CN110321792A - 无卡取现方法、装置、设备及计算机可读存储介质 - Google Patents
无卡取现方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110321792A CN110321792A CN201910431988.XA CN201910431988A CN110321792A CN 110321792 A CN110321792 A CN 110321792A CN 201910431988 A CN201910431988 A CN 201910431988A CN 110321792 A CN110321792 A CN 110321792A
- Authority
- CN
- China
- Prior art keywords
- user
- card
- identity
- enchashment
- identity information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000001727 in vivo Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
-
- 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
-
- 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
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
- G07F19/203—Dispensing operations within ATMs
Abstract
本发明涉及人工智能技术领域，公开了一种无卡取现方法，其包括以下步骤：获取用户输入的身份信息；基于所述身份信息，获取与所述身份信息匹配的身份核验照片；实时获取前端采集的用户头部图像，并进行活体检测；若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；若人脸比对通过，则基于用户输入的取款密码进行无卡取现。本发明还公开了一种无卡取现装置、设备及计算机可读存储介质。本发明在保证与持卡取现同等安全等级的前提下，为用户提供了更为快捷便利的无卡取现方式，满足了用户需求，提高了用户使用体验。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种无卡取现方法、装置、设备及计算机可读存储介质。
背景技术
传统ATM取款机通常是基于银行卡片加密码的方式进行取现的，如果需要取现用户必须持银行卡以及密码到ATM进行取现操作，如果用户忘记带银行卡，则无法进行取现操作。
近些年来，随着通信网络技术在金融领域的不断应用与升级，很多银行ATM机也开始逐渐支持无卡取现，例如，通过网银预约实现无卡取现。持卡人登录信用卡官网预约取款，预约成功后，持卡人可以在预约时间内，到任何一个所预约银行的ATM机上，凭借相关信息和验证码实现无卡取款。或者用户开通手机银行，然后通过银行客户端APP实现无卡取现。例如，用户使用手机打开银行客户端APP扫描ATM机上的二维码，然后进行相关操作即可实现无卡取现。
现有技术中尽管实现了无卡取现的功能，但是，基于安全性等方面的考量，使用该功能用户必须要预先进行无卡取款预约并获得预约信息，或者必须携带安装有银行客户端APP进行取现，否则无法进行无卡取现。倘若用户临时需要取现并且未携带手机，则不能进行无卡取现，进而无法满足用户需求。
发明内容
本发明的主要目的在于提供一种无卡取现方法、装置、设备及计算机可读存储介质，旨在解决现有无卡取现模式适用范围较窄而无法满足用户无卡取现需求的技术问题。
为实现上述目的，本发明提供一种无卡取现方法，所述无卡取现方法包括以下步骤：
获取用户输入的身份信息；
基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
实时获取前端采集的用户头部图像，并进行活体检测；
若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
可选地，在所述获取用户输入的身份信息的步骤之前，还包括：
获取用户上传的身份证照片；
提取所述身份证照片中的用户头像，并将所述用户头像作为用户的身份核验照片；
所述基于所述身份信息，获取与所述身份信息匹配的身份核验照片包括：
基于所述身份信息，获取本地保存的与所述身份信息匹配的身份核验照片。
可选地，所述基于所述身份信息，获取与所述身份信息匹配的身份核验照片包括：
基于所述身份信息，请求人行服务器，以获取与所述身份信息匹配的用户预先在公安系统登记的身份证头像照片，并将所述身份证头像照片作为所述身份核验照片。
可选地，所述实时获取前端采集的用户头部图像，并进行活体检测包括：
实时获取前端基于双目摄像头采集的用户头部图像，获得双目用户头部图像；
基于所述双目用户头部图像，进行活体检测。
