CN109509299A - 一种具有人脸识别的自动售货机 - Google Patents
一种具有人脸识别的自动售货机 Download PDFInfo
- Publication number
- CN109509299A CN109509299A CN201811527708.7A CN201811527708A CN109509299A CN 109509299 A CN109509299 A CN 109509299A CN 201811527708 A CN201811527708 A CN 201811527708A CN 109509299 A CN109509299 A CN 109509299A
- Authority
- CN
- China
- Prior art keywords
- face
- vending machine
- automatic vending
- facial image
- value
- 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- Withdrawn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
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/002—Vending machines being part of a centrally controlled network of vending machines
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种具有人脸识别的自动售货机,该自动售货机包括自动售货机本体和设置在自动售货机本体上的人脸支付系统;人脸支付系统,用于当购买者选择好商品后,通过人脸支付系统完成支付操作;该自动售货机操作简便,在进行支付时,购买者无需现金、卡也能够快速地完成支付操作,提高了支付效率,且人脸支付方式具有唯一性,使得支付过程更为便捷、安全。
Description
技术领域
本发明涉及自动售货设备技术领域,具体涉及一种具有人脸识别的自动售货机。
背景技术
在自动售货机上,传统的现金支付方式操作复杂,设备故障多,安全性差。金融卡或会员卡支付需要随时携带,办卡充值、丢卡补办过程繁琐。近年来,随着自动售卖行业在车站、上传、地铁等人口流动大的场所的迅速推广和普及,能够提供一种安全、快捷、方便的支付方式是目前亟需解决的技术问题。
发明内容
针对上述问题,本发明提供一种具有人脸识别的自动售货机。
本发明的目的采用以下技术方案来实现:
一种具有人脸识别的自动售货机,该自动售货机包括自动售货机本体和设置在所述自动售货机本体上的人脸支付系统;所述自动售货机本体与所述人脸支付系统进行信息交互。所述人脸支付系统,用于当购买者选择好商品后,通过所述的人脸支付系统完成支付操作;所述人脸支付系统包括人脸采集模块、处理器、人脸匹配模块和支付模块;所述人脸采集模块,用于采集购买者的人脸图像;所述处理器,用于对采集的人脸图像进行处理,提取购买者的人脸特征;所述人脸匹配模块,用于将提取到的人脸特征和预存储的每一个人的人脸特征进行匹配,确定购买者的身份信息并输出购买者的身份信息至所述支付模块;所述支付模块,用于接收购买者的身份信息和商品金额信息以完成支付操作。
优选地,所述人脸支付系统还包括数据库,所述数据库用于存储每一个人的人脸特征以及相关联的账户信息。
优选地,所述人脸采集模块为CCD相机。
优选地,所述处理器为单片机。
本发明的有益效果:本发明提供的一种基于人脸识别的自动售货机,该自动售货机操作简便,在进行支付时,购买者无需现金、卡也能够快速地完成支付操作,提高了支付效率,且人脸支付方式具有唯一性,使得支付过程更为便捷、安全。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明实施例中自动售货机的示意图;
图2是本发明实施例中人脸支付系统2的框架结构图。
附图标记:自动售货机本体1;人脸支付系统2;人脸采集模块3;处理器4;人脸匹配模块5;支付模块6;数据库7;平滑单元41;增强单元42;特征提取单元43。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种具有人脸识别的自动售货机,该自动售货机包括自动售货机本体1和设置在自动售货机本体1上的人脸支付系统2;自动售货机本体1与人脸支付系统2进行信息交互。人脸支付系统2,用于当购买者选择好商品后,通过人脸支付系统2完成支付操作;人脸支付系统2包括人脸采集模块3、处理器4、人脸匹配模块5和支付模块6;人脸采集模块3,用于采集购买者的人脸图像;处理器4,用于对采集的人脸图像进行处理,提取购买者的人脸特征;人脸匹配模块5,用于将提取到的人脸特征和预存储的每一个人的人脸特征进行匹配,确定购买者的身份信息并输出购买者的身份信息至支付模块;支付模块6,用于接收购买者的身份信息和商品金额信息以完成支付操作。
优选地,人脸支付系统还包括数据库7,数据库7用于存储每一个人的人脸特征以及相关联的账户信息。
优选地,人脸采集模块3为CCD相机。
优选地,处理器4为单片机。
本发明的有益效果:本发明提供的一种基于人脸识别的自动售货机,该自动售货机操作简便,在进行支付时,购买者无需现金、卡也能够快速地完成支付操作,提高了支付效率,且人脸支付方式具有唯一性,使得支付过程更为便捷、安全。
在一个实施例中,参见图2,处理器4包括平滑单元41、增强单元42和特征提取单元43;平滑单元41,用于对采集的人脸图像进行平滑处理,去除人脸图像中的随机噪声;增强单元42,用于对去噪后的人脸图像进行模糊增强处理;特征提取单元43,用于从增强处理后的人脸图像中提取人脸图像特征值。
在一个实施例中,对采集的人脸图像进行平滑处理,去除人脸图像中的随机噪声,具体为:
(1)对采集的人脸图像进行小波变换,得到一组小波变换系数S={s1,s2,…,sn},n为小波系数的个数;
(2)利用下式对得到的小波系数进行估计,得到小波系数的估计值;
式中,为第i个小波系数的估计值,i=1,2,…,n;si为第i个小波系数,T1为设定的阈值下限值,T2为设定的阈值上限值,|s|max为高频小波系数的绝对值的最大值,|s|min为高频小波系数的绝对值的最小值,c为一比例因子,其取值为0<c≤1,其用于控制小波系数的收缩程度;sgn(f)为符号函数,f为正数时,取1,为负数时,取-1;
(3)对得到的小波系数的估计值进行小波重构,即可得到去噪后的人脸图像。
有益效果:本实施例采用上述算法对采集的人脸图像进行分段去噪处理,该算法考虑了小波系数中高频小波系数绝对值的最大值、最小值的影响,有利于保留低频小波系数中的细节特征,同时有效去除高频小波系数中的随机噪声,且本实施例中的算式在阈值处连续且可导,有效抑制了振铃、伪Gibbs效应等带来的视觉失真,提高了去噪效果,降低了后续人脸图像处理的复杂度,有利于后续对人脸图像准确识别。
在一个实施例中,对去噪后的人脸图像进行模糊增强处理,具体为:
(1)将去噪后的人脸图像分割成K个大小为M×N图像块;
(2)采用自定义的隶属度函数分别将分割得到的图像块由空间域变换到模糊域,并计算所有像素点的隶属度值,其中,自定义的隶属度函数为:
当时,
当时,
式中,为第k个图像块中第m行第n列的像素点的隶属度值,其中,k=1,2,…,K,m=1,2,…,M,n=1,2,…,N;为第k个图像块的最大灰度值,为第k个图像块的最小灰度值,gmax为去噪后的人脸图像的最大灰度值,gmin为去噪后的人脸图像的最小灰度值,为设定的第k个图像块的灰度阈值,为第k个图像块中第m行第n列的像素点的灰度值,τ为隶属度因子,其满足τ≥1;
(3)在模糊域中,利用非线性变换公式对得到的像素点的隶属度值进行修正,得到修正后的像素点的隶属度值;
式中,为第k个图像块中第m行第n列的像素点的修正后的隶属度值,为第k个图像块中第m行第n列的像素点的隶属度值,为的隶属度阈值,可由步骤(2)的隶属度函数计算得到;
(4)把修正后的像素点的隶属度值转换为相应像素点的灰度值,得到模糊增强后的人脸图像,其中,把第k个图像块中第m行第n列的像素点的修正后的隶属度值转换为其灰度值的式子是:
当时,
当时,
式中,为逆变换后得到的第k个图像块中第m行第n列的像素点的灰度值,修正后的隶属度值,为修正后的第k个图像块的隶属度阈值,其可由步骤(3)中的式子计算得到;
遍历所有图像块,所有像素点构成的集合即为模糊增强后的人脸图像。
有益效果:利用自定义的隶属度函数将去噪后的人脸图像从空间域变换到模糊域,使之在模糊域中,各个图像块中的像素点灰度值映射在[0,1]区间。通过设定每个图像块的隶属度阈值根据每个图像块中各个像素点的灰度值大小以及去噪后的视频图像的最大灰度值以及最小灰度值,将每个图像块分为灰度级较高的区域和灰度级较低的区域,并分别在这两个区域内用不同的隶属度函数求解区域内像素点的隶属度值,这样做可以削弱灰度级较低的部分,使相应的像素点的灰度级更低,同时增强灰度级较高的部分,使相应的像素点的灰度级更高,以此来达到图像增强的目的;通过在模糊域中完成对去噪后的人脸图像的增强处理,使得去噪后的人脸图像得到有效增强,使得整个增强后的人脸图像变亮的同时,能够更好的保留人脸图像中的细节特征,有利于后续对购买者身份的准确识别。
在一个优选实施例中,的值还可以利用下式求解得到:
式中,为第k个图像块的灰度值阈值,为去噪后的人脸图像的平均灰度值,为第k个图像块中第m行第n列位置处的像素点的灰度值,表示第k个图像块中所有像素点的灰度值的中值,γ1、γ2为权重系数。
有益效果:本实施例中,利用上述方法求解各个图像块的灰度值阈值,该方法不仅考虑了去噪后的人脸图像的平均灰度值与图像块中各个像素点灰度值的差的平方和,还考虑了图像块中像素点的中值的影响,该方法得到的图像块的灰度值阈值能够自适应的将相应图像块由空间域变换到模糊域,进而实现在模糊域中对各个图像块的增强操作,该方法能够对相应图像块的细节特征进行有效增强,同时抑制了残余噪声的影响。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种具有人脸识别的自动售货机,其特征在于,包括自动售货机本体和设置在所述自动售货机本体上的人脸支付系统;所述自动售货机本体与所述人脸支付系统进行信息交互;
所述人脸支付系统,用于当购买者选择好商品后,通过所述的人脸支付系统完成支付操作;
所述人脸支付系统包括人脸采集模块、处理器、人脸匹配模块和支付模块;
所述人脸采集模块,用于采集购买者的人脸图像;
所述处理器,用于对采集的人脸图像进行处理,提取购买者的人脸特征;
所述人脸匹配模块,用于将提取到的人脸特征和预存储的每一个人的人脸特征进行匹配,确定购买者的身份信息并输出购买者的身份信息至所述支付模块;
所述支付模块,用于接收购买者的身份信息和商品金额信息以完成支付操作。
2.根据权利要求1所述的自动售货机,其特征在于,所述人脸支付系统还包括数据库,所述数据库用于存储每一个人的人脸特征以及相关联的账户信息。
3.根据权利要求1所述的自动售货机,其特征在于,所述人脸采集模块为CCD相机。
4.根据权利要求1所述的自动售货机,其特征在于,所述处理器为单片机。
5.根据权利要求1所述的自动售货机,其特征在于,所述处理器包括平滑单元、增强单元和特征提取单元;
所述平滑单元,用于对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声;
所述增强单元,用于对去噪后的人脸图像进行模糊增强处理;
所述特征提取单元,用于从增强处理后的人脸图像中提取人脸图像特征值。
6.根据权利要求5所述的自动售货机,其特征在于,所述对采集的人脸图像进行平滑处理,去除所述人脸图像中的随机噪声,具体为:
(1)对采集的人脸图像进行小波变换,得到一组小波变换系数S={s1,s2,…,sn},n为小波系数的个数;
(2)利用下式对得到的小波系数进行估计,得到小波系数的估计值;
式中,为第i个小波系数的估计值,i=1,2,…,n;s1为第i个小波系数,T1为设定的阈值下限值,T2为设定的阈值上限值,|s|max为高频小波系数的绝对值的最大值,|s|min为高频小波系数的绝对值的最小值,c为一比例因子,其取值为0<c≤1,其用于控制小波系数的收缩程度;sgn(f)为符号函数,f为正数时,取1,为负数时,取-1;
(3)对得到的小波系数的估计值进行小波重构,即可得到去噪后的人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527708.7A CN109509299A (zh) | 2018-12-13 | 2018-12-13 | 一种具有人脸识别的自动售货机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527708.7A CN109509299A (zh) | 2018-12-13 | 2018-12-13 | 一种具有人脸识别的自动售货机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109509299A true CN109509299A (zh) | 2019-03-22 |
Family
ID=65752381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811527708.7A Withdrawn CN109509299A (zh) | 2018-12-13 | 2018-12-13 | 一种具有人脸识别的自动售货机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509299A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222582A (zh) * | 2021-05-10 | 2021-08-06 | 广东便捷神科技股份有限公司 | 一种人脸支付零售终端机 |
CN113393198A (zh) * | 2021-06-29 | 2021-09-14 | 绵阳九洲北斗新时空能源有限公司 | 一种基于北斗导航的物流电商服务平台系统 |
CN113570420A (zh) * | 2021-09-23 | 2021-10-29 | 枣庄职业学院 | 一种基于大数据的自动售卖数据调整方法 |
CN113887540A (zh) * | 2021-12-06 | 2022-01-04 | 深圳佳特安科技有限公司 | 一种人脸识别售货柜识别方法及系统 |
-
2018
- 2018-12-13 CN CN201811527708.7A patent/CN109509299A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222582A (zh) * | 2021-05-10 | 2021-08-06 | 广东便捷神科技股份有限公司 | 一种人脸支付零售终端机 |
CN113222582B (zh) * | 2021-05-10 | 2022-03-08 | 广东便捷神科技股份有限公司 | 一种人脸支付零售终端机 |
CN113393198A (zh) * | 2021-06-29 | 2021-09-14 | 绵阳九洲北斗新时空能源有限公司 | 一种基于北斗导航的物流电商服务平台系统 |
CN113570420A (zh) * | 2021-09-23 | 2021-10-29 | 枣庄职业学院 | 一种基于大数据的自动售卖数据调整方法 |
CN113887540A (zh) * | 2021-12-06 | 2022-01-04 | 深圳佳特安科技有限公司 | 一种人脸识别售货柜识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509299A (zh) | 一种具有人脸识别的自动售货机 | |
CN105760859B (zh) | 基于多任务卷积神经网络的网纹人脸图像识别方法及装置 | |
CN108520216B (zh) | 一种基于步态图像的身份识别方法 | |
CN109829443A (zh) | 基于图像增强与3d卷积神经网络的视频行为识别方法 | |
Yu et al. | Vision-based hand gesture recognition using combinational features | |
CN102831403B (zh) | 一种基于指纹特征点的识别方法 | |
CN106548159A (zh) | 基于全卷积神经网络的网纹人脸图像识别方法与装置 | |
CN104021207A (zh) | 一种基于图像的食物信息提供方法 | |
CN102844766A (zh) | 基于人眼图像的多特征融合身份识别方法 | |
CN107293011B (zh) | 一种智能家居的门禁系统 | |
CN104143091B (zh) | 基于改进mLBP的单样本人脸识别方法 | |
CN106991380A (zh) | 一种基于掌静脉图像的预处理方法 | |
CN101615244A (zh) | 手写板坯号自动识别方法及识别装置 | |
CN107516083A (zh) | 一种面向识别的远距离人脸图像增强方法 | |
CN110008793A (zh) | 人脸识别方法、装置及设备 | |
CN104484669A (zh) | 基于三维人脸识别的手机支付方法 | |
CN110188639A (zh) | 人脸图像处理方法及其系统、计算机设备、可读存储介质 | |
CN108932449A (zh) | 一种基于聚类的条码二值化方法及系统 | |
CN114596608B (zh) | 一种基于多线索的双流视频人脸伪造检测方法及系统 | |
Guo et al. | Multifeature extracting CNN with concatenation for image denoising | |
CN109658627A (zh) | 一种基于区块链的智能物流取件系统 | |
CN109522865A (zh) | 一种基于深度神经网络的特征加权融合人脸识别方法 | |
Han et al. | Locally adaptive contrast enhancement using convolutional neural network | |
CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 | |
CN103632357B (zh) | 一种基于光照分离的图像超分辨率增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190322 |
|
WW01 | Invention patent application withdrawn after publication |