CN111275448A - 人脸数据处理方法、装置和计算机设备 - Google Patents
人脸数据处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111275448A CN111275448A CN202010109704.8A CN202010109704A CN111275448A CN 111275448 A CN111275448 A CN 111275448A CN 202010109704 A CN202010109704 A CN 202010109704A CN 111275448 A CN111275448 A CN 111275448A
- Authority
- CN
- China
- Prior art keywords
- payment
- face
- current
- face image
- user 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
- 238000003672 processing method Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001727 in vivo Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q20/38—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- 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
Abstract
本申请涉及一种人脸数据处理方法、装置和计算机设备，所述方法包括：获取待识别人脸图像；根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。本申请提供的方案可以提高网络较差环境下的人脸识别支付效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种人脸数据处理方法、装置和计算机设备。
背景技术
随着计算机技术的发展，出现了人脸识别技术，通过人脸识别进行支付变得越来越普及。
传统技术中，在通过人脸识别进行支付时，通常是终端将采集的人脸图像实时发送到支付服务器，由支付服务器进行人脸识别，并在识别成功时实时生成支付付款码进行扣款，这种方式，人脸识别和网络传输耗时关联较大，当网络较差时，人脸识别效率低，从而导致支付效率低下。
发明内容
基于此，有必要针对背景技术中引出由于网络较差导致的支付效率低下的技术问题，提供一种人脸数据处理方法、装置、计算机可读存储介质和计算机设备。
一种人脸数据处理方法，包括：
获取待识别人脸图像；
根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
一种人脸数据处理装置，所述装置包括：
人脸图像获取模块，用于获取待识别人脸图像；
人脸识别模块，用于根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
用户信息获取模块，用于当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
支付凭证生成模块，用于获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
获取待识别人脸图像；
根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取待识别人脸图像；
根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
上述人脸数据处理方法、装置、计算机可读存储介质和计算机设备，通过获取待识别人脸图像，根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别，所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息，当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，由于预先存储了人脸数据集合，可以在离线的情况下进行人脸识别，当人脸识别成功时，可以离线生成支付凭证，该支付凭证可以指示支付服务器进行支付操作，从而降低了人脸识别支付时对网络的依赖，提高了支付效率。
附图说明
图1为一个实施例中人脸数据处理方法的应用环境图；
图1A一个实施例中业务终端的外观示意图；
图2为一个实施例中人脸数据处理方法的流程示意图；
图3为另一个实施例中人脸数据处理方法的流程示意图；
图4为又一个实施例中脸数据处理方法的流程示意图；
图5为一个实施例中人脸数据处理装置的结构框图；
图6为一个实施例中人脸数据处理装置的结构框图；
图7为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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仅用以解释本申请，并不用于限定本申请。
