1.一种基于区块链的智慧养老方法，用于共有链中，所述共有链内包含养老院节点、亲属节点、公益节点、公众节点、政府监督节点和媒体节点，所述共有链的各个节点与部署在链上的第一智能合约和/或第二智能合约进行交互，其特征在于，所述方法包括：S1、亲属节点通过第一智能合约请求特定老人的监控视频和健康数据，并支付报酬；

S2、公益节点根据第二智能合约广播捐赠请求，并广播随机老人监督任务；

S3、养老院节点根据第一智能合约和第二智能合约采集特定老人和/或随机老人的监控视频和健康数据，并上链至区块链；

S4、公益节点根据第二智能合约对监控视频和健康数据进行一次监督，并将有异议的一次监督结果上链至区块链；

S5、公众节点和亲属节点根据第一智能合约和第二智能合约在公益节点一次监督后对排除有异议的监督结果外的监控视频和健康数据进行二次监督，并对二次监督结果发起异议投票，将有异议的二次监督结果上链至区块链；

S6、政府监督节点和/或媒体节点根据有异议的一次和/或二次监督结果获取养老院现场验证视频，政府监督节点根据现场验证结果对养老院节点进行排名和奖惩，并将现场验证视频、养老院节点排名列表和奖惩结果上链至区块链；

所述公益节点对监控视频和健康数据进行一次监督，具体包括:

将获取监控视频进行篡改检测，若检测存在篡改记录，则将异常视频数据标记为异常，并生成异常视频报告，停止进行一次监督并直接生成有异议的一次监督结果，所述异常视频报告包括异常视频的描述和时间戳信息；

若检测不存在篡改记录，则获取特定老人和/或随机老人健康数据，并与预设健康范围进行比对，若存在异常，则将异常数据标记为异常，并生成异常健康报告，所述异常健康报告包括异常健康的描述和时间戳信息；

另外，将监控视频数据传输至人脸识别模块，提取老人的面部特征信息，并将提取到的面部特征与预存的老人面部特征进行匹配，确认特定老人和/或随机老人身份；

将监控视频数据中特定老人和/或随机老人相关视频数据提取出来，传输至动作识别模块，进行动作识别和分析，识别是否存在异常行为；

若是存在异常行为，则将异常视频数据标记为异常，并生成异常行为报告，所述异常行为报告包括异常行为的描述和时间戳信息；

根据异常健康报告和异常行为报告生成有异议的一次监督结果；

若无异常，则生成无异议的一次监督结果。

2.根据权利要求1所述的方法，其特征在于，所述第一智能合约的内容为：A1、初始化第一智能合约：

设定政府监督节点地址为合约部署者，并设定初始参数；

定义报酬余额映射表；

A2、参与者身份验证：

各节点提供身份验证信息，并在合约内注册；

A3、权限授予流程：

授予政府监督节点管理权限，所述管理权先包括添加或删除节点；

A4、数据请求和交易过程：

验证的亲属节点向合约发起请求，请求特定老人的监控视频和健康数据，并支付报酬；

养老院节点采集特定老人的监控视频和健康数据，并将其在预设时间内上传至区块链；若规定时间内未上传数据，则触发预警函数，向亲属节点、公益节点、政府监督节点和媒体节点发送警报；

在公益节点一次监督后，公众节点和亲属节点对排除有异议的监督结果外的监控视频和健康数据进行二次监督，并对二次监督结果发起异议投票，将有异议的二次监督结果上链至区块链；

获取有异议的一次和/或二次监督结果的现场验证结果；

若数据真实且养老服务正常，则向养老院节点支付第一比例报酬，向公众节点支付第二比例报酬，若数据造假或者养老服务异常，则向公益节点支付第一比例报酬，则向公众节点支付第二比例报酬；

A5、交易确认和数据上链：

交易完成后，合约负责将交易数据上链；

A6、合约执行：

合约中的功能和条件经过编码确保合约的自动执行。

3.根据权利要求2所述的方法，其特征在于，所述第二智能合约的内容为：B1、合约初始化：

设定政府监督节点地址为合约部署者，并设定初始参数；

定义任务计数器和任务结构；

B2、发布公益捐赠：

合约设有定期捐赠发布函数，并允许各节点将捐赠资金捐赠到特定账户，其中，特定账户还用于接收报酬；

B3、发布监督任务：

根据特定账户资金通过调用创建任务函数发布随机老人监督任务，随机指定养老院老人进行监督；

任务被创建后，触发任务已创建事件；

B4、执行监督任务：

养老院节点采集随机老人的监控视频和健康数据，并上链至区块链；若规定时间内未上传数据，则触发预警函数，向亲属节点、公益节点、政府监督节点和媒体节点发送警报；

公益节点对监控视频和健康数据进行一次监督，并将有异议的一次监督结果上链至区块链；

在公益节点一次监督后，公众节点和亲属节点对排除有异议的监督结果外的监控视频和健康数据进行二次监督，并对二次监督结果发起异议投票，将有异议的二次监督结果上链至区块链；

