CN113450121B - 用于校园支付的人脸识别方法 - Google Patents

用于校园支付的人脸识别方法 Download PDF

Info

Publication number
CN113450121B
CN113450121B CN202110745502.7A CN202110745502A CN113450121B CN 113450121 B CN113450121 B CN 113450121B CN 202110745502 A CN202110745502 A CN 202110745502A CN 113450121 B CN113450121 B CN 113450121B
Authority
CN
China
Prior art keywords
face
image
transformation
information
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.)
Active
Application number
CN202110745502.7A
Other languages
English (en)
Other versions
CN113450121A (zh
Inventor
喻丹
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.)
Hunan Anzhi Network Technology Co ltd
Original Assignee
Hunan Xiaozhifu Network 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 Hunan Xiaozhifu Network Technology Co ltd filed Critical Hunan Xiaozhifu Network Technology Co ltd
Priority to CN202110745502.7A priority Critical patent/CN113450121B/zh
Publication of CN113450121A publication Critical patent/CN113450121A/zh
Application granted granted Critical
Publication of CN113450121B publication Critical patent/CN113450121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q20/00Payment architectures, schemes or protocols
    • G06Q20/38Payment protocols; Details thereof
    • G06Q20/40Authorisation, 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
    • G06Q20/401Transaction verification
    • G06Q20/4014Identity check for transactions
    • G06Q20/40145Biometric identity checks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q20/00Payment architectures, schemes or protocols
    • G06Q20/38Payment protocols; Details thereof