图1为一个实施例中人脸数据处理方法的应用环境图。参照图1，该人脸数据处理方法应用于人脸数据处理系统。该人脸数据处理系统包括业务终端110、业务服务器120和支付服务器130。业务终端110分别和业务服务器120、支付服务器130通过网络连接，业务服务器120和支付服务器130通过网络进行连接。业务终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。业务服务器120、支付服务器130可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本实施例中，业务终端110具体为商户所使用的终端，如图1A所示，为一个实施例中业务终端110的外观示意图。业务终端110在获取到待支付用户对应的待识别人脸图像后，根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别，当人脸识别成功时，业务终端110可以从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，人脸数据集合中每一个候选人脸图像存在对应的用户信息，因此，业务终端110在得到目标候选人脸图像，可以获取到目标候选人脸图像对应的目标用户信息，根据该用户信息可以获取对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证并存储至本地，该支付凭证用于指示支付服务器进行支付操作，从而实现在离线环境下的人脸识别支付。
如图2所示，在一个实施例中，提供了一种人脸数据处理方法。本实施例主要以该方法应用于上述图1中的业务终端110来举例说明。参照图2，该人脸数据处理方法具体包括如下步骤：
S202，获取待识别人脸图像。
其中，待识别人脸图像为需要进行识别的人脸图像，是在用户需要进行支付时采集的人脸图像。
具体地，业务终端可以调用当前摄像头采集用户的当前人脸图像，根据该当前人脸图像确定待识别人脸图像。其中，当前摄像头可以是业务终端自带的摄像头或者外接的摄像头。
在一个实施例中，业务终端在采集到当前人脸图像后，可以对当前人脸图像进行活体检测，当根据检测结果判定用户为活体时，将当前人脸图像确定为待识别人脸图像。
S204，根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别；人脸数据集合中包括候选人脸图像及与候选人脸图像对应的用户信息。
人脸数据集合指的是与业务终端对应的商户绑定的所有用户的人脸数据组成的集合，人脸数据集合中包括候选人脸图像，该候选人脸图像指的是用户在与商户绑定时提供的人脸图像，在人脸数据集合中，对于每一个候选人脸图像，均存在对应的用户信息，该用户信息为用户在与商户绑定时提供的身份信息，这里的用户信息指的是可以对用户的身份进行标识的信息，例如用户的手机号、姓名、支付账户。
本实施例中，业务终端预先获取人脸数据集合存储在本地数据库中，以便于在网络不通的情况下进行人脸识别。在进行人脸识别时，业务终端将待识别人脸图像分别与人脸数据集合中每一个候选人脸图像进行比对，当将待识别人脸图像与任意一个候选人脸图像的相似度超过预设阈值时，说明人脸识别成功。
通常情况下，人脸数据集合都是保存在支付服务器的，人脸识别是由支付服务器进行识别，支付服务器在人脸识别成功时，进行支付操作，而申请中由于需要在网络较差的情况下保证支付效率，那么，在一个实施例中，业务终端可以预先通过网络从支付服务器获取到人脸图像数据，并存储至本地数据库中。在一个实施例中，为保证人脸数据集合的安全性，业务终端将人脸图像数据存储至本地数据库后，可以对本地数据库进行加密。
S206，当人脸识别成功时，从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，获取目标候选人脸图像对应的目标用户信息。
具体地，当人脸识别成功时，说明人脸数据集合中存在与待识别人脸图像相似度超过预设阈值的候选人脸图像，那么可以将该候选人脸图像确定为目标候选人脸图像，由于人脸数据集合每一个候选人脸图像存在对应的用户信息，因此，业务终端在确定了目标候选人脸图像对应的用户信息作为目标用户信息，从而获知了当前进行支付的用户的身份。
S208，获取目标用户信息对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证并存储至本地，支付凭证用于指示支付服务器进行支付操作。
其中，交易信息指的是与交易行为相关的信息，交易信息中至少包括交易金额，也可以包括交易时间等其他信息。可以理解的是，这里的交易行为指的是用户的支付行为。
具体地，服务器在确定了目标用户信息后，进一步获取目标用户信息所对应的用户的当前交易行为相关的信息，也就是目标用户信息对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证，生成的支付凭证中携带了当前需要支付用户的用户信息和当前交易信息，因此可以用于指示支付服务器进行支付操作，在网络较差的情况下或者完全没有网络的情况下，业务终端可以将该支付凭证存储至本地，待网络通畅后，业务终端可以通过该支付凭证指示支付服务器进行支付操作，支付服务器进行支付操作的过程也就是根据用户信息和当前交易信息对用户的账户余额进行扣款的过程。
在一个实施例中，业务终端可以在网络通畅时，通过网络直接将支付凭证发送至支付服务器，支付服务器接收到支付凭证后，根据支付凭证进行支付操作。
上述人脸数据处理方法，通过获取待识别人脸图像，根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别，人脸数据集合中包括候选人脸图像及与候选人脸图像对应的用户信息，当人脸识别成功时，从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，获取目标候选人脸图像对应的目标用户信息；获取目标用户信息对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证并存储至本地，由于预先存储了人脸数据集合，可以在离线的情况下进行人脸识别，当人脸识别成功时，可以离线生成支付凭证，该支付凭证可以指示支付服务器进行支付操作，从而降低了人脸识别支付时对网络的依赖，提高了支付效率。
在一个实施例中，在获取待识别人脸图像之前，该人脸数据处理方法还包括：向支付服务器发送查询请求，查询请求携带当前商户标识；查询请求用于指示支付服务器根据当前商户标识查询对应的人脸数据集合；接收支付服务器返回的人脸数据集合；将人脸数据集合存储至本地数据库，并对本地数据库进行加密。
本实施例中，支付服务器上存储了与各个商户绑定的人脸数据集合，人脸数据集合与商户标识一一对应，那么业务终端在获取当前商户标识对应的人脸数据集合时，可以向支付服务器发送携带当前商户标识的查询请求，支付服务器接收到该查询请求后，首先对该查询请求进行解析，获取其中携带的当前商户标识，根据当前商户标识去查询与该当前商户对应的人脸数据集合，将查询到的人脸数据集合发送至业务终端，业务终端接收到支付服务器返回的人脸数据集合后，将接收到的人脸数据集合存储至本地数据库，同时为了保证人脸数据集合的安全性，业务终端可以对本地数据库进行加密，由于将当前商户绑定的人脸数据集合存储至本地数据库中，业务终端可以实现离线人脸识别。
在一个实施例中，业务终端可以在操作系统文件驱动层将本地数据库的人脸数据集合经过加密后存储到磁盘上，当本地数据库访问人脸数据集合的时候，再进行解密。在另一个实施例中，业务终端采用全盘加密系统或者存储加密网关系统，将数据库文件所在的磁盘扇区进行加密，当本地数据库访问磁盘扇区的时候，对加密扇区再进行解密。
本实施例中，业务终端通过发送查询请求可以方便快捷地获取到当前商户绑定的人脸数据集合，从而实现离线人脸识别，降低人脸识别过程对网络的依赖，通过对存储人脸数据集合的本地数据库进行加密，保证了人脸数据集合的安全性。
在一个实施例中，上述步骤S208中根据当前交易信息及目标用户信息生成支付凭证并存储至本地，包括：对当前交易信息及目标用户信息进行加密，得到支付凭证。
具体地，业务终端在需要生成支付凭证时，可以对当前交易信息及目标用户信息进行加密，得到对应的加密字符串，将该加密字符串作为支付凭证。
在一个实施例中，业务终端本地存储有加密密钥，业务终端从本地获取到加密密钥，通过加密密钥对当前交易信息及目标用户信息进行加密，得到对应的加密字符串。
在另一个实施例中，业务终端可以对当前交易信息及目标用户信息进行序列化处理，得到对应的加密字符串。
本实施例中，通过对当前交易信息及目标用户信息进行加密，得到支付凭证，使得得到的支付凭证的安全性更高。
在一个实施例中，如图3所示，提供了一种人脸数据处理方法，包括以下步骤：
S302，获取待识别人脸图像。
S304，根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别；人脸数据集合中包括候选人脸图像及与候选人脸图像对应的用户信息。
S306，当人脸识别成功时，从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，获取目标候选人脸图像对应的目标用户信息。
S308，获取目标用户信息对应的当前交易信息。
S310，获取当前设备信息，根据当前设备信息、待识别人脸图像、当前交易信息及目标用户信息生成支付凭证并存储至本地，支付凭证用于指示支付服务器进行支付操作。
本实施例中，业务终端在生成支付凭证之前，还可以获取当前设备信息，当前设备信息用于对业务终端进行标识，当前设备信息可以是业务终端对应的设备标识。业务终端根据当前设备信息、待识别人脸图像、当前交易信息及目标用户信息生成支付凭证，这样生成的支付凭证中会携带当前设备信息、待识别人脸图像、当前交易信息及目标用户信息，当前设备信息、待识别人脸图像可以反映用户在进行支付时的现场情况，那么支付服务器在根据支付凭证进行支付操作时，可以根据支付凭证中携带的信息对支付凭证进行校验，以防止支付凭证造假。
在一个实施例中，支付服务器可以将当前设备信息与当前存储的各个设备的设备信息进行比对，以判断当前设备信息对应的业务终端是否为有效的业务终端，同时，支付服务器可以将待识别人脸图像与当前存储的人脸数据集合进行比对，以判断将待识别人脸图像对应的用户是否有有效的用户。
本实施例中，通过获取当时设备信息，根据当前设备信息、待识别人脸图像、当前交易信息及目标用户信息生成支付凭证，使得生成的支付凭证可以携带更多支付时的现场信息，保证支付的安全性。
在一个实施例中，在根据当前交易信息及目标用户信息生成支付凭证并存储至本地之后，该人脸数据处理方法还包括：向业务服务器发送第一支付请求，第一支付请求携带当前商户标识及支付凭证；第一支付请求用于指示业务服务器生成第二支付请求，并发送至支付服务器；第二支付请求携带当前商户标识、支付凭证及当前商户标识对应的数字签名；第二支付请求用于指示支付服务器在对数字签名验证通过后，根据当前商户标识及支付凭证进行支付操作并返回对应的支付结果；接收业务服务器返回的支付结果。
具体地，业务终端在生成支付凭证后，可以根据支付凭证和当前商户标识生成第一支付请求，将该第一支付请求发送至业务服务器，业务服务器接收到第一支付请求后，对该第一支付请求进行解析，获取其中携带的当前商户标识及支付凭证，为提高支付安全性，业务服务器还可以进一步根据当前商户标识获取对应的数字签名，根据当前商户标识、支付凭证及该数字签名生成第二支付请求并发送至支付服务器。在一个实施例中，业务服务器可以对当前商户标识进行哈希计算，将得到的哈希值作为当前商户标识对应的数字签名。
支付服务器接收到第二支付请求后，解析该第二支付请求，获取其中携带的当前商户标识、支付凭证及当前商户标识对应的数字签名，对该数字签名进行验证，在数字签名验证通过后，根据当前商户标识及支付凭证进行支付操作，支付操作完成后，得到支付结果，将支付结果返回至业务服务器，业务服务器将支付结果返回至业务终端，这样，终端即得到了最终的支付结果，可以理解的是，当支付成功时，支付服务器返回用于表征支付成功的第一支付结果，当支付失败时，支付服务器返回用于表征支付失败的第二支付结果。
在一个实施例中，当业务服务器根据返回的支付结果判定支付失败时，可以按照预设的时间间隔再次生成第二支付请求并发送至支付服务器，直至接收到支付服务器返回的用于表征支付成功的第一支付结果。
在一个实施例中，由于业务终端可能处于网络不通畅的环境下，那么业务终端在向业务服务器发送第一支付请求后，可以判断是否在预设时间内接收到支付结果，若是没接收到支付结果，则按照预设的时间间隔重复发送第一支付请求，直到接收到支付结果。
本实施例中，通过向业务服务器发送第一支付请求，由业务服务器获取数字签名后生成第二支付请求来指示支付服务器进行支付操作，由于数字签名是保存在业务服务器上，数字签名具有较高的安全性，根据数字签名生成的第二支付请求来指示支付操作，可以进一步提升支付操作的安全性。
在一个实施例中，在向业务服务器发送第一支付请求之前,该人脸数据处理方法还包括：检测当前网络状态；向业务服务器发送第一支付请求，包括：当当前网络状态满足预设条件时，向业务服务器发送第一支付请求。
在一个具体的实施例中，当前网络状态包括网络连通和网络断开两种状态，当业务终端检测到当前网络状态为网络连通时，判定当前网络状态满足预设条件，此时，业务终端可以向业务服务器发送第一支付请求。
在另一个具体的实施例中，当前网络状态可以为用于表征当前网络传输速率的数值，当该数值超过预设值时，说明当前网络速率较快，业务终端判定当前网络状态满足预设条件，此时，业务终端可以向业务服务器发送第一支付请求；当该数值不超过预设值时，说明当前网络速率较慢，此时，业务终端不会向业务服务器发送第一支付请求。
本实施例中，通过检测当前网络状态，当前网络状态满足预设条件时，向业务服务器发送第一支付请求，避免了在网络不好的情况下发送第一支付请求，保证了第一支付请求的顺利发送，同时避免了业务终端在网络不好的情况下发送第一支付请求导致浪费运行资源。
在一个实施例中，步骤S202获取待识别人脸图像，包括：调用当前摄像头采集当前人脸图像；对当前人脸图像进行活体检测，得到对应的活体检测结果；当根据活体检测结果判定当前人脸图像对应的用户为活体时，将当前人脸图像确定为待识别人脸图像。
其中，当前摄像头可以是业务终端自带的摄像头或者外接的摄像头。
具体地，业务终端可以获取预先训练的活体检测模型，将当前人脸图像输入活体检测模型，得到对应的活体检测结果。这里的活体检测模型指的是可以用于活体检测的机器学习模型。这里的机器学习模型是通过对样本进行机器学习具备某种能力的数学模型。机器学习英文全称为Machine Learning，简称ML。机器学习模型可采用神经网络模型、支持向量机、逻辑回归模型、随机森林模型或者梯度提升树模型等。机器学习的学习方式可以是监督学习、非监督学习或者强化学习等。活体检测模型可以是计算机设备训练并存储在本地的，也可以是服务器通过网络从其他计算机设备获取到的。
其中，活体检测结果用于表征当前人脸图像中的人脸是否是活体人脸。在一个实施例中，活体检测结果可以为用于表征当前人脸图像中的人脸是活体人脸的是检测结果标识(例如，数字1或者向量(1,0))或者用于表征当前人脸图像中的人脸不是活体人脸的否检测结果标识(例如，数字0或者向量(0,1))；在另一个实施例中，活体检测结果还可以包括当前人脸图像中的人脸是活体人脸的概率和/或当前人脸图像中的人脸是非活体人脸的概率，例如，活体检测结果可以是包括第一概率和第二概率的向量，其中，第一概率用于表征当前人脸图像中的人脸是活体人脸的概率，第二概率用于表征当前人脸图像中的人脸是非活体人脸的概率。
当活体检测结果为表征当前人脸图像中的人脸是活体人脸的结果时，业务终端判定当前人脸图像对应的用户为活体，此时，可以将当前人脸图像确定为待识别人脸图像。
本实施例中，通过对采集的当前人脸图像进行活体检测，当根据活体检测结果判定当前人脸图像对应的用户为活体时，将当前人脸图像确定为待识别人脸图像，可以避免伪造的非活体人脸带来的支付风险，提高支付安全性。
在一个具体的实施例中，提供了一种人脸数据处理方法，该实施例中业务终端安装有商户应用以及人脸应用，参照图4，该人脸数据处理包括以下步骤：
1、人脸应用在启动后，向支付服务器查询业务终端对应的当前商户绑定的人脸数据。
2、支付服务器查询到对应的人脸数据则返回至人脸应用。
3、商户应用调用人脸应用开启摄像头获取待识别人脸图像并进行人脸识别。
4、人脸应用识别人脸成功时返回对应的用户信息到商户应用。
5.人脸应用返回用户信息后，商户应用获取与用户信息对应的交易信息，根据用户信息和交易信息调用人脸应用确认支付。
6.人脸应用根据确认支付时的用户信息和交易信息生成对应的支付凭证并返回给对应商户应用。
7、商户应用将确认支付后生成的支付凭证上传到业务服务器。
8、业务服务器根据对应的支付凭证生成支付请求以指示支付服务器进行支付操作。
9、支付服务器进行支付操作，并在支付操作完成后返回对应的支付结果。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示，提供了一种人脸数据处理装置500，包括：
人脸图像获取模块502，用于获取待识别人脸图像；
人脸识别模块504，用于根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别；人脸数据集合中包括候选人脸图像及与候选人脸图像对应的用户信息；
用户信息获取模块506，用于当人脸识别成功时，从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，获取目标候选人脸图像对应的目标用户信息；
支付凭证生成模块508，用于获取目标用户信息对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证并存储至本地，支付凭证用于指示支付服务器进行支付操作。
上述人脸数据处理装置，通过获取待识别人脸图像，根据预先存储的人脸数据集合对待识别人脸图像进行人脸识别，人脸数据集合中包括候选人脸图像及与候选人脸图像对应的用户信息，当人脸识别成功时，从人脸数据集合中确定待识别人脸图像对应的目标候选人脸图像，获取目标候选人脸图像对应的目标用户信息；获取目标用户信息对应的当前交易信息，根据当前交易信息及目标用户信息生成支付凭证并存储至本地，由于预先存储了人脸数据集合，可以在离线的情况下进行人脸识别，当人脸识别成功时，可以离线生成支付凭证，该支付凭证可以指示支付服务器进行支付操作，从而降低了人脸识别支付时对网络的依赖，提高了支付效率。
在一个实施例中，如图6所示，该人脸数据处理装置还包括查询模块510，用于向支付服务器发送查询请求，查询请求携带当前商户标识；查询请求用于指示支付服务器根据当前商户标识查询对应的人脸数据集合；接收支付服务器返回的人脸数据集合；将人脸数据集合存储至本地数据库，并对本地数据库进行加密。
在一个实施例中，支付凭证生成模块508还用于对当前交易信息及目标用户信息进行加密，得到支付凭证。
在一个实施例中，支付凭证生成模块508还用于获取当前设备信息，根据当前设备信息、待识别人脸图像、当前交易信息及目标用户信息生成支付凭证并存储至本地。
在一个实施例中，如图6所示，该人脸数据处理装置还包括支付请求发送模块512，用于向业务服务器发送第一支付请求，第一支付请求携带当前商户标识及支付凭证，第一支付请求用于指示业务服务器生成第二支付请求，并发送至支付服务器，第二支付请求携带当前商户标识、支付凭证及当前商户标识对应的数字签名，第二支付请求用于指示支付服务器在对数字签名验证通过后，根据当前商户标识及支付凭证进行支付操作并返回对应的支付结果；接收业务服务器返回的支付结果。
在一个实施例中，该人脸数据处理装置还包括网络检测模块，用于检测当前网络状态；支付请求发送模块还用于当当前网络状态满足预设条件时，向业务服务器发送第一支付请求。
在一个实施例中，人脸图像获取模块502用于调用当前摄像头采集当前人脸图像；对当前人脸图像进行活体检测，得到对应的活体检测结果；当根据活体检测结果判定当前人脸图像对应的用户为活体时，将当前人脸图像确定为待识别人脸图像。
图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的业务终端110。如图7所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置、显示屏、摄像头、声音采集装置和扬声器。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现人脸数据处理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行人脸数据处理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的人脸数据处理装置可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该人脸数据处理装置的各个程序模块，比如，图5所示的人脸图像获取模块、人脸识别模块、用户信息获取模块和支付凭证生成模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的人脸数据处理方法中的步骤。
例如，图7所示的计算机设备可以通过如图5所示的人脸数据处理装置中的人脸图像获取模块执行步骤S202。计算机设备可通过人脸识别模块执行步骤S204。计算机设备可通过用户信息获取模块执行步骤S206。计算机设备可通过支付凭证生成模块执行步骤S208。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述人脸数据处理方法的步骤。此处人脸数据处理方法的步骤可以是上述各个实施例的人脸数据处理方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述人脸数据处理方法的步骤。此处人脸数据处理方法的步骤可以是上述各个实施例的人脸数据处理方法中的步骤。
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非易失性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，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸数据处理方法，包括：
获取待识别人脸图像；
根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
2.根据权利要求1所述的方法，其特征在于，在所述获取待识别人脸图像之前，所述方法还包括：
向所述支付服务器发送查询请求，所述查询请求携带当前商户标识；所述查询请求用于指示所述支付服务器根据所述当前商户标识查询对应的人脸数据集合；
接收所述支付服务器返回的人脸数据集合；
将所述人脸数据集合存储至本地数据库，并对所述本地数据库进行加密。
3.根据权利要求1所述的方法，其特征在于，所述根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，包括：
对所述当前交易信息及所述目标用户信息进行加密，得到所述支付凭证。
4.根据权利要求1所述的方法，其特征在于，在所述根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地之前，所述方法还包括：
获取当前设备信息；
所述根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，包括：
根据所述当前设备信息、所述待识别人脸图像、所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地之后，所述方法还包括：
向业务服务器发送第一支付请求，所述第一支付请求携带当前商户标识及所述支付凭证；
所述第一支付请求用于指示所述业务服务器生成第二支付请求，并发送至所述支付服务器；
所述第二支付请求携带所述当前商户标识、所述支付凭证及所述当前商户标识对应的数字签名；所述第二支付请求用于指示所述支付服务器在对所述数字签名验证通过后，根据所述当前商户标识及所述支付凭证进行支付操作并返回对应的支付结果；
接收所述业务服务器返回的支付结果。
6.根据权利要求5所述的方法，其特征在于，在所述向业务服务器发送第一支付请求之前,所述方法还包括：
检测当前网络状态；
所述向业务服务器发送第一支付请求，包括：
当所述当前网络状态满足预设条件时，向业务服务器发送第一支付请求。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取待识别人脸图像，包括：
调用当前摄像头采集当前人脸图像；
对所述当前人脸图像进行活体检测，得到对应的活体检测结果；
当根据所述活体检测结果判定所述当前人脸图像对应的用户为活体时，将所述当前人脸图像确定为待识别人脸图像。
8.一种人脸数据处理装置，其特征在于，所述装置包括：
人脸图像获取模块，用于获取待识别人脸图像；
人脸识别模块，用于根据预先存储的人脸数据集合对所述待识别人脸图像进行人脸识别；所述人脸数据集合中包括候选人脸图像及与所述候选人脸图像对应的用户信息；
用户信息获取模块，用于当人脸识别成功时，从所述人脸数据集合中确定所述待识别人脸图像对应的目标候选人脸图像，获取所述目标候选人脸图像对应的目标用户信息；
支付凭证生成模块，用于获取所述目标用户信息对应的当前交易信息，根据所述当前交易信息及所述目标用户信息生成支付凭证并存储至本地，所述支付凭证用于指示支付服务器进行支付操作。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010109704.8A CN111275448A (zh) | 2020-02-22 | 2020-02-22 | 人脸数据处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010109704.8A CN111275448A (zh) | 2020-02-22 | 2020-02-22 | 人脸数据处理方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111275448A true CN111275448A (zh) | 2020-06-12 |
Family
ID=70999536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010109704.8A Pending CN111275448A (zh) | 2020-02-22 | 2020-02-22 | 人脸数据处理方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275448A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862491A (zh) * | 2021-01-18 | 2021-05-28 | 广东便捷神科技股份有限公司 | 基于安全单元和可信执行环境的人脸支付安全方法及平台 |
| CN112990936A (zh) * | 2021-04-21 | 2021-06-18 | 粤省事(广州)信息科技有限公司 | 一种基于大数据的校园监控系统及方法 |
| CN113326810A (zh) * | 2021-06-30 | 2021-08-31 | 商汤国际私人有限公司 | 人脸识别方法、系统、装置、电子设备及存储介质 |
| CN113409055A (zh) * | 2021-06-30 | 2021-09-17 | 深圳市商汤科技有限公司 | 支付方法、系统、电子设备及存储介质 |
| CN113469698A (zh) * | 2021-06-30 | 2021-10-01 | 深圳市商汤科技有限公司 | 注册方法、系统、电子设备及存储介质 |
| CN114202781A (zh) * | 2020-08-27 | 2022-03-18 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN114581095A (zh) * | 2022-03-16 | 2022-06-03 | 网银在线（北京）科技有限公司 | 一种支付的方法、收款终端和系统 |
| WO2023173661A1 (zh) * | 2022-03-18 | 2023-09-21 | 上海商汤智能科技有限公司 | 人脸识别方法及装置、电子设备、存储介质、计算机程序、计算机程序产品 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106790527A (zh) * | 2016-12-20 | 2017-05-31 | 张峰 | 账户信息处理方法、系统和终端 |
| WO2019072132A1 (zh) * | 2017-10-11 | 2019-04-18 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
| CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
| CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、系统、支付受理设备和服务器 |
| CN110298667A (zh) * | 2019-06-25 | 2019-10-01 | 北京百度网讯科技有限公司 | 基于人脸识别的支付处理方法、装置及存储介质 |
| CN110647641A (zh) * | 2019-08-15 | 2020-01-03 | 平安科技（深圳）有限公司 | 身份验证方法、装置、计算机设备和存储介质 |
| CN110675154A (zh) * | 2019-08-27 | 2020-01-10 | 腾讯科技（深圳）有限公司 | 一种基于人脸识别的服务提供方法、装置、设备及介质 |
| CN110705990A (zh) * | 2019-09-18 | 2020-01-17 | 北京三快在线科技有限公司 | 验证方法、装置、终端及存储介质 |
-
2020
- 2020-02-22 CN CN202010109704.8A patent/CN111275448A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106790527A (zh) * | 2016-12-20 | 2017-05-31 | 张峰 | 账户信息处理方法、系统和终端 |
| WO2019072132A1 (zh) * | 2017-10-11 | 2019-04-18 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
| CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
| CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、系统、支付受理设备和服务器 |
| CN110298667A (zh) * | 2019-06-25 | 2019-10-01 | 北京百度网讯科技有限公司 | 基于人脸识别的支付处理方法、装置及存储介质 |
| CN110647641A (zh) * | 2019-08-15 | 2020-01-03 | 平安科技（深圳）有限公司 | 身份验证方法、装置、计算机设备和存储介质 |
| CN110675154A (zh) * | 2019-08-27 | 2020-01-10 | 腾讯科技（深圳）有限公司 | 一种基于人脸识别的服务提供方法、装置、设备及介质 |
| CN110705990A (zh) * | 2019-09-18 | 2020-01-17 | 北京三快在线科技有限公司 | 验证方法、装置、终端及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114202781A (zh) * | 2020-08-27 | 2022-03-18 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN112862491A (zh) * | 2021-01-18 | 2021-05-28 | 广东便捷神科技股份有限公司 | 基于安全单元和可信执行环境的人脸支付安全方法及平台 |
| CN112990936A (zh) * | 2021-04-21 | 2021-06-18 | 粤省事(广州)信息科技有限公司 | 一种基于大数据的校园监控系统及方法 |
| CN112990936B (zh) * | 2021-04-21 | 2021-07-16 | 粤省事(广州)信息科技有限公司 | 一种基于大数据的校园监控系统及方法 |
| CN113326810A (zh) * | 2021-06-30 | 2021-08-31 | 商汤国际私人有限公司 | 人脸识别方法、系统、装置、电子设备及存储介质 |
| CN113409055A (zh) * | 2021-06-30 | 2021-09-17 | 深圳市商汤科技有限公司 | 支付方法、系统、电子设备及存储介质 |
| CN113469698A (zh) * | 2021-06-30 | 2021-10-01 | 深圳市商汤科技有限公司 | 注册方法、系统、电子设备及存储介质 |
| CN114581095A (zh) * | 2022-03-16 | 2022-06-03 | 网银在线（北京）科技有限公司 | 一种支付的方法、收款终端和系统 |
| WO2023173661A1 (zh) * | 2022-03-18 | 2023-09-21 | 上海商汤智能科技有限公司 | 人脸识别方法及装置、电子设备、存储介质、计算机程序、计算机程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275448A (zh) | 人脸数据处理方法、装置和计算机设备 | |
| US10574650B2 (en) | System for electronic authentication with live user determination | |
| CN110912712B (zh) | 基于区块链的业务操作风险认证方法和系统 | |
| WO2021021373A1 (en) | Self-sovereign identity systems and methods for identification documents | |
| CN105933331B (zh) | 操作账户的方法和装置 | |
| US20140310786A1 (en) | Integrated interactive messaging and biometric enrollment, verification, and identification system | |
| CN110782277A (zh) | 资源处理方法、装置、计算机设备和存储介质 | |
| US11663306B2 (en) | System and method for confirming a person's identity | |
| CN110223075B (zh) | 身份认证方法、装置、计算机设备和存储介质 | |
| JP2023549934A (ja) | ユーザ認識のための方法及び機器 | |
| US20220150243A1 (en) | Authentication server, and non-transitory storage medium | |
| CN111210190A (zh) | 文件签署方法、装置、计算机设备和存储介质 | |
| CN111901359B (zh) | 资源账户授权方法、装置、系统、计算机设备和介质 | |
| US20200334430A1 (en) | Self-sovereign identity systems and methods for identification documents | |
| CN107330104A (zh) | 一种利用通信网络核查用户真实身份的方法及系统 | |
| CN114448722B (zh) | 跨浏览器登录方法、装置、计算机设备和存储介质 | |
| CN106533685B (zh) | 身份认证方法、装置及系统 | |
| CN112732676B (zh) | 基于区块链的数据迁移方法、装置、设备及存储介质 | |
| CN114244519A (zh) | 密码的校验方法、装置、计算机设备和存储介质 | |
| CN106161365B (zh) | 一种数据处理方法、装置及终端 | |
| CN110071908B (zh) | 终端绑定方法、装置、计算机设备和存储介质 | |
| CN114238914A (zh) | 数字证书申请系统、方法、装置、计算机设备和存储介质 | |
| CN109561093B (zh) | 越权行为检测方法、装置、计算机设备和存储介质 | |
| CN111209546A (zh) | 线上多人身份验证方法、系统、装置和身份验证设备 | |
| CN111259363A (zh) | 业务访问信息处理方法、系统、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40023560 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |