CN105069622A - 一种面向移动终端的人脸识别支付系统和方法 - Google Patents
一种面向移动终端的人脸识别支付系统和方法 Download PDFInfo
- Publication number
- CN105069622A CN105069622A CN201510466852.4A CN201510466852A CN105069622A CN 105069622 A CN105069622 A CN 105069622A CN 201510466852 A CN201510466852 A CN 201510466852A CN 105069622 A CN105069622 A CN 105069622A
- Authority
- CN
- China
- Prior art keywords
- face
- payment
- terminal
- module
- face recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012795 verification Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 16
- 210000005036 nerve Anatomy 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012011 method of payment Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 210000000887 face Anatomy 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000599985 Beijerinckia mobilis Species 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
Abstract
一种面向移动终端的人脸识别支付系统和方法,包括人脸支付注册模块、人脸识别模块、终端在线人脸支付模块。人脸支付注册模块,采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片,微信公众平台把人脸图像发送到人脸识别模块;终端在线人脸支付模块,通过终端向人脸识别模块传送人脸图像进行结果识别,终端摄像头获取到图像后并向人脸识别模块进行验证识别请求,首先是人脸判断,所述人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证。本发明实现了便捷注册功能,满足支付功能的快速低误识别率的大规模人脸识别算法以及终端支付平台需求的简易性,可以广泛应用在各种在线支付终端。
Description
【技术领域】
本发明属于生物特征识别认证领域,具体涉及一种面向移动终端的人脸识别支付系统和方法。
【背景技术】
随着电子商务的普及,通过数字化系统进行支付的方式受到越来越多消费者和商家的青睐。消费者进行支付时无需使用现金,商家也无需进行找零,简化了交易过程。
但是现有技术所公开的数字化支付系统都需要消费者持有实体的身份认证工具,例如:进行刷卡消费时,消费者需要提供银行卡,使用网上银行进行支付时,消费者需要提供U盾或其它客户证书。这些实体认证工具容易丢失,而且使用过程较为繁琐。因此需要一种更安全、更便捷的支付手段。
相对其他的支付方式,生物识别支付具有无法比拟的优势。人脸识别与指纹识别、掌纹识别、视网膜识别、骨骼识别、心跳识别等都属于人体生物特征识别技术,都是随着光电技术、微计算机技术、图像处理技术与模式识别等技术的快速发展应运而生的。而人脸识别支付因身份验证平台安全可靠,以及不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等特点,备受业界推崇。
人脸识别支付方式作为现有的现金支付和刷卡支付的补充,能缓解现金支付存在的现金易丢失、被盗、找零时间长等问题,以及刷卡支付存在的繁琐刷卡、输入密码、签名步骤的问题。随着电子商务的普及,通过生物识别技术进行支付的方式受到越来越多消费者和商家的青睐。消费者进行支付时无需使用现金,商家也无需进行找零,简化了交易过程。人脸识别支付的成功应用,既能解决了客户现金支付和刷卡支付存在的种种不便,方便交易行为;同时是人脸识别技术在互联网金融领域的应用尝试,对未来互联网金融安全认证简易化将产生巨大的促进作用。
如何将人脸识别技术与数字化、网络化系统整合用于支付,进一步简化支付过程和身份认证工具的持有环节,已经成为当今科研的热点和难点。另外如何提高人脸识别的准确率,降低误识别率,以达到人脸支付的需求,也是目前的支付领域技术难点。
