CN110321793A - 支票取现方法、装置、设备及计算机可读存储介质 - Google Patents
支票取现方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110321793A CN110321793A CN201910432137.7A CN201910432137A CN110321793A CN 110321793 A CN110321793 A CN 110321793A CN 201910432137 A CN201910432137 A CN 201910432137A CN 110321793 A CN110321793 A CN 110321793A
- Authority
- CN
- China
- Prior art keywords
- check
- enchashment
- user
- password
- image
- 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 59
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000012795 verification Methods 0.000 claims abstract description 49
- 238000001727 in vivo Methods 0.000 claims abstract description 47
- 230000001815 facial effect Effects 0.000 claims abstract description 31
- 239000000284 extract Substances 0.000 claims description 14
- 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 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012015 optical character recognition Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000006116 polymerization reaction Methods 0.000 description 4
- 239000000835 fiber 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
- 230000006870 function Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change 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
- 239000004744 fabric Substances 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
- 230000007246 mechanism Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 238000012549 training 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
- G06Q20/40—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
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
-
- 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
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/06—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及人工智能技术领域，公开了一种支票取现方法、装置、设备及计算机可读存储介质，支票取现方法包括：对支票进行验真，当验真通过时，提取支票的票面信息；获取并关联存储用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像；当接收到用户输入的第一身份信息时，实时获取摄像头采集的用户头部图像，并进行活体检测；若活体检测通过，则将用户头部图像与第一人脸图像进行人脸比对；若人脸比对通过，则输出密码校验提示；接收用户输入的取现密码，若检测到取现密码与第一取现密码一致，则基于所述票面信息出钞。通过本发明，既提高了对支票取现业务的安全防护，也提高了用户办理支票取现业务的便捷性。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种支票取现方法、装置、设备及计算机可读存储介质。
背景技术
目前的支票取现流程，一般是银行设置有支票取现窗口，需要用户携带支票至支票取现窗口，由银行工作人员提供支票取现服务。但是，由于银行窗口并不是24小时都有工作人员值班，导致需要办理支票取现业务的用户，只有在规定的时间段内才能享受支票取现服务。对用户来说，办理支票取现业务不够便利。
发明内容
本发明的主要目的在于提供一种支票取现方法、装置、设备及计算机可读存储介质，旨在解决现有技术中用户无法自助办理支票取现业务的技术问题。
为实现上述目的，本发明提供一种支票取现方法，所述支票取现方法包括以下步骤：
对支票进行验真，当验真通过时，提取所述支票的票面信息；
获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头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第一人脸图像进行人脸比对；
若人脸比对通过，则输出密码校验提示；
接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。
可选地，所述对支票进行验真，当验真通过时，提取所述支票的票面信息的步骤包括：
获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度；
若相似度大于预设阈值，则验真通过，然后通过OCR技术提取所述支票的票面信息。
可选地，所述获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度的步骤包括：
向支票发射紫外光，获取紫外光照下所述支票的UR防伪底纹图像；
将所述UR防伪底纹图像与标准UR防伪底纹图像进行对比，得到相似度。
可选地，所述实时获取摄像头采集的用户头部图像，并进行活体检测的步骤包括：
实时获取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，进行活体检测的步骤包括：
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，所述接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞的步骤之后，还包括：
根据所述票面信息，确定开票用户，并基于当前时间及出钞金额，生成支票取现记录；
将所述支票取现记录发送至所述开票用户的终端。
可选地，所述将所述支票取现记录发送至所述开票用户的终端的步骤之后，还包括：
获取用户支票取现全过程的监控视频，并将所述监控视频以及支票取现记录关联存储。
此外，为实现上述目的，本发明还提供一种支票取现装置，所述支票取现装置包括：
验真模块，用于对支票进行验真，当验真通过时，提取所述支票的票面信息；
获取模块，用于获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
活体检测模块，用于当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头采集的用户头部图像，并进行活体检测；
人脸对比模块，用于若活体检测通过，则将所述用户头部图像与所述第一人脸图像进行人脸比对；
提示模块，用于若人脸比对通过，则输出密码校验提示；
出钞模块，用于接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。
可选地，所述验真模块包括：
验真子单元，用于获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度；
提取子单元，用于若相似度大于预设阈值，则验真通过，然后通过OCR技术提取所述支票的票面信息。
可选地，所述验真子单元包括：
底纹图像获取子子单元，用于向支票发射紫外光，获取紫外光照下所述支票的UR防伪底纹图像；
验真子子单元，用于将所述UR防伪底纹图像与标准UR防伪底纹图像进行对比，得到相似度。
可选地，活体检测模块包括：
头部图像获取单元，用于实时获取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，所述活体检测单元包括：
第一计算子单元，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；
第二计算子单元，用于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；
级联子单元，用于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；
分类子单元，用于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；
判定子单元，用于基于所述分类结果，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，所述支票取现装置还包括：
记录模块，用于根据所述票面信息，确定开票用户，并基于当前时间及出钞金额，生成支票取现记录；
通知模块，用于将所述支票取现记录发送至所述开票用户的终端。
可选地，所述支票取现装置还包括：
证据存储单元，用于获取用户支票取现全过程的监控视频，并将所述监控视频以及支票取现记录关联存储。
此外，为实现上述目的，本发明还提供一种支票取现设备，所述支票取现设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的支票取现程序，所述支票取现程序被所述处理器执行时实现如上所述的支票取现方法的步骤。
此外，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支票取现程序，所述支票取现程序被处理器执行时实现如上所述的支票取现方法的步骤。
本发明中，对支票进行验真，当验真通过时，提取所述支票的票面信息；获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头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第一人脸图像进行人脸比对；若人脸比对通过，则输出密码校验提示；接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。通过本发明，既提高了对支票取现业务的安全防护，也提高了用户办理支票取现业务的便捷性。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的支票取现设备结构示意图；
图2为本发明支票取现方法第一实施例的流程示意图；
图3为图2中步骤S10的细化流程示意图；
图4为本发明支票取现装置一实施例的功能模块示意图。
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仅用以解释本发明，并不用于限定本发明。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的支票取现设备结构示意图。
如图1所示，该支票取现设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。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)，可选用户接口1003还可以包括标准的有线接口、无线接口。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中示出的支票取现设备结构并不构成对支票取现设备的限定，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、用户接口模块以及支票取现程序。
在图1所示的支票取现设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的支票取现程序，并执行以下支票取现方法的各个实施例的操作。
参照图2，图2为本发明支票取现方法第一实施例的流程示意图。
本发明支票取现方法第一实施例中，支票取现方法包括：
步骤S10，对支票进行验真，当验真通过时，提取所述支票的票面信息；
本实施例中，支票取现方法应用于支票取现设备/装置，该设备/装置集成了多个子设备，包括：子设备1(支票验真机)、子设备2(服务器)、子设备3(出钞机)。
本实施例中，可以通过支票验真机，针对支票的防伪点，对支票进行验真。对于支票来说，均使用了防伪工艺，例如所有支票中都增加有新型荧光纤维且采用双色底纹印刷。可以通过支票验真机检验支票中是否含有该新型荧光纤维，或检验支票的底纹是否是双色底纹，若支票中含有该新型荧光纤维和/或支票的底纹是双色底纹，则验真通过。当验真通过时，则提取支票的票面信息。本实施例中，可通过OCR识别技术提取支票的票面信息，票面信息包括：出票日期、付款行名称、出票人账号、出钞金额等信息(具体根据实际需要进行扩充或缩减，在此不作限制)。
步骤S20，获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
本实施例中，当步骤S10处理完成后，可输出提示信息，例如提示用户通过预置的键盘(实体键盘或屏幕上的虚拟键盘)输入第一身份信息以及第一取款密码。其中，第一身份信息可以是身份证号码A或电话号码B等，第一取款密码可以是6位数的数字密码。用户在输入第一身份信息后，点击确认键，然后再输入第一取款密码，点击确认键，则认定第一身份信息、第一取现密码输入完成，并启用摄像头对用户进行拍摄，得到第一人脸图片。将获取的第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储。例如，存储在银行或其他安全机构的数据库中。
步骤S30，当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头采集的用户头部图像，并进行活体检测；
本实施例中，当用户需要支票取现时，首先输入之前预留的身份信息(即在步骤S20中输入的第一身份信息)。例如，当前用户输入的身份信息为身份证号码A，在银行数据库中进行检索，确认身份证号码A存储于银行数据库中，则启用摄像头，并获取摄像头采集用户头部图像，然后根据用户头部图像，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、照片等手段实施欺诈。
步骤S40，若活体检测通过，则将所述用户头部图像与所述第一人脸图像进行人脸比对；
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，具体与之前获得的该用户的第一人脸图像(即步骤S20中与第一身份信息关联存储的第一人脸图像)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第一人脸图像的人脸特征，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。
步骤S50，若人脸比对通过，则输出密码校验提示；
本实施例中，若人脸对比通过，则进一步发出提示(通过语音或图像显示的方式进行提示)，提示用户输入取现密码。
步骤S60，接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞(票面上的可取金额为X，则出钞金额也为X)。
本实施例中，若用户当前输入的取现密码与之前设置的取现密码(即步骤S20中与第一身份信息关联存储的第一取现密码)一致，则基于票面信息，确定出钞金额，并进行出钞。
本实施例中，对支票进行验真，当验真通过时，提取所述支票的票面信息；获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头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第一人脸图像进行人脸比对；若人脸比对通过，则输出密码校验提示；接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。通过本实施，既提高了对支票取现业务的安全防护，也提高了用户办理支票取现业务的便捷性。
进一步地，参照图3，图3为图2中步骤S10的细化流程示意图。
本发明支票取现方法一实施例中，步骤S10包括：
步骤S101，获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度；
本实施例中，该步骤具体包括：向支票发射紫外光，获取紫外光照下所述支票的UR防伪底纹图像，将所述UR防伪底纹图像与标准UR防伪底纹图像进行对比，得到相似度。
本实施例中，对真支票而言，真支票设置有UR防伪底纹图像，将真支票的UR防伪底纹图像称为标准UR防伪底纹图像。因此，在进行支票验真时，用户需要将支票放在指定位置，放置于该位置中的支票暴露在紫外光照射的环境中。在该环境中，支票的UR防伪底纹会明显显现出来。此时，对该支票进行拍照，并从照片中提取该支票的UR防伪底纹图像。本实施例中，由于标准UR防伪底纹图像的像素的RGB值是固定的。例如，R(x1)、G(x2)、B(x3)，其中x1、x2、x3的取值范围为[0，255]，x1、x2、x3的取值根据实际需要进行设置。从照片中提取该支票的UR防伪底纹图像的具体实施手段为：从照片中提取RGB值为R(x1)、G(x2)、B(x3)的像素点，且提取出来的像素点之间的相对位置与其在照片中的相对位置相同，如此，即可得到该支票的UR防伪底纹图像(即支票的防伪信息)。然后将该支票的UR防伪底纹图像与标准UR防伪底纹图像进行图像(即标准防伪信息)对比，得到相似度。例如，首先将图像进行灰度化处理，然后将经过灰度化处理的图像大小归一化到特定尺寸(例如7*7)，然后简化灰度以减少计算量，比如所有灰度除以5，然后计算平均灰度值，然后比较每7*7＝49个像素与平均灰度值的大小，若大则记为1，否则记为0，从而得到图像对应的49位的2进制指纹编码。按照上述步骤分别对两张图像进行处理，即可得到该支票的UR防伪底纹图像对应的指纹编码1以及标准UR防伪底纹图像对应的指纹编码2。比较指纹编码1与指纹编码2在同一位上的数值是否相同，若同一位上的数值相同的情况有n个，则n/49的具体数值即为两张图像的相似度。
步骤S102，若相似度大于预设阈值，则验真通过，然后通过OCR技术提取所述支票的票面信息。
本实施例中，预设阈值根据实际需要进行设置。为了避免使用伪造支票的事件发生，可以适当将阈值设置的高一些，例如设置为85％。即当计算得到相似度之后，检测相似度是否大于85％，若相似度大于85％，则通过OCR技术(Optical Character Recognition，光学字符识别)提取支票的票面信息。本实施例中，票面信息包括：出票日期、付款行名称、出票人账号、出钞金额等信息(具体根据实际需要进行扩充或缩减，在此不作限制)。本实施例中，这些票面信息在支票上的位置是固定的(出票日期在位置1、付款行名称在位置2、出票人账号在位置3、出钞金额在位置4)，因此，可以直接对位置1～4所处的区域进行OCR识别，从而得到票面信息，提高了OCR识别的效率以及准确度。
进一步地，本发明支票取现方法一实施例中，所述实时获取摄像头采集的用户头部图像，并进行活体检测的步骤包括：
实时获取双目摄像头采集的用户头部图像，获得双目用户头部图像；
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)。
基于所述双目用户头部图像，进行活体检测。
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。
进一步地，本发明支票取现方法一实施例中，所述基于所述双目用户头部图像，进行活体检测的步骤包括：
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；
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。
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。
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。
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。
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。
进一步地，本发明支票取现方法一实施例中，步骤S60之后，还包括：
步骤S70，根据所述票面信息，确定开票用户，并基于当前时间及出钞金额，生成支票取现记录；
步骤S80，将所述支票取现记录发送至所述开票用户的终端。
本实施例中，可根据票面信息中的出票人账号确定开票用户，从而银行数据库中获取该开票用户预留的手机号。然后将由当前时间以及出钞金额组成的支票取现记录发送至该手机号，以供开票用户及时知晓该支票已被取现。
进一步地，本发明支票取现方法一实施例中，步骤S80之后，还包括：
获取用户支票取现全过程的监控视频，并将所述监控视频以及支票取现记录关联存储。
本实施例中，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，针对用户的每一次支票取现，银行后台服务器都会将用户支票取现全过程的监控视频(例如将步骤S30中“接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息”的时刻作为监控视频的起始时刻，将步骤S60中“基于所述票面信息出钞”的时刻作为监控视频的终止时刻)以及支票取现记录捆绑存储，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。
参照图4，图4为本发明支票取现装置一实施例的功能模块示意图。
本发明支票取现装置一实施例中，支票取现装置包括：
验真模块10，用于对支票进行验真，当验真通过时，提取所述支票的票面信息；
获取模块20，用于获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
活体检测模块30，用于当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头采集的用户头部图像，并进行活体检测；
人脸对比模块40，用于若活体检测通过，则将所述用户头部图像与所述第一人脸图像进行人脸比对；
提示模块50，用于若人脸比对通过，则输出密码校验提示；
出钞模块60，用于接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。
本实施例中，对支票进行验真，当验真通过时，提取所述支票的票面信息；获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头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第一人脸图像进行人脸比对；若人脸比对通过，则输出密码校验提示；接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。通过本实施，既提高了对支票取现业务的安全防护，也提高了用户办理支票取现业务的便捷性。
此外，本发明实施例还提出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支票取现程序，所述支票取现程序被处理器执行时实现如上所述的支票取现方法的步骤。
本发明计算机可读存储介质的具体实施例与上述支票取现方法的各个实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(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。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，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，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种支票取现方法，其特征在于，所述支票取现方法包括以下步骤：
对支票进行验真，当验真通过时，提取所述支票的票面信息；
获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头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第一人脸图像进行人脸比对；
若人脸比对通过，则输出密码校验提示；
接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。
2.如权利要求1所述的支票取现方法，其特征在于，所述对支票进行验真，当验真通过时，提取所述支票的票面信息的步骤包括：
获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度；
若相似度大于预设阈值，则验真通过，然后通过OCR技术提取所述支票的票面信息。
3.如权利要求2所述的支票取现方法，其特征在于，所述获取支票的防伪信息，并将所述防伪信息与标准防伪信息进行对比，得到相似度的步骤包括：
向支票发射紫外光，获取紫外光照下所述支票的UR防伪底纹图像；
将所述UR防伪底纹图像与标准UR防伪底纹图像进行对比，得到相似度。
4.如权利要求1所述的支票取现方法，其特征在于，所述实时获取摄像头采集的用户头部图像，并进行活体检测的步骤包括：
实时获取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所述的支票取现方法，其特征在于，所述基于所述双目用户头部图像，进行活体检测的步骤包括：
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至5中任一项所述的支票取现方法，其特征在于，所述接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞的步骤之后，还包括：
根据所述票面信息，确定开票用户，并基于当前时间及出钞金额，生成支票取现记录；
将所述支票取现记录发送至所述开票用户的终端。
7.如权利要求6所述的支票取现方法，其特征在于，所述将所述支票取现记录发送至所述开票用户的终端的步骤之后，还包括：
获取用户支票取现全过程的监控视频，并将所述监控视频以及支票取现记录关联存储。
8.一种支票取现装置，其特征在于，所述支票取现装置包括：
验真模块，用于对支票进行验真，当验真通过时，提取所述支票的票面信息；
获取模块，用于获取用户输入的第一身份信息、第一取现密码，以及摄像头拍摄的第一人脸图像，并将所述第一身份信息、第一取现密码、第一人脸图像以及票面信息关联存储；
活体检测模块，用于当接收到用户输入的身份信息，且检测到所述身份信息为所述第一身份信息时，实时获取摄像头采集的用户头部图像，并进行活体检测；
人脸对比模块，用于若活体检测通过，则将所述用户头部图像与所述第一人脸图像进行人脸比对；
提示模块，用于若人脸比对通过，则输出密码校验提示；
出钞模块，用于接收用户输入的取现密码，若检测到所述取现密码与所述第一取现密码一致，则基于所述票面信息出钞。
9.一种支票取现设备，其特征在于，所述支票取现设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的支票取现程序，所述支票取现程序被所述处理器执行时实现如权利要求1至7中任一项所述的支票取现方法的步骤。
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支票取现程序，所述支票取现程序被处理器执行时实现如权利要求1至7中任一项所述的支票取现方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910432137.7A CN110321793A (zh) | 2019-05-23 | 2019-05-23 | 支票取现方法、装置、设备及计算机可读存储介质 |
| PCT/CN2019/103212 WO2020232889A1 (zh) | 2019-05-23 | 2019-08-29 | 支票取现方法、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 |
|---|---|---|---|
| CN201910432137.7A CN110321793A (zh) | 2019-05-23 | 2019-05-23 | 支票取现方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110321793A true CN110321793A (zh) | 2019-10-11 |
Family
ID=68118834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910432137.7A Pending CN110321793A (zh) | 2019-05-23 | 2019-05-23 | 支票取现方法、装置、设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110321793A (zh) |
| WO (1) | WO2020232889A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115424353B (zh) * | 2022-09-07 | 2023-05-05 | 杭银消费金融股份有限公司 | 基于ai模型的业务用户特征识别方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050009506A (ko) * | 2003-07-16 | 2005-01-25 | 한성희 | 현금 자동인출기의 사용자 식별장치 및 방법 |
| US20100063928A1 (en) * | 2008-09-11 | 2010-03-11 | Hart Mandi C | Electronic check cashing system |
| CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
| CN104143140A (zh) * | 2014-04-02 | 2014-11-12 | 深圳市雁联计算系统有限公司 | 一种支票的兑付方法、兑付系统以及圈存系统 |
| CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
| CN106023211A (zh) * | 2016-05-24 | 2016-10-12 | 深圳前海勇艺达机器人有限公司 | 基于深度学习的机器人图像定位方法及系统 |
| CN107393220A (zh) * | 2017-08-30 | 2017-11-24 | 重庆中科云丛科技有限公司 | 基于人脸识别的银行自助取款终端及取款方法 |
| CN108470337A (zh) * | 2018-04-02 | 2018-08-31 | 江门市中心医院 | 一种基于图像深度特征的亚实性肺结节定量分析方法及系统 |
| CN109218710A (zh) * | 2018-09-11 | 2019-01-15 | 宁波大学 | 一种自由视点视频质量评估方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060115797A1 (en) * | 2004-01-06 | 2006-06-01 | Gray Stuart F | Bar codes or radio frequency identification tags on paper currency, checks, credit/debit cards and personal identification |
| CN101176105B (zh) * | 2005-03-09 | 2012-08-22 | 迪布尔特有限公司 | 自动银行机装置 |
| CN105809848A (zh) * | 2008-02-14 | 2016-07-27 | 北京银融科技有限责任公司 | 一种计划自助取现的方法及装置 |
| 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 |
| CN106407914B (zh) * | 2016-08-31 | 2019-12-10 | 北京旷视科技有限公司 | 用于检测人脸的方法、装置和远程柜员机系统 |
| CN108985134B (zh) * | 2017-06-01 | 2021-04-16 | 重庆中科云从科技有限公司 | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 |
| CN107274592A (zh) * | 2017-07-17 | 2017-10-20 | 深圳贝斯特机械电子有限公司 | 一种能识别支票的存取款金融终端机及其应用方法 |
| CN107451575A (zh) * | 2017-08-08 | 2017-12-08 | 济南大学 | 一种身份认证系统中的人脸防欺骗检测方法 |
| CN107610320A (zh) * | 2017-09-06 | 2018-01-19 | 深圳怡化电脑股份有限公司 | 一种票据识别方法和装置 |
| CN108446690B (zh) * | 2018-05-31 | 2021-09-14 | 北京工业大学 | 一种基于多视角动态特征的人脸活体检测方法 |
-
2019
- 2019-05-23 CN CN201910432137.7A patent/CN110321793A/zh active Pending
- 2019-08-29 WO PCT/CN2019/103212 patent/WO2020232889A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050009506A (ko) * | 2003-07-16 | 2005-01-25 | 한성희 | 현금 자동인출기의 사용자 식별장치 및 방법 |
| US20100063928A1 (en) * | 2008-09-11 | 2010-03-11 | Hart Mandi C | Electronic check cashing system |
| CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
| CN104143140A (zh) * | 2014-04-02 | 2014-11-12 | 深圳市雁联计算系统有限公司 | 一种支票的兑付方法、兑付系统以及圈存系统 |
| CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
| CN106023211A (zh) * | 2016-05-24 | 2016-10-12 | 深圳前海勇艺达机器人有限公司 | 基于深度学习的机器人图像定位方法及系统 |
| CN107393220A (zh) * | 2017-08-30 | 2017-11-24 | 重庆中科云丛科技有限公司 | 基于人脸识别的银行自助取款终端及取款方法 |
| CN108470337A (zh) * | 2018-04-02 | 2018-08-31 | 江门市中心医院 | 一种基于图像深度特征的亚实性肺结节定量分析方法及系统 |
| CN109218710A (zh) * | 2018-09-11 | 2019-01-15 | 宁波大学 | 一种自由视点视频质量评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020232889A1 (zh) | 2020-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10650261B2 (en) | System and method for identifying re-photographed images | |
| KR102324706B1 (ko) | 얼굴인식 잠금해제 방법 및 장치, 기기, 매체 | |
| KR102406432B1 (ko) | 신원 인증 방법 및 장치, 전자 기기 및 저장 매체 | |
| US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
| WO2020155939A1 (zh) | 图像识别方法、装置、存储介质和处理器 | |
| CN101558431B (zh) | 脸认证设备 | |
| CN110321792A (zh) | 无卡取现方法、装置、设备及计算机可读存储介质 | |
| CN107093066A (zh) | 业务实现方法和装置 | |
| CN105989263A (zh) | 身份认证方法、开户方法、装置及系统 | |
| CN110222486A (zh) | 用户身份验证方法、装置、设备及计算机可读存储介质 | |
| US20200042772A1 (en) | People-Credentials Comparison Authentication Method, System and Camera | |
| US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
| US10599925B2 (en) | Method of detecting fraud of an iris recognition system | |
| CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
| 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 | |
| JP6792986B2 (ja) | 生体認証装置 | |
| KR101334744B1 (ko) | 무인대출 처리방법 | |
| WO2021166289A1 (ja) | データ登録装置、生体認証装置、および記録媒体 | |
| CN110321793A (zh) | 支票取现方法、装置、设备及计算机可读存储介质 | |
| CN116432152A (zh) | 一种跨平台协同制作系统 | |
| Samal | Minimum resolution for human face detection and identification | |
| CN110415128A (zh) | 保单信息管理方法、装置、设备及计算机可读存储介质 | |
| CN115240245A (zh) | 人脸活体检测方法、人脸活体检测装置及电子设备 | |
| CN108764033A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
| CN111767845B (zh) | 证件识别方法及装置 |
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 |