    • G06Q20/382Payment protocols; Details thereof insuring higher security of transaction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种用于校园支付的人脸识别方法,应用于用于校园支付的人脸识别系统,学生在校园中消费后进行支付时,直接通过人脸识别的方式进行扣费结算,简化了结算步骤,避免使用校园卡导致的支付不安全和充值繁琐的弊端,同时服务器在比对学生的实时人脸采集图像时,既与初始人脸采集图像进行对比,还与基于初始人脸采集图像模拟的人脸预测图像进行对比,使得即使只采集一次学生的脸部图像,通过基于初次采集脸部图像模拟学生可能的脸型变化,在长时间后能保证较高的识别准确率,提高支付效率和安全性,能有效解决在学生身体快速发育的关键阶段由于脸型变化导致的人脸识别成功率下降、影响支付速度的问题。

Description

用于校园支付的人脸识别方法
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种用于校园支付的人脸识别方法。
背景技术
校园生活占据了学生童年直至青年的大部分时间,为了保护学生的人身安全和饮食健康,大多数学校内都会开设食堂、便利店或其他商业机构,学生在这些地点消费时,以往都是采用校园卡,即IC卡进行支付,但校园卡存在容易丢失、易被盗刷、需要重复充值较为麻烦等缺点,因此现在许多校园中都引进了人脸识别支付的方式,学生可以通过“刷脸”,直接从指定账户中扣款进行消费,为了实现人脸识别,需要预先采集学生的脸部图像,但学生在小学和中学时期身体正处于生理发育阶段,许多学生的脸型在这阶段都会发生一定改变,若一直采用最先采集的学生脸部图像,则容易导致在学生升入高年级后在消费时出现人脸识别率低、支付容易失败等情况,特别是在食堂用餐时,则可能进一步导致排队人数变多、排队时间变长,给学生群体和食堂方都带来了不便。解决该问题较简单的一个方法是每隔一段时间就重新采集一次学生的脸部图像,但由于学生群体人数庞大,定期开展此工作势必需要重复投入较多的人力物力。
现有技术中,申请号为CN202011496402.7的专利公开了一种用于中小学的校园服务管理方法,支付设备,用于记录零花钱款信息和身份信息;收款终端,该收款终端具有人脸识别、或二维码扫描、或者读卡功能,用于读取支付设备的身份信息和零花钱款信息,当满足预定条件时进行消费支付;当身份验证通过,且零花钱款大于消费金额时,通过支付设备即可完成支付,随后取走购买的物品或者使用指定场地;若零花钱款小于消费金额时,需通过二次验证后方能进行消费支付。
申请号为CN202110427219.X的专利公开了一种基于大数据的校园监控系统及方法,所述校园监控系统包括学生数据库、支付请求接收模块、请求金额比较模块、第一处理模块和第二处理模块,所述学生数据库用于存储学生的校园一卡通及其关联一卡通的信息、学生的人脸图像及其关联图像,所述校园一卡通与学生的人脸图像及其关联图像一一对应,所述支付请求接收模块用于检测是否接收到某个校园一卡通发起支付请求时,在接收到支付请求时,获取该校园一卡通的支付请求金额,并令请求金额比较模块将支付请求金额与金额阈值进行比较。该专利在检测到使用校园一卡通支付比较频繁或者使用校园一卡通的支付金额比较大时,对使用校园一卡通进行支付的场景中的人脸图像、以及校园一卡通的位置轨迹进行识别认证,从而提高了使用校园一卡通支付时的安全性。
综上可见,现有技术中在将人脸识别技术应用到校园支付中时主要的研究方向是在如何提高支付安全性和支付速度上,但目前还没有专门针对由于学生脸型变化导致基于人脸识别的支付成功率下降的相关研究。
发明内容
鉴于此,本发明的目的在于提供一种用于校园支付的人脸识别方法,在仅采集一次学生的脸部图像时,长时间后对学生可能变化的脸型也能够保证较高的识别准确率,从而提高支付安全性和支付效率。
为实现上述发明目的,本发明第一方面提供一种用于校园支付的人脸识别方法,应用于用于校园支付的人脸识别系统,所述人脸识别系统包括商家终端、家长终端和服务器,所述商家终端和家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能,所述方法以下步骤:
S101、商家终端获取学生的实时人脸采集图像,向服务器发起学生支付请求,所述学生支付请求中包括学生的实时人脸采集图像和消费金额;
S102、服务器将学生的实时人脸采集图像与人脸预存图像进行对比,所述人脸预存图像包括学生的初始人脸采集图像,以及基于所述初始人脸采集图像模拟的人脸预测图像;
S103、当实时人脸采集图像与人脸预存图像的相似度达到预设阈值时,获取人脸预存图像对应的账户信息并将该账户信息标记为目标账户信息;
S104、向目标账户信息对应的电子账户发送金额为消费金额的支付请求;
S105、获取电子账户返回的支付结算信息,并发送至商家终端;
S106、商家终端根据支付结算信息显示支付结果。
进一步的,所述基于初始人脸采集图像模拟的人脸预测图像,其生成具体包括以下步骤:
S201、获取学生的初始人脸采集图像;
S202、对于初始人脸采集图像进行预处理,所述预处理具体为:识别初始人脸采集图像中的特征部位,对每个特征部位添加第一标记点,获得人脸标记图像,记录每个第一标记点的坐标信息;
S203、根据每个第一标记点坐标信息生成标记阵列图像,所述标记阵列图像中包含多个第二标记点,每个第二标记点的位置坐标与第一标记点的坐标信息一一对应;
S204、获取标记点变换策略集合,根据标记点变换策略集合对标记阵列图像中的第二标记点坐标进行变换,获得标记变换阵列图像,所述标记点变换策略集合包括若干条标记点变换策略,所述标记点变换策略用于描述不同第二标记点坐标在经过不同时间后的变换方式和变换参数;
S205、根据标记变换阵列图像对人脸标记图像中的第一标记点位置进行变换,调整与第一标记点对应的特征部位的形状、大小比例和位置,获得人脸预测图像。
进一步的,步骤S201中,所述获取学生的初始人脸采集图像,具体为:向学生面部投射覆盖面部的不可见光点,接收学生面部反射的不可见光,获得不可见光点的偏移信息,根据不可见光点的投射位置信息和其偏移信息,获得面部景深信息,采集学生人脸平面图像,根据人脸平面图像和面部景深信息生成人脸3D图像,将所述人脸3D图像作为初始人脸采集图像;
步骤S202中,所述第一标记点的坐标信息包括x轴坐标、y轴坐标和z轴坐标。
进一步的,所述标记点变换策略集合的生成,具体包括步骤:
S301、获取人脸图像样本集,所述人脸图像样本集包括多个不同个体在不同年龄区间中的多张历史人脸图像,对每张历史人脸图像进行预处理;
S302、对同一个体不同年龄时期的历史人脸图像中的第一标记点的坐标信息进行比较,获得标记点变换信息;
S303、统计所有标记点变换信息的变换方式,根据变换方式和年龄时期对标记点变换信息进行分类;
S304、筛选出标记点变换信息中变换参数的最大值、最小值,根据最大值和最小值计算变换参数的平均值;
S305、根据不同年龄时期下的所有变换方式及相应的变换参数生成标记点变换策略,将所有标记点变换策略汇总为标记点变换策略集合。
进一步的,所述商家终端还具备语音采集功能,步骤S204中,所述获取标记点变换策略集合,具体包括以下步骤:
S401、商家终端获取学生的语音采集音频,将语音采集音频发送至服务器;
S402、服务器对语音采集音频进行分析,基于语音采集音频判断学生的年龄范围;
S403、服务器根据年龄范围判断结果,从标记点变换策略集合中筛选出年龄时期符合年龄范围判断结果的标记点变换策略。
进一步的,所述步骤S402具体包括以下步骤:
S501、服务器分析提取语音采集音频的特征信息,所述特征信息包括谐波频率、语音速度、声压分级;
S502、将语音采集音频的特征信息作为参数,输入基于机器学习算法实现的第一分类器中;
S503、第一分类器基于输入参数对年龄范围进行估计,输出年龄范围判断结果。
进一步的,所述步骤S501之前还包括步骤:
S601、对学生的实时采集人脸图像进行性别表示区域识别,提取性别表示区域图像,所述性别表示区域包括发型区域和咽喉部区域;
S602、将性别表示区域图像输入基于机器学习算法实现的第二分类器中,通过第二分类器对性别表示区域图像进行分类识别,输出相应的性别判断结果。
进一步的,所述步骤S502中,还将性别判断结果作为参数,输入到第一分类器中。
进一步的,所述步骤S104与步骤S105之间,还包括步骤:
S701、服务器将学生的实时人脸采集图像和发送到目标账户信息对应的家长终端;
S702、家长终端获取家长对于实时人脸采集图像的确认指令,将确认指令发送至目标账户信息对应的电子账户,所述电子账户根据确认指令执行支付结算。
本发明第二方面提供一种用于校园支付的人脸识别系统,所述系统用于执行前述第一方面所述的方法,所述系统包括商家终端、家长终端和服务器,所述商家终端、家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能。
与现有技术相比,本发明的有益效果是:
本发明所提供的一种用于校园支付的人脸识别方法,学生在校园中消费后进行支付时,直接通过人脸识别的方式即可进行扣费结算,大大简化了结算步骤,避免使用校园卡导致的支付不安全和充值繁琐的弊端,同时服务器在比对学生的实时人脸采集图像时,不光与初始人脸采集图像进行对比,还与基于初始人脸采集图像模拟的人脸预测图像进行对比,从而使得即使只采集一次学生的脸部图像,通过基于该初次采集的脸部图像模拟学生可能的脸型变化,在长时间后也能保证较高的识别准确率,从而提高支付效率和安全性,能够有效解决在学生身体快速发育的关键阶段由于脸型变化导致的人脸识别成功率下降、影响支付速度的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用于校园支付的人脸识别方法整体流程示意图。
图2是本发明实施例提供的一种用于校园支付的人脸识别方法中的人脸预测图像生成流程示意图。
图3是本发明实施例提供的一种用于校园支付的人脸识别方法中的标记点变换策略集合的生成流程示意图。
图4是本发明实施例提供的一种用于校园支付的人脸识别方法中的获取标记点变换策略集合流程示意图。
图5是本发明实施例提供的一种用于校园支付的人脸识别方法中的语音采集音频分析流程示意图。
图6是本发明实施例提供的一种用于校园支付的人脸识别方法中的性别表示区域识别流程示意图。
图7是本发明实施例提供的一种用于校园支付的人脸识别方法中的家长终端确认流程示意图。
图8是本发明实施例提供的一种用于校园支付的人脸识别系统整体结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1,本发明实施例提供一种用于校园支付的人脸识别方法,所述方法应用于用于校园支付的人脸识别系统,所述人脸识别系统包括商家终端、家长终端和服务器,所述商家终端和家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能,所述方法包括以下步骤:
S101、商家终端获取学生的实时人脸采集图像,向服务器发起学生支付请求,所述学生支付请求中包括学生的实时人脸采集图像和消费金额。
示例性地,该步骤在学生消费后进行支付时实施,所述学生的实时人脸采集图像为当前学生本人的脸部图像,商家输入消费金额后,商家终端通过执行图像采集功能采集学生本人的脸部图像,并向武器发起学生支付请求。
S102、服务器将学生的实时人脸采集图像与人脸预存图像进行对比,所述人脸预存图像包括学生的初始人脸采集图像,以及基于所述初始人脸采集图像模拟的人脸预测图像。
示例性地,所述人脸预存图像预先存储在建立于服务器中的数据库内,学生的初始人脸采集图像同样为学生本人的脸部图像,所述初始人脸采集图像可以是家长通过家长终端自行采集并上传到服务器,也可以是学校统一安排采集并上传到服务器,或者通过其他方式采集并上传到服务器。所述人脸预测图像为基于学生的初始人脸采集图像模拟的、预测了学生未来可能发生的脸型变化的脸部图像。当学生的初始人脸采集图像上传到服务器后,服务器即根据初始人脸采集图像模拟相应的人脸预测图像,并将人脸预测图像与初始人脸采集图像建立关联,存储到数据库中。该步骤中,服务器将学生的实时人脸采集图像与数据库中预存的所有人脸预存图像进行一一对比。
S103、当实时人脸采集图像与人脸预存图像的相似度达到预设阈值时,获取人脸预存图像对应的账户信息并将该账户信息标记为目标账户信息。
所述人脸预存图像对应的账户信息即该人脸预存图像对应的学生的家长的电子支付账户信息,用于支付学生在校期间消费所产生的费用。因此,在本步骤之前还包括将学生家长的电子支付账户信息与学生的初始人脸采集图像进行绑定的步骤。所述预设阈值用于限定在实时人脸采集图像与人脸预存图像的相似度达到何种程度时可认为实时人脸图像与人脸预存图像所对应的个体为同一人,预设阈值的具体数值可以根据用户的实际需求进行设定。
S104、向目标账户信息对应的电子账户发送金额为消费金额的支付请求。
该步骤实际上就是向学生的家长的电子账户发送待支付金额为学生消费金额的支付请求,从而直接通过家长的电子账户进行扣款,从而无需学生直接接触或控制金钱流动。
S105、获取电子账户返回的支付结算信息,并发送至商家终端。
该步骤中,当家长电子账户中的余额足以支付学生消费产生的费用时,电子账户完成支付后返回支付成功的结算信息,并发送至商家终端;若电子账户中的余额不足以支付,则电子账户返回支付失败的结算信息,并发送至商家终端,同时还向家长终端发送支付失败的结算信息,以提示家长及时存款到相应的电子账户中。
S106、商家终端根据支付结算信息显示支付结果。
该步骤中,商家终端根据支付结算信息显示支付结果,从而提示商家人员支付动作是否完成,以便于进行下一个学生的消费结算。
本实施例所提供的一种用于校园支付的人脸识别方法,学生(主要为中小学生)在校园中进行消费时,直接通过人脸识别的方式即可进行扣费结算,且扣费结算的账户是家长绑定的电子账户,能够简化结算步骤,相对于使用校园卡进行支付的方式,能够避免支付不安全和充值繁琐的弊端。同时,服务器在比对学生的实时人脸采集图像时,不光与初始人脸采集图像进行对比,还与基于初始人脸采集图像模拟的人脸预测图像进行对比,从而使得即使只采集一次学生的脸部图像,服务器通过基于该初次采集的脸部图像模拟学生可能的脸型变化,无需定期采集学生新的脸部图像,在长时间后也能保证较高的识别准确率,从而提高支付效率和安全性,能够有效解决在学生身体快速发育的关键阶段由于脸型变化导致的人脸识别成功率下降、影响支付速度的问题,将所述方法应用于食堂就餐等场景时,能够大大减少学生的排队等候结算时间,适用范围广。
作为本实施例一种可选的实施方式,参照图2,所述基于初始人脸采集图像模拟的人脸预测图像,其生成具体包括以下步骤:
S201、获取学生的初始人脸采集图像。
示例性地,所述获取学生的初始人脸采集图像,可以是家长通过家长终端自行采集并上传到服务器;也可以是学校统一安排采集学生的脸部图像并上传到服务器;还可以是通过第三方拥有学生脸部图像数据的平台获取,本实施例中对此不作具体限定。
S202、对于初始人脸采集图像进行预处理,所述预处理具体为:识别初始人脸采集图像中的特征部位,对每个特征部位添加第一标记点,获得人脸标记图像,记录每个第一标记点的坐标信息。
示例性地,所述特征部位包括脸部边缘、眉毛、眼睛、嘴唇、额骨、颧骨等。为每个特征部位添加的第一标记点至少有一个,例如为脸部边缘添加第一标记点时,应将多个第一标记点沿脸部边缘设置,使将这些第一标记点连接起来的单条虚拟线与脸部边缘重合;为眉毛添加第一标记点,应在每条眉毛的两端各添加一个第一标记点,再在这两个第一标记点之间添加若干个第一标记点,使将这些第一标记点连接起来的单条虚拟线与眉毛的走势形状相同。对于其他部位的第一标记点的添加方式在此不再一一例举,但都应以能体现相应特征部位的轮廓形状、大小、位置为原则添加。所述人脸标记图像为在初始人脸采集图像的基础上添加了第一标记点的图像。
