CN111292092B - 刷脸支付方法、装置及电子设备 - Google Patents
刷脸支付方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111292092B CN111292092B CN202010384111.2A CN202010384111A CN111292092B CN 111292092 B CN111292092 B CN 111292092B CN 202010384111 A CN202010384111 A CN 202010384111A CN 111292092 B CN111292092 B CN 111292092B
- Authority
- CN
- China
- Prior art keywords
- user
- payment
- willingness
- value
- face
- 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.)
- Active
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
- G06Q20/38—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本说明书实施例公开了一种刷脸支付方法、装置及电子设备,其基本思想是,在采集到刷脸图像时,如果识别到不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证。根据认证结果确定待支付目标用户,以基于所述待支付目标用户的脸部信息执行支付操作。
Description
技术领域
本说明书实施例涉及计算机技术领域,尤其涉及一种刷脸支付方法、装置及电子设备。
背景技术
基于人脸识别的刷脸支付是目前线下场景的新型支付手段。具体地,在一现有技术场景中,采集用户脸部信息,再将其与数据库中的信息进行比对,当比对成功,即验证消费者的身份信息,执行支付操作。
当前,刷脸支付已逐渐不需要用户输入其他身份信息就可完成支付行为。那么,如何保证刷脸支付过程中的支付安全,成为业界思考的一个课题。
发明内容
有鉴于此,本说明书实施例提供了一种提升刷脸支付安全性的刷脸支付方法、装置及电子设备。
本说明书实施例采用下述技术方案:
本说明书实施例提供一种刷脸支付方法,包括:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
本说明书实施例还提供一种刷脸支付装置,包括:
采集模块,采集刷脸图像;
第一判断模块,如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
第二判断模块,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
启动模块,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
确定模块,根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
本说明书实施例还提供一种电子设备,包括:
处理器;以及
被配置成存储计算机程序的存储器,所述计算机程序在被执行时使所述处理器执行以下操作:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
在采集到刷脸图像时,如果识别到不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证。根据认证结果确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
利用本说明书实施例提出的方案,可以解决在一次刷脸支付情境中出现的多用户刷脸支付意愿风险问题。由于用户的行为特征可以反映用户的支付意愿,那么就可以事先根据各个用户的行为特征来推断每个用户的支付意愿值,判断各用户是否具有支付意愿,实现对多个用户进行筛选。同时,如果出现了多个待支付目标用户,则可以启动用户身份认证,以降低出现支付误扣风险,提升刷脸支付安全性。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解,构成本说明书实施例的一部分,本说明书的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提出的一种刷脸支付方法的流程图;
图2为本说明书实施例提出的一种刷脸支付方法的流程图;
图3为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图;
图4为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图;
图5为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图;
图6为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图;
图7为本说明书实施例提出的一种刷脸支付装置的结构示意图。
具体实施方式
对现有技术进行分析发现,现有刷脸支付方案的思路是,将采集到的单帧图像中的人脸与所存储人脸信息进行比对,以完成验证。即使采集到的图像中包含多个人脸,也只是将这些人脸分别与所存储人脸信息进行比对,选出一个目标用户的人脸。
本说明书实施例提出一种刷脸支付方法、装置及电子设备,其核心思想是,在采集到刷脸图像时,如果识别到不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证。根据认证结果确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
利用本说明书实施例提出的方案,可以解决在一次刷脸支付情境中出现的多用户刷脸支付意愿风险问题。由于用户的行为特征可以反映用户的支付意愿,那么就可以事先根据各个用户的行为特征来推断每个用户的支付意愿值,判断各用户是否具有支付意愿,实现对多个用户进行筛选。同时,如果出现了多个待支付目标用户,则可以启动用户身份认证,以降低出现支付误扣风险,提升刷脸支付安全性。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提出的一种刷脸支付方法的流程图。本方法的执行主体可以是终端或在终端运行的客户端,还可以是服务器,在此不作具体限定。
步骤101:采集刷脸图像。
在本说明书实施例中,可以是根据刷脸支付指令采集刷脸图像。该刷脸支付指令可以是终端根据订单而生成,或者是终端接收到的。
对刷脸图像的采集设备可以是摄像头,刷脸图像可以图片或视频。
在刷脸图像中可以包含人脸信息及用户的行为特征。其中,人脸信息为用户生物特征信息,可用于对用户身份进行认证。行为特征表征用户在刷脸支付时所表现出的外在行为,通过行为特征可以分析用户真实的支付意愿表示。
尤其是,一旦扫脸时采集到多个用户的人脸信息,那么就可以借助于行为特征分析各用户的支付意愿,以确定真实的待支付用户。
具体地,行为特征可以包括人体姿态信息、头部旋转角度、眼部特征、用户到采集设备的距离中的一种或多种,在此不作具体限定。
步骤103:如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值。
在具体应用中,如果采集到不同用户的行为特征,则需要从中确定真实的待支付用户,以避免出现误扣。而本说明书实施例提出了根据这些用户的行为特征分析每个用户的支付意愿,具体将支付意愿量化为支付意愿值。
在本说明书实施例中,根据所述不同用户的行为特征判断各用户的支付意愿值,其实质是,将各用户的行为特征分别与预设行为特征进行匹配;
基于匹配度确定用户的支付意愿值。
其中,在刷脸图像中,每个用户所展示的行为特征的种类可以部分相同或全部相同,这受到刷脸图像的采集视角限制。
例如,即使预设的行为特征的类型可以包括人体姿态信息、头部旋转角度、眼部特征、用户到采集设备的距离。但,对每个用户来说,其所展示的行为特征可以是其中一种或多种。
在具体应用中,可以是,对每个用户,基于一种行为特征可以得到一个支付意愿值。如果该用户展示了多个行为特征,那么可以根据这些行为特征分别得到的支付意愿值,综合计算出最终的支付意愿值。举例来说,可以是将每个支付意愿值进行加权计算,以输出最终的支付意愿值。还可以是,对这些意愿值进行求平均数,以输出最终的支付意愿值。在此不作具体限定。
步骤105:利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件。
在本说明书一种实施例中,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,可以是,直接判断各用户的支付意愿值是否达到支付用户设定条件,若是则表明该用户大概率具有真实的支付意愿表示,反之则具有不真实的支付意愿。
具体地,可以将各用户的支付意愿值与预设阈值进行比较,意在判断支付意愿值是否大于预设阈值,该大于预设阈值为支付用户设定条件的一种形式。
如果大于预设阈值,则表明该用户大概率具有真实的支付意愿。
如果小于预设阈值,则表明该用户大概率具有不真实的支付意愿。
在本说明书另一实施例中,可以将各用户的支付意愿值进行比较,其中支付意愿值比其他用户的支付意愿值大的用户大概率具有真实的支付意愿表示。
在本说明书另一实施例中,根据所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,可以包括:
将所述各用户的支付意愿值与预设支付意愿值进行比较,得到相对支付意愿值;
根据高于其他相对支付意愿值的相对支付意愿值,选择支付用户设定条件,或者调整已有的支付用户设定条件;
判断各用户的相对支付意愿值是否达到选择的所述支付用户设定条件。
具体地,相对支付意愿值表征该用户相对于样本刷脸用户的支付意愿程度,进一步表征当前场景下出现多用户支付意愿风险的可能性。相对支付意愿值越高,出现多用户支付意愿风险的可能性越高。在这种情况下,通过调整或选择支付用户条件,可以在一定程度上降低出现多用户支付意愿风险的可能性。例如,调高支付用户设定条件,那么就可以排除更多的相对支付意愿值,进而排除掉更多用户,降低剩下用户的数量。
其中,高于其他相对支付意愿值的相对支付意愿值,是所有相对支付意愿值的最高值,该最高值作为这笔交易的多用户意愿风险分数。那么,在确定支付用户设定条件,如阈值时,可以根据该最高值进行选择或调整,以使得阈值能够真正体现当前支付场景。
步骤107:如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证。
在本说明书实施例中,如果多个用户满足支付用户设定条件,则判定当前这笔刷脸支付存在多人支付意愿风险,因此有必要启动用户身份认证。
具体地,启动用户身份认证,包括:
发送认证提示信息,以提示用户提供身份验证;
接收待验证的身份信息以进行身份验证。
举例来说,提示用户提供与支付账户绑定的身份信息,如手机号。或者,通过显示支付账户的头像进行提示,现场要求用户进行确认。