可选地，所述基于所述双目用户头部图像，进行活体检测包括：
基于预置双目立体匹配算法，计算所述双目用户头部图像对应的视差图像；
将所述视差图像转换为深度图像，并计算所述深度图像的灰度共生矩阵；
从所述灰度共生矩阵中提取所述深度图像的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量；
将所述灰度共生矩阵特征向量输入预置活体分类模型进行分类，得到分类结果；
基于所述分类结果，判定所述双目用户头部图像对应的检测对象是否为活体。
可选地，所述若人脸比对通过，则基于用户输入的取款密码进行无卡取现包括：
若人脸比对通过，则获取用户输入的取款密码并进行验证；
若验证通过，则推送取款额度提示信息；
获取用户输入的取款金额，并判断所述取款金额是否小于所述取款额度；
若是，则执行取现操作。
可选地，在所述若人脸比对通过，则基于用户输入的取款密码进行无卡取现的步骤之后，还包括：
获取用户无卡取现全过程的监控视频以及取款记录；
将所述监控视频与所述取款记录进行绑定存储。
进一步地，为实现上述目的，本发明还提供一种无卡取现装置，所述无卡取现装置包括：
第一获取模块，用于获取用户输入的身份信息；
第二获取模块，用于基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
活体检测模块，用于实时获取前端采集的用户头部图像，并进行活体检测；
人脸识别模块，用于若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
取现操作模块，用于若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
可选地，所述无卡取现装置还包括：
第三获取模块，用于获取用户上传的身份证照片；
提取模块，用于提取所述身份证照片中的用户头像，并将所述用户头像作为用户的身份核验照片；
所述第二获取模块具体用于：基于所述身份信息，获取本地保存的与所述身份信息匹配的身份核验照片。
可选地，所述第二获取模块具体用于：
基于所述身份信息，请求人行服务器，以获取与所述身份信息匹配的用户预先在公安系统登记的身份证头像照片，并将所述身份证头像照片作为所述身份核验照片。
可选地，所述活体检测模块包括：
图像获取单元，用于实时获取前端基于双目摄像头采集的用户头部图像，获得双目用户头部图像；
活体检测单元，用于基于所述双目用户头部图像，进行活体检测。
可选地，所述活体检测单元具体用于：
基于预置双目立体匹配算法，计算所述双目用户头部图像对应的视差图像；
将所述视差图像转换为深度图像，并计算所述深度图像的灰度共生矩阵；
从所述灰度共生矩阵中提取所述深度图像的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量；
将所述灰度共生矩阵特征向量输入预置活体分类模型进行分类，得到分类结果；
基于所述分类结果，判定所述双目用户头部图像对应的检测对象是否为活体。
可选地，所述取现操作模块具体用于：
若人脸比对通过，则获取用户输入的取款密码并进行验证；
若验证通过，则推送取款额度提示信息；
获取用户输入的取款金额，并判断所述取款金额是否小于所述取款额度；
若是，则执行取现操作。
可选地，所述无卡取现装置还包括：
第四获取模块，用于获取用户无卡取现全过程的监控视频以及取款记录；
存储模块，用于将所述监控视频与所述取款记录进行绑定存储。
进一步地，为实现上述目的，本发明还提供一种无卡取现设备，所述无卡取现设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的无卡取现程序，所述无卡取现程序被所述处理器执行时实现如上述任一项所述的无卡取现方法的步骤。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有无卡取现程序，所述无卡取现程序被处理器执行时实现如上述任一项所述的无卡取现方法的步骤。
本发明采用人脸识别+取款密码的组合方式实现无卡取现，通过人脸识别方式验证用户身份，用户只需先输入简单的身份信息，然后站在ATM机前即可自动完成身份核验，然后即可使用取款密码进行取款。本发明的无卡取现方式无需任何的限定条件，比如说携带手机、提供预约码，进而为用户提供了更为快捷便利的无卡取现方式，满足了用户需求，提高了用户使用体验。在安全等级与持卡等同的情况下，以极为便捷的方式满足了非持卡客户的紧急资金需求，整个流程安全高效，提升了取现效率与客户体验。
附图说明
图1为本发明实施例方案涉及的无卡取现设备运行环境的结构示意图；
图2为本发明无卡取现方法第一实施例的流程示意图；
图3为本发明无卡取现方法第二实施例的流程示意图；
图4为图2中步骤S30一实施例的细化流程示意图；
图5为图4中步骤S302一实施例的细化流程示意图；
图6为图2中步骤S50一实施例的细化流程示意图；
图7为本发明无卡取现方法第三实施例的流程示意图；
图8为本发明无卡取现装置一实施例的功能模块示意图；
图9为本发明无卡取现装置一实施例的应用场景示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种无卡取现设备。
参照图1，图1为本发明实施例方案涉及的无卡取现设备运行环境的结构示意图。
如图1所示，该无卡取现设备包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的无卡取现设备的硬件结构并不构成对无卡取现设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无卡取现程序。其中，操作系统是管理和控制无卡取现设备和软件资源的程序，支持无卡取现程序以及其它软件和/或程序的运行。
在图1所示的无卡取现设备的硬件结构中，网络接口1004主要用于接入网络；用户接口1003主要用于侦测确认指令和编辑指令等。而处理器1001可以用于调用存储器1005中存储的无卡取现程序，并执行以下法律文书数据处理方法的各实施例的操作。
基于上述无卡取现设备硬件结构，提出本发明无卡取现方法的各个实施例。
参照图2，图2为本发明无卡取现方法第一实施例的流程示意图。本实施例中，所述无卡取现方法包括以下步骤：
步骤S10，获取用户输入的身份信息；
本实施例中，为实现用户无卡取现，需要用户先在ATM上输入自己的身份信息，从而便于银行后台服务器快速确认用户身份。本实施对于用户输入的身份信息不限。比如姓名、出生年月等，或者手机号码、身份证号码、护照号码等。需要说明的是，用户输入的身份信息需要能够唯一确定一个用户，从而避免身份信息对应多个用户而无法进行身份验证，比如同姓名用户。
为简化用户输入内容，同时身份信息能够确定唯一一个用户，因此，优选用户输入的身份信息为身份证号码或者手机号码。
步骤S20，基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
通常，能够在ATM机上进行无卡取现的用户必然是已经在银行注册登记过的用户，因此，本实施例中，银行后台服务器能够基于用户输入的身份信息而确定唯一对应的用户，从而进一步获取该用户的身份核验照片。
本实施例对于身份核验照片的来源不限，比如用户的身份核验照片既可以是用户在银行开户时由银行拍摄留存的，也可以是用户在公安系统内录入的身份证照片，同时人民银行可以从公安系统内获取到用户的身份证照片。
步骤S30，实时获取前端采集的用户头部图像，并进行活体检测；
本实施例中，在执行无卡取现操作之前，还需进一步对用户身份的合法性进行核实，因此控制前端ATM机或者安装在ATM机上的图像采集终端采集用户头部图像，然后对用户头部图像进行活体检测。
本实施例对于活体检测的具体实现方式不限。通过活体检测技术可以避免用户使用面具、照片等手段蒙骗过关。
步骤S40，若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
本实施例中，若活体检测通过，则可对采集的用户头部图像进行身份验证，具体与获得的该用户的身份核验照片进行人脸比对。本实施例对于人脸比对具体实现方式不限。比如先分别提取用户头部图像与身份核验照片的人脸特征，然后进行人脸特征比对，若人脸特征匹配率超过预设阈值，比如90％，则可确定人脸比对通过，也即当前用户为银行合法用户。
步骤S50，若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
本实施例的无卡取现条件为：人脸识别+取款密码，若人脸比对通过，也即确定当期用户身份合法，则用户可通过取款密码进行无卡取现。例如，用户通过人脸比对后，ATM机会提示用户输入取款密码，然后进入取款流程。
本实施例采用人脸识别+取款密码的组合方式实现无卡取现，通过人脸识别方式验证用户身份，用户只需先输入简单的身份信息，然后站在ATM机前即可自动完成身份核验，然后即可使用取款密码进行取款。本发明的无卡取现方式无需任何的限定条件，比如说携带手机、提供预约码，进而为用户提供了更为快捷便利的无卡取现方式，满足了用户需求，提高了用户使用体验。
参照图3，图3为本发明无卡取现方法第二实施例的流程示意图。基于上述无卡取现方法第一实施例，本实施例中，在上述步骤S10之前，还包括：
步骤S01，获取用户上传的身份证照片；
步骤S02，提取所述身份证照片中的用户头像，并将所述用户头像作为用户的身份核验照片；
上述步骤S20具体包括：
基于所述身份信息，获取本地保存的与所述身份信息匹配的身份核验照片。
本实施例中，用户在进行无卡取现之前，比如开户时，需要上传自己的身份证照片到银行系统中，银行ATM机的后台服务器获取用户上传的身份证照片并提取其中的用户头像，然后将该用户头像作为用户的身份核验照片，也即将身份核验照片与用户身份信息进行关联保存。
当用户在ATM机上发起无卡取现请求时，在ATM机上显示身份信息输入界面，然后获取用户输入的身份信息，并基于该身份信息，获取本地保存的该用户的身份核验照片，以供用于进行人脸对比。
进一步可选的，在本发明无卡取现方法一实施例中，还可以从中国人民银行的人行服务器获得用户的身份证头像，具体实现方式为：
无卡取现设备基于用户输入的身份信息，请求人行服务器，以获取与所述身份信息匹配的用户预先在公安系统登记的身份证头像照片，并将所述身份证头像照片作为所述身份核验照片。
本实施例中，通常最具公信力的用户头像照片即为用户身份证上所使用的照片，同时，人行服务器中都保存有全国用户预先在公安系统登记的身份证头像照片。
本实施例中，银行后台服务器向人行服务器发起身份证头像照片获取请求，进而从人行服务器获取到与用户输入的身份信息相匹配的身份证头像照片，并将该身份证头像照片作为当前无卡取现用户的身份核验照片。
参照图4，图4为图2中步骤S30一实施例的细化流程示意图。本实施例中，上述步骤S30进一步包括：
步骤S301，实时获取前端基于双目摄像头采集的用户头部图像，获得双目用户头部图像；
步骤S302，基于所述双目用户头部图像，进行活体检测。
本实施例中，为提升用户身份核验的准确性，因此采用双目摄像头采集用户头部图像。其中，双目摄像头是指具有两个摄像头的摄像装置，相对于单目摄像头采集的图像而言，双目摄像头能分别从两个不同角度采集图像，也即可以同时采集到不同角度对应的两份用户头部图像(也即双目用户头像)。
本实施例中，由于双目用户头部图像携带有更多的信息，进而更利于进行活体检测并且检测结果具有较高的可信度。比如不同角度下用户脸部的光线特征不一样，则使用双目摄像头拍摄得到的图像也具有不一样的纹理特征，而该纹理特征是难以通过照片、面具等方式伪造出来的，因此具有较高的防伪能力。
参照图5，图5为图4中步骤S302一实施例的细化流程示意图。本实施例中，上述步骤S302进一步包括：
步骤S3021，基于预置双目立体匹配算法，计算所述双目用户头部图像对应的视差图像；
本实施例中，通过双目摄像头采集的用户头部图像包括左视图用户头部图像与右视图用户头部图像，通过双目立体匹配算法可获得左右视图对应的视差图像。
本实施例对于预置的双目立体匹配算法不限，例如SAD(Sum of AbsoluteDifferences)算法、SSD(Sum of Square Differences)算法等。
本实施例中，通过双目立体匹配算法计算双目用户头部图像对应的视差图像的处理流程如下：
(1)进行匹配代价计算
匹配代价计算的目的是衡量待匹配像素与候选像素之间的相关性。两个像素无论是否为同名点，都可以通过匹配代价函数计算匹配代价，代价越小则说明相关性越大，是同名点的概率也越大。
每个像素在搜索同名点之前，往往会指定一个视差搜索范围D，视差搜索时将范围限定在D内，用一个大小为W×H×D(W为图像宽度，H为图像高度)的三维矩阵C来存储每个像素在视差范围内每个视差下的匹配代价值。矩阵C通常称为DSI(Disparity Space Image)。
匹配代价计算的方法有很多，例如灰度绝对值差、灰度绝对值差之和、归一化相关系数等方法来计算两个像素的匹配代价。
(2)对匹配代价进行聚合
代价聚合的根本目的是让代价值能够准确的反映像素之间的相关性。上一步匹配代价的计算往往只会考虑局部信息，通过两个像素邻域内一定大小的窗口内的像素信息来计算代价值，这很容易受到图像噪声的影响，而且当图像处于弱纹理或重复纹理区域，这个代价值极有可能无法准确的反映像素之间的相关性。
因此，通过代价聚合建立邻接像素之间的联系，以一定的准则(如相邻像素应该具有连续的视差值)来对代价矩阵进行优化。每个像素在某个视差下的新代价值都会根据其相邻像素在同一视差值或者附近视差值下的代价值来重新计算，得到新的DSI。常用的代价聚合方法有扫描线法、动态规划法、SGM算法中的路径聚合法等。
(3)计算视差图像
视差图像计算是通过代价聚合之后的代价矩阵S来确定每个像素的最优视差值，通常使用赢家通吃算法(WTA，Winner-Takes-All)来计算，即某个像素的所有视差下的代价值中，选择最小代价值所对应的视差作为最优视差。
(4)对视差图像进行优化
视差图像优化的目的是对上一步得到的视差图像进一步优化，改善视差图像的质量，包括剔除错误视差、适当平滑以及子像素精度优化等处理，一般采用左右一致性检查(Left-Right Check)算法剔除因为遮挡和噪声而导致的错误视差；采用剔除小连通区域算法来剔除孤立异常点；采用中值滤波(Median Filter)、双边滤波(Bilateral Filter)等平滑算法对视差图像进行平滑。
步骤S3022，将所述视差图像转换为深度图像，并计算所述深度图像的灰度共生矩阵；
本实施例中，在获得双目用户头部图像对应的视差图像后，通过以下视差与深度的转换公式，可将视差图像转换为深度图像：
depth＝(f*baseline)/disp；
上式中，depth表示深度图的深度值，f表示归一化的焦距，baseline表示两个相机光心之间的距离，称作基线距离；disp表示视差值。视差的单位是像素表示，深度值的单位往往是毫米表示。
在获得深度图像后，需进一步计算深度图像的灰度共生矩阵。灰度共生矩阵是对图像上保持某距离的两像素分别具有某灰度的状况进行统计得到的。假设取图像(N×N)中任意一点(x，y)及偏离它的另一点(x+a，y+b)，设该点对的灰度值为(g1，g2)。令点(x，y)在整个图像上移动，则会得到各种(g1，g2)值，设灰度值的级数为k，则(g1，g2)的组合共有k的平方种。对于整个图像，统计出每一种(g1，g2)值出现的次数，然后排列成一个矩阵，再用(g1，g2)出现的总次数将它们归一化为出现的概率P(g1，g2)，则得到的矩阵称为灰度共生矩阵。图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度等综合信息。
步骤S3023，从所述灰度共生矩阵中提取所述深度图像的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量；
由于灰度共生矩阵的数据量较大，一般不直接作为区分纹理的特征，而是基于它构建的一些统计量作为区分纹理的特征，包括：能量、熵、对比度、均匀性、相关性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相关信息测度以及最大相关系数。
本实施例中具体以上述基于灰度共生矩阵所生成的统计量作为深度图像的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量。
步骤S3024，将所述灰度共生矩阵特征向量输入预置活体分类模型进行分类，得到分类结果；
步骤S3025，基于所述分类结果，判定所述双目用户头部图像对应的检测对象是否为活体。
本实施例中，在获得人脸深度图的灰度共生矩阵后，提取人脸深度图的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量，以便于采用支持向量机的活体分类模型，对灰度共生矩阵特征向量进行分类，最后根据分类结果，确定当前检测对象是否为活体。
其中，在进行活体检测之前，预先从大量活体以及非活体用户的人脸图像中提取灰度共生矩阵特征向量，并进行活体与非活体的样本标记，然后再以灰度共生矩阵特征向量为训练样本进行机器学习，得到能够识别活体与非活体的活体分类模型，使得该活体分类模型能够基于灰度共生矩阵特征向量进行活体检测。
现有活体检测方式通常采用的是基于用户动作的活体检测，用户需要按照系统给出的动作指令作出相应动作，也即现有活体检测方式需要用户予以配合。本实施例基于双目摄像头进行活体检测，用户无需动作上的配合即可完成检测，并且活体检测结果更为可信与准确。
参照图6，图6为图2中步骤S50一实施例的细化流程示意图。本实施例中，基于上述无卡取现方法第一实施例，本实施例中，上述步骤S50进一步包括：
步骤S501，若人脸比对通过，则获取用户输入的取款密码并进行验证；
步骤S502，若验证通过，则推送取款额度提示信息，否则报错；
步骤S503，获取用户输入的取款金额，并判断所述取款金额是否小于所述取款额度；
步骤S504，若是，则执行取现操作，否则报错。
本实施例中，若人脸比对通过，也即当前待取现用户身份合法时，可允许该用户进行无卡取现操作，ATM机提示用户验证通过可进行无卡取现，并显示密码输入界面。银行后台服务器获取用户输入的取款密码并进行验证，具体验证方式不限。例如，基于用户输入的身份信息，可以获得该用户在本银行内的银行卡号以及取款密码，若该用户在同一银行存在多个银行卡号，则可以让用户选择需要取款的卡号，或者由用户通过APP客户端或柜台预先指定无卡取现绑定的银行卡号。
本实施例中，对于无卡取现，用户可自定义设置一个相对保险的取款额度，比如设置为同一天内最高可无卡取现1000元，从而在给予用户取款便利性的同时，进一步提升了用户账户安全性。
参照图7，图7为本发明无卡取现方法第三实施例的流程示意图。基于上述无卡取现方法第一实施例，本实施例中，在上述步骤S50之后还包括：
步骤S60，获取用户无卡取现全过程的监控视频以及取款记录；
步骤S70，将所述监控视频与所述取款记录进行绑定存储。
为便于进一步保证用户银行账户的安全性，同时维护银行自身的合法权益，本实施例中，针对用户的每一次无卡取现，银行后台服务器都会将用户无卡取现全过程的监控视频以及取款记录捆绑存储，通过监控视频，可了解取款人的真实身份以及取款情况，进而避免他人非法窃取用户账户资金，同时也避免某些用户恶意诬陷银行。
本发明还提供一种无卡取现装置。
参照图8，图8为本发明无卡取现装置一实施例的功能模块示意图。本实施例中，所述无卡取现装置包括：
第一获取模块10，用于获取用户输入的身份信息；
第二获取模块20，用于基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
活体检测模块30，用于实时获取前端采集的用户头部图像，并进行活体检测；
人脸识别模块40，用于若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
取现操作模块50，用于若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
本实施例对于无卡取现装置的具体部署方式形式不限。比如无卡取现装置部署在银行后台服务器上，并可与第三方服务器进行交互。对于第三方服务器不限，比如可以是人民银行的相关服务器、公安系统的相关服务器等。
为便于理解本发明的无卡取现方式与流程，下面具体以无卡取现装置部署在银行后台服务器上进行举例说明，如图9所示。
假设用户既没有携带银行卡，也没有携带手机，并且也没有提前预约取款，则在此情形下，用户可通过银行后台服务器实现无卡取现：用户先在ATM机上输入简单的身份信息，比如手机号、身份证号，然后用户站在ATM机前，由银行后台服务器控制ATM机采集用户头像信息，并与人行服务器进行交互，从而自动完成用户身份信息的核验；在身份信息核验成功后，用户只需手动输入取款密码即可进行取款，进而为用户提供了更为快捷便利的无卡取现方式，满足了用户需求，提高了用户使用体验，并且在安全等级与持卡等同的情况下，以极为便捷的方式满足了非持卡客户的紧急资金需求，整个流程安全高效，提升了取现效率。
本发明还提供一种计算机可读存储介质。
本实施例中，所述计算机可读存储介质上存储有无卡取现程序，所述无卡取现程序被处理器执行时实现如上述任一项实施例中所述的无卡取现方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。
Claims (10)
1.一种无卡取现方法，其特征在于，所述无卡取现方法包括以下步骤：
获取用户输入的身份信息；
基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
实时获取前端采集的用户头部图像，并进行活体检测；
若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
2.如权利要求1所述的无卡取现方法，其特征在于，在所述获取用户输入的身份信息的步骤之前，还包括：
获取用户上传的身份证照片；
提取所述身份证照片中的用户头像，并将所述用户头像作为用户的身份核验照片；
所述基于所述身份信息，获取与所述身份信息匹配的身份核验照片包括：
基于所述身份信息，获取本地保存的与所述身份信息匹配的身份核验照片。
3.如权利要求1所述的无卡取现方法，其特征在于，所述基于所述身份信息，获取与所述身份信息匹配的身份核验照片包括：
基于所述身份信息，请求人行服务器，以获取与所述身份信息匹配的用户预先在公安系统登记的身份证头像照片，并将所述身份证头像照片作为所述身份核验照片。
4.如权利要求1-3中任一项所述的无卡取现方法，其特征在于，所述实时获取前端采集的用户头部图像，并进行活体检测包括：
实时获取前端基于双目摄像头采集的用户头部图像，获得双目用户头部图像；
基于所述双目用户头部图像，进行活体检测。
5.如权利要求4所述的无卡取现方法，其特征在于，所述基于所述双目用户头部图像，进行活体检测包括：
基于预置双目立体匹配算法，计算所述双目用户头部图像对应的视差图像；
将所述视差图像转换为深度图像，并计算所述深度图像的灰度共生矩阵；
从所述灰度共生矩阵中提取所述深度图像的纹理特征，并将各纹理特征级联成灰度共生矩阵特征向量；
将所述灰度共生矩阵特征向量输入预置活体分类模型进行分类，得到分类结果；
基于所述分类结果，判定所述双目用户头部图像对应的检测对象是否为活体。
6.如权利要求1所述的无卡取现方法，其特征在于，所述若人脸比对通过，则基于用户输入的取款密码进行无卡取现包括：
若人脸比对通过，则获取用户输入的取款密码并进行验证；
若验证通过，则推送取款额度提示信息；
获取用户输入的取款金额，并判断所述取款金额是否小于所述取款额度；
若是，则执行取现操作。
7.如权利要求1或6所述的无卡取现方法，其特征在于，在所述若人脸比对通过，则基于用户输入的取款密码进行无卡取现的步骤之后，还包括：
获取用户无卡取现全过程的监控视频以及取款记录；
将所述监控视频与所述取款记录进行绑定存储。
8.一种无卡取现装置，其特征在于，所述无卡取现装置包括：
第一获取模块，用于获取用户输入的身份信息；
第二获取模块，用于基于所述身份信息，获取与所述身份信息匹配的身份核验照片；
活体检测模块，用于实时获取前端采集的用户头部图像，并进行活体检测；
人脸识别模块，用于若活体检测通过，则将所述用户头部图像与所述身份核验照片进行人脸比对；
取现操作模块，用于若人脸比对通过，则基于用户输入的取款密码进行无卡取现。
9.一种无卡取现设备，其特征在于，所述无卡取现设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的无卡取现程序，所述无卡取现程序被所述处理器执行时实现如权利要求1-7中任一项所述的无卡取现方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有无卡取现程序，所述无卡取现程序被处理器执行时实现如权利要求1-7中任一项所述的无卡取现方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910431988.XA CN110321792A (zh) | 2019-05-23 | 2019-05-23 | 无卡取现方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910431988.XA CN110321792A (zh) | 2019-05-23 | 2019-05-23 | 无卡取现方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110321792A true CN110321792A (zh) | 2019-10-11 |
Family
ID=68118840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910431988.XA Pending CN110321792A (zh) | 2019-05-23 | 2019-05-23 | 无卡取现方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110321792A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111143798A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 安全验证方法及装置 |
| CN111242769A (zh) * | 2020-01-07 | 2020-06-05 | 深圳壹账通智能科技有限公司 | 身份验证方法、装置、设备及计算机可读存储介质 |
| WO2021128038A1 (zh) * | 2019-12-25 | 2021-07-01 | 深圳雾芯科技有限公司 | 辨识用户的装置及辨识用户的系统 |
| CN113066237A (zh) * | 2021-03-26 | 2021-07-02 | 中国工商银行股份有限公司 | 用于自动取款机的人脸活体检测识别方法以及自动取款机 |
| CN113222612A (zh) * | 2021-05-24 | 2021-08-06 | 中国银行股份有限公司 | 基于区块链的医保刷卡交易系统及方法 |
| CN113658388A (zh) * | 2021-08-18 | 2021-11-16 | 中国银行股份有限公司 | Atm及其取款方法 |
| CN116959184A (zh) * | 2023-07-05 | 2023-10-27 | 杭州易景数通科技有限公司 | 一种基于多模态数据的关联分析方法和系统 |
| CN116959184B (zh) * | 2023-07-05 | 2024-05-03 | 杭州易景数通科技有限公司 | 一种基于多模态数据的关联分析方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
| CN108682089A (zh) * | 2018-09-05 | 2018-10-19 | 上海聚虹光电科技有限公司 | 基于虹膜和人脸识别的自助无卡取款方法 |
-
2019
- 2019-05-23 CN CN201910431988.XA patent/CN110321792A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
| CN108682089A (zh) * | 2018-09-05 | 2018-10-19 | 上海聚虹光电科技有限公司 | 基于虹膜和人脸识别的自助无卡取款方法 |
Non-Patent Citations (5)
| Title |
|---|
| 李洪海: "一种改进的快速立体匹配方法", 《自动化与仪器仪表》 * |
| 李洪海: "基于移动机器人的快速立体匹配技术研究", 《西华大学学报（自然科学版）》 * |
| 段峰峰等: "基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取", 《计算机应用》 * |
| 许鑫, 上海交通大学出版社 * |
| 雷俊等: "适用于机器人视觉的图像分割方法", 《系统工程与电子技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021128038A1 (zh) * | 2019-12-25 | 2021-07-01 | 深圳雾芯科技有限公司 | 辨识用户的装置及辨识用户的系统 |
| CN111143798A (zh) * | 2019-12-31 | 2020-05-12 | 中国银行股份有限公司 | 安全验证方法及装置 |
| CN111242769A (zh) * | 2020-01-07 | 2020-06-05 | 深圳壹账通智能科技有限公司 | 身份验证方法、装置、设备及计算机可读存储介质 |
| CN113066237A (zh) * | 2021-03-26 | 2021-07-02 | 中国工商银行股份有限公司 | 用于自动取款机的人脸活体检测识别方法以及自动取款机 |
| CN113222612A (zh) * | 2021-05-24 | 2021-08-06 | 中国银行股份有限公司 | 基于区块链的医保刷卡交易系统及方法 |
| CN113222612B (zh) * | 2021-05-24 | 2024-02-23 | 中国银行股份有限公司 | 基于区块链的医保刷卡交易系统及方法 |
| CN113658388A (zh) * | 2021-08-18 | 2021-11-16 | 中国银行股份有限公司 | Atm及其取款方法 |
| CN116959184A (zh) * | 2023-07-05 | 2023-10-27 | 杭州易景数通科技有限公司 | 一种基于多模态数据的关联分析方法和系统 |
| CN116959184B (zh) * | 2023-07-05 | 2024-05-03 | 杭州易景数通科技有限公司 | 一种基于多模态数据的关联分析方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110321792A (zh) | 无卡取现方法、装置、设备及计算机可读存储介质 | |
| US10509951B1 (en) | Access control through multi-factor image authentication | |
| US9946865B2 (en) | Document authentication based on expected wear | |
| US10747971B2 (en) | Identification verification using a device with embedded radio-frequency identification functionality | |
| US10346675B1 (en) | Access control through multi-factor image authentication | |
| CN105989263A (zh) | 身份认证方法、开户方法、装置及系统 | |
| CN106899567A (zh) | 用户核身方法、装置及系统 | |
| CN107093066A (zh) | 业务实现方法和装置 | |
| CN105844206A (zh) | 身份认证方法及设备 | |
| CN102800017A (zh) | 基于人脸识别的身份核查系统 | |
| CN106600294B (zh) | 用于金融领域快速识别企业身份的方法及系统 | |
| CN110472579A (zh) | 业务处理中的身份审核方法、装置、设备及可读存储介质 | |
| CN107609364B (zh) | 用户身份确认方法和装置 | |
| CN110222486A (zh) | 用户身份验证方法、装置、设备及计算机可读存储介质 | |
| US11681883B2 (en) | Systems and methods of identification verification using near-field communication and optical authentication | |
| CN107038509A (zh) | 自助住宿管理系统 | |
| CN109034029A (zh) | 检测活体的人脸识别方法、可读存储介质和电子设备 | |
| KR101334744B1 (ko) | 무인대출 처리방법 | |
| CN106469269B (zh) | 一种密码管理的方法、装置及终端 | |
| US20200334430A1 (en) | Self-sovereign identity systems and methods for identification documents | |
| KR20140020389A (ko) | 스마트폰을 이용한 개인 스마트 뱅킹 서비스 방법 | |
| EP2947633A1 (en) | Automatic teller system for providing a banking service to a user operating the system, and method therefore | |
| CN110136304A (zh) | 支持全证件无门卡酒店入住登记自助机 | |
| WO2020232889A1 (zh) | 支票取现方法、装置、设备及计算机可读存储介质 | |
| EP3196829A1 (en) | Non-facing financial service system using user confirmation apparatus using parallel signature processing, and handwriting signature authentication technique |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |