CN110599187A - 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 - Google Patents
一种基于人脸识别的支付方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110599187A CN110599187A CN201910817752.XA CN201910817752A CN110599187A CN 110599187 A CN110599187 A CN 110599187A CN 201910817752 A CN201910817752 A CN 201910817752A CN 110599187 A CN110599187 A CN 110599187A
- Authority
- CN
- China
- Prior art keywords
- payment
- user
- property data
- data
- emotion 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 57
- 230000008451 emotion Effects 0.000 claims abstract description 96
- 238000001514 detection method Methods 0.000 claims description 97
- 230000009467 reduction Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 230000008921 facial expression Effects 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002316 cosmetic surgery Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q20/386—Payment protocols; Details thereof using messaging services or messaging apps
-
- 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
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/322—Aspects of commerce using mobile devices [M-devices]
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
Abstract
本发明实施例公开了一种基于人脸识别的支付方法、装置、计算机设备和存储介质,该方法包括:接收支付应用在启动时采集的第一图像数据;对所述第一图像数据进行人脸识别;若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;通知所述支付应用显示所述虚拟财产数据。用户在支付时透露出负向情感,表示用户受到外部环境强迫支付的风险较高,通过降低用户的真实财产数据,可在不法分子强迫用户时实现转账,保证用户的人身安全,并且,降低了转账的金额,减少用户的财产损失。
Description
技术领域
本发明实施例涉及安全技术,尤其涉及一种基于人脸识别的支付方法、装置、计算机设备和存储介质。
背景技术
随着网络科技、物流的快速发展,网上购物的用户越来越多,移动支付为用户网购提供了很大的便利,用户在支付时,从使用字符(数字、字母、符号)的组合密码确认,到现在使用指纹、人脸等生物特征进行确认。
在人脸支付中,需要使用人脸识别,人脸识别是一种基于人的相貌特征信息进行身份认证的生物特征识别技术,技术的最大特征是能避免个人信息泄露,并采用非接触的方式进行识别。
由于人脸识别可以快捷、精准、卫生地进行身份认定;并且,人脸具有不可复制性,即使做了整容手术,该技术也能从几百项脸部特征中识别出用户,因此,人脸支付被广泛使用。
但是,用户在受到外部环境强迫支付的时候,例如,逛街遭遇到抢劫,由于移动终端用户是随身携带的,可以随时随地、快捷地使用人脸支付,不法分子可以在很短的时间内强迫用户转账,转而逃离现场,给用户带来财产损失的风险。
发明内容
本发明实施例提供一种基于人脸识别的支付方法、装置、计算机设备和存储介质,以解决人脸支付给用户带来财产损失的风险的问题。
第一方面,本发明实施例提供了一种基于人脸识别的支付方法,包括:
接收支付应用在启动时采集的第一图像数据;
对所述第一图像数据进行人脸识别;
若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
通知所述支付应用显示所述虚拟财产数据。
可选地,所述降低所述用户的真实财产数据,获得虚拟财产数据,包括:
确定所述用户的真实财产数据的财产类型;
若所述财产类型为可支付财产,则降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额;
若所述财产类型为非可支付财产,则隐藏所述真实财产数据。
可选地,所述降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额,包括:
确定数值范围,所述数值范围低于所述真实财产数据的剩余金额;
在所述数值范围内随机生成一目标数值;
将所述目标数值设置为虚拟财产数据的剩余金额。
可选地,还包括:
在所述支付应用中启动支付操作时,检测所述支付操作的安全性;
若所述安全性为危险操作,则接收所述支付操作采集的第二图像数据;
在对所述第二图像数据进行人脸识别时,根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果;
根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作。
可选地,所述检测所述支付操作的安全性,包括:
确定所述支付操作的支付对象;
判定所述支付对象是否认证;
若所述支付对象已认证,则确认所述支付操作的安全性为安全操作;
若所述支付对象未认证,则判定所述支付对象是否为预设的白名单;
若所述支付对象为白名单,则确认所述支付对象对应的合法支付范围;
若所述支付操作的支付金额在所述合法支付范围内,则确认所述支付操作的安全性为安全操作;
若所述支付操作的支付金额超过所述合法支付范围,则确认所述支付操作的安全性为危险操作;
若所述支付对象为非白名单,则检测所述支付对象与所述用户之间的关系;
若所述关系为好友关系,则确认所述支付操作的安全性为安全操作;
若所述关系为非好友关系,则确认所述支付操作的安全性为危险操作;
和/或,
比较所述支付操作的支付金额与所述虚拟财产数据的剩余金额;
若所述支付金额与所述剩余金额相等,则确定所述支付操作的安全性为危险操作。
可选地,所述根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果,包括:
确定预设的安全密码;
通知所述支付应用显示与所述安全密码不同的活体字符;
当所述第二图像数据识别出指定的用户时,检测所述用户表达的字符串;
若所述支付操作的支付金额未超过所述虚拟财产数据的剩余金额,则将所述字符串与所述活体字符进行比较;
确认活体检测的检测结果包括所述字符串与所述活体字符相同;
若所述支付操作的支付金额超过所述虚拟财产数据的剩余金额,则对所述用户检测第二情感信息,以及,将所述字符串分别与所述活体字符、所述安全密码进行比较;
确认活体检测的检测结果包括所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,或者,所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同。
可选地,所述根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作,包括:
若所述检测结果为所述字符串与所述活体字符相同,则在所述虚拟财产数据的基础上支付所述支付操作的支付金额;
若所述检测结果为所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,则忽略所述虚拟财产数据,在所述真实财产数据的基础上支付所述支付操作的支付金额;
若所述检测结果为所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同,则通知所述支付应用显示所述虚拟财产数据的剩余金额不满足所述支付操作的支付金额的提示信息。
第二方面,本发明实施例还提供了一种基于人脸识别的支付装置,包括:
图像数据接收模块,用于接收支付应用在启动时采集的第一图像数据;
人脸识别模块,用于对所述第一图像数据进行人脸识别;
情感信息检测模块,用于若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
真实财产数据降低模块,用于若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
虚拟财产数据通知模块,用于通知所述支付应用显示所述虚拟财产数据。
可选地,所述真实财产数据降低模块包括:
财产类型确定子模块,用于确定所述用户的真实财产数据的财产类型;
可支付财产降低子模块,用于若所述财产类型为可支付财产,则降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额;
非可支付财产隐藏子模块,用于若所述财产类型为非可支付财产,则隐藏所述真实财产数据。
可选地,所述可支付财产降低子模块包括:
数值范围确定单元,用于确定数值范围,所述数值范围低于所述真实财产数据的剩余金额;
目标数值生成单元,用于在所述数值范围内随机生成一目标数值;
剩余金额设置单元,用于将所述目标数值设置为虚拟财产数据的剩余金额。
可选地,还包括:
安全性检测模块,用于在所述支付应用中启动支付操作时,检测所述支付操作的安全性;
图像数据采集模块,用于若所述安全性为危险操作,则接收所述支付操作采集的第二图像数据;
活体检测模块,用于在对所述第二图像数据进行人脸识别时,根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果;
支付操作执行模块,用于根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作。
可选地,所述安全性检测模块包括:
支付对象确定子模块,用于确定所述支付操作的支付对象;
认证判定子模块,用于判定所述支付对象是否认证;
第一安全操作确定子模块,用于若所述支付对象已认证,则确认所述支付操作的安全性为安全操作;
白名单判定子模块,用于若所述支付对象未认证,则判定所述支付对象是否为预设的白名单;
合法支付范围确定子模块,用于若所述支付对象为白名单,则确认所述支付对象对应的合法支付范围;
第二安全操作确定子模块,用于若所述支付操作的支付金额在所述合法支付范围内,则确认所述支付操作的安全性为安全操作;
第一危险操作确定子模块,用于若所述支付操作的支付金额超过所述合法支付范围,则确认所述支付操作的安全性为危险操作;
用户关系检测子模块,用于若所述支付对象为非白名单,则检测所述支付对象与所述用户之间的关系;
第三安全操作确定子模块,用于若所述关系为好友关系,则确认所述支付操作的安全性为安全操作;
第二危险操作确定子模块,用于若所述关系为非好友关系,则确认所述支付操作的安全性为危险操作;
和/或,
金额比较子模块,用于比较所述支付操作的支付金额与所述虚拟财产数据的剩余金额;
第三危险操作确定子模块,用于若所述支付金额与所述剩余金额相等,则确定所述支付操作的安全性为危险操作。
可选地,所述活体检测模块包括:
安全密码确定子模块,用于确定预设的安全密码;
活体字符通知子模块,用于通知所述支付应用显示与所述安全密码不同的活体字符;
字符串检测子模块,用于当所述第二图像数据识别出指定的用户时,检测所述用户表达的字符串;
字符比较子模块,用于若所述支付操作的支付金额未超过所述虚拟财产数据的剩余金额,则将所述字符串与所述活体字符进行比较;
第一检测结果确定子模块,用于确认活体检测的检测结果包括所述字符串与所述活体字符相同;
用户情感检测子模块,用于若所述支付操作的支付金额超过所述虚拟财产数据的剩余金额,则对所述用户检测第二情感信息,以及,将所述字符串分别与所述活体字符、所述安全密码进行比较;
第二检测结果确定子模块,用于确认活体检测的检测结果包括所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,或者,所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同。
可选地,所述支付操作执行模块包括:
第一支付子模块,用于若所述检测结果为所述字符串与所述活体字符相同,则在所述虚拟财产数据的基础上支付所述支付操作的支付金额;
第二支付子模块,用于若所述检测结果为所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,则忽略所述虚拟财产数据,在所述真实财产数据的基础上支付所述支付操作的支付金额;
提示信息通知子模块,用于若所述检测结果为所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同,则通知所述支付应用显示所述虚拟财产数据的剩余金额不满足所述支付操作的支付金额的提示信息。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中任一所述的基于人脸识别的支付方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一所述的基于人脸识别的支付方法。
在本实施例中,接收支付应用在启动时采集的第一图像数据,对第一图像数据进行人脸识别,若在第一图像数据识别出指定的用户,则对用户检测第一情感信息,若第一情感信息为负向情感信息,则降低用户的真实财产数据,获得虚拟财产数据,通知支付应用显示虚拟财产数据,用户在支付时透露出负向情感,表示用户受到外部环境强迫支付的风险较高,通过降低用户的真实财产数据,可在不法分子强迫用户时实现转账,保证用户的人身安全,并且,降低了转账的金额,减少用户的财产损失。
附图说明
图1为本发明实施例一提供的一种基于人脸识别的支付方法的流程图;
图2是本发明实施例二提供的一种基于人脸识别的支付方法的流程图;
图3为本发明实施例三提供的一种基于人脸识别的支付装置的结构示意图;
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于人脸识别的支付方法的流程图,本实施例可适用于基于人脸支时进行财产保护的情况,该方法可以由基于人脸识别的支付装置来执行,该基于人脸识别的支付装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,服务器、工作站等,该方法具体包括如下步骤:
S101、接收支付应用在启动时采集的第一图像数据。
在具体实现中,用户可携带移动终端,例如,手机、平板电脑、可穿戴设备(如VR(Virtual Reality,虚拟现实)眼镜、VR头盔、智能手表)等等,本发明实施例对此不加以限制。
在移动终端中配置有一个或多个摄像头(Camera),如双摄像头、三摄像头、四摄像头等,一般包括镜头(Lens)、基座(Holder)、红外滤波片(IR)、图像传感器(Sensor)、图像信号处理器(Image Signal Processing,ISP)、电路板等部件,用于采集图像数据。
进一步而言,摄像头可以是设置在移动终端的背部(又称后置摄像头),也可以设置在移动终端的正面(又称前置摄像头),还可以设置在移动终端的内部、在唤起摄像头弹出,等等,本实施例对此也不加以限制。
移动终端的操作系统包括Android(安卓)、IOS、Windows Phone、Windows等等,可以支持运行多种可执行支付操作的应用(即支付应用),例如,银行应用、第三方支付应用、购物应用、即时通讯工具等。
在本实施例中,用户在支付应用中设置了人脸解锁,即支付应用在启动时默认处于锁定状态,此时,用户无法操作该支付应用,在检测到指定的用户的人脸时解除锁定,此时,用户可操作该支付应用。
支付应用在启动时,可调用与屏幕朝向相同的摄像头采集图像数据,作为第一图像数据,其中,该屏幕用于显示该支付应用,用户一般朝向该屏幕,因此,摄像头采集的第一图像数据中一般包含用户的人脸。
S102、对所述第一图像数据进行人脸识别。
在本实施例中,可预先采集用户的人脸数据,以此作为参考,对第一图像数据进行人脸识别,以判断第一图像数据中是否与该用户的人脸数据相同的人脸数据。
所谓人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。
在一个示例中,人脸识别主要包括四个部分,分别为:
1、人脸图像采集及检测
人脸图像采集:不同的人脸图像都能通过摄像头采集下来,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。
2、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。
3、人脸图像特征提取
人脸识别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。
4、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。
进一步而言,人脸识别算法通常包括如下几种类型:
基于人脸特征点的识别算法(Feature-based recognition algorithms)
基于整幅人脸图像的识别算法(Appearance-based recognition algorithms)
基于模板的识别算法(Template-based recognition algorithms)
利用神经网络进行识别的算法(Recognition algorithms using neuralnetwork)
基于光照估计模型理论
优化的形变统计校正理论
独创的实时特征识别理论
S103、若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息。
在本实施例中,如果在第一图像数据识别出指定的用户,即预先注册的用户,则可进一步对该用户进行人脸表情识别,检测其第一情感信息。
一般情况下,用户有六种主要情感,每种情感以唯一的表情来反映人的一种独特的心理活动。这六种情感被称为基本情感,由愤怒(anger)、高兴(happiness)、悲伤(sadness)、惊讶(surprise)、厌恶(disgust)和恐惧(fear)组成。
在具体实现中,人脸表情识别的过程和方法如下:
1、表情库的建立
例如,Cohn-Kanade AU-Coded Facial Expression Image Database(简称CKACFEID)人脸表情数据库、日本女性表情数据库(JAFFE)、fer2013人脸数据集,等等。
2、表情识别
(1)获取第一图像数据
(2)图像预处理:包括第一图像数据的大小和灰度的归一化,头部姿态的矫正,图像分割等。
图像预处理从而改善图像质量,消除噪声,统一图像灰度值及尺寸,为后序特征提取和分类识别打好基础。
(3)特征提取:将点阵转化成更高级别图像表述—如形状、运动、颜色、纹理、空间结构等,在尽可能保证稳定性和识别率的前提下,对庞大的图像数据进行降维处理。
特征提取的主要方法有:提取几何特征、统计特征、频率域特征和运动特征等。
采用几何特征进行特征提取主要是对人脸表情的显著特征,如眼睛、眉毛、嘴巴等的位置变化进行定位、测量,确定其大小、距离、形状及相互比例等特征,进行表情识别。
基于整体统计特征的方法包括PCA(主成分分析)和ICA(独立主元分析)等,调尽可能多的保留原始人脸表情图像中的信息,并允许分类器发现表情图像中相关特征,通过对整幅人脸表情图像进行变换,获取特征进行识别。
基于频率域特征提取包括Gabor小波变换等,是将图像从空间域转换到频率域提取其特征(较低层次的特征)。
基于运动特征的提取包括光流法等,提取动态图像序列的运动特征。
(4)分类判别:包括设计和分类决策
在表情识别的分类器设计和选择阶段,主要有以下方法:用线性分类器、神经网络分类器、支持向量机、隐马尔可夫模型等分类识别方法
线性分类器:假设不同类别的模式空间线性可分,引起可分的主要原因是不同表情之间的差异。
神经网络分类器:人工神经网络(Artificial Neural Network,ANN)是一种模拟人脑神经元细胞的网络结构,它是由大量简单的基本元件—神经元,相互连接成的自适应非线性动态系统。将人脸特征的坐标位置和其相应的灰度值作为神经网络的输入,ANN可以提供很难想象的复杂的类间分界面。
支持向量机(SVM)分类算法:泛化能力很强、解决小样本、非线性及高维模式识别问题方面表、新的研究热点
隐马尔可夫模型(Hidden Markov Models,HMM):特点:统计模型、健壮的数学结构,适用于动态过程时间序列建模,具有强大的模式分类能力。
S104、若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据。
如果用户当前的第一情感信息为负向情感信息,如厌恶(disgust)和恐惧(fear)等,此时可能受到外部环境压迫,其财产可能存在风险,此时,可以对所述用户的实际的财产(即真实财产数据)进行降低,获得虚拟的财产(即虚拟财产数据)。
在具体实现中,确定用户的真实财产数据的财产类型。
若财产类型为可支付财产,即可用于支付的财产,如余额、可用于支付的货币基金等,则降低真实财产数据的剩余金额,作为虚拟财产数据的剩余金额。
在一种降低剩余金额的方式中,可确定数值范围,数值范围低于真实财产数据的剩余金额,例如,可在真实财产数据的剩余金额中取一定的比例,如20%,作为数值范围,或者,用户设置的一个默认的数值范围,如1000-1500,等等。
为了提高剩余金额的真实性,避免出现整数等较为真实性较低的情况,可在数值范围内随机生成一目标数值,将目标数值设置为虚拟财产数据的剩余金额。
当然,上述降低剩余金额的方式只是作为示例,在实施本实施例时,可以根据实际情况设置其他降低剩余金额的方式,例如,在真实财产数据的剩余金额的基础上取一定的比例,作为真实财产数据的剩余金额,等等,本发明实施例对此不加以限制。另外,除了上述降低剩余金额的方式外,本领域技术人员还可以根据实际需要采用其它降低剩余金额的方式,本实施例对此也不加以限制。
若财产类型为非可支付财产,即不可用于支付的财产,如基金、股票、理财产品等,则隐藏该真实财产数据。
S105、通知所述支付应用显示所述虚拟财产数据。
在确定虚拟财产数据之后,则可以通知支付应用,在其UI(User Interface,用户界面)上显示该虚拟财产数据。
在本实施例中,接收支付应用在启动时采集的第一图像数据,对第一图像数据进行人脸识别,若在第一图像数据识别出指定的用户,则对用户检测第一情感信息,若第一情感信息为负向情感信息,则降低用户的真实财产数据,获得虚拟财产数据,通知支付应用显示虚拟财产数据,用户在支付时透露出负向情感,表示用户受到外部环境强迫支付的风险较高,通过降低用户的真实财产数据,可在不法分子强迫用户时实现转账,保证用户的人身安全,并且,降低了转账的金额,减少用户的财产损失。
实施例二
图2为本发明实施例二提供的一种基于人脸识别的支付方法的流程图,本实施例以前述实施例为基础,进一步增加支付的处理操作。该方法具体包括如下步骤:
S201、接收支付应用在启动时采集的第一图像数据。
S202、对所述第一图像数据进行人脸识别。
S203、若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息。
S204、若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据。
S205、通知所述支付应用显示所述虚拟财产数据。
S206、在所述支付应用中启动支付操作时,检测所述支付操作的安全性。
在本实施例中,若接收到支付应用的支付操作,则可以检测该该支付操作的安全性,确定支付是否存在风险。
需要说明的是,该支付操作可以指为某个商品进行支付,或者,转账给别的用户。
在一种检测安全性的方式中,可确定支付操作的支付对象,即接收当前用户所支付的财产的对象,该对象可以包括个人、企业等等。
判定支付对象是否认证,所谓认证,即个人、企业等凭借身份证明(如身份证、营业执照)进行身份认证。
若支付对象已认证,则确认支付操作的安全性为安全操作。
若支付对象未认证,则判定支付对象是否为预设的白名单,其中,白名单中的用户已通过其他方式证明和合法性,如贩卖蔬菜、贩卖水果、经营早餐等用户,支付的记录较为频繁,可以通过大数据的行为检测确定其合法性以及对其接收的支付金额生成合法支付范围,使得大部分接收的支付金额在该合法支付范围内。
若支付对象为白名单,则确认支付对象对应的合法支付范围。
若支付操作的支付金额在合法支付范围内,则确认支付操作的安全性为安全操作。
若支付操作的支付金额超过合法支付范围,则确认支付操作的安全性为危险操作。
若支付对象为非白名单,则检测支付对象与用户之间的关系。
若关系为好友关系,则确认支付操作的安全性为安全操作。
若关系为非好友关系,则确认支付操作的安全性为危险操作。
在另一种检测安全性的方式中,可比较支付操作的支付金额与虚拟财产数据的剩余金额。
若支付金额与所述剩余金额相等,即全额支付,则确定支付操作的安全性为危险操作。
在本实施例中,通过对支付操作的支付对象,如是否认证、是否白名单、是否好友关系等,以及,对支付操作的支付金额等多个维度对支付操作的安全性进行评估,可提高支付操作的安全性。
S207、若所述安全性为危险操作,则接收所述支付操作采集的第二图像数据。
如果支付操作属于危险操作,则可以通知支付应用、提示用户进行活体检测,此时,调用与屏幕朝向相同的摄像头采集图像数据,作为第二图像数据,其中,该屏幕用于显示支付应用,用户一般朝向该屏幕,因此,摄像头采集的第二图像数据中一般包含用户的人脸。
所谓活体检测,是指用户按照系统指示做出相应的动作,防止用户在一些重要环境下用照片骗过系统完成验证。在用户按照系统提示完成相应动作后,后台对用户完成的动作进行识别,并提示用户活体检测是否通过。
S208、在对所述第二图像数据进行人脸识别时,根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果。
在本实施例中,可以比较支付操作与虚拟财产数据之间的关系,在对第二图像数据进行人脸识别时,适配该关系对第二图像数据进行活体检测。
在具体实现中,为了避免错误识别用户所处的外部环境,用户可以预先设置安全密码,该安全密码用于解除对真实财产数据的锁定。
因此,可确定预设的安全密码,如“123456”,通知支付应用显示与安全密码不同的活体字符,如“654321”,提示用户说出该活体字符。
当第二图像数据识别出指定的用户时,通过嘴型、音频等识别方式,检测用户表达的字符串,即识别用户说出的字符串。
若支付操作的支付金额未超过虚拟财产数据的剩余金额,则将字符串与活体字符进行比较。
在字符串与活体字符相同时,可确认活体检测的检测结果包括字符串与活体字符相同,此时,确认通过活体检测,允许支付该支付金额。
若支付操作的支付金额超过虚拟财产数据的剩余金额,则对用户检测第二情感信息,以及,将字符串分别与活体字符、安全密码进行比较。
在检测到非负向情感信息、且字符串与安全密码相同时,确认活体检测的检测结果包括第二情感信息为非负向情感信息、且字符串与安全密码相同,此时,确认通过活体检测并解除对真实财产数据的锁定,允许支付该支付金额。
在检测到负向情感信息、且字符串与安全密码或活体字符相同时,确认活体检测的检测结果包括第二情感信息为负向情感信息、且字符串与安全密码或活体字符相同,此时,确认未通过活体检测并保持对真实财产数据的锁定,禁止支付该支付金额。
此外,在满足字符串与活体字符以及不同时,可确认活体检测的检测结果包括字符串与活体字符不同,此时,确认未通过活体检测,禁止支付该支付金额。
S209、根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作。
响应于活体检测的检测结果、在虚拟财产数据的基础上执行支付操作,模拟实际支付的结果。
在一种情况中,若检测结果为字符串与活体字符相同,则在虚拟财产数据的基础上支付该支付操作的支付金额,在支付成功后,通知支付应用显示虚拟财产数据的剩余金额扣减该支付金额的信息。
若检测结果为第二情感信息为非负向情感信息、且字符串与安全密码相同,则忽略虚拟财产数据,显示真实财产数据,在真实财产数据的基础上支付该支付操作的支付金额,在支付成功后,通知支付应用显示真实财产数据的剩余金额扣减该支付金额的信息。
若检测结果为第二情感信息为负向情感信息、且字符串与安全密码或字符串相同,则通知支付应用显示虚拟财产数据的剩余金额不满足支付操作的支付金额的提示信息。
在本实施例中,在支付操作的支付金额超过虚拟财产数据的剩余金额的情况下,如果用户透露出非负向情感信息、且说出的字符串与安全密码相同,则可以忽略虚拟财产数据,由于活体检测是常用的安全检验手段,复用活体检测的途径解除对真实财产数据的锁定,可提高隐匿性高,解除对该真实财产数据的锁定之后,可在真实财产数据的基础上支付该支付操作的支付金额,可在锁定真实财产数据的情况下,降低误检测的影响,保证支付操作的正常使用。
实施例三
图3为本发明实施例三提供的一种基于人脸识别的支付装置的结构示意图,该装置具体可以包括如下模块:
图像数据接收模块301,用于接收支付应用在启动时采集的第一图像数据;
人脸识别模块302,用于对所述第一图像数据进行人脸识别;
情感信息检测模块303,用于若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
真实财产数据降低模块304,用于若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
虚拟财产数据通知模块305,用于通知所述支付应用显示所述虚拟财产数据。
在本发明的一个实施例中,所述真实财产数据降低模块304包括:
财产类型确定子模块,用于确定所述用户的真实财产数据的财产类型;
可支付财产降低子模块,用于若所述财产类型为可支付财产,则降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额;
非可支付财产隐藏子模块,用于若所述财产类型为非可支付财产,则隐藏所述真实财产数据。
在本发明的一个实施例中,所述可支付财产降低子模块包括:
数值范围确定单元,用于确定数值范围,所述数值范围低于所述真实财产数据的剩余金额;
目标数值生成单元,用于在所述数值范围内随机生成一目标数值;
剩余金额设置单元,用于将所述目标数值设置为虚拟财产数据的剩余金额。
在本发明的一个实施例中,还包括:
安全性检测模块,用于在所述支付应用中启动支付操作时,检测所述支付操作的安全性;
图像数据采集模块,用于若所述安全性为危险操作,则接收所述支付操作采集的第二图像数据;
活体检测模块,用于在对所述第二图像数据进行人脸识别时,根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果;
支付操作执行模块,用于根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作。
在本发明的一个实施例中,所述安全性检测模块包括:
支付对象确定子模块,用于确定所述支付操作的支付对象;
认证判定子模块,用于判定所述支付对象是否认证;
第一安全操作确定子模块,用于若所述支付对象已认证,则确认所述支付操作的安全性为安全操作;
白名单判定子模块,用于若所述支付对象未认证,则判定所述支付对象是否为预设的白名单;
合法支付范围确定子模块,用于若所述支付对象为白名单,则确认所述支付对象对应的合法支付范围;
第二安全操作确定子模块,用于若所述支付操作的支付金额在所述合法支付范围内,则确认所述支付操作的安全性为安全操作;
第一危险操作确定子模块,用于若所述支付操作的支付金额超过所述合法支付范围,则确认所述支付操作的安全性为危险操作;
用户关系检测子模块,用于若所述支付对象为非白名单,则检测所述支付对象与所述用户之间的关系;
第三安全操作确定子模块,用于若所述关系为好友关系,则确认所述支付操作的安全性为安全操作;
第二危险操作确定子模块,用于若所述关系为非好友关系,则确认所述支付操作的安全性为危险操作;
和/或,
金额比较子模块,用于比较所述支付操作的支付金额与所述虚拟财产数据的剩余金额;
第三危险操作确定子模块,用于若所述支付金额与所述剩余金额相等,则确定所述支付操作的安全性为危险操作。
在本发明的一个实施例中,所述活体检测模块包括:
安全密码确定子模块,用于确定预设的安全密码;
活体字符通知子模块,用于通知所述支付应用显示与所述安全密码不同的活体字符;
字符串检测子模块,用于当所述第二图像数据识别出指定的用户时,检测所述用户表达的字符串;
字符比较子模块,用于若所述支付操作的支付金额未超过所述虚拟财产数据的剩余金额,则将所述字符串与所述活体字符进行比较;
第一检测结果确定子模块,用于确认活体检测的检测结果包括所述字符串与所述活体字符相同;
用户情感检测子模块,用于若所述支付操作的支付金额超过所述虚拟财产数据的剩余金额,则对所述用户检测第二情感信息,以及,将所述字符串分别与所述活体字符、所述安全密码进行比较;
第二检测结果确定子模块,用于确认活体检测的检测结果包括所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,或者,所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同。
在本发明的一个实施例中,所述支付操作执行模块包括:
第一支付子模块,用于若所述检测结果为所述字符串与所述活体字符相同,则在所述虚拟财产数据的基础上支付所述支付操作的支付金额;
第二支付子模块,用于若所述检测结果为所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,则忽略所述虚拟财产数据,在所述真实财产数据的基础上支付所述支付操作的支付金额;
提示信息通知子模块,用于若所述检测结果为所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同,则通知所述支付应用显示所述虚拟财产数据的剩余金额不满足所述支付操作的支付金额的提示信息。
本发明实施例所提供的基于人脸识别的支付装置可执行本发明任意实施例所提供的基于人脸识别的支付方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。如图4所示,该计算机设备包括处理器400、存储器401、通信模块402、输入装置403和输出装置404;计算机设备中处理器400的数量可以是一个或多个,图4中以一个处理器400为例;计算机设备中的处理器400、存储器401、通信模块402、输入装置403和输出装置404可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器401作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本实施例中的基于人脸识别的支付方法对应的模块(例如,如图3所示的基于人脸识别的支付装置中的图像数据接收模块301、人脸识别模块302、情感信息检测模块303、真实财产数据降低模块304和虚拟财产数据通知模块305)。处理器400通过运行存储在存储器401中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的基于人脸识别的支付方法。
存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器401可进一步包括相对于处理器400远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块402,用于与显示屏建立连接,并实现与显示屏的数据交互。输入装置403可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。
本实施例提供的计算机设备,可执行本发明任一实施例提供的基于人脸识别的支付方法,具体相应的功能和有益效果。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现一种基于人脸识别的支付方法,该方法包括:
接收支付应用在启动时采集的第一图像数据;
对所述第一图像数据进行人脸识别;
若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
通知所述支付应用显示所述虚拟财产数据。
当然,本发明实施例所提供的计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于人脸识别的支付方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,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。
值得注意的是,上述基于人脸识别的支付装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于人脸识别的支付方法,其特征在于,包括:
接收支付应用在启动时采集的第一图像数据;
对所述第一图像数据进行人脸识别;
若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
通知所述支付应用显示所述虚拟财产数据。
2.根据权利要求1所述的方法,其特征在于,所述降低所述用户的真实财产数据,获得虚拟财产数据,包括:
确定所述用户的真实财产数据的财产类型;
若所述财产类型为可支付财产,则降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额;
若所述财产类型为非可支付财产,则隐藏所述真实财产数据。
3.根据权利要求2所述的方法,其特征在于,所述降低所述真实财产数据的剩余金额,作为虚拟财产数据的剩余金额,包括:
确定数值范围,所述数值范围低于所述真实财产数据的剩余金额;
在所述数值范围内随机生成一目标数值;
将所述目标数值设置为虚拟财产数据的剩余金额。
4.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
在所述支付应用中启动支付操作时,检测所述支付操作的安全性;
若所述安全性为危险操作,则接收所述支付操作采集的第二图像数据;
在对所述第二图像数据进行人脸识别时,根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果;
根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作。
5.根据权利要求4所述的方法,其特征在于,所述检测所述支付操作的安全性,包括:
确定所述支付操作的支付对象;
判定所述支付对象是否认证;
若所述支付对象已认证,则确认所述支付操作的安全性为安全操作;
若所述支付对象未认证,则判定所述支付对象是否为预设的白名单;
若所述支付对象为白名单,则确认所述支付对象对应的合法支付范围;
若所述支付操作的支付金额在所述合法支付范围内,则确认所述支付操作的安全性为安全操作;
若所述支付操作的支付金额超过所述合法支付范围,则确认所述支付操作的安全性为危险操作;
若所述支付对象为非白名单,则检测所述支付对象与所述用户之间的关系;
若所述关系为好友关系,则确认所述支付操作的安全性为安全操作;
若所述关系为非好友关系,则确认所述支付操作的安全性为危险操作;
和/或,
比较所述支付操作的支付金额与所述虚拟财产数据的剩余金额;
若所述支付金额与所述剩余金额相等,则确定所述支付操作的安全性为危险操作。
6.根据权利要求4所述的方法,其特征在于,所述根据所述支付操作与所述虚拟财产数据之间的关系、对所述第二图像数据进行活体检测,获得检测结果,包括:
确定预设的安全密码;
通知所述支付应用显示与所述安全密码不同的活体字符;
当所述第二图像数据识别出指定的用户时,检测所述用户表达的字符串;
若所述支付操作的支付金额未超过所述虚拟财产数据的剩余金额,则将所述字符串与所述活体字符进行比较;
确认活体检测的检测结果包括所述字符串与所述活体字符相同;
若所述支付操作的支付金额超过所述虚拟财产数据的剩余金额,则对所述用户检测第二情感信息,以及,将所述字符串分别与所述活体字符、所述安全密码进行比较;
确认活体检测的检测结果包括所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,或者,所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同。
7.根据权利要求6所述的方法,其特征在于,所述根据所述检测结果、在所述虚拟财产数据的基础上执行所述支付操作,包括:
若所述检测结果为所述字符串与所述活体字符相同,则在所述虚拟财产数据的基础上支付所述支付操作的支付金额;
若所述检测结果为所述第二情感信息为非负向情感信息、且所述字符串与所述安全密码相同,则忽略所述虚拟财产数据,在所述真实财产数据的基础上支付所述支付操作的支付金额;
若所述检测结果为所述第二情感信息为负向情感信息、且所述字符串与所述安全密码或所述活体字符相同,则通知所述支付应用显示所述虚拟财产数据的剩余金额不满足所述支付操作的支付金额的提示信息。
8.一种基于人脸识别的支付装置,其特征在于,包括:
图像数据接收模块,用于接收支付应用在启动时采集的第一图像数据;
人脸识别模块,用于对所述第一图像数据进行人脸识别;
情感信息检测模块,用于若在所述第一图像数据识别出指定的用户,则对所述用户检测第一情感信息;
真实财产数据降低模块,用于若所述第一情感信息为负向情感信息,则降低所述用户的真实财产数据,获得虚拟财产数据;
虚拟财产数据通知模块,用于通知所述支付应用显示所述虚拟财产数据。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的基于人脸识别的支付方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的基于人脸识别的支付方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817752.XA CN110599187A (zh) | 2019-08-30 | 2019-08-30 | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817752.XA CN110599187A (zh) | 2019-08-30 | 2019-08-30 | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110599187A true CN110599187A (zh) | 2019-12-20 |
Family
ID=68856575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817752.XA Pending CN110599187A (zh) | 2019-08-30 | 2019-08-30 | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599187A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508569A (zh) * | 2020-12-14 | 2021-03-16 | 深圳市快付通金融网络科技服务有限公司 | 支付环境监控方法及系统 |
CN112562216A (zh) * | 2020-12-01 | 2021-03-26 | 合肥大多数信息科技有限公司 | 一种电力营业厅智能收费机 |
CN112862494A (zh) * | 2021-01-29 | 2021-05-28 | 上海商汤临港智能科技有限公司 | 基于面部认证的交易方法、装置、设备及存储介质 |
CN112968775A (zh) * | 2021-02-01 | 2021-06-15 | 杭州齐令信息科技有限公司 | 人员生物特征识别系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795703A (zh) * | 2011-04-18 | 2014-05-14 | 北京奇虎科技有限公司 | 一种保证用户网络安全性的方法及客户端 |
CN104077857A (zh) * | 2014-07-03 | 2014-10-01 | 广州广电运通金融电子股份有限公司 | 一种金融自助设备及其交易方法 |
CN106709804A (zh) * | 2015-11-16 | 2017-05-24 | 优化科技(苏州)有限公司 | 一种交互式财富规划咨询机器人系统 |
WO2017148258A1 (zh) * | 2016-02-29 | 2017-09-08 | 中国银联股份有限公司 | 一种支付方法及装置、设备 |
CN108664784A (zh) * | 2017-04-01 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 告警方法、装置及系统 |
CN109636401A (zh) * | 2018-11-30 | 2019-04-16 | 上海爱优威软件开发有限公司 | 一种基于用户微表情的支付方法及系统 |
-
2019
- 2019-08-30 CN CN201910817752.XA patent/CN110599187A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103795703A (zh) * | 2011-04-18 | 2014-05-14 | 北京奇虎科技有限公司 | 一种保证用户网络安全性的方法及客户端 |
CN104077857A (zh) * | 2014-07-03 | 2014-10-01 | 广州广电运通金融电子股份有限公司 | 一种金融自助设备及其交易方法 |
CN106709804A (zh) * | 2015-11-16 | 2017-05-24 | 优化科技(苏州)有限公司 | 一种交互式财富规划咨询机器人系统 |
WO2017148258A1 (zh) * | 2016-02-29 | 2017-09-08 | 中国银联股份有限公司 | 一种支付方法及装置、设备 |
CN108664784A (zh) * | 2017-04-01 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 告警方法、装置及系统 |
CN109636401A (zh) * | 2018-11-30 | 2019-04-16 | 上海爱优威软件开发有限公司 | 一种基于用户微表情的支付方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562216A (zh) * | 2020-12-01 | 2021-03-26 | 合肥大多数信息科技有限公司 | 一种电力营业厅智能收费机 |
CN112508569A (zh) * | 2020-12-14 | 2021-03-16 | 深圳市快付通金融网络科技服务有限公司 | 支付环境监控方法及系统 |
CN112508569B (zh) * | 2020-12-14 | 2023-09-29 | 深圳市快付通金融网络科技服务有限公司 | 支付环境监控方法及系统 |
CN112862494A (zh) * | 2021-01-29 | 2021-05-28 | 上海商汤临港智能科技有限公司 | 基于面部认证的交易方法、装置、设备及存储介质 |
CN112968775A (zh) * | 2021-02-01 | 2021-06-15 | 杭州齐令信息科技有限公司 | 人员生物特征识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190251571A1 (en) | Transaction verification system | |
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
CN108509862B (zh) | 抗角度与遮挡干扰的快速人脸识别方法 | |
CN109657554B (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
CN110599187A (zh) | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
Kim et al. | A survey and proposed framework on the soft biometrics technique for human identification in intelligent video surveillance system | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
CN111861240A (zh) | 可疑用户识别方法、装置、设备及可读存储介质 | |
Anand et al. | An improved local binary patterns histograms techniques for face recognition for real time application | |
CN112418167A (zh) | 图像的聚类方法、装置、设备和存储介质 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
CN114218543A (zh) | 一种基于多场景表情识别的加密解锁系统及方法 | |
Dhruva et al. | Novel algorithm for image processing based hand gesture recognition and its application in security | |
US20220277311A1 (en) | A transaction processing system and a transaction method based on facial recognition | |
Dumitrescu et al. | Combining neural networks and global gabor features in a hybrid face recognition system | |
Ferdinand et al. | Atm security system modeling using face recognition with facenet and haar cascade | |
Dubey et al. | Deep Perusal of Human Face Recognition Algorithms from Facial Snapshots | |
CN111428670B (zh) | 人脸检测方法、装置、存储介质及设备 | |
Sharma et al. | Face recognition using haar cascade and local binary pattern histogram in opencv | |
Zolotarev et al. | Liveness detection methods implementation to face identification reinforcement in gaming services | |
Mutteneni et al. | A Robust Hybrid Biometric Face Recognition Payment System | |
Nagpal et al. | Biometric techniques and facial expression recognition-A review | |
Ito et al. | A comprehensive study of face recognition using deep learning | |
Sharma et al. | Lip Detection and Recognition-A Review1 | |
Vulovic et al. | Comparison of different neural network training algorithms with application to face recognition |
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 |
Application publication date: 20191220 |