步骤109:根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
其中,待支付目标用户的人脸信息,可以是从刷脸图像中提取。
在另一种实施例中,刷脸图像中可能未展示待支付目标用户的人脸信息,其原因是该用户当时出现低头、弯腰、扭头等行为,而遮盖掉了脸部。那么,该待支付目标用户之所以被选中,可能是因为其位置距离采集设备最靠前,人体姿态未出现侧身等行为。在这种情况下,可以重新采集该用户的人脸信息。
具体地,基于所述待支付目标用户的人脸信息执行支付操作,可以包括:
利用待支付目标用户的人脸信息,在已存人脸信息中进行匹配,以确定匹配的人脸信息所对应的支付账户;
利用该支付账户进行扣款。
利用本说明书实施例提出的方案,可以解决在一次刷脸支付情境中出现的多用户刷脸支付意愿风险问题。由于用户的行为特征可以反映用户的支付意愿,那么就可以事先根据各个用户的行为特征来推断每个用户的支付意愿值,判断各用户是否具有支付意愿,实现对多个用户进行筛选。同时,如果出现了多个待支付目标用户,则可以启动用户身份认证,以降低出现支付误扣风险,提升刷脸支付安全性。
图2为本说明书实施例提出的一种刷脸支付方法的流程图。
步骤202:基于刷脸支付指令采集刷脸图像;
步骤204:从刷脸图像中识别用户行为特征,并利用行为特征构建个人行为。具体地,可以以人体姿态检测,头部姿态检测,距离检测,注视方向估计等因子对每个用户进行个人行为的构建。
通过构建个人行为,对用户刷脸支付意愿进行高维度特征表达。
步骤206:构建相对支付意愿关系。
具体地,结合构建的个人行为判断每个用户的个人支付意愿值。本方案中,由于视场角的关系,每个人的个人行为特征可能存在不同程度的缺失,可以进行池化,再计算每个用户的个人支付意愿值。
随后,将个人支付意愿值与样本刷脸用户的支付意愿值进行比较,例如相除得到每个用户的相对支付意愿值。
步骤208:判断多用户支付意愿风险。
具体可以对相对支付意愿值进行排序,取最高分的用户作为这笔交易的多用户支付意愿风险分数。根据该多用户支付意愿风险分数及支付场景选择或调整阈值,之后将每个用户的相对支付意愿值与阈值进行比较,如果至少两个用户的相对支付意愿值高于阈值,则判断这笔刷脸支付存在多人支付意愿风险。
步骤210:启动刷脸用户身份认证和确认。
假如存在多用户支付意愿风险的情况,则提示用户输入与支付账户绑定的手机号后四位进行,并显示刷脸用户的头像进行二次核实,只有用户准确输入手机后才会成功进行交易扣款。
图3为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图。本方法以人体姿态信息为例,阐述如何根据人体姿态信息判断用户的支付意愿值。
步骤301:若从所述刷脸图像中识别到人体姿态信息,则可以根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息,所述人体姿态信息包含所述骨架目标点的特征信息。
步骤303:将所述人体姿态信息转化为关于所述骨架目标点的特征向量。
步骤305:利用所述特征向量与预设特征向量之间的匹配度判断所述支付意愿值。其中预设特征向量可以是根据历史刷脸数据统计得到。
骨架目标点为预设的人体形体骨架关键点,利用刷脸图像识别出这些骨架目标点,并将骨架目标点之间的位置关系转化为所述特征向量。具体地,骨架目标点可以包括"鼻子",左眼","右眼","左耳","右耳","左肩",“右肩”,"左手肘","右手肘","左腕","右腕","左臀","右臀","左膝","右膝","左脚踝","右脚踝"中的至少一种或其他可选项,在此不作具体限定。
在具体实践中,刷脸图像中可以包含上述部分或全部特征,这并不妨碍本申请技术方案的实施。
在本说明书实施例中,从刷脸图像中提取所述人体姿态信息,包括:
利用人体姿态模型,从所述刷脸图像中识别所述骨架目标点;
根据识别到的所述骨架目标点的特征信息构建所述人体姿态信息。
在本说明书实施例中,人体姿态模型是利用训练数据训练得到,本环节使用公开数据集及采集标注数据进行模型训练,训练过程包括:训练数据预处理及模型训练过程。
训练数据预处理:对于公开数据集和标注,首先进行多人骨架目标点的热力图生成,得到对应17个骨架目标点和非目标点区域图像集合X={x1, x2, … , xn}对应["鼻子","左眼","右眼","左耳","右耳","左肩","右肩","左手肘","右手肘","左腕","右腕","左臀","右臀","左膝","右膝","左脚踝","右脚踝", "非目标点"]。
接着利用热力图生成下采样后的相应坐标的高斯分布的概率密度图作为训练目标图。然后,利用彩色图和深度团叠加后的图像,求出图像均值xmean和标准差xstd。最后对所有图像进行减均值、除以方差的操作得到训练图像。
模型训练:选取合适的神经网络模型作为人体姿态模型,并利用热力图作为骨架目标点训练的目标,进行下采样后图像的回归损失函数进行模型训练。其中,18个热力图分别对应上述提到的18个人体骨架目标点。回归损失函数可以采用自适应最小二乘函数。
那么在应用过程中,利用人体姿态模型输出图像的18个下采样热力图。之后对得到的人体热力图,使用非极大值抑制的方法计算对应["鼻子","左眼","右眼","左耳","右耳","左肩","右肩","左手肘","右手肘","左腕","右腕","左臀","右臀","左膝","右膝","左脚踝","右脚踝"]的骨架目标点的向量。再结合深度图的测距量,将骨架目标点转化成一个人的姿态的尺度及姿态特征化,得到人体骨架目标点的特征向量集合kpts ={xi, yi, zi },i属于18个对应关键点。
图4为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图。本方法以头部旋转角度为例,阐述如何根据头部旋转角度判断用户的支付意愿值。
步骤402:若从所述刷脸图像中识别到头部特征,则从所述刷脸图像中提取头部旋转角度。
步骤404:利用所述头部旋转角度与预设头部旋转角度之间的匹配度判断所述支付意愿值。该预设头部旋转角度可以是一个范围。
利用头部旋转角度可以确定用户在刷脸支付时是否扭头、低头、抬头等,如发生如此动作,可初步确定用户大概率不具有支付意愿。反之,则大概率具有支付意愿。
具体地,可以采用头部姿态模型对刷脸图像进行处理,从所述刷脸图像中识别头部区域并提取头部旋转角度。其中,头部姿态模型中配置了样本刷脸用户的头部旋转角度参数值。
对头部姿态模型的训练过程,可以包括训练数据预处理及模型训练步骤。
训练数据预处理:本环节使用公开数据集进行模型训练。对于公开数据集首先要进行头部检测,检测出图像内的头部区域,得到头部区域图像集合X={x1, x2, … , xn}。然后,求出图像均值xmean和标准差xstd。最后对所有图像进行减均值、除以方差的操作得到训练图像。
模型训练:选取合适的神经网络模型作为头部姿态模型,并利用三个独立的回归损失函数进行模型训练。其中,三个独立的函数分别对应头部的pitch、yaw和roll的旋转角度。回归损失函数采用欧式距离函数。
那么,在应用过程中,将头部姿态检测网络输出输入图像的pitch、yaw和roll的对应头部旋转角度Apitch, Ayaw, Aroll。
图5为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图。本方法以眼部特征为例,阐述如何根据眼部特征判断用户的支付意愿值。
步骤501:若从所述刷脸图像中识别到眼部特征,则从所述刷脸图像中识别眼部特征。
步骤503:根据所述眼部特征判断用户眼部是否注视屏幕。
步骤505:根据判断结果确定用户的支付意愿值。
利用眼部特征可以确定用户在刷脸支付时是否直视刷脸支付的屏幕等,如发生如此动作,可初步确定用户大概率具有支付意愿。反之,则大概率不具有支付意愿。
具体地,可以使用眼部识别模型从所述刷脸图像中识别眼部特征,并根据所述眼部特征判断用户眼部是否注视屏幕。其中,眼部识别模型的训练过程可以包括训练数据预处理及模型训练。
训练数据采集和预处理:通过采集设备,采集各种条件下的刷脸图像,并标注该图像中人脸是否注视交互屏幕方向。采集完成后,对刷脸图像进行眼部区域检测,得到眼部区域图像集合E={e1, e2, … , en}。然后,求出图像均值emean和标准差estd。最后对所有图像进行减均值、除以方差的操作得到训练图像。
模型训练:选取合适的神经网络模型作为眼部识别模型,并利用二分类损失函数进行训练。其中,两个类分别为“眼部注视屏幕”和“眼部未注视屏幕”。
在具体应用中,利用眼部识别模型对刷脸图像进行处理,具体是识别眼部特征并判断眼部是否注视屏幕的二分类概率值,Pfocus和Pno-focus。其中Pfocus表示“眼部注视屏幕”的概率,而其中Pno-focus表示“眼部未注视屏幕”的概率。
图6为本说明书实施例提出的一种刷脸支付方法的应用示例的流程图。本方法以用户到采集设备的距离为例,阐述如何根据用户到采集设备的距离判断用户的支付意愿值。
步骤602:利用所述刷脸图像生成深度图。
步骤604:利用所述深度图计算所述用户到采集设备的距离;
步骤606:根据各用户各自到采集设备的距离判断各用户的支付意愿值。
通常来说,真实的刷脸用户距离采集设备的距离是最近的,但也不能排除同时有多人插队或其他行为而站在前排刷脸。
其中,其中,深度图Depth Map 类似于灰度图像,只是它的每个像素值是传感器距离物体的实际距离。
需要说明的是,基于如上实施例各类行为特征,可以分别得到个人意愿值来表征用户的支付意愿值,并综合决策用户最终的支付意愿值。
另外,还可以是,在得到如上行为特征之后,利用编码器得到个人意愿特征集,之后通过决策树计算得出个人支付意愿值。其中,编码器及决策树可根据如上各类行为特征的数据样本进行训练得到。
图7为本说明书实施例提出的一种刷脸支付装置的结构示意图。
本装置可以包括:
采集模块701,采集刷脸图像;
第一判断模块702,如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
第二判断模块703,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
启动模块704,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
确定模块705,根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
可选地,若从所述刷脸图像中识别到人体姿态信息,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息,所述人体姿态信息包含所述骨架目标点的特征信息;
将所述人体姿态信息转化为关于所述骨架目标点的特征向量;
利用所述特征向量与预设特征向量之间的匹配度判断所述支付意愿值。
可选地,根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息,包括:
利用人体姿态模型,从所述刷脸图像中识别所述骨架目标点;
根据识别到的所述骨架目标点的特征信息构建所述人体姿态信息。
可选地,若从所述刷脸图像中识别到头部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取头部旋转角度;
利用所述头部旋转角度与预设头部旋转角度之间的匹配度判断所述支付意愿值。
可选地,若从所述刷脸图像中识别到眼部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取所述眼部特征;
根据所述眼部特征判断用户眼部是否注视屏幕;
根据判断结果确定用户的支付意愿值。
可选地,根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
利用所述刷脸图像生成深度图;
利用所述深度图计算所述用户到采集设备的距离;
根据所述各用户各自到采集设备的距离判断各用户的支付意愿值。
可选地,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,包括:
将所述各用户的支付意愿值与预设支付意愿值进行比较,得到相对支付意愿值;
根据高于其他相对支付意愿值的相对支付意愿值,选择所述支付用户设定条件;
判断所述各用户的相对支付意愿值是否达到选择的所述支付用户设定条件。
利用本说明书实施例提出的装置,可以解决在一次刷脸支付情境中出现的多用户刷脸支付意愿风险问题。由于用户的行为特征可以反映用户的支付意愿,那么就可以事先根据各个用户的行为特征来推断每个用户的支付意愿值,判断各用户是否具有支付意愿,实现对多个用户进行筛选。同时,如果出现了多个待支付目标用户,则可以启动用户身份认证,以降低出现支付误扣风险,提升刷脸支付安全性。
基于同一个发明构思,本说明书实施例还提供了一种电子设备,包括:
处理器;以及
被配置成存储计算机程序的存储器,所述计算机程序在被执行时使所述处理器执行以下操作:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
基于同一发明构思,本说明书实施例中还提供了一种计算机可读存储介质,包括与电子设备结合使用计算机程序,所述计算机程序可被处理器执行以完成以下步骤:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种刷脸支付方法,包括:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,包括:
将所述各用户的支付意愿值与预设支付意愿值进行比较,得到相对支付意愿值;
根据高于其他相对支付意愿值的相对支付意愿值,选择所述支付用户设定条件;
判断所述各用户的相对支付意愿值是否达到选择的所述支付用户设定条件。
2.如权利要求1所述的方法,若从所述刷脸图像中识别到人体姿态信息,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息;
将所述人体姿态信息转化为关于所述骨架目标点的特征向量;
利用所述特征向量与预设特征向量之间的匹配度判断所述支付意愿值。
3.如权利要求2所述的方法,从所述刷脸图像中提取所述人体姿态信息,包括:
利用人体姿态模型,从所述刷脸图像中识别所述骨架目标点;
根据识别到的所述骨架目标点的特征信息构建所述人体姿态信息。
4.如权利要求1所述的方法,若从所述刷脸图像中识别到头部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取头部旋转角度;
利用所述头部旋转角度与预设头部旋转角度之间的匹配度判断所述支付意愿值。
5.如权利要求1所述的方法,若从所述刷脸图像中识别到眼部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取所述眼部特征;
根据所述眼部特征判断用户眼部是否注视屏幕;
根据判断结果确定用户的支付意愿值。
6.如权利要求1所述的方法,若采集到包含用户到采集设备的距离的人体深度图,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
基于所述深度图提取所述用户到采集设备的距离;
根据所述各用户的距离判断各用户的支付意愿值。
7.如权利要求1所述的方法,启动支付认证,包括:
发送认证提示信息,以提示用户提供身份验证;
接收待验证的身份信息以进行身份验证。
8.一种刷脸支付装置,包括:
采集模块,采集刷脸图像;
第一判断模块,如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
第二判断模块,利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
启动模块,如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
确定模块,根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,包括:
将所述各用户的支付意愿值与预设支付意愿值进行比较,得到相对支付意愿值;
根据高于其他相对支付意愿值的相对支付意愿值,选择所述支付用户设定条件;
判断所述各用户的相对支付意愿值是否达到选择的所述支付用户设定条件。
9.如权利要求8所述的装置,若从所述刷脸图像中识别到人体姿态信息,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息,所述人体姿态信息包含所述骨架目标点的特征信息;
将所述人体姿态信息转化为关于所述骨架目标点的特征向量;
利用所述特征向量与预设特征向量之间的匹配度判断所述支付意愿值。
10.如权利要求9所述的装置,根据骨架目标点,从所述刷脸图像中提取所述人体姿态信息,包括:
利用人体姿态模型,从所述刷脸图像中识别所述骨架目标点;
根据识别到的所述骨架目标点的特征信息构建所述人体姿态信息。
11.如权利要求8所述的装置,若从所述刷脸图像中识别到头部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取头部旋转角度;
利用所述头部旋转角度与预设头部旋转角度之间的匹配度判断所述支付意愿值。
12.如权利要求8所述的装置,若从所述刷脸图像中识别到眼部特征,则根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
从所述刷脸图像中提取所述眼部特征;
根据所述眼部特征判断用户眼部是否注视屏幕;
根据判断结果确定用户的支付意愿值。
13.如权利要求8所述的装置,根据所述不同用户的行为特征判断各用户的支付意愿值,包括:
利用所述刷脸图像生成深度图;
利用所述深度图计算所述用户到采集设备的距离;
根据所述各用户各自到采集设备的距离判断各用户的支付意愿值。
14.一种电子设备,包括:
处理器;以及
被配置成存储计算机程序的存储器,所述计算机程序在被执行时使所述处理器执行以下操作:
采集刷脸图像;
如果在所述刷脸图像中识别出不同用户的行为特征,则根据所述不同用户的行为特征判断各用户的支付意愿值;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件;
如果至少两个用户达到所述支付用户设定条件,则启动用户身份认证;
根据认证结果,从所述至少两个用户中确定待支付目标用户,以基于所述待支付目标用户的人脸信息执行支付操作;
利用所述各用户的支付意愿值判断所述各用户各自是否达到支付用户设定条件,包括:
将所述各用户的支付意愿值与预设支付意愿值进行比较,得到相对支付意愿值;
根据高于其他相对支付意愿值的相对支付意愿值,选择所述支付用户设定条件;
判断所述各用户的相对支付意愿值是否达到选择的所述支付用户设定条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384111.2A CN111292092B (zh) | 2020-05-09 | 2020-05-09 | 刷脸支付方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384111.2A CN111292092B (zh) | 2020-05-09 | 2020-05-09 | 刷脸支付方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111292092A CN111292092A (zh) | 2020-06-16 |
CN111292092B true CN111292092B (zh) | 2020-12-04 |
Family
ID=71022694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010384111.2A Active CN111292092B (zh) | 2020-05-09 | 2020-05-09 | 刷脸支付方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111292092B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766973A (zh) * | 2021-01-19 | 2021-05-07 | 湖南校智付网络科技有限公司 | 人脸支付终端 |
CN113033506A (zh) * | 2021-05-20 | 2021-06-25 | 杭州宇泛智能科技有限公司 | 一种人像识别交互方法、装置及电子设备 |
CN113240428B (zh) * | 2021-05-27 | 2023-09-08 | 支付宝(杭州)信息技术有限公司 | 支付处理方法及装置 |
CN113657903A (zh) * | 2021-08-16 | 2021-11-16 | 支付宝(杭州)信息技术有限公司 | 一种刷脸支付方法、装置、电子设备和存储介质 |
CN114092097B (zh) * | 2021-11-23 | 2024-05-24 | 支付宝(杭州)信息技术有限公司 | 风险识别模型的训练方法、交易风险确定方法及装置 |
CN114187628A (zh) * | 2021-11-24 | 2022-03-15 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的身份认证方法、装置及设备 |
CN114511909A (zh) * | 2022-02-25 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 一种刷脸支付意愿识别方法、装置以及设备 |
CN114898431A (zh) * | 2022-05-10 | 2022-08-12 | 支付宝(杭州)信息技术有限公司 | 一种刷脸支付意愿识别方法、装置以及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461003A (zh) * | 2018-11-30 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 基于多视角的多人脸场景刷脸支付风险防控方法和设备 |
CN110175514A (zh) * | 2019-04-15 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种刷脸支付提示方法、装置及设备 |
CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
CN110689352A (zh) * | 2019-08-29 | 2020-01-14 | 广州织点智能科技有限公司 | 人脸支付确认方法、装置、计算机设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383638B (zh) * | 2016-08-26 | 2021-09-03 | 维沃移动通信有限公司 | 一种支付方式的显示方法及移动终端 |
CN106779634A (zh) * | 2016-11-14 | 2017-05-31 | 北京小米移动软件有限公司 | 支付处理方法及装置 |
CN109377234A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 一种刷脸支付方法和设备 |
-
2020
- 2020-05-09 CN CN202010384111.2A patent/CN111292092B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461003A (zh) * | 2018-11-30 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 基于多视角的多人脸场景刷脸支付风险防控方法和设备 |
CN110175514A (zh) * | 2019-04-15 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种刷脸支付提示方法、装置及设备 |
CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
CN110689352A (zh) * | 2019-08-29 | 2020-01-14 | 广州织点智能科技有限公司 | 人脸支付确认方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111292092A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111292092B (zh) | 刷脸支付方法、装置及电子设备 | |
CN110570200B (zh) | 一种支付方法及装置 | |
EP3885965B1 (en) | Image recognition method based on micro facial expressions, apparatus and related device | |
TWI753271B (zh) | 資源轉移方法、裝置及系統 | |
CN111539740B (zh) | 一种支付方法、装置及设备 | |
CN105518708A (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
TW202006630A (zh) | 支付方法、裝置及系統 | |
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 | |
CN111160251B (zh) | 一种活体识别方法及装置 | |
US20230082150A1 (en) | Information processing method and apparatus, computer device, and storage medium | |
CN114255494A (zh) | 图像处理方法、装置、设备及存储介质 | |
WO2023124869A1 (zh) | 用于活体检测的方法、装置、设备及存储介质 | |
CN113327212B (zh) | 人脸驱动、模型的训练方法、装置、电子设备及存储介质 | |
CN116152908A (zh) | 动作识别、活体检测和模型训练方法及装置、电子设备 | |
CN111966219B (zh) | 一种眼动跟踪方法、装置、设备及存储介质 | |
CN114359952A (zh) | 多模态分数融合方法、装置、计算机可读存储介质及设备 | |
CN111091388A (zh) | 活体检测方法和装置、人脸支付方法和装置、电子设备 | |
US11250242B2 (en) | Eye tracking method and user terminal performing same | |
CN114511909A (zh) | 一种刷脸支付意愿识别方法、装置以及设备 | |
Kumar et al. | Face Restoration Via Generative Adversarial Networks | |
Kotsyuk | BACHELOR THESIS ASSIGNMENT | |
CN116189314A (zh) | 活体攻击检测方法、装置、存储介质以及终端 | |
CN111177668A (zh) | 一种基于移动设备传感器的人机交互验证方法 | |
CN117496234A (zh) | 一种防伪检测方法、装置、存储介质及电子设备 | |
Kavitha et al. | PAYMENT TRANSACTION USING 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |