CN105913241A - 一种基于图像识别的顾客认证系统的使用方法 - Google Patents
一种基于图像识别的顾客认证系统的使用方法 Download PDFInfo
- Publication number
- CN105913241A CN105913241A CN201610203176.6A CN201610203176A CN105913241A CN 105913241 A CN105913241 A CN 105913241A CN 201610203176 A CN201610203176 A CN 201610203176A CN 105913241 A CN105913241 A CN 105913241A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- equipment
- supercilium
- identity
- 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.)
- Withdrawn
Links
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
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/206—Point-of-sale [POS] network systems comprising security or operator identification provisions, e.g. password entry
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于图像识别的顾客认证系统,包括图像采集设备、图像识别设备和主控设备,图像采集设备用于采集顾客的图像,图像识别设备与图像采集设备连接,用于从顾客的图像中检测出脸部子图像并基于脸部子图像进行顾客身份认证,主控设备与图像识别设备连接,用于基于顾客身份认证结果确定相应的支付策略。通过本发明,能够准确识别出顾客身份,快速完成顾客的消费支付操作。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种基于图像识别的顾客认证系统的使用方法。
背景技术
从技术上来看,人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
人脸识别支付是将人脸识别应用到支付平台上,通过顾客脸部特征提取,确认顾客身份,并配合收银员提供的消费金额完成顾客支付过程。整个支付过程自动化程度高,人工干涉环节少,对于在排队结账顾客过多的时间段,其效果尤为显著。
然而,现有的人脸识别支付机制还存在几个弊端。第一,识别支付环节过于简单粗暴,缺少必要的辅助认证机制;第二,在排队结账顾客过多时,可能对非结账顾客进行面部识别和支付;第三,人脸识别本身仍有改善性能的空间。
因此,需要一种新的用于顾客认证的面部支付设备,对现有的人脸识别支付机制进行改进,增加辅助认证手段和顾客选择环节,并对人脸特征检测的方式进行优化,从而全面提高面部支付平台的安全性和可靠性。
发明内容
为了解决上述问题,本发明提供了一种基于图像识别的顾客认证系统,能够增加辅助身份认证设备,在面部识别身份后,使用辅助身份认证设备进行进一步的身份确认,同时为收银员提供结账顾客选择模式,避免其他顾客被误结账的情况发生,另外,还优化了现有的面部识别支付,保证了面部识别的准确性。
根据本发明的一方面,提供了一种基于图像识别的顾客认证系统,所述系统包括图像采集设备、图像识别设备和主控设备,图像采集设备用于采集顾客的图像,图像识别设备与图像采集设备连接,用于从顾客的图像中检测出脸部子图像并基于脸部子图像进行顾客身份认证,主控设备与图像识别设备连接,用于基于顾客身份认证结果确定相应的支付策略。
更具体地,在所述基于图像识别的顾客认证系统中,包括:双声道扬声器,与AVR32芯片连接,用于播放与身份确认失败信号或身份确认成功信号对应的语音提示文件;眉部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眉部轮廓和待识别图像,基于预设基准眉部轮廓在待识别图像中分割出眉部子图像;嘴部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准嘴部轮廓和待识别图像,基于预设基准嘴部轮廓在待识别图像中分割出嘴部子图像;眼部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眼部轮廓和待识别图像,基于预设基准眼部轮廓在