CN110874732A - 基于移动支付设备的被扫支付方法和装置 - Google Patents

基于移动支付设备的被扫支付方法和装置 Download PDF

Info

Publication number
CN110874732A
CN110874732A CN201811014200.7A CN201811014200A CN110874732A CN 110874732 A CN110874732 A CN 110874732A CN 201811014200 A CN201811014200 A CN 201811014200A CN 110874732 A CN110874732 A CN 110874732A
Authority
CN
China
Prior art keywords
payment
image
mobile
dimensional code
mobile payment
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
Application number
CN201811014200.7A
Other languages
English (en)
Inventor
王越
宴成
姚远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Inspiry Technology Co Ltd
Original Assignee
Beijing Inspiry Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Inspiry Technology Co Ltd filed Critical Beijing Inspiry Technology Co Ltd
Priority to CN201811014200.7A priority Critical patent/CN110874732A/zh
Publication of CN110874732A publication Critical patent/CN110874732A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q20/30—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
    • G06Q20/327—Short range or proximity payments by means of M-devices
    • G06Q20/3274—Short range or proximity payments by means of M-devices using a pictured code, e.g. barcode or QR-code, being displayed on the M-device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/12—Payment architectures specially adapted for electronic shopping systems

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种基于移动支付设备的被扫支付方法，接收到服务器发送的支付信息后，截取支付二维码作为支付图像，将支付图像存储到图片库，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码获取的支付信息生成；当监测到支付事件被触发时，完成支付操作。该方法针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，在接收到服务器发送的支付信息后，截取支付二维码作为支付图像，当监测到支付事件被触发时，完成支付操作。由此，高效、精准、快捷地针对支付图像实现图像识读的操作，具有易用性与适用性。本公开还提供了一种基于移动支付设备的被扫支付装置。

Description

基于移动支付设备的被扫支付方法和装置
技术领域
本公开涉及移动支付技术领域和图像识别技术领域，具体而言，涉及一种基于移动支付设备的被扫支付方法和装置。
背景技术
现有技术中，收银方式为支付方打开电子设备，对商户提供的大多数都是静态的二维码(静态的支付图像在制作与图像采集的过程中，图像中不可避免地会夹杂一些杂质、干扰等，使得图像中有噪声、模糊、灰度不均匀的问题)进行扫描，识读二维码的信息，并完成支付操作。该操作使得收银的形式单一，只具有一种主动付款方式，对于多数习惯场景下的商户，无法提供“支付动作”更为简便的支付方式，不具有多样性与适用性。
发明内容
为了解决现有技术中的技术问题，本公开实施例提供了一种基于移动支付设备的被扫支付方法和装置，针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，并在接收到服务器发送的支付信息后，截取支付二维码作为支付图像，当监测到支付事件被触发时，则完成支付操作。
第一方面，本公开实施例提供了一种基于移动支付设备的被扫支付方法，包括以下步骤：接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将所述支付图像存储到图片库中，其中，所述支付信息为所述服务器依据支付终端设备通过所述移动支付设备展示的所述支付二维码而获取的所述支付信息生成的；当监测到支付事件被触发时，则完成支付操作。
在其中一个实施例中，还包括：在监测到所述支付事件被触发后，当所述移动支付设备处于充电时，则将所述支付图像从所述图片库中删除，并将所述移动支付设备内置系统中的默认图片设置为提示图像；当所述移动支付设备当前的电量低于预设电量阈值时，将所述移动支付设备内置系统中的额默认图片设置为提示图像。
在其中一个实施例中，还包括：在预设时间段内获取所述移动支付设备屏幕的光照强度以及通过所述移动支付设备的屏幕反射出去的光照强度，构建针对所述移动支付设备的屏幕光照强度数据库以及针对所述移动支付设备的屏幕反射光照强度数据库。
在其中一个实施例中，所述当监测到支付事件被触发时，则完成支付操作包括：建立收银商品特征与收银商品价格之间的映射关系；根据所述映射关系，获取各商品中的商品价格以及针对当前所述支付图像对应商品的价格；将当前所述支付图像对应商品的价格完成收银操作。
在其中一个实施例中，还包括：在截取所述支付二维码作为所述支付图像后，对所述支付图像进行划分；根据大津算法，针对划分后的所述支付图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作。
在其中一个实施例中，所述对所述支付图像进行划分包括：基于训练样本的所述支付图像数据的统计学规律，选择分割频道；选取所述分割频道内的分割阈值，并对所述支付图像进行前景和背景分割；根据分割后的前景像素和背景像素进行联通区域分析，获取符合条件的二维码区域，其中，对获取符合条件的二维码区域以预设行以及预设列划分方式进行所述支付图像子块的划分，其中，所述预设行与所述预设列为等值的数值。
在其中一个实施例中，所述对粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作包括：对粗分割操作后获取的结果通过畸形度测试完成适用于所述支付图像的图形分割操作，其中，所述畸形度测试为通过简易畸形度计算公式γ＝l/Np计算所述感兴趣区域的畸形度，其中，l 为所述感兴趣区域的周长，Np为所述感兴趣区域的像素点个数；预先设置畸形度高阈值γT；当γ≤γT时，判定对粗分割操作后获取的结果通过畸形度测试；当γ＞γT时，基于梯度矢量流-主动轮廓模型的分割方法对感兴趣区域进行二次粗分割操作，并对二次粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作。
第二方面，本公开实施例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上述的方法的步骤。
第三方面，本公开实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法的步骤。
第四方面，本公开实施例提供了一种基于移动支付设备的被扫支付装置，所述装置包括：截取模块，用于接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将所述支付图像存储到图片库中，其中，所述支付信息为所述服务器依据支付终端设备通过所述移动支付设备展示的所述支付二维码而获取的所述支付信息生成的；支付模块，用于当监测到支付事件被触发时，则完成支付操作。
本发明提供的一种基于移动支付设备的被扫支付方法和装置，接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将支付图像存储到图片库中，其中，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码而获取的支付信息生成的；当监测到支付事件被触发时，则完成支付操作。该方法针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，并在接收到服务器发送的支付信息后，截取支付二维码作为支付图像，当监测到支付事件被触发时，则完成支付操作。由此，可以高效、精准、快捷地针对支付图像实现图像识读的操作，且具有易用性与适用性。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面对实施例描述中所需要使用的附图作简单地介绍：
图1为本发明一个实施例中的一种基于移动支付设备的被扫支付方法的步骤流程示意图；
图2为本发明另一个实施例中的一种基于移动支付设备的被扫支付方法的步骤流程示意图；以及
图3为本发明一个实施例中的一种基于移动支付设备的被扫支付装置的结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的详细介绍。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本公开的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/ 或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D 的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于移动支付设备的被扫支付方法和装置的具体实施方式进行进一步详细说明。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。
可以理解的是，大多数情况下收银方式为支付方打开电子设备，对商户提供的大多数都是静态的二维码(静态的支付图像在制作与图像采集的过程中，图像中不可避免地会夹杂一些杂质、干扰等，使得图像中有噪声、模糊、灰度不均匀的问题)进行扫描，识读二维码的信息，并完成支付操作。该操作使得收银的形式单一，只具有一种主动付款方式，对于多数习惯场景下的商户，无法提供“支付动作”更为简便的支付方式，不具有多样性与适用性。这就使得高效、精准、快捷地针对支付图像实现快速识读成为一项既有学术价值又有现实意义的工作。
如图1所示，为一个实施例中的一种基于移动支付设备的被扫支付方法的流程示意图，具体包括以下步骤：
步骤102，接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将支付图像存储到图片库中，其中，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码而获取的支付信息生成的。
需要说明的是，在截取支付二维码作为支付图像后，对支付图像进行划分；根据大津算法，针对划分后的支付图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作。
其中，需要说明的是，大津算法为利用阈值将原图像分成前景，背景两个图像。具体的，前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度；后景：用n2,sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度。当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而衡量差别的标准就是大津算法，即最大类间方差，类间方差用sb表示，最大类间方差用fmax表示。进一步地，关于大津算法对噪音和目标大小敏感，它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是大津算法是用时最少的。更进一步地，关于大津算法的公式推导为：记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。则图像的总平均灰度为：u＝w0*u0+w1*u1。前景和背景图像的方差可以通过以下公式进行表达：
g＝w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)＝w0*w1*(u0-u1)*(u0-u1)。需要说明的是，上述公式为方差公式。可参照概率论的g的公式也就是如下所述的 sb的表达式。当方差g最大时，可以认为此时前景和背景差异最大，此时的灰度t是最佳阈值sb＝w0*w1*(u1-u0)*(u0-u1)。
具体的，对支付图像进行划分包括：基于训练样本的支付图像数据的统计学规律，选择分割频道；选取分割频道内的分割阈值，并对支付图像进行前景和背景分割；根据分割后的前景像素和背景像素进行联通区域分析，获取符合条件的二维码区域，其中，对获取符合条件的二维码区域以预设行以及预设列划分方式进行支付图像子块的划分，其中，预设行与预设列为等值的数值。由此，为后续快速识读支付图像提供必要的数据基础。
进一步地，需要说明的是，基于训练样本的支付图像数据的统计学规律，选择分割频道包括：基于训练样本的支付图像数据统计学规律，获取不同色彩频道中图像值的分布情况，从分布情况中获取图像值方差最大的色彩频道，形成分割频道。此外，还需要说明的是，选取分割频道内的分割阈值，并对支付图像进行前景和背景分割包括：通过大津算法中的最小化算法，获取分割阈值；获取支付图像的图像像素值；根据图像像素值以及分割阈值进行二分法分割，获取前景和背景。进一步地，需要说明的是，根据图像像素值以及分割阈值进行二分法分割，获取前景和背景包括：获取图像像素值高于分割阈值的区域，作为前景；获取图像像素值低于或等于分割阈值的区域，作为背景。
更进一步地，根据分割后的前景像素和背景像素进行联通区域分析，获取符合条件的二维码区域包括：对分割后的前景像素和背景像素进行聚类，形成联通区域；选择联通区域中尺寸最大且符合先验位置信息的区域，形成符合条件的二维码区域，并对符合条件的二维码区域进行输出。更进一步地，需要说明的是，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作包括：对粗分割操作后获取的结果通过面积测试完成适用于支付图像的图形分割操作，其中，面积测试为判断感兴趣区域的像素点个数是否符合预设正常二维码面积的像素点阈值区间。此外，还需要说明的是，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作包括：对粗分割操作后获取的结果通过畸形度测试完成适用于支付图像的图形分割操作，其中，畸形度测试为通过简易畸形度计算公式γ＝l/Np计算感兴趣区域的畸形度，其中，l为感兴趣区域的周长，Np为感兴趣区域的像素点个数；预先设置畸形度高阈值γT；当γ≤γT时，判定对粗分割操作后获取的结果通过畸形度测试；当γ＞γT时，基于梯度矢量流-主动轮廓模型的分割方法对感兴趣区域进行二次粗分割操作，并对二次粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作。
步骤104，当监测到支付事件被触发时，则完成支付操作。
其中，在一个实施例中，需要说明的是，当监测到支付事件被触发时，则完成支付操作包括：建立收银商品特征与收银商品价格之间的映射关系；根据映射关系，获取各商品中的商品价格以及针对当前支付图像对应商品的价格；将当前支付图像对应商品的价格完成收银操作。其中，根据映射关系，获得各商品中的商品价格，并进行累加，获得当前支付图像对应商品的价格。可以理解的是，进行累加的各商品价格为预先存储的，也可以根据用户购物的历史数据通过神经网络学习快速分析并获取各商品价格。需要说明的是，为了增加用户体验性，对完成收银操作的数据，以及完成状态进行展示。
在一个实施例中，本公开涉及的一种基于移动支付设备的被扫支付方法，还包括：在监测到支付事件被触发后，当移动支付设备处于充电时，则将支付图像从图片库中删除，并将移动支付设备内置系统中的默认图片设置为提示图像；当移动支付设备当前的电量低于预设电量阈值时，将移动支付设备内置系统中的额默认图片设置为提示图像。其中，提示图像为移动支付设备的关机低电提示图。
此外，还需要说明的是，为了便于通过被动扫码完成支付的顺畅性，本公开涉及的一种基于移动支付设备的被扫支付方法还包括：在预设时间段内获取移动支付设备屏幕的光照强度以及通过移动支付设备的屏幕反射出去的光照强度，构建针对移动支付设备的屏幕光照强度数据库以及针对移动支付设备的屏幕反射光照强度数据库。由此，可以根据不同场景，不同移动支付设备型号适配相应的关照强度快速、精准地完成支付操作。
为了更加清楚与准确地理解并应用本公开涉及的一种基于移动支付设备的被扫支付方法，结合图2进行以下示例，需要说明的是，本公开所保护的范围不限于以下示例。
具体的，步骤201至步骤208依次为：接收多个图像；对图像划分N*N 个子块，通过大津算法进行粗分割操作，判断感兴趣区域是否符合二维码基本形态，若感兴趣区域符合二维码基本形态，则将感兴趣区域的图像送至预设的特征模型完成支付图像的特征提取；若感兴趣区域不符合二维码基本形态，则基于梯度矢量流-主动轮廓模型进行二次分割操作后，再判断感兴趣区域是否符合二维码基本形态，若感兴趣区域符合二维码基本形态，则将感兴趣区域的图像送至预设的特征模型完成支付图像的特征提取；若感兴趣区域不符合二维码基本形态，则对支付图像中的杂质进行剔除操作。
可以理解的是，对接收的支付图像进行划分；根据大津算法，针对划分后的支付图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于支付图像分割操作。具体的，针对支付图像，本公开首先采用大津算法对支付图像进行粗分割，获得无噪音，便于识读的支付图像；然后对以上分割的结果进行形状测试。
需要说明的是，测试条件为：面积测试。ROI(Region Of Interest，感兴趣区域)的像素点个数Np，即ROI面积是否符合正常二维码面积的范围 [Nmin,Nmax]之内；畸形度测试。通过简易畸形度计算公式γ＝l/Np计算ROI区域的畸形度，式中l为ROI的周长，设有畸形度高阈值γT，当γ≤γT时测试通过。进一步地，假设测试条件通过，则ROI区域为支付图像，进入特征提取模块；若测试条件不通过的ROI区域，即有可能是存在噪音或者杂质的支付图像，则基于梯度矢量流-主动轮廓模型的分割方法对ROI区域进行二次分割，然后对二次分割结果进行形状测试，测试条件如同上述所述。其中，本技术领域人员可以理解的是，测试不通过则ROI为杂质，直接丢弃；测试通过的ROI区域为支付图像，进入预设特征提取模块对支付图像进行特征提取。
本发明提供的一种基于移动支付设备的被扫支付方法，接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将支付图像存储到图片库中，其中，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码而获取的支付信息生成的；当监测到支付事件被触发时，则完成支付操作。该方法针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，并在接收到服务器发送的支付信息后，截取支付二维码作为支付图像，当监测到支付事件被触发时，则完成支付操作。由此，可以高效、精准、快捷地针对支付图像实现图像识读的操作，且具有易用性与适用性。
基于同一发明构思，还提供了一种基于移动支付设备的被扫支付装置。由于此装置解决问题的原理与前述一种基于移动支付设备的被扫支付方法相似，因此，该装置的实施可以按照前述方法的具体步骤实现，重复之处不再赘述。
如图3所示，为一个实施例中的一种基于移动支付设备的被扫支付装置的结构示意图。该基于移动支付设备的被扫支付装置10包括：获取模块200 和支付模块400。
其中，截取模块200用于接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将支付图像存储到图片库中，其中，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码而获取的支付信息生成的；支付模块400，用于当监测到支付事件被触发时，则完成支付操作。
本发明提供的一种基于移动支付设备的被扫支付装置，截取模块接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将支付图像存储到图片库中，其中，支付信息为服务器依据支付终端设备通过移动支付设备展示的支付二维码而获取的支付信息生成的；支付模块当监测到支付事件被触发时，则完成支付操作。该装置针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，并在接收到服务器发送的支付信息后，截取支付二维码作为支付图像，当监测到支付事件被触发时，则完成支付操作。由此，可以高效、精准、快捷地针对支付图像实现图像识读的操作，且具有易用性与适用性。
以上，根据本公开实施例的基于移动支付设备的被扫支付方法和装置，以及计算机可读存储介质，针对支付图像，采用大津算法对支付图像进行粗分割，对粗分割操作后获取的结果通过形状测试完成适用于支付图像的分割操作，如测试条件通过，则感兴趣区域为支付图像，进入特征提取模块；测试不通过的感兴趣区域，即有可能杂质图像，则基于梯度矢量流-主动轮廓模型的分割方法对感兴趣区域进行二次分割，然后对二次分割结果进行形状测试。由此，可以高效、精准、快捷地针对支付图像实现图像识读的操作，且具有易用性与适用性。本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被图1或图2中处理器执行。
本发明实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机上运行时，使得计算机执行上述图1或图2的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体 (Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory， RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本公开中涉及的器件、装置、设备、系统的方框图仅作为示例性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
另外，如在此使用的，在以“至少一个”开始的项的列举中使用的“或”指示分离的列举，例如“A、B或C的至少一个”的列举意味着A或B或C，或 AB或AC或BC，或ABC(即A和B和C)。此外，措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。
还需要指出的是，在本公开的系统和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外，本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而，所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了示例和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种基于移动支付设备的被扫支付方法，其特征在于，包括以下步骤：
接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将所述支付图像存储到图片库中，其中，所述支付信息为所述服务器依据支付终端设备通过所述移动支付设备展示的所述支付二维码而获取的所述支付信息生成的；
当监测到支付事件被触发时，则完成支付操作。
2.根据权利要求1所述的基于移动支付设备的被扫支付方法，其特征在于，还包括：在监测到所述支付事件被触发后，当所述移动支付设备处于充电时，则将所述支付图像从所述图片库中删除，并将所述移动支付设备内置系统中的默认图片设置为提示图像；
当所述移动支付设备当前的电量低于预设电量阈值时，将所述移动支付设备内置系统中的额默认图片设置为提示图像。
3.根据权利要求1所述的基于移动支付设备的被扫支付方法，其特征在于，还包括：在预设时间段内获取所述移动支付设备屏幕的光照强度以及通过所述移动支付设备的屏幕反射出去的光照强度，构建针对所述移动支付设备的屏幕光照强度数据库以及针对所述移动支付设备的屏幕反射光照强度数据库。
4.根据权利要求1所述的基于移动支付设备的被扫支付方法，其特征在于，所述当监测到支付事件被触发时，则完成支付操作包括：建立收银商品特征与收银商品价格之间的映射关系；
根据所述映射关系，获取各商品中的商品价格以及针对当前所述支付图像对应商品的价格；
将当前所述支付图像对应商品的价格完成收银操作。
5.根据权利要求1所述的基于移动支付设备的被扫支付方法，其特征在于，还包括：在截取所述支付二维码作为所述支付图像后，对所述支付图像进行划分；
根据大津算法，针对划分后的所述支付图像中的感兴趣区域进行粗分割操作；
对粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作。
6.根据权利要求5所述的基于移动支付设备的被扫支付方法，其特征在于，所述对所述支付图像进行划分包括：基于训练样本的所述支付图像数据的统计学规律，选择分割频道；
选取所述分割频道内的分割阈值，并对所述支付图像进行前景和背景分割；
根据分割后的前景像素和背景像素进行联通区域分析，获取符合条件的二维码区域，其中，对获取符合条件的二维码区域以预设行以及预设列划分方式进行所述支付图像子块的划分，其中，所述预设行与所述预设列为等值的数值。
7.根据权利要求5所述的基于移动支付设备的被扫支付方法，其特征在于，所述对粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作包括：对粗分割操作后获取的结果通过畸形度测试完成适用于所述支付图像的图形分割操作，其中，所述畸形度测试为通过简易畸形度计算公式γ＝l/Np计算所述感兴趣区域的畸形度，其中，l为所述感兴趣区域的周长，Np为所述感兴趣区域的像素点个数；预先设置畸形度高阈值γT；
当γ≤γT时，判定对粗分割操作后获取的结果通过畸形度测试；
当γ＞γT时，基于梯度矢量流-主动轮廓模型的分割方法对感兴趣区域进行二次粗分割操作，并对二次粗分割操作后获取的结果通过形状测试完成适用于所述支付图像的分割操作。
8.一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所述权利要求1-7中任一项所述方法的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。
10.一种基于移动支付设备的被扫支付装置，其特征在于，所述装置包括：
截取模块，用于接收到服务器发送的支付信息后，截取支付二维码作为支付图像，并将所述支付图像存储到图片库中，其中，所述支付信息为所述服务器依据支付终端设备通过所述移动支付设备展示的所述支付二维码而获取的所述支付信息生成的；
支付模块，用于当监测到支付事件被触发时，则完成支付操作。
CN201811014200.7A 2018-08-31 2018-08-31 基于移动支付设备的被扫支付方法和装置 Pending CN110874732A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811014200.7A CN110874732A (zh) 2018-08-31 2018-08-31 基于移动支付设备的被扫支付方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811014200.7A CN110874732A (zh) 2018-08-31 2018-08-31 基于移动支付设备的被扫支付方法和装置

Publications (1)

Publication Number Publication Date
CN110874732A true CN110874732A (zh) 2020-03-10

Family

ID=69715829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811014200.7A Pending CN110874732A (zh) 2018-08-31 2018-08-31 基于移动支付设备的被扫支付方法和装置

Country Status (1)

Country Link
CN (1) CN110874732A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495771A (zh) * 2020-04-08 2021-10-12 北京意锐新创科技有限公司 适用于支付设备的信息显示方法和装置
CN113496244A (zh) * 2020-04-08 2021-10-12 北京意锐新创科技有限公司 适用于支付设备的移动终端评测方法和装置
CN117993909A (zh) * 2024-04-02 2024-05-07 鲁东大学 一种智能移动支付系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710407A (zh) * 2009-12-29 2010-05-19 江西科技师范学院 一种基于二维码采用手机进行消费结算的支付方法及其支付系统
CN102393906A (zh) * 2011-07-12 2012-03-28 四川大学 一种基于计算机视觉检测技术的二维码快速检测提取方法
CN103093225A (zh) * 2013-01-05 2013-05-08 武汉矽感科技有限公司 二维码图像的二值化方法
CN104463892A (zh) * 2014-12-24 2015-03-25 福州大学 基于水平集及GVF Snake精确定位的菌落图像分割方法
CN104504662A (zh) * 2014-12-26 2015-04-08 北京慧眼智行科技有限公司 一种基于同态滤波的图像处理方法及系统
CN108171509A (zh) * 2018-03-12 2018-06-15 宁波大学 实现移动终端多屏扰乱显示的安全支付方法
CN108257227A (zh) * 2018-02-12 2018-07-06 上海与德科技有限公司 一种二维码结算方法、终端及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710407A (zh) * 2009-12-29 2010-05-19 江西科技师范学院 一种基于二维码采用手机进行消费结算的支付方法及其支付系统
CN102393906A (zh) * 2011-07-12 2012-03-28 四川大学 一种基于计算机视觉检测技术的二维码快速检测提取方法
CN103093225A (zh) * 2013-01-05 2013-05-08 武汉矽感科技有限公司 二维码图像的二值化方法
CN104463892A (zh) * 2014-12-24 2015-03-25 福州大学 基于水平集及GVF Snake精确定位的菌落图像分割方法
CN104504662A (zh) * 2014-12-26 2015-04-08 北京慧眼智行科技有限公司 一种基于同态滤波的图像处理方法及系统
CN108257227A (zh) * 2018-02-12 2018-07-06 上海与德科技有限公司 一种二维码结算方法、终端及系统
CN108171509A (zh) * 2018-03-12 2018-06-15 宁波大学 实现移动终端多屏扰乱显示的安全支付方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495771A (zh) * 2020-04-08 2021-10-12 北京意锐新创科技有限公司 适用于支付设备的信息显示方法和装置
CN113496244A (zh) * 2020-04-08 2021-10-12 北京意锐新创科技有限公司 适用于支付设备的移动终端评测方法和装置
CN117993909A (zh) * 2024-04-02 2024-05-07 鲁东大学 一种智能移动支付系统
CN117993909B (zh) * 2024-04-02 2024-06-07 鲁东大学 一种智能移动支付系统

Similar Documents

Publication Publication Date Title
CN109472199B (zh) 一种图像融合分类的方法及装置
CN109670437B (zh) 年龄预估模型训练方法、面部图像识别方法及装置
US20190019207A1 (en) Apparatus and method for store analysis
CN110874732A (zh) 基于移动支付设备的被扫支付方法和装置
CN110119675B (zh) 一种产品识别方法和装置
CN110874733A (zh) 支持外接设备的被动扫码支付方法和装置
CN110874734A (zh) 动态二维码生成方法和装置
CN114494765B (zh) 真假烟鉴别点的识别方法、装置、电子设备及存储介质
CN110874540A (zh) 全角度读取条码的方法和装置
CN110378761A (zh) 一种自动取物控制系统及其方法
CN111311233A (zh) 基于多触发模式的被动扫码方法和装置
CN110910127A (zh) 应用于餐厅的基于移动支付设备的收银方法和装置
CN111091363A (zh) 与pos设备协同应用的快速支付方法和装置
CN111091371A (zh) 快速支付方法和装置
CN111091376A (zh) 集扫码与非接触式刷卡的支付方法和装置
CN111091375A (zh) 基于商品码识读的快速支付方法和装置
CN111091368A (zh) 封闭式快速支付方法和装置
CN111091369A (zh) 与输入设备协同应用的快速支付方法和装置
CN110874898A (zh) 基于移动支付设备的收银方法和装置
CN111091367A (zh) 开放式快速支付方法和装置
CN111091366A (zh) 应用于远距离的扣扫式支付方法和装置
CN111091017A (zh) 高频次交易状态下的移动支付设备的收银优化方法和装置
CN113191227A (zh) 柜门状态的检测方法、装置、设备及存储介质
CN111091668A (zh) 基于二维码识读装置的零距离收银方法和装置
CN111091370A (zh) 基于电磁干扰状态下的支持外接设备的支付方法和装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200310