B5、执行奖励：

获取有异议的一次和/或二次监督结果的现场验证结果；

若数据真实且养老服务正常，则向养老院节点支付第一比例报酬，向公众节点支付第二比例报酬，若数据造假或者养老服务异常，则保留第一比例报酬，向公众节点支付第二比例报酬；

B6、交易确认和数据上链：

调用完成任务函数标记任务为完成状态，交易完成后，合约负责将交易数据上链；

B7、合约执行：

合约中的功能和条件经过编码确保合约的自动执行。

4.根据权利要求1所述的方法，其特征在于，所述养老院节点根据第一智能合约和第二智能合约采集特定老人和/或随机老人的监控视频和健康数据，具体包括：养老院节点通过预先设置的摄像设备采集养老院的目标区域和老人个人房间的视频数据，将实时视频信号传输至养老院服务器存储，并通过人脸识别区分特定老人和/或随机老人；

通过老人配带的健康监测设备以及检查仪器获取特定老人和/或随机老人的健康数据，并将数据传输至养老院服务器存储，其中，所述健康数据包括但不限于血压、心率、体温、运动步数和检查数据。

5.根据权利要求4所述的方法，其特征在于，所述将获取监控视频进行篡改检测，具体包括:对获取的监控视频进行预处理，所述预处理包括去除噪声、调整图像对比度和亮度、直方图均衡化和自适应直方图均衡化；

使用局部特征描述符算法提取视频帧中的视觉特征；

基于提取的视觉特征，构建篡改检测卷积神经网络模型，并使用包含大量真实视频数据和不同类型的篡改数据的数据集对模型进行训练，将数据集划分为训练集、验证集和测试集，比例为8:1:1；

其中，所述篡改检测卷积神经网络模型的架构包括：使用ResNet作为基础网络，采用ResNet-50结构，包含50个卷积层和全连接层，使用预训练的ImageNet权重初始化网络参数，在ResNet的每个残差块输出后应用Transformer中的自注意力机制，在每个残差块的输入和输出之间添加残差连接，生成对抗网络采用DCGAN结构，包括生成器和判别器，在从ResNet和DCGAN获取的特征后应用注意力加权平均，在融合模块输出后连接全连接层进行分类，全连接层输出模型的最终分类结果；训练过程采用交叉熵损失函数和Adam优化器，学习率为0.001，训练过程采用随机批量梯度下降方法，每个批次包含32个样本，共进行了100个周期的训练；

其中，生成器负责生成对抗样本，生成器的结构为：反卷积层1：将输入的100维噪声向量转换为大小为512x4x4的特征图，反卷积层2：将512通道的特征图转换为256通道的特征图，大小为256x8x8，反卷积层3：将256通道的特征图转换为128通道的特征图，大小为128x16x16，反卷积层4：将128通道的特征图转换为64通道的特征图，大小为64x32x32，反卷积层5：将64通道的特征图转换为3通道的特征图，大小为3x64x64；在每一层使用批量归一化和ReLU激活函数；

判别器负责区分真实样本和生成样本，判别器的结构为：卷积层1：将输入的3通道图像转换为64通道的特征图，大小为64x32x32，卷积层2：将64通道的特征图转换为128通道的特征图，大小为128x16x16，卷积层3：将128通道的特征图转换为256通道的特征图，大小为256x8x8，卷积层4：将256通道的特征图转换为512通道的特征图，大小为512x4x4，卷积层5：将512通道的特征图转换为1通道的特征图，大小为1x1x1；在每一层使用批量归一化和LeakyReLU激活函数；

将监控视频数据输入训练好的篡改检测卷积神经网络模型进行分析，识别是否存在的篡改行为；

对检测到的篡改行为进行定位，确定篡改发生的时间点和具体位置，并生成篡改记录。

6.根据权利要求4所述的方法，其特征在于，所述将监控视频数据中特定老人和/或随机老人相关视频数据提取出来，传输至动作识别模块，进行动作识别和分析，识别是否存在异常行为，具体包括:从监控视频数据中提取特定老人和/或随机老人相关的视频片段，并对视频进行帧间差分得到的差异图像；

将差异图像进行阈值化处理，得到二值图像，其中运动区域被标记为前景，非运动区域被标记为背景；

利用轮廓检测算法确认运动区域的轮廓，并计算其形状特征；

通过光流估计算法计算相邻帧之间的像素位移，从而得到运动人物的运动轨迹和速度信息；

利用背景建模方法，将运动人物与静态背景分离，得到运动人物的运动信息；

对提取的运动信息进行分析，并根据特定动作的特征模式提取和分析动作的时序特征；

定义非正常动作的集合，并对集合内的非正常动作设定非正常范围，所述非正常范围包括预设的姿态、动作频率、幅度和持续时间的范围值；

将检测提取的动作特征与预设的非正常动作集合进行匹配，若匹配成功，则判定为异常行为。

7.根据权利要求1所述的方法，其特征在于，所述公众节点和亲属节点根据第一智能合约和第二智能合约在公益节点一次监督后对排除有异议的监督结果外的监控视频和健康数据进行二次监督，并对二次监督结果发起异议投票，将有异议的二次监督结果上链至区块链，具体包括：所述公众节点和亲属节点根据第一智能合约和第二智能合约在公益节点一次监督后对排除有异议的监督结果外的监控视频和健康数据进行二次监督，所述二次监督为人工监督；

通过预设的投票智能合约对二次监督结果发起异议投票，所述投票智能合约用于记录投票发起的时间和投票信息，并将投票请求广播到整个区块链网络中；

公众节点和亲属节点收到投票请求后，对二次监督结果选择有异议投票或无异议投票，并在投票截止日期之前将附带时间戳的投票结果签名后发送到区块链网络中；

投票截止日期到达时，投票智能合约验证参与投票的公众节点和亲属节点的身份和投票资格，并统计投票结果，其中，亲属节点与公众节点的投票权重比例为10:1，在统计投票结果时，对于亲属节点，将其投票数量乘以10倍的投票权重；

若投票结果显示多数公众节点选择有异议投票，则由投票智能合约生成有异议的二次监督结果，如果投票结果显示多数公众节点选择无异议投票，则投票智能合约生成无异议的二次监督结果；

投票智能合约将生成的二次监督结果更新到区块链上，并进行签名。

8.根据权利要求1所述的方法，其特征在于，所述对养老院节点进行排名通过排名值F大小进行排名，其中，排名值F的计算公式为：其中，F表示排名值，R表示养老院节点获取的报酬数值，L表示历史验证值，η表示本次现场验证结果，Q表示常数，N表示篡改记录次数，α、β和γ表示调节系数，θ表示预设值，M1表示养老院节点历史验证的正常次数，M2表示养老院节点历史验证的异常次数，T表示历史验证的时长，w1和w2表示权重。

9.一种基于区块链的智慧养老系统，用于共有链中，其特征在于，所述共有链内包含养老院节点、亲属节点、公益节点、公众节点、政府监督节点和媒体节点，所述共有链的各个节点与部署在链上的第一智能合约和/或第二智能合约进行交互，亲属节点，用于通过第一智能合约请求特定老人的监控视频和健康数据，并支付报酬，还用于根据第一智能合约和第二智能合约在公益节点一次监督后对排除有异议的监督结果外的监控视频和健康数据进行二次监督；

公益节点，用于根据第二智能合约广播捐赠请求，并广播随机老人监督任务；

养老院节点，用于根据第一智能合约和第二智能合约采集特定老人和/或随机老人的监控视频和健康数据，并上链至区块链；

公益节点，还用于根据第二智能合约对监控视频和健康数据进行一次监督，并将有异议的一次监督结果上链至区块链；

公众节点，用于根据第一智能合约和第二智能合约在公益节点一次监督后对排除有异议的监督结果外的监控视频和健康数据进行二次监督，并对二次监督结果发起异议投票，将有异议的二次监督结果上链至区块链；

政府监督节点和/或媒体节点，用于根据有异议的一次和/或二次监督结果获取养老院现场验证视频，政府监督节点还用于根据现场验证结果对养老院节点进行排名和奖惩，并将现场验证视频、养老院节点排名列表和奖惩结果上链至区块链；

所述公益节点根据第二智能合约对监控视频和健康数据进行一次监督，具体包括:将获取监控视频进行篡改检测，若检测存在篡改记录，则将异常视频数据标记为异常，并生成异常视频报告，停止进行一次监督并直接生成有异议的一次监督结果，所述异常视频报告包括异常视频的描述和时间戳信息；

若检测不存在篡改记录，则获取特定老人和/或随机老人健康数据，并与预设健康范围进行比对，若存在异常，则将异常数据标记为异常，并生成异常健康报告，所述异常健康报告包括异常健康的描述和时间戳信息；

另外，将监控视频数据传输至人脸识别模块，提取老人的面部特征信息，并将提取到的面部特征与预存的老人面部特征进行匹配，确认特定老人和/或随机老人身份；

将监控视频数据中特定老人和/或随机老人相关视频数据提取出来，传输至动作识别模块，进行动作识别和分析，识别是否存在异常行为；

若是存在异常行为，则将异常视频数据标记为异常，并生成异常行为报告，所述异常行为报告包括异常行为的描述和时间戳信息；

根据异常健康报告和异常行为报告生成有异议的一次监督结果；

若无异常，则生成无异议的一次监督结果。