待识别图像中分割出眼部子图像;特征分析设备,分别与眉部分割设备、嘴部分割设备和眼部分割设备连接,基于眉部子图像确定眉部厚度和眉部弯曲度,基于嘴部子图像确定嘴部厚度,基于眼部子图像确定眼部开合度;特征匹配设备,分别与静态存储设备、特征分析设备和远端的面部识别数据库连接,面部识别数据库预先存储了每一个人的面部图像的眉部厚度、眉部弯曲度、嘴部厚度和眼部开合度,将特征分析设备输出的眉部厚度与面部识别数据库预先存储的每一个人的面部图像的眉部厚度进行匹配以获得眉部厚度匹配度,将特征分析设备输出的眉部弯曲度与面部识别数据库预先存储的每一个人的面部图像的眉部弯曲度进行匹配以获得眉部弯曲度匹配度,将特征分析设备输出的嘴部厚度与面部识别数据库预先存储的每一个人的面部图像的嘴部厚度进行匹配以获得嘴部厚度匹配度,将特征分析设备输出的眼部开合度与面部识别数据库预先存储的每一个人的面部图像的眼部开合度进行匹配以获得眼部开合度匹配度,基于眉部厚度匹配度、预设眉部厚度权重值、眉部弯曲度匹配度、预设眉部弯曲度权重值、嘴部厚度匹配度、预设嘴部厚度权重值、眼部开合度匹配度和预设眼部开合度权重值确定待识别图像与面部识别数据库预先存储的每一个人的面部图像的匹配程度,将匹配程度最高的面部图像对应的人物身份作为识别身份输出;高清图像采集设备,设置在POS机上方,用于对排队结账的人群进行拍摄以获得高清人群图像;面部检测设备,分别与静态存储设备和高清图像采集设备连接,用于接收高清人群图像和预设基准面部轮廓,基于预设基准面部轮廓在高清人群图像中匹配出多个面部子图像;显示设备,与面部检测设备连接以接收并显示多个面部子图像,显示设备还带有触摸屏,以基于收银员的输入从多个面部子图像中选择目标面部子图像;几何校正设备,分别与面部检测设备和显示设备连接,接收目标面部子图像并对目标面部子图像进行几何校正处理以获得几何校正图像;图像旋转设备,与几何校正设备连接以接收几何校正图像,对几何校正图像进行图像旋转处理以获得旋转图像;图像平移设备,与图像旋转设备连接以接收旋转图像,对旋转图像进行图像平移处理以获得平移图像;图像分割设备,分别与静态存储设备和图像平移设备连接,用于接收预设图像块大小和平移图像,对平移图像进行分割以获得预设图像块大小的分割图像;直方图均衡化设备,与图像分割设备连接,用于接收分割图像并对分割图像进行直方图均衡化处理,以获得分割图像的灰度直方图;高斯平滑滤波设备,与直方图均衡化设备连接,用于接收灰度直方图并对灰度直方图进行高斯平滑滤波处理,以获得待识别图像;静态存储设备,用于预先存储了预设基准面部轮廓和预设图像块大小,还用于预先存储了预设眉部厚度权重值、预设眉部弯曲度权重值、预设嘴部厚度权重值、预设眼部开合度权重值、预设基准眉部轮廓、预设基准嘴部轮廓和预设基准眼部轮廓;无线通信设备,用于通过无线通信链路建立特征匹配设备与远端的面部识别数据库之间的连接,还用于通过无线通信链路建立指纹匹配设备与远端的指纹数据库之间的连接;指纹接收设备,用于采集顾客的指纹信息;指纹匹配设备,分别与指纹接收设备和远端的指纹数据库连接,指纹数据库预先存储了每一个人的指纹特征,基于指纹接收设备输出的指纹信息在指纹数据库寻找匹配的指纹特征,并将匹配的指纹特征对应的人物身份作为确认身份输出;AVR32芯片,分别与显示设备、特征匹配设备、指纹接收设备和指纹匹配设备连接,当从特征匹配设备处接收到识别身份时,向当前结账的顾客启动指纹接收设备和指纹匹配设备以接收确认身份,当前结账的顾客处于排队结账的人群中,当识别身份与确认身份相符合时,将识别身份和收银员通过显示设备的触摸屏输入的金额数据一起发送到远端的支付设备以完成支付,同时向识别身份对应的电子邮箱发送确认邮件,确认邮件中包括顾客支付视频;其中,预设基准面部轮廓为对基准面部图像进行轮廓提取而获得的图形,预设图像块大小选为45像素×50像素;高清图像采集设备还用于录制顾客支付视频。
更具体地,在所述基于图像识别的顾客认证系统中:预设基准眉部轮廓为对基准眉部图像进行轮廓提取而获得的图形。
更具体地,在所述基于图像识别的顾客认证系统中:预设基准嘴部轮廓为对基准嘴部图像进行轮廓提取而获得的图形。
更具体地,在所述基于图像识别的顾客认证系统中:预设基准眼部轮廓为对基准眼部图像进行轮廓提取而获得的图形。
更具体地,在所述基于图像识别的顾客认证系统中:AVR32芯片在第一预设时间后未接收到识别身份时,发出身份确认失败信号,AVR32芯片在第二预设时间后未接收到确认身份时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份不相符合时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份相符合时,发出身份确认成功信号。
