括以下具体的实施方式：对于通信连接的任意一个用户终端设备，在接收到所述用户终端设备发送的产品防伪请求信息的情况下，将所述用户终端设备标记为目标用户终端设备，所述产品防伪请求信息通过所述目标用户终端设备对所述目标产品上的标识码图像进行扫描操作以形成（可以参照现有的二维码识别）；
在将所述用户终端设备标记为所述目标用户终端设备的情况下，对所述产品防伪请求信息进行解析处理，以输出对应的目标产品身份信息。
[0035] 举例来说，在一种可以实现的示例中，上述内容中描述的所述在将所述用户终端设备标记为所述目标用户终端设备的情况下，对所述产品防伪请求信息进行解析处理，以输出对应的目标产品身份信息的步骤，可以进一步包括以下具体的实施方式：在将所述用户终端设备标记为所述目标用户终端设备的情况下，依据预先配置的信息映射关系，对所述产品防伪请求信息进行第一方向的映射处理，以输出所述产品防伪请求信息对应的目标产品身份信息；
在生成所述标识码图像的过程中，依据所述信息映射关系，对所述目标产品身份信息进行第二方向的映射处理，以形成目标产品身份映射信息，再依据所述目标产品身份映射信息生成所述标识码图像，所述产品防伪请求信息中携带有通过对所述标识码图像进行扫描操作以形成的所述目标产品身份映射信息，所述第一方向和所述第二方向互为相反的映射方向。
[0036] 举例来说，在一种可以实现的示例中，上述内容中描述的S120，可以进一步包括以下具体的实施方式：依据所述目标产品身份信息，从目标数据库包括的多个产品生产监控视频中，匹配出所述目标产品对应的原始产品生产监控视频；
对所述原始产品生产监控视频包括的产品生产监控视频帧进行筛选，以形成所述目标产品对应的目标产品生产监控视频。
[0037] 举例来说，在一种可以实现的示例中，上述内容中描述的所述对所述原始产品生产监控视频包括的产品生产监控视频帧进行筛选，以形成所述目标产品对应的目标产品生产监控视频的步骤，可以进一步包括以下具体的实施方式：对所述原始产品生产监控视频进行反馈次数的统计处理，以输出所述原始产品生产监控视频对应的第一反馈次数统计数量，再依据所述第一反馈次数统计数量进行相关系数的确定处理，以输出负相关的第一筛选系数；
对所述原始产品生产监控视频针对所述目标用户终端设备在历史上进行反馈次数的统计处理，以输出所述原始产品生产监控视频对应的第二反馈次数统计数量，再依据所述第二反馈次数统计数量进行相关系数的确定处理，以输出负相关的第二筛选系数；
依据所述第一筛选系数和所述第二筛选系数，计算形成目标筛选比例，再依据所述目标筛选比例，从所述原始产品生产监控视频包括的产品生产监控视频帧进行筛选，以形成所述目标产品对应的目标产品生产监控视频。
[0038] 举例来说，在一种可以实现的示例中，上述内容中描述的所述依据所述第一筛选系数和所述第二筛选系数，计算形成目标筛选比例，再依据所述目标筛选比例，从所述原始产品生产监控视频包括的产品生产监控视频帧进行筛选，以形成所述目标产品对应的目标产品生产监控视频的步骤，可以进一步包括以下具体的实施方式：依据所述第一筛选系数和所述第二筛选系数，计算形成目标筛选比例，所述目标筛选比例分别与所述第一筛选系数和所述第二筛选系数正相关；
对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，对该两帧产品生产监控视频帧进行视频帧的相似度计算处理，以输出该两帧产品生产监控视频帧之间的视频帧相似度；
对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，依据该两帧产品生产监控视频帧对应的两个视频帧时序信息，对该两帧产品生产监控视频帧进行视频帧的时序相关性计算，以输出该两帧产品生产监控视频帧之间的视频帧时序相关系数，再对该视频帧时序相关系数和该两帧产品生产监控视频帧之间的视频帧相似度进行融合计算处理，以形成该两帧产品生产监控视频帧之间的视频帧相关程度值；
依据所述目标筛选比例，依据随机的筛选规则从所述原始产品生产监控视频包括的产品生产监控视频帧中，筛选出对应数量比例的产品生产监控视频帧，以形成产品生产监控视频帧集合；
对于所述产品生产监控视频帧集合包括的每一帧产品生产监控视频帧，从该产品生产监控视频帧与所述产品生产监控视频帧集合包括的每一帧其它产品生产监控视频帧之间的视频帧相关程度值中，筛查出具有最大值的视频帧相关程度值，以定义为该产品生产监控视频帧对应的第一目标视频帧相关程度值，再从该产品生产监控视频帧与所述产品生产监控视频帧集合以外的每一帧其它产品生产监控视频帧之间的视频帧相关程度值中，筛查出具有最大值的视频帧相关程度值，以定义为该产品生产监控视频帧对应的第二目标视频帧相关程度值，以及，再将该第一目标视频帧相关程度值与预先配置的第一设定值进行大小比较处理，以及，再将该第二目标视频帧相关程度值与预先配置的第二设定值进行大小比较处理；
对于所述产品生产监控视频帧集合包括的每一帧产品生产监控视频帧，在该产品生产监控视频帧对应的第一目标视频帧相关程度值大于所述第一设定值，和/或，该产品生产监控视频帧对应的第二目标视频帧相关程度值小于所述第二设定值的情况下，跳转执行所述依据所述目标筛选比例，依据随机的筛选规则从所述原始产品生产监控视频包括的产品生产监控视频帧中，筛选出对应数量比例的产品生产监控视频帧，以形成产品生产监控视频帧集合的步骤，在该产品生产监控视频帧对应的第一目标视频帧相关程度值不大于所述第一设定值，且该产品生产监控视频帧对应的第二目标视频帧相关程度值不小于所述第二设定值的情况下，依据当前执行所述依据所述目标筛选比例，依据随机的筛选规则从所述原始产品生产监控视频包括的产品生产监控视频帧中，筛选出对应数量比例的产品生产监控视频帧，以形成产品生产监控视频帧集合的步骤、形成的产品生产监控视频帧集合，构建输出所述目标产品对应的目标产品生产监控视频。
[0039] 举例来说，在一种可以实现的示例中，上述内容中描述的所述对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，对该两帧产品生产监控视频帧进行视频帧的相似度计算处理，以输出该两帧产品生产监控视频帧之间的视频帧相似度的步骤，进一步包括以下具体的实施方式：对于两帧产品生产监控视频帧中的每一帧产品生产监控视频帧，对该产品生产监控视频帧进行像素特征点的识别提取处理（可以参照现有的像素特征点的识别方式，如ORB特征点的提取），以形成第一像素特征点集合和第二像素特征点集合，所述第一像素特征点集合包括多个第一像素特征点，所述第二像素特征点集合包括多个第二像素特征点；
对于每一个所述第一像素特征点，从所述第一像素特征点集合中，对该第一像素特征点分别进行正相关特征点的确定处理和负相关特征点的确定处理，以输出对应的第一正相关特征点和第一负相关特征点，在所述第一像素特征点与每一个其它第一像素特征点具有的相关度中，所述第一正相关特征点和所述第一像素特征点之间基于像素位置和像素值形成的相关度具有最大值，所述第一负相关特征点和所述第一像素特征点之间基于像素位置和像素值形成的相关度具有最小值；
对于每一个所述第二像素特征点，从所述第二像素特征点集合中，对该第二像素特征点分别进行正相关特征点的确定处理和负相关特征点的确定处理，以输出对应的第二正相关特征点和第二负相关特征点，在所述第二像素特征点与每一个其它第二像素特征点之间具有的相关度中，所述第二正相关特征点和所述第二像素特征点之间基于像素位置和像素值形成的相关度具有最大值，所述第二负相关特征点和所述第二像素特征点之间基于像素位置和像素值形成的相关度具有最小值；
对于每一个所述第一像素特征点，从所述第一像素特征点集合对应的第一产品生产监控视频帧中，分割出该第一像素特征点对应的第一像素特征区域，所述第一像素特征区域的中心像素点为对应的第一像素特征点，对于每一个所述第二像素特征点，从所述第二像素特征点集合对应的第二产品生产监控视频帧中，分割出该第二像素特征点对应的第二像素特征区域，所述第二像素特征区域的中心像素点为对应的第二像素特征点；
对于每一个所述第一像素特征点，依据该第一像素特征点的像素值，在该第一像素特征点对应的第一正相关特征点对应的第一像素特征区域中，对该像素值进行出现次数的统计处理，以形成对应的第一正相关次数，再在该第一像素特征点对应的第一负相关特征点对应的第一像素特征区域中，对该像素值进行出现次数的统计处理，以形成对应的第一负相关次数；
对于每一个所述第二像素特征点，依据该第二像素特征点的像素值，在该第二像素特征点对应的第二正相关特征点对应的第二像素特征区域中，对该像素值进行出现次数的统计处理，以形成对应的第二正相关次数，再在该第二像素特征点对应的第二负相关特征点对应的第二像素特征区域中，对该像素值进行出现次数的统计处理，以形成对应的第二负相关次数；
对于每一个所述第一像素特征点，对该第一像素特征点对应的第一正相关次数和该第一像素特征点对应的第一负相关次数进行融合计算处理（例如，可以进行加权求和计算，以输出特征显著度，所述第一正相关系数对应的加权系数可以小于所述第一负相关次数对应的特征显著度），以输出对应的特征显著度，对于每一个所述第二像素特征点，该第二像素特征点对应的第二正相关次数和该第二像素特征点对应的第二负相关次数进行融合计算处理，以输出对应的特征显著度；
对于每一个所述第一像素特征点和每一个所述第二像素特征点，依据每两个最小像素单元（如两个相邻的像素点可以为一个单元）之间关于像素值的相似度，对该第一像素特征点对应的第一像素特征区域和该第二像素特征点对应的第二像素特征区域进行区域相似度的计算处理（如对每两个最小像素单元之间的相似度进行均值计算），以输出该第一像素特征点和该第二像素特征点之间的区域相似度，再对该第一像素特征点对应的特征显著度和该第二像素特征点对应的特征显著度进行融合计算处理（如进行均值计算），以输出该第一像素特征点和该第二像素特征点对应的融合系数，所述第一像素特征区域包括多个最小像素单元，所述第二像素特征区域包括多个最小像素单元；
依据每一个所述第一像素特征点和每一个所述第二像素特征点对应的融合系数，对每一个所述第一像素特征点和每一个所述第二像素特征点之间的区域相似度进行融合处理（例如，可以将对应的融合系数作为加权系数进行加权求和计算），以输出对应的视频帧相似度。
[0040] 举例来说，在一种可以实现的示例中，上述内容中描述的所述对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，对该两帧产品生产监控视频帧进行视频帧的相似度计算处理，以输出该两帧产品生产监控视频帧之间的视频帧相似度的步骤，进一步包括以下具体的实施方式：对于两帧产品生产监控视频帧中的每一帧产品生产监控视频帧，对该产品生产监控视频帧进行像素特征点的识别提取处理，以形成第一像素特征点集合和第二像素特征点集合，所述第一像素特征点集合包括多个第一像素特征点，所述第二像素特征点集合包括多个第二像素特征点；
对于所述第一像素特征点集合对应的第一产品生产监控视频帧包括的每两个第一像素点，依据对应的像素位置距离、像素值差值和所属的图像连通域之间的区域距离，对该两个第一像素点进行像素点的相关性的计算处理（也就是说，可以分别计算三个维度的相关性，再对三个维度的相关性进行加权均值的计算），以输出该两个第一像素点之间的像素相关系数；
对于所述第二像素特征点集合对应的第二产品生产监控视频帧包括的每两个第二像素点，依据对应的像素位置距离、像素值差值和所属的图像连通域之间的区域距离，对该两个第二像素点进行像素点的相关性的计算处理，以输出该两个第二像素点之间的像素相关系数；
依据每两个第一像素点之间的像素相关系数，对所述第一产品生产监控视频帧包括的第一像素点进行关系网络图的构建处理，以形成所述第一产品生产监控视频帧对应的第一像素关系网络图，在所述第一像素关系网络图中，每一条网络连接线连接的两个第一像素点之间的像素相关系数大于预先确定的相关系数参考值；
依据每两个第二像素点之间的像素相关系数，对所述第二产品生产监控视频帧包括的第二像素点进行关系网络图的构建处理，以形成所述第二产品生产监控视频帧对应的第二像素关系网络图，在所述第二像素关系网络图中，每一条网络连接线连接的两个第二像素点之间的像素相关系数大于预先确定的相关系数参考值；
对于所述第一像素特征点集合包括的每两个第一像素特征点，依据所述第一像素关系网络图，对该两个第一像素特征点之间的像素关系紧密度进行确定处理，以输出该两个第一像素特征点之间的像素关系紧密度，再依据该两个第一像素特征点对应的最短连接线经过的每一个第一像素点，构建形成该两个第一像素特征点之间的第一像素点序列，该像素关系紧密度与对应的两个第一像素特征点在所述第一像素关系网络图中的最短连接线的长度负相关，该最短连接线为连通对应的两个第一像素特征点的各连接线中长度最小的一条连接线，每一条连接线至少包括一条网络连接线；
对于所述第二像素特征点集合包括的每两个第二像素特征点，依据所述第二像素关系网络图，对该两个第二像素特征点之间的像素关系紧密度进行确定处理，以输出该两个第二像素特征点之间的像素关系紧密度，再依据该两个第二像素特征点对应的最短连接线经过的每一个第二像素点，构建形成该两个第二像素特征点之间的第二像素点序列，该像素关系紧密度与对应的两个第二像素特征点在所述第二像素关系网络图中的最短连接线的长度负相关，该最短连接线为连通对应的两个第二像素特征点的各连接线中长度最小的一条连接线，每一条连接线至少包括一条网络连接线；
依据每两个所述第一像素特征点之间的像素关系紧密度，对所述第一像素特征点集合包括的第一像素特征点进行筛查处理，以输出至少一个目标第一像素特征点（例如，可以将与其它第一像素特征点之间的像素关系紧密度的均值最大的一个或多个第一像素特征点，都定义为目标第一像素特征点），再依据每两个所述第二像素特征点之间的像素关系紧密度，对所述第二像素特征点集合包括的第二像素特征点进行筛查处理，以输出至少一个目标第二像素特征点；
对于每一个所述目标第一像素特征点和每一个所述目标第二像素特征点，依据该目标第一像素特征点与每一个其它第一像素特征点之间的第一像素点序列，构建形成该目标第一像素特征点对应的第一像素矩阵（在所述第一像素矩阵中，每一行或每一列的像素点属于同一个第一像素点序列），再依据该目标第二像素特征点与每一个其它第二像素特征点之间的第二像素点序列，构建形成该目标第二像素特征点对应的第二像素矩阵，以及，对该第一像素矩阵和该第二像素矩阵进行矩阵相似度的计算处理（可以先按照指定尺寸对该第一像素矩阵和该第二像素矩阵进行分割，以形成至少一个第一像素子矩阵和至少一个第二像素子矩阵，再依据每一个第一像素子矩阵和每一个第二像素子矩阵之间的子矩阵相似度，进行均值计算以输出对应的矩阵相似度，其中，子矩阵之间的相似度可以依据现有技术中关于矩阵相似度的计算方式），以输出对应的矩阵相似度；
依据每一个所述目标第一像素特征点和每一个所述目标第二像素特征点对应的矩阵相似度，计算（如均值计算等）输出对应的视频帧相似度。
[0041] 举例来说，在一种可以实现的示例中，上述内容中描述的所述对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，依据该两帧产品生产监控视频帧对应的两个视频帧时序信息，对该两帧产品生产监控视频帧进行视频帧的时序相关性计算，以输出该两帧产品生产监控视频帧之间的视频帧时序相关系数，再对该视频帧时序相关系数和该两帧产品生产监控视频帧之间的视频帧相似度进行融合计算处理，以形成该两帧产品生产监控视频帧之间的视频帧相关程度值的步骤，可以进一步包括以下具体的实施方式：对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，依据该两帧产品生产监控视频帧对应的两个视频帧时序信息进行差值计算，以输出该两帧产品生产监控视频帧之间的时序差值，再依据该两帧产品生产监控视频帧之间的时序差值，对该两帧产品生产监控视频帧进行视频帧的时序相关性计算，以输出该两帧产品生产监控视频帧之间的视频帧时序相关系数，所述视频帧时序相关系数与所述时序差值负相关；
对于所述原始产品生产监控视频包括的每两帧产品生产监控视频帧，对该两帧产品生产监控视频帧之间的视频帧时序相关系数和该两帧产品生产监控视频帧之间的视频帧相似度进行加权求和计算处理，以形成该两帧产品生产监控视频帧之间的视频帧相关程度值。
[0042] 参照图2所示，本发明实施例还提供一种基于工业互联网的产品防伪追溯系统，可应用于上述工业互联网云平台。其中，所述基于工业互联网的产品防伪追溯系统可以包括防伪请求解析模块、监控视频匹配模块和监控视频反馈模块，以及其它的软件功能模块等。
[0043] 举例来说，所述防伪请求解析模块，用于在接收到目标用户终端设备发送的产品防伪请求信息的情况下，对所述产品防伪请求信息进行解析处理，以输出所述产品防伪请求信息对应的目标产品身份信息，所述目标产品身份信息用于标识目标产品的身份。所述监控视频匹配模块，用于依据所述目标产品身份信息，从目标数据库包括的产品生产监控视频中匹配出所述目标产品对应的目标产品生产监控视频。所述监控视频反馈模块，用于将所述目标产品生产监控视频反馈给所述目标用户终端设备。
[0044] 综上所述，本发明提供的一种基于工业互联网的产品防伪追溯方法、系统及云平台，在接收到目标用户终端设备发送的产品防伪请求信息的情况下，对产品防伪请求信息进行解析处理，以输出产品防伪请求信息对应的目标产品身份信息，目标产品身份信息用于标识目标产品的身份。依据目标产品身份信息，从目标数据库包括的产品生产监控视频中匹配出目标产品对应的目标产品生产监控视频。将目标产品生产监控视频反馈给目标用户终端设备。基于前述的内容，使得用户在进行产品防伪追溯时可以获取到产品的产品生产监控视频，使得生产过程中的安全性可以得到可靠的监督，也就是说，如此配置，可以使得产品的防伪效果更佳，更为有效，从而改善基于现有技术进行的产品防伪追溯具有的防伪效果不佳的问题。
[0045] 以上所述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。