【发明内容】
本发明所要解决的技术问题在于提供一种面向移动终端的人脸识别支付系统和方法,实现了便捷注册功能,满足支付功能的快速低误识别率的大规模人脸识别算法,支付平台的简易性,可以广泛应用在各种在线支付终端。
本发明是这样实现的:
一种面向移动终端的人脸识别支付系统,包括人脸支付注册模块、人脸识别模块、终端在线人脸支付模块;
所述人脸支付注册模块,采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片,微信公众平台把人脸图像发送到所述人脸识别模块进行预建模,所述人脸识别模块把预建模结果返回给微信公众平台,建模通过后,微信公众平台把用户随后输入的注册信息发送到所述终端在线人脸支付模块进行人工判断,微信公众平台根据用户注册返回结果进行下一步处理,如果人工审核通过,则向所述人脸识别模块发送人脸注册请求;如果人工审核不通过,则向所述人脸识别模块发送人脸注册取消命令,并把预建模的东西清除,同时提示用户重新注册;
所述终端在线人脸支付模块,通过终端向所述人脸识别模块传送人脸图像进行结果识别,摄像头获取到图像后并向所述人脸识别模块进行验证识别请求,首先是人脸判断,所述人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证。
进一步地,所述人脸识别模块,采用级联式分类器方法,两类分类器分别为基于不同关键区域的特征点图匹配模型的粗分类器和精细化的深度人工神经网络模型;首先,在多模态大规模样本训练过程中分别训练出人脸不同关键区域特征点的图匹配模型,人脸关键区域包括左眼区域、右眼区域、鼻子三角区域、嘴巴区域四个区域的特征点图匹配模型,左眼区域、右眼区域各包括四个关键特征点、鼻子三角区域包括三个特征点,嘴巴区域包括四个特征点,各个区域的特征点形成拓扑结构,这些拓扑结构来表征这些区域的图模型,各个特征点便是这些拓扑结构的节点,这些节点点主要通过尺度不变特征变换匹配算法和节点点位置关系进行提取和筛选;然后,对每一个每个节点邻域进行精细化特征提取,每一个节点都包含40个Gabor小波系数,包括相位和幅度,这些系数合起来称为一个Jet,这些小波系数是原始图像和一组具有5个频率、8个方向的Gabor小波卷积得到的,这样每一个区域的图模型就像被贴了标签一样,其中的点被Jets标定,边被点之间的距离标定,这就形成了左眼、右眼、鼻子三角区域和嘴巴的四个关键区域的特征点图模型;新样本依次提取这四个区域的图匹配模型,然后采用弹性区域的方法进行匹配,计算测试人脸和现有数据库中人脸不同关键区域特征图之间的相似度,这部分是粗筛过程,设定合理的阈值,把这四个关键区域匹配度达到该阈值的所有人脸保留下来,进入下一轮精细化筛选;在精细化筛选过程中,采用深度人工神经网络模型作为二级分类器,人工神经网络模型通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,通过构建很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,该二级匹配过程由粗到细,快速排除掉大部分不可能样本,并采用高性能算法进行最终匹配。
进一步地,所述人脸识别模块,还包括建模集群、数据同步、比对集群、负载均衡、日志系统功能。
一种面向移动终端的人脸识别支付方法,包括如下步骤:
采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片,微信公众平台把人脸图像发送到人脸识别模块进行预建模,人脸识别模块把预建模结果返回给微信公众平台,建模通过后,微信公众平台把用户随后输入的注册信息发送到终端在线人脸支付模块进行人工判断,微信公众平台根据用户注册返回结果进行下一步处理,如果人工审核通过,则向人脸识别模块发送人脸注册请求;如果人工审核不通过,则向人脸识别模块发送人脸注册取消命令,并把预建模的东西清除,同时提示用户重新注册;
通过终端向人脸识别模块传送人脸图像进行结果识别,摄像头获取到图像后并向人脸识别模块进行验证识别请求,首先是人脸判断,人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证。
所述人脸识别模块,采用级联式分类器方法,两类分类器分别为基于不同关键区域的特征点图匹配模型的粗分类器和精细化的深度人工神经网络模型;首先,在多模态大规模样本训练过程中分别训练出人脸不同关键区域特征点的图匹配模型,人脸关键区域包括左眼区域、右眼区域、鼻子三角区域、嘴巴区域四个区域的特征点图匹配模型,左眼区域、右眼区域各包括四个关键特征点、鼻子三角区域包括三个特征点,嘴巴区域包括四个特征点,各个区域的特征点形成拓扑结构,这些拓扑结构来表征这些区域的图模型,各个特征点便是这些拓扑结构的节点,这些节点点主要通过尺度不变特征变换匹配算法和节点点位置关系进行提取和筛选;然后,对每一个每个节点邻域进行精细化特征提取,每一个节点都包含40个Gabor小波系数,包括相位和幅度,这些系数合起来称为一个Jet,这些小波系数是原始图像和一组具有5个频率、8个方向的Gabor小波卷积得到的,这样每一个区域的图模型就像被贴了标签一样,其中的点被Jets标定,边被点之间的距离标定,这就形成了左眼、右眼、鼻子三角区域和嘴巴的四个关键区域的特征点图模型;新样本依次提取这四个区域的图匹配模型,然后采用弹性区域的方法进行匹配,计算测试人脸和现有数据库中人脸不同关键区域特征图之间的相似度,这部分是粗筛过程,设定合理的阈值,把这四个关键区域匹配度达到该阈值的所有人脸保留下来,进入下一轮精细化筛选;在精细化筛选过程中,采用深度人工神经网络模型作为二级分类器,人工神经网络模型通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,通过构建很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,该二级匹配过程由粗到细,快速排除掉大部分不可能样本,并采用高性能算法进行最终匹配。
所述人脸识别模块,还包括建模集群、数据同步、比对集群、负载均衡、日志系统功能。
本发明的优点在于:将人脸识别技术与数字化、网络化系统整合用于支付,简化了支付过程和身份认证工具的持有环节,通过人脸识别关键技术进行网络终端的在线认证支付,本发明注册、识别和支付平台相对独立,同时,注册方便、识别准确率高,误检率低,支付终端的简易性(只需抓取和传送人脸图像功能),可以广泛满足于手机移动终端、电脑终端、便捷自动售货终端、商场超市的快捷安全支付功能。
【附图说明】
下面参照附图结合实施例对本发明作进一步的描述。
图1是本发明的系统整体框图。
图2是本发明中人脸识别模块功能示意图。
图3是本发明具体实施例中终端在线人脸支付流程图。
【具体实施方式】
请同时参阅图1和图2,一种面向移动终端的人脸识别支付系统,包括人脸支付注册模块、人脸识别模块、终端在线人脸支付模块;
所述人脸支付注册模块,采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片(可以是现场采集或者图片集中的图片),微信公众平台把人脸图像发送到所述人脸识别模块进行预建模,所述人脸识别模块把预建模结果返回给微信公众平台,建模通过后,微信公众平台把用户随后输入的注册信息发送到所述终端在线人脸支付模块进行人工判断,微信公众平台根据用户注册返回结果进行下一步处理,如果人工审核通过,则向所述人脸识别模块发送人脸注册请求;如果人工审核不通过,则向所述人脸识别模块发送人脸注册取消命令,并把预建模的东西清除,同时提示用户重新注册;
所述终端在线人脸支付模块,通过终端向所述人脸识别模块传送人脸图像进行结果识别,摄像头获取到图像后并向所述人脸识别模块进行验证识别请求,首先是人脸判断,所述人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证。
所述人脸识别模块,采用级联式分类器方法,两类分类器分别为基于不同关键区域的特征点图匹配模型的粗分类器和精细化的深度人工神经网络模型;首先,在多模态大规模样本训练过程中分别训练出人脸不同关键区域特征点的图匹配模型,人脸关键区域包括左眼区域、右眼区域、鼻子三角区域、嘴巴区域四个区域的特征点图匹配模型,左眼区域、右眼区域各包括四个关键特征点、鼻子三角区域包括三个特征点,嘴巴区域包括四个特征点,各个区域的特征点形成拓扑结构,这些拓扑结构来表征这些区域的图模型,各个特征点便是这些拓扑结构的节点,这些节点点主要通过尺度不变特征变换匹配算法和节点点位置关系进行提取和筛选;然后,对每一个每个节点邻域进行精细化特征提取,每一个节点都包含40个Gabor小波系数,包括相位和幅度,这些系数合起来称为一个Jet,这些小波系数是原始图像和一组具有5个频率、8个方向的Gabor小波卷积得到的,这样每一个区域的图模型就像被贴了标签一样,其中的点被Jets标定,边被点之间的距离标定,这就形成了左眼、右眼、鼻子三角区域和嘴巴的四个关键区域的特征点图模型;新样本依次提取这四个区域的图匹配模型,然后采用弹性区域的方法进行匹配,计算测试人脸和现有数据库中人脸不同关键区域特征图之间的相似度,这部分是粗筛过程,设定合理的阈值,把这四个关键区域匹配度达到该阈值的所有人脸保留下来,进入下一轮精细化筛选;在精细化筛选过程中,采用深度人工神经网络模型作为二级分类器,人工神经网络模型通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,通过构建很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,该二级匹配过程由粗到细,快速排除掉大部分不可能样本,并采用高性能算法进行最终匹配。
所述人脸识别模块,还包括建模集群、数据同步、比对集群、负载均衡、日志系统功能。
为使本发明的目的、技术方案和优点更加清楚明白,我们结合给福建省电信翼支付平台做的人脸支付子系统案例进行进一步说明。
翼支付是中国电信旗下运营支付和互联网金融的业务品牌。翼支付支持各类线上线下民生支付应用,通过添益宝、天翼贷、交费助手、交费易、翼支付碰碰等业务为个人、商户提供综合性的互联网金融服务。目前翼支付最灵活方便的支付方式是通过用户手机号和账号绑定的方式进行消费支付。支付过程需要输入手机号码,然后输入密码,最后签字确认,主要存在的问题是步骤比较繁琐、需随时记住密码、密码容易遗失泄露导致账户不安全。本发明为翼支付做的人脸识别支付案例主要是期望通过人脸识别技术和手机账号绑定,直接采用刷脸的方式进行消费,克服支付存在的步骤繁琐,需记忆密码和账户安全等问题。
翼支付人脸支付系统由微信注册平台、人脸识别平台和人脸支付平台组成,其中用户注册主要通过用户通过微信进行异地上传,由后台人员审核通过,用户本人无需到柜台营业厅办理,简化人脸数据注册采集过程;当用户需要产生支付行为的时候,可以通过手机摄像头或自动售后机前置摄像头采集发送实时的人脸数据到人脸识别服务器平台后端进行人脸识别比对,比对成功后即可完成支付行为。整个翼支付的流程如图3所示,下面描述具体过程:
1、大规模人脸识别平台学习和训练过程:
a.对翼支付大规模客户的人脸数据进行训练学习,学习出人脸四个区域的特征点图模型和深度人工神经网络模型;
b.通过测试训练,设定合适阈值,构建出级联分类器;
c.对数据库中的人脸、人脸数据特征和翼支付手机账号进行关联;
2、微信注册过程:
a.微信公众平台将人脸照片发送到人脸识别平台进行预建模(图像质量判定),人脸识别平台将图片预建模情况反馈给微信公众平台;
b.预建模通过后,微信公众平台将用户注册信息(账号,身份证号,身份证照片,人脸正面照等)发送到支付平台进行人工判断;
c.微信公众平台根据用户注册返回结果做下一步处理,如果人工审核通过,发人脸注册请求命令到人脸识别平台进行人脸注册;如果人工审核不通过,则发送人脸注册取消命令到人脸识别平台把之前预建模的东西清除,同时提示用户重新注册;
3、人脸支付过程:
a.在移动支付终端输入消费金额后,移动终端将采集到的用户人脸数据上传到人脸识别平台进行识别验证;
b.人脸识别平台将识别结果对应的手机账号以及人脸图像返回;
c.用户和商户对返回的结果进行确认并支付(用户可对自己的手机号进行核对,商户可对返回的图像和现场人脸进行比对,以增加安全性);
d.支付终端将翼支付系统返回的支付响应消息显示给用户(支付成功或余额不足支付失败);
e.用户翼支付帐号的手机号也即时收到支付响应消息(增加账户的安全性)。
本发明将人脸识别技术与数字化、网络化系统整合用于支付,简化了支付过程和身份认证工具的持有环节,通过人脸识别关键技术进行网络终端的在线认证支付,本发明注册、识别和支付平台相对独立,同时,注册方便、识别准确率高,误检率低,支付终端的简易性(只需抓取和传送人脸图像功能),可以广泛满足于手机移动终端、电脑终端、便捷自动售货终端、商场超市的快捷安全支付功能。
以上所述仅为本发明的较佳实施用例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种面向移动终端的人脸识别支付系统,其特征在于:包括人脸支付注册模块、人脸识别模块、终端在线人脸支付模块;
所述人脸支付注册模块,采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片,微信公众平台把人脸图像发送到所述人脸识别模块进行预建模,所述人脸识别模块把预建模结果返回给微信公众平台,建模通过后,微信公众平台把用户随后输入的注册信息发送到所述终端在线人脸支付模块进行人工判断,微信公众平台根据用户注册返回结果进行下一步处理,如果人工审核通过,则向所述人脸识别模块发送人脸注册请求;如果人工审核不通过,则向所述人脸识别模块发送人脸注册取消命令,并把预建模的东西清除,同时提示用户重新注册;
所述终端在线人脸支付模块,通过终端向所述人脸识别模块传送人脸图像进行结果识别,摄像头获取到图像后并向所述人脸识别模块发送验证识别请求,首先是人脸判断,所述人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证,并完成支付。
2.如权利要求1所述的一种面向移动终端的人脸识别支付系统,其特征在于:所述人脸识别模块,采用级联式分类器方法,两类分类器分别为基于不同关键区域的特征点图匹配模型的粗分类器和精细化的深度人工神经网络模型;首先,在多模态大规模样本训练过程中分别训练出人脸不同关键区域特征点的图匹配模型,人脸关键区域包括左眼区域、右眼区域、鼻子三角区域、嘴巴区域四个区域的特征点图匹配模型,左眼区域、右眼区域各包括四个关键特征点、鼻子三角区域包括三个特征点,嘴巴区域包括四个特征点,各个区域的特征点形成拓扑结构,这些拓扑结构来表征这些区域的图模型,各个特征点便是这些拓扑结构的节点,这些节点主要通过尺度不变特征变换匹配算法和节点点位置关系进行提取和筛选;然后,识别算法对每一个节点邻域进行精细化特征提取,每一个节点都包含40个Gabor小波系数,包括相位和幅度,这些系数合起来称为一个Jet,这些小波系数是原始图像和一组具有5个频率、8个方向的Gabor小波卷积得到的,这样每一个区域的图模型就像被贴了标签一样,其中的点被Jets标定,边被点之间的距离标定,这就形成了左眼、右眼、鼻子三角区域和嘴巴的四个关键区域的特征点图模型;新样本依次提取这四个区域的图匹配模型,然后采用弹性区域的方法进行匹配,计算测试人脸和现有数据库中人脸不同关键区域特征图之间的相似度,这部分是粗筛过程,设定合理的阈值,把这四个关键区域匹配度达到该阈值的所有人脸保留下来,进入下一轮精细化筛选;在精细化筛选过程中,采用深度人工神经网络模型作为二级分类器,人工神经网络模型通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,通过构建多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,该二级匹配过程由粗到细,快速排除掉大部分不可能样本,并采用高性能算法进行最终匹配。
3.如权利要求2所述的一种面向移动终端的人脸识别支付系统,其特征在于:所述人脸识别模块,还包括建模集群、数据同步、比对集群、负载均衡、日志系统功能。
4.一种面向移动终端的人脸识别支付方法,其特征在于:包括如下步骤:
采用微信公众号进行注册,通过微信客户端向微信公众平台发送人脸图片,微信公众平台把人脸图像发送到人脸识别模块进行预建模,人脸识别模块把预建模结果返回给微信公众平台,建模通过后,微信公众平台把用户随后输入的注册信息发送到终端在线人脸支付模块进行人工判断,微信公众平台根据用户注册返回结果进行下一步处理,如果人工审核通过,则向人脸识别模块发送人脸注册请求;如果人工审核不通过,则向人脸识别模块发送人脸注册取消命令,并把预建模的东西清除,同时提示用户重新注册;
通过终端向人脸识别模块传送人脸图像进行结果识别,摄像头获取到图像后并向人脸识别模块进行验证识别请求,首先是人脸判断,人脸识别模块对上传的图像进行人脸检测,认定为人脸后则进入下一步的人脸识别,否则继续接受新图像的识别请求,人脸识别获取的比对结果返回给终端,进行人工验证。
5.如权利要求4所述的一种面向移动终端的人脸识别支付系统,其特征在于:所述人脸识别模块,采用级联式分类器方法,两类分类器分别为基于不同关键区域的特征点图匹配模型的粗分类器和精细化的深度人工神经网络模型;首先,在多模态大规模样本训练过程中分别训练出人脸不同关键区域特征点的图匹配模型,人脸关键区域包括左眼区域、右眼区域、鼻子三角区域、嘴巴区域四个区域的特征点图匹配模型,左眼区域、右眼区域各包括四个关键特征点、鼻子三角区域包括三个特征点,嘴巴区域包括四个特征点,各个区域的特征点形成拓扑结构,这些拓扑结构来表征这些区域的图模型,各个特征点便是这些拓扑结构的节点,这些节点点主要通过尺度不变特征变换匹配算法和节点点位置关系进行提取和筛选;然后,对每一个每个节点邻域进行精细化特征提取,每一个节点都包含40个Gabor小波系数,包括相位和幅度,这些系数合起来称为一个Jet,这些小波系数是原始图像和一组具有5个频率、8个方向的Gabor小波卷积得到的,这样每一个区域的图模型就像被贴了标签一样,其中的点被Jets标定,边被点之间的距离标定,这就形成了左眼、右眼、鼻子三角区域和嘴巴的四个关键区域的特征点图模型;新样本依次提取这四个区域的图匹配模型,然后采用弹性区域的方法进行匹配,计算测试人脸和现有数据库中人脸不同关键区域特征图之间的相似度,这部分是粗筛过程,设定合理的阈值,把这四个关键区域匹配度达到该阈值的所有人脸保留下来,进入下一轮精细化筛选;在精细化筛选过程中,采用深度人工神经网络模型作为二级分类器,人工神经网络模型通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,通过构建多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,该二级匹配过程由粗到细,快速排除掉大部分不可能样本,并采用高性能算法进行最终匹配。
6.如权利要求5所述的一种面向移动终端的人脸识别支付系统,其特征在于:所述人脸识别模块,还包括建模集群、数据同步、比对集群、负载均衡、日志系统功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510466852.4A CN105069622B (zh) | 2015-08-03 | 2015-08-03 | 一种面向移动终端的人脸识别支付系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510466852.4A CN105069622B (zh) | 2015-08-03 | 2015-08-03 | 一种面向移动终端的人脸识别支付系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105069622A true CN105069622A (zh) | 2015-11-18 |
CN105069622B CN105069622B (zh) | 2018-08-31 |
Family
ID=54498982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510466852.4A Active CN105069622B (zh) | 2015-08-03 | 2015-08-03 | 一种面向移动终端的人脸识别支付系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069622B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776842A (zh) * | 2016-11-28 | 2017-05-31 | 腾讯科技(上海)有限公司 | 多媒体数据检测方法及装置 |
CN106845994A (zh) * | 2016-12-21 | 2017-06-13 | 浙江海洋大学 | 一种智能移动终端安全支付方法 |
CN107491652A (zh) * | 2017-08-30 | 2017-12-19 | 广州云从信息科技有限公司 | 一种基于人脸识别的人脸异常特征数据分析方法 |
CN107680088A (zh) * | 2017-09-30 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 用于分析医学影像的方法和装置 |
CN107784501A (zh) * | 2017-09-29 | 2018-03-09 | 九派天下支付有限公司 | 一种安全的基于人脸识别的支付方法及系统 |
CN107886077A (zh) * | 2017-11-17 | 2018-04-06 | 苏州健雄职业技术学院 | 一种基于微信公众号的农作物虫害识别方法及其系统 |
CN107944401A (zh) * | 2017-11-29 | 2018-04-20 | 合肥寰景信息技术有限公司 | 具有多个人脸动态跟踪及分析的嵌入式设备 |
CN108305070A (zh) * | 2017-12-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 账号确认方法、确认装置及计算机可读存储介质 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
CN110287940A (zh) * | 2019-07-03 | 2019-09-27 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的掌纹识别方法及系统 |
CN111080916A (zh) * | 2019-12-03 | 2020-04-28 | 福建电桩一号信息科技有限公司 | 移动电源的租借控制方法、装置及可读存储介质 |
CN111274916A (zh) * | 2020-01-16 | 2020-06-12 | 华为技术有限公司 | 人脸识别方法和人脸识别装置 |
CN111523405A (zh) * | 2020-04-08 | 2020-08-11 | 绍兴埃瓦科技有限公司 | 人脸识别方法、系统及电子设备 |
CN111857214A (zh) * | 2020-07-28 | 2020-10-30 | 杭州巨骐信息科技股份有限公司 | 一种基于人脸识别的机房环境测控系统 |
CN113256298A (zh) * | 2020-02-10 | 2021-08-13 | 深圳市光鉴科技有限公司 | 具有3d人脸识别的支付系统及使用方法 |
CN113673448A (zh) * | 2021-08-24 | 2021-11-19 | 厦门立林科技有限公司 | 一种云和端集成的人脸图像质量动态检测方法及系统 |
-
2015
- 2015-08-03 CN CN201510466852.4A patent/CN105069622B/zh active Active
Non-Patent Citations (2)
Title |
---|
蒲东兵: "《生物识别技术及其嵌入式应用研究》", 《中国优秀博士论文电子期刊网 信息科技辑》 * |
通信信息报: "《翼支付试水人脸识别免卡免密支付》", 《中国电子银行网》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776842A (zh) * | 2016-11-28 | 2017-05-31 | 腾讯科技(上海)有限公司 | 多媒体数据检测方法及装置 |
CN106845994A (zh) * | 2016-12-21 | 2017-06-13 | 浙江海洋大学 | 一种智能移动终端安全支付方法 |
CN107491652A (zh) * | 2017-08-30 | 2017-12-19 | 广州云从信息科技有限公司 | 一种基于人脸识别的人脸异常特征数据分析方法 |
CN107784501A (zh) * | 2017-09-29 | 2018-03-09 | 九派天下支付有限公司 | 一种安全的基于人脸识别的支付方法及系统 |
CN107680088A (zh) * | 2017-09-30 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 用于分析医学影像的方法和装置 |
CN107886077A (zh) * | 2017-11-17 | 2018-04-06 | 苏州健雄职业技术学院 | 一种基于微信公众号的农作物虫害识别方法及其系统 |
CN107944401A (zh) * | 2017-11-29 | 2018-04-20 | 合肥寰景信息技术有限公司 | 具有多个人脸动态跟踪及分析的嵌入式设备 |
CN108305070A (zh) * | 2017-12-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 账号确认方法、确认装置及计算机可读存储介质 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
CN110287940A (zh) * | 2019-07-03 | 2019-09-27 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的掌纹识别方法及系统 |
CN110287940B (zh) * | 2019-07-03 | 2021-08-20 | 山东浪潮科学研究院有限公司 | 一种基于人工智能的掌纹识别方法及系统 |
CN111080916A (zh) * | 2019-12-03 | 2020-04-28 | 福建电桩一号信息科技有限公司 | 移动电源的租借控制方法、装置及可读存储介质 |
CN111274916A (zh) * | 2020-01-16 | 2020-06-12 | 华为技术有限公司 | 人脸识别方法和人脸识别装置 |
CN111274916B (zh) * | 2020-01-16 | 2024-02-02 | 华为技术有限公司 | 人脸识别方法和人脸识别装置 |
CN113256298A (zh) * | 2020-02-10 | 2021-08-13 | 深圳市光鉴科技有限公司 | 具有3d人脸识别的支付系统及使用方法 |
CN111523405A (zh) * | 2020-04-08 | 2020-08-11 | 绍兴埃瓦科技有限公司 | 人脸识别方法、系统及电子设备 |
CN111857214A (zh) * | 2020-07-28 | 2020-10-30 | 杭州巨骐信息科技股份有限公司 | 一种基于人脸识别的机房环境测控系统 |
CN113673448A (zh) * | 2021-08-24 | 2021-11-19 | 厦门立林科技有限公司 | 一种云和端集成的人脸图像质量动态检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105069622B (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069622A (zh) | 一种面向移动终端的人脸识别支付系统和方法 | |
US20190251571A1 (en) | Transaction verification system | |
WO2018094584A1 (zh) | 基于生物特征识别的支付及身份认证系统 | |
CN107657525A (zh) | 一种贷款审批方法及服务器 | |
CN104700094B (zh) | 一种用于智能机器人的人脸识别方法及系统 | |
CN102656601A (zh) | 财务帐户的生物特征识别及认证系统 | |
CN110192213A (zh) | 生物特征交易系统 | |
EP3642776A1 (en) | Facial biometrics card emulation for in-store payment authorization | |
CN113111330B (zh) | 一种基于企业链码的企业法人身份认证管理方法及系统 | |
CN107038509A (zh) | 自助住宿管理系统 | |
Sharma et al. | Multi-Modality Biometric Assisted Smart Card Based Ration Distribution System | |
CN106657164B (zh) | 一种用于实名认证的身份识别复合算法及系统 | |
CN205318544U (zh) | 一种基于三维人脸识别的atm机防欺诈装置及系统 | |
US20220277311A1 (en) | A transaction processing system and a transaction method based on facial recognition | |
CA2854481A1 (en) | System and method for a financial transaction system having a secure biometric verification system | |
CN210199760U (zh) | 一种惠民服务查询打印装置 | |
Rija et al. | Payment Systems Based on Face Recognition: A Survey | |
CN113255582A (zh) | 基于深度神经网络及区块链的笔迹鉴定方法及装置 | |
Lavanya et al. | A comparative study on ATM Security with multimodal biometric system | |
Patil et al. | Online transaction security using face recognition | |
Ozkaya et al. | Intelligent face border generation system from fingerprints | |
Shamini et al. | Bank Transaction using Face Recognition | |
Lott | Biometrics: modernising customer authentication for financial services and payments | |
DHANAKOTI | BANK TRANSACTION USING IRIS RECOGNITION SYSTEM. | |
Jeevitha et al. | Smart Banking Machine Embedded with Iris Biometric Controlled System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 350003 21 floors, No. 1 Building, G District, 89 Software Avenue, Gulou District, Fuzhou City, Fujian Province Patentee after: FUJIAN HAIJING TECHNOLOGY DEVELOPMENT Co.,Ltd. Address before: 350000 Floor 1-2 of Building C, Building 10, Fuzhou Software Park B, 89 Software Avenue, Gulou District, Fuzhou City, Fujian Province Patentee before: FUZHOU HAIJING SCIENCE & TECHNOLOGY DEVELOPMENT CO.,LTD. |
|
CP03 | Change of name, title or address | ||
PP01 | Preservation of patent right |
Effective date of registration: 20231212 Granted publication date: 20180831 |
|
PP01 | Preservation of patent right |