更具体地,在所述基于图像识别的顾客认证系统中:显示设备还用于显示与身份确认失败信号或身份确认成功信号对应的文字提示信息。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于图像识别的顾客认证系统的结构方框图。
附图标记:1图像采集设备;2图像识别设备;3主控设备
具体实施方式
下面将参照附图对本发明的基于图像识别的顾客认证系统的实施方案进行详细说明。
传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。他可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。
人脸识别支付是人脸识别的一个重要应用领域。在传统收费模式下,顾客需要向收银员提供银行卡,收银员按照收费金额对银行卡进行刷卡操作,并由顾客输入相应的银行卡密码,支付系统才能够进入顾客账户内进行划款操作,随后顾客还需要签名以确认。整个过程需要持续的人工操作和顾客收银员的无缝配合,很明显,操作过于繁琐,而且耗费大量时间。而人脸识别支付能够直接识别顾客面部特征,确认顾客身份,不需要顾客操作,即能够完成划款过程。
然而,由于人脸识别支付是直接进行划款,因此,其安全性能尤为关键。现有的人脸识别支付是确定脸部特征符合后即进行划款,没有考虑到脸部特征识别错误的情况,同时,排队结账的顾客很多,很容易对非结账顾客进行面部特征识别,而且,现有的人脸识别机制本身结构冗余度高,还有提高精度和优化功能的空间。
为了克服上述不足,本发明搭建了一种基于图像识别的顾客认证系统,能够解决上述技术问题,在替换繁琐的人工操作,提高顾客结账效率的同时,从整体上改善支付机制,保证每一位顾客的账号安全。
图1为根据本发明实施方案示出的基于图像识别的顾客认证系统的结构方框图,所述系统包括图像采集设备、图像识别设备和主控设备,图像采集设备用于采集顾客的图像,图像识别设备与图像采集设备连接,用于从顾客的图像中检测出脸部子图像并基于脸部子图像进行顾客身份认证,主控设备与图像识别设备连接,用于基于顾客身份认证结果确定相应的支付策略。
接着,继续对本发明的基于图像识别的顾客认证系统的具体结构进行进一步的说明。
所述系统包括:双声道扬声器,与AVR32芯片连接,用于播放与身份确认失败信号或身份确认成功信号对应的语音提示文件;眉部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眉部轮廓和待识别图像,基于预设基准眉部轮廓在待识别图像中分割出眉部子图像。
所述系统包括:嘴部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准嘴部轮廓和待识别图像,基于预设基准嘴部轮廓在待识别图像中分割出嘴部子图像;眼部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眼部轮廓和待识别图像,基于预设基准眼部轮廓在待识别图像中分割出眼部子图像。
所述系统包括:特征分析设备,分别与眉部分割设备、嘴部分割设备和眼部分割设备连接,基于眉部子图像确定眉部厚度和眉部弯曲度,基于嘴部子图像确定嘴部厚度,基于眼部子图像确定眼部开合度。
所述系统包括:特征匹配设备,分别与静态存储设备、特征分析设备和远端的面部识别数据库连接,面部识别数据库预先存储了每一个人的面部图像的眉部厚度、眉部弯曲度、嘴部厚度和眼部开合度,将特征分析设备输出的眉部厚度与面部识别数据库预先存储的每一个人的面部图像的眉部厚度进行匹配以获得眉部厚度匹配度,将特征分析设备输出的眉部弯曲度与面部识别数据库预先存储的每一个人的面部图像的眉部弯曲度进行匹配以获得眉部弯曲度匹配度,将特征分析设备输出的嘴部厚度与面部识别数据库预先存储的每一个人的面部图像的嘴部厚度进行匹配以获得嘴部厚度匹配度,将特征分析设备输出的眼部开合度与面部识别数据库预先存储的每一个人的面部图像的眼部开合度进行匹配以获得眼部开合度匹配度,基于眉部厚度匹配度、预设眉部厚度权重值、眉部弯曲度匹配度、预设眉部弯曲度权重值、嘴部厚度匹配度、预设嘴部厚度权重值、眼部开合度匹配度和预设眼部开合度权重值确定待识别图像与面部识别数据库预先存储的每一个人的面部图像的匹配程度,将匹配程度最高的面部图像对应的人物身份作为识别身份输出。
所述系统包括:高清图像采集设备,设置在POS机上方,用于对排队结账的人群进行拍摄以获得高清人群图像;面部检测设备,分别与静态存储设备和高清图像采集设备连接,用于接收高清人群图像和预设基准面部轮廓,基于预设基准面部轮廓在高清人群图像中匹配出多个面部子图像;显示设备,与面部检测设备连接以接收并显示多个面部子图像,显示设备还带有触摸屏,以基于收银员的输入从多个面部子图像中选择目标面部子图像;几何校正设备,分别与面部检测设备和显示设备连接,接收目标面部子图像并对目标面部子图像进行几何校正处理以获得几何校正图像。
所述系统包括:图像旋转设备,与几何校正设备连接以接收几何校正图像,对几何校正图像进行图像旋转处理以获得旋转图像;图像平移设备,与图像旋转设备连接以接收旋转图像,对旋转图像进行图像平移处理以获得平移图像;图像分割设备,分别与静态存储设备和图像平移设备连接,用于接收预设图像块大小和平移图像,对平移图像进行分割以获得预设图像块大小的分割图像。
所述系统包括:直方图均衡化设备,与图像分割设备连接,用于接收分割图像并对分割图像进行直方图均衡化处理,以获得分割图像的灰度直方图;高斯平滑滤波设备,与直方图均衡化设备连接,用于接收灰度直方图并对灰度直方图进行高斯平滑滤波处理,以获得待识别图像;静态存储设备,用于预先存储了预设基准面部轮廓和预设图像块大小,还用于预先存储了预设眉部厚度权重值、预设眉部弯曲度权重值、预设嘴部厚度权重值、预设眼部开合度权重值、预设基准眉部轮廓、预设基准嘴部轮廓和预设基准眼部轮廓。
所述系统包括:无线通信设备,用于通过无线通信链路建立特征匹配设备与远端的面部识别数据库之间的连接,还用于通过无线通信链路建立指纹匹配设备与远端的指纹数据库之间的连接;指纹接收设备,用于采集顾客的指纹信息。
所述系统包括:指纹匹配设备,分别与指纹接收设备和远端的指纹数据库连接,指纹数据库预先存储了每一个人的指纹特征,基于指纹接收设备输出的指纹信息在指纹数据库寻找匹配的指纹特征,并将匹配的指纹特征对应的人物身份作为确认身份输出。
所述系统包括:AVR32芯片,分别与显示设备、特征匹配设备、指纹接收设备和指纹匹配设备连接,当从特征匹配设备处接收到识别身份时,向当前结账的顾客启动指纹接收设备和指纹匹配设备以接收确认身份,当前结账的顾客处于排队结账的人群中,当识别身份与确认身份相符合时,将识别身份和收银员通过显示设备的触摸屏输入的金额数据一起发送到远端的支付设备以完成支付,同时向识别身份对应的电子邮箱发送确认邮件,确认邮件中包括顾客支付视频。
其中,预设基准面部轮廓为对基准面部图像进行轮廓提取而获得的图形,预设图像块大小选为45像素×50像素;高清图像采集设备还用于录制顾客支付视频。
可选地,在所述系统中:预设基准眉部轮廓为对基准眉部图像进行轮廓提取而获得的图形;预设基准嘴部轮廓为对基准嘴部图像进行轮廓提取而获得的图形;预设基准眼部轮廓为对基准眼部图像进行轮廓提取而获得的图形;AVR32芯片在第一预设时间后未接收到识别身份时,发出身份确认失败信号,AVR32芯片在第二预设时间后未接收到确认身份时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份不相符合时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份相符合时,发出身份确认成功信号;以及显示设备还用于显示与身份确认失败信号或身份确认成功信号对应的文字提示信息。
另外,人脸识别的优势在于其自然性和不被被测个体察觉的特点。
所谓自然性,是指该识别方式同人类(甚至其他生物)进行个体识别时所利用的生物特征相同。例如人脸识别,人类也是通过观察比较人脸区分和确认身份的,另外具有自然性的识别还有虹膜识别语音识别、体形识别等,而指纹识别、虹膜识别等都不具有自然性,因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉的特点对于一种识别方法也很重要,这会使该识别方法不令人反感,并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点,他完全利用可见光获取人脸图像信息,而不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,这些特殊的采集方式很容易被人察觉,从而更有可能被伪装欺骗。
人脸识别主要用于身份识别。由于视频监控正在快速普及,众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术,以求远距离快速确认人员身份,实现智能预警。人脸识别技术无疑是最佳的选择,采用快速人脸检测技术可以从监控视频图像中实时查找人脸,并与人脸数据库进行实时比对,从而实现快速身份识别。
采用本发明的基于图像识别的顾客认证系统,针对现有技术顾客面部支付机制准确性不高的技术问题,通过增加辅助身份认证机制为面部识别到的身份进行进一步的确认,为收银员提供附近多个顾客图像供收银员选择出当前结账的顾客,同时,还对面部特征识别模式进行了性能改善。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (7)
1.一种基于图像识别的顾客认证系统的使用方法,该方法包括:
1)提供一种基于图像识别的顾客认证系统,所述系统包括图像采集设备、图像识别设备和主控设备,图像采集设备用于采集顾客的图像,图像识别设备与图像采集设备连接,用于从顾客的图像中检测出脸部子图像并基于脸部子图像进行顾客身份认证,主控设备与图像识别设备连接,用于基于顾客身份认证结果确定相应的支付策略;
2)使用该系统。
2.如权利要求1所述的方法,其特征在于,所述系统包括:
双声道扬声器,与AVR32芯片连接,用于播放与身份确认失败信号或身份确认成功信号对应的语音提示文件;
眉部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眉部轮廓和待识别图像,基于预设基准眉部轮廓在待识别图像中分割出眉部子图像;
嘴部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准嘴部轮廓和待识别图像,基于预设基准嘴部轮廓在待识别图像中分割出嘴部子图像;
眼部分割设备,分别与静态存储设备和高斯平滑滤波设备连接以接收预设基准眼部轮廓和待识别图像,基于预设基准眼部轮廓在待识别图像中分割出眼部子图像;
特征分析设备,分别与眉部分割设备、嘴部分割设备和眼部分割设备连接,基于眉部子图像确定眉部厚度和眉部弯曲度,基于嘴部子图像确定嘴部厚度,基于眼部子图像确定眼部开合度;
特征匹配设备,分别与静态存储设备、特征分析设备和远端的面部识别数据库连接,面部识别数据库预先存储了每一个人的面部图像的眉部厚度、眉部弯曲度、嘴部厚度和眼部开合度,将特征分析设备输出的眉部厚度与面部识别数据库预先存储的每一个人的面部图像的眉部厚度进行匹配以获得眉部厚度匹配度,将特征分析设备输出的眉部弯曲度与面部识别数据库预先存储的每一个人的面部图像的眉部弯曲度进行匹配以获得眉部弯曲度匹配度,将特征分析设备输出的嘴部厚度与面部识别数据库预先存储的每一个人的面部图像的嘴部厚度进行匹配以获得嘴部厚度匹配度,将特征分析设备输出的眼部开合度与面部识别数据库预先存储的每一个人的面部图像的眼部开合度进行匹配以获得眼部开合度匹配度,基于眉部厚度匹配度、预设眉部厚度权重值、眉部弯曲度匹配度、预设眉部弯曲度权重值、嘴部厚度匹配度、预设嘴部厚度权重值、眼部开合度匹配度和预设眼部开合度权重值确定待识别图像与面部识别数据库预先存储的每一个人的面部图像的匹配程度,将匹配程度最高的面部图像对应的人物身份作为识别身份输出;
高清图像采集设备,设置在POS机上方,用于对排队结账的人群进行拍摄以获得高清人群图像;
面部检测设备,分别与静态存储设备和高清图像采集设备连接,用于接收高清人群图像和预设基准面部轮廓,基于预设基准面部轮廓在高清人群图像中匹配出多个面部子图像;
显示设备,与面部检测设备连接以接收并显示多个面部子图像,显示设备还带有触摸屏,以基于收银员的输入从多个面部子图像中选择目标面部子图像;
几何校正设备,分别与面部检测设备和显示设备连接,接收目标面部子图像并对目标面部子图像进行几何校正处理以获得几何校正图像;
图像旋转设备,与几何校正设备连接以接收几何校正图像,对几何校正图像进行图像旋转处理以获得旋转图像;
图像平移设备,与图像旋转设备连接以接收旋转图像,对旋转图像进行图像平移处理以获得平移图像;
图像分割设备,分别与静态存储设备和图像平移设备连接,用于接收预设图像块大小和平移图像,对平移图像进行分割以获得预设图像块大小的分割图像;
直方图均衡化设备,与图像分割设备连接,用于接收分割图像并对分割图像进行直方图均衡化处理,以获得分割图像的灰度直方图;
高斯平滑滤波设备,与直方图均衡化设备连接,用于接收灰度直方图并对灰度直方图进行高斯平滑滤波处理,以获得待识别图像;
静态存储设备,用于预先存储了预设基准面部轮廓和预设图像块大小,还用于预先存储了预设眉部厚度权重值、预设眉部弯曲度权重值、预设嘴部厚度权重值、预设眼部开合度权重值、预设基准眉部轮廓、预设基准嘴部轮廓和预设基准眼部轮廓;
无线通信设备,用于通过无线通信链路建立特征匹配设备与远端的面部识别数据库之间的连接,还用于通过无线通信链路建立指纹匹配设备与远端的指纹数据库之间的连接;
指纹接收设备,用于采集顾客的指纹信息;
指纹匹配设备,分别与指纹接收设备和远端的指纹数据库连接,指纹数据库预先存储了每一个人的指纹特征,基于指纹接收设备输出的指纹信息在指纹数据库寻找匹配的指纹特征,并将匹配的指纹特征对应的人物身份作为确认身份输出;
AVR32芯片,分别与显示设备、特征匹配设备、指纹接收设备和指纹匹配设备连接,当从特征匹配设备处接收到识别身份时,向当前结账的顾客启动指纹接收设备和指纹匹配设备以接收确认身份,当前结账的顾客处于排队结账的人群中,当识别身份与确认身份相符合时,将识别身份和收银员通过显示设备的触摸屏输入的金额数据一起发送到远端的支付设备以完成支付,同时向识别身份对应的电子邮箱发送确认邮件,确认邮件中包括顾客支付视频;
其中,预设基准面部轮廓为对基准面部图像进行轮廓提取而获得的图形,预设图像块大小选为45像素×50像素;
其中,高清图像采集设备还用于录制顾客支付视频。
3.如权利要求2所述的方法,其特征在于:
预设基准眉部轮廓为对基准眉部图像进行轮廓提取而获得的图形。
4.如权利要求2所述的方法,其特征在于:
预设基准嘴部轮廓为对基准嘴部图像进行轮廓提取而获得的图形。
5.如权利要求2所述的方法,其特征在于:
预设基准眼部轮廓为对基准眼部图像进行轮廓提取而获得的图形。
6.如权利要求2所述的方法,其特征在于:
其中,AVR32芯片在第一预设时间后未接收到识别身份时,发出身份确认失败信号,AVR32芯片在第二预设时间后未接收到确认身份时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份不相符合时,发出身份确认失败信号,AVR32芯片在识别身份与确认身份相符合时,发出身份确认成功信号。
7.如权利要求2所述的方法,其特征在于:
显示设备还用于显示与身份确认失败信号或身份确认成功信号对应的文字提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610203176.6A CN105913241A (zh) | 2016-04-01 | 2016-04-01 | 一种基于图像识别的顾客认证系统的使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610203176.6A CN105913241A (zh) | 2016-04-01 | 2016-04-01 | 一种基于图像识别的顾客认证系统的使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105913241A true CN105913241A (zh) | 2016-08-31 |
Family
ID=56745434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610203176.6A Withdrawn CN105913241A (zh) | 2016-04-01 | 2016-04-01 | 一种基于图像识别的顾客认证系统的使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105913241A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171496A (zh) * | 2017-12-01 | 2018-06-15 | 运鼎科技(北京)有限公司 | 一种购物关联方法、服务器及系统 |
CN109147110A (zh) * | 2018-07-18 | 2019-01-04 | 顾克斌 | 基于面部特征识别的进校验证机构 |
CN110110115A (zh) * | 2019-03-28 | 2019-08-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 人机交互筛选识别机载目标图像的方法 |
CN110647955A (zh) * | 2018-06-26 | 2020-01-03 | 义隆电子股份有限公司 | 身份验证方法 |
CN110706420A (zh) * | 2019-08-28 | 2020-01-17 | 北京联合大学 | 一种智能快递柜实现方法 |
CN113128391A (zh) * | 2021-04-15 | 2021-07-16 | 广东便捷神科技股份有限公司 | 一种基于人脸识别的无人售货机上货取货的方法 |
-
2016
- 2016-04-01 CN CN201610203176.6A patent/CN105913241A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171496A (zh) * | 2017-12-01 | 2018-06-15 | 运鼎科技(北京)有限公司 | 一种购物关联方法、服务器及系统 |
CN110647955A (zh) * | 2018-06-26 | 2020-01-03 | 义隆电子股份有限公司 | 身份验证方法 |
CN109147110A (zh) * | 2018-07-18 | 2019-01-04 | 顾克斌 | 基于面部特征识别的进校验证机构 |
CN110110115A (zh) * | 2019-03-28 | 2019-08-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 人机交互筛选识别机载目标图像的方法 |
CN110110115B (zh) * | 2019-03-28 | 2023-05-23 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 人机交互筛选识别机载目标图像的方法 |
CN110706420A (zh) * | 2019-08-28 | 2020-01-17 | 北京联合大学 | 一种智能快递柜实现方法 |
CN113128391A (zh) * | 2021-04-15 | 2021-07-16 | 广东便捷神科技股份有限公司 | 一种基于人脸识别的无人售货机上货取货的方法 |
CN113128391B (zh) * | 2021-04-15 | 2024-02-06 | 广东便捷神科技股份有限公司 | 一种基于人脸识别的无人售货机上货取货的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913241A (zh) | 一种基于图像识别的顾客认证系统的使用方法 | |
CN105894262A (zh) | 基于图像识别的顾客认证系统 | |
CN101558431B (zh) | 脸认证设备 | |
CN106845414B (zh) | 用于生物特征验证的质量度量的方法和系统 | |
Bolle et al. | Guide to biometrics | |
EP1335329B1 (en) | Personal authentication method, personal authentication apparatus and image capturing device | |
CN102629319B (zh) | 基于特定边界检测子的鲁棒虹膜区域分割方法 | |
CN105787454B (zh) | 用于生物特征验证的方法和系统 | |
US9064145B2 (en) | Identity recognition based on multiple feature fusion for an eye image | |
CN110008813B (zh) | 基于活体检测技术的人脸识别方法和系统 | |
CN107438854A (zh) | 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法 | |
US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
CN105518709A (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
US20060222212A1 (en) | One-dimensional iris signature generation system and method | |
CN106529414A (zh) | 一种通过图像比对实现结果认证的方法 | |
CN101142584A (zh) | 面部特征检测的方法 | |
CN108922074A (zh) | 无卡取款方法、装置、计算机设备和存储介质 | |
CN105678290A (zh) | 基于图像检测的面部支付平台 | |
CN103383723A (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
CN104951940A (zh) | 一种基于掌纹识别的移动支付验证方法 | |
CN108446687A (zh) | 一种基于移动端和后台互联的自适应人脸视觉认证方法 | |
CN105913263A (zh) | 一种基于图像检测的面部支付平台的使用方法 | |
CN109255618A (zh) | 针对动态视频的人脸识别支付信息防伪方法 | |
US20220277311A1 (en) | A transaction processing system and a transaction method based on facial recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20160831 |
|
WW01 | Invention patent application withdrawn after publication |