另外,本实施例中在记录每个第一标记点的坐标信息的同时,还在保存每个第一标记点所对应的特征部位信息,以便于后续确定每个第一标记点所对应的特征部位。
S203、根据每个第一标记点坐标信息生成标记阵列图像,所述标记阵列图像中包含多个第二标记点,每个第二标记点的位置坐标与第一标记点的坐标信息一一对应。
具体的,所述标记阵列图像即在人脸标记图像的基础上取出人脸部分图像而仅保留所有标记点的图像,标记阵列图像中的标记点称为第二标记点,标记阵列图像的大小与人脸标记图像相同。
S204、获取标记点变换策略集合,根据标记点变换策略集合对标记阵列图像中的第二标记点坐标进行变换,获得标记变换阵列图像,所述标记点变换策略集合包括若干条标记点变换策略,所述标记点变换策略用于描述不同第二标记点坐标在经过不同时间后的变换方式和变换参数。
示例性地,每条所述标记点变换策略分别描述位于不同特征部位的第二标记点坐标在经过不同时间后的变换方式和变换参数,所述变换方式用于描述各个第二标记点的移动方向,所述变换参数用于描述各个第二标记点的移动距离,即每条标记点变换策略实际上对应一种脸型变化的可能性。根据标记点变换策略集合对标记阵列图像中的第二标记点坐标进行变换,最终会获得多个标记变换阵列图像,每个标记变换阵列图像用于对人脸标记图像进行调整,进而获得多张基于不同脸型变化趋势的人脸预测图像。
S205、根据标记变换阵列图像对人脸标记图像中的第一标记点位置进行变换,调整与第一标记点对应的特征部位的形状、大小比例和位置,获得人脸预测图像。
示例性地,所述根据标记变换阵列图像对人脸标记图像中的第一标记点位置进行变换,具体为根据标记变换阵列图像中对应特征部位的第二标记点的位置对第一标记点的位置进行变换,并据此进一步调整人脸标记图像中与第一标记点对应的特征部位的形状、大小比例和位置,从而获得多张人脸预测图像,表示了在经过不同时间后学生的面容可能发生的改变。
由于每个人的体质、生长环境、外界影响不同,其脸型、面容可能发生的改变也是不同的,例如有些学生小学时脸部较圆,上中学后可能由于发育变得瘦长,有些学生则可能在中学后仍保持原先的脸型轮廓,只是尺寸有所改变,因此难以通过统一固定的规则来模拟其脸型变化。本实施例中通过标记点变换策略来对应一种可能的脸型改变方式,通过将多种标记点变换策略汇总为标记点变换策略集合来尽可能涵盖多种脸型改变方式,使得基于标记点变换策略集合生成的人脸预测图像能够尽量包含大多数学生在身体发育阶段脸部可能发生的改变,从而使得人脸识别的成功率能够进一步提高,而无需重复采集学生的脸部图像。
作为一种可选的实施方式,步骤S201中,所述获取学生的初始人脸采集图像,具体为:向学生面部投射覆盖面部的不可见光点,接收学生面部反射的不可见光,获得不可见光点的偏移信息,根据不可见光点的投射位置信息和其偏移信息,获得面部景深信息,采集学生人脸平面图像,根据人脸平面图像和面部景深信息生成人脸3D图像,将所述人脸3D图像作为初始人脸采集图像。
示例性地,所述向学生面部投射覆盖面部的不可见光点,可以通过点阵投影器实现。本实施例中,通过采集学生的人脸3D图像,相较于采集脸部平面图像的方式,令脸部图像在纵深方向上的信息进行了扩展。
步骤S202中,所述第一标记点的坐标信息包括x轴坐标、y轴坐标和z轴坐标。
由于初始人脸采集图像为3D图像,因此添加于初始人脸采集图像上的第一标记点的坐标信息除了x轴坐标和y轴坐标外还包括了z轴坐标。相应地,标记点变换策略除了描述标记点在x轴和y轴方向上的位置外,还包括了对z轴上位置的描述,从而使得人脸预测图像相较于初始人脸采集图像的改变更为立体,最终呈现的预测面容更加符合实际。
另外,在商家终端获取学生的实时人脸采集图像时,也采用上述采集人脸3D图像的方式实现,当服务器接收到实时人脸采集图像时,还进一步判断是否可读取到面部景深信息,若无法读取到面部景深信息,则说明所采集的的人脸图像可能不是从活体上采集,而是通过平面图像等方式采集,即所采集到的面部图像可能不是从本人身上采集到的,此时服务器向商家终端反馈人脸图像采集失败的提示信息。
作为一种可选的实施方式,参照图3,所述标记点变换策略集合的生成,具体包括以下步骤:
S301、获取人脸图像样本集,所述人脸图像样本集包括多个不同个体在不同年龄区间中的多张历史人脸图像,对每张历史人脸图像进行预处理。
示例性地,多数人脸图像样本集中,对于从同一个体获取的历史人脸图像,应当包含其在一个连续的年龄区间中的多张历史人脸图像,例如在其10岁至15岁这一年龄区间内,获取其每一年的人脸图像。所述对每张历史人脸图像进行预处理,具体包括:识别历史人脸图像中的特征部位,对每个特征部位添加第一标记点,获得历史人脸标记图像,记录每个第一标记点的坐标信息。
S302、对同一个体不同年龄时期的历史人脸图像中的第一标记点的坐标信息进行比较,获得标记点变换信息。
示例性地,所述对同一个体不同年龄时期的历史人脸图像中的第一标记点的坐标信息进行比较,具体为对同一个体,以连续的图像拍摄年龄为序对历史人脸图像进行排序,并比对相邻的两张历史人脸图像中同一特征部位的第一标记点的坐标信息,获得相应的标记点变换信息,所述标记点变换信息包括坐标变换方式和变换参数。
S303、统计所有标记点变换信息的变换方式,根据变换方式和年龄时期对标记点变换信息进行分类。
示例性地,所述根据变换方式和年龄时间对标记点变换信息进行分类,具体为首先将所有变换方式相同的标记点变换信息放到同一分类中,再根据发生变换的年龄时期是否相同,将发生年龄时期相同的标记点变换信息放到同一分类中。
S304、筛选出同一分类的标记点变换信息中变换参数的最大值、最小值,根据最大值和最小值计算变换参数的平均值。
该步骤的目的在于,通过确定同一分类中的标记点变换信息的平均值,以确定标记点变换策略中的变换参数,通过求取平均值确定变换参数可以避免变换参数过于极端,使得最终生成的人脸预测图像的脸型变换程度能够更加符合多数人的实际情况。
S305、根据不同年龄时期下的所有变换方式及相应的变换参数生成标记点变换策略,将所有标记点变换策略汇总为标记点变换策略集合。
当标记点变换策略集合中包含的标记点变换策略越多时,其涵盖的人脸预测图像的范围也越大,最终的人脸识别准确率也会相应提高,但同时也会导致比对的时间变长。为了解决该问题,在本实施例的一种可选实施方式中,所述商家终端还具体语音采集功能,参照图4,所述步骤S204中,所述获取标记点变换策略集合,具体包括以下步骤:
S401、商家终端获取学生的语音采集音频,将语音采集音频发送至服务器。
示例性地,所述获取学生的语音采集音频可以是让学生念出指定的文字内容,所述指定的文字内容可以是统一的文字内容,例如“确认支付费用”;也可以是念出自己的名字。
S402、服务器对语音采集音频进行分析,基于语音采集音频判断学生的年龄范围。
S403、服务器根据年龄范围判断结果,从标记点变换策略集合中筛选出年龄时期符合年龄范围判断结果的标记点变换策略。
与人的年龄相关的声学特征主要包括语音、韵律和语言三个方面的特征,有些特征会随着年龄的变化而发生显著的改变,特别是中小学生正好处于变声期。本实施例所提供的人脸识别方法中,通过采集学生的语音采集音频,基于语音采集音频对学生的大致年龄范围进行估计判断,并根据年龄范围判断结果从标记点变换策略集合中筛选出变换年龄范围符合年龄判断结果的标记点变换策略,组成新的标记点变换策略集合,新的标记点变换策略集合中的标记点变换策略数量明显减少,但更符合学生本人的实际年龄,从而在保证人脸识别准确率的基础上减少识别所需时间。
作为本实施例一种可选的实施方式,参照图5,所述步骤S402具体包括以下步骤:
S501、服务器分析提取语音采集音频的特征信息,所述特征信息包括谐波频率、语音速度、声压分级。
示例性地,所述谐波频率可以取一个自然复合音中振幅最大、频率最低的分音。
S502、将语音采集音频的特征信息作为参数,输入基于机器学习算法实现的第一分类器中。
示例性地,所述第一分类器可以通过决策树、朴素贝叶斯、支持向量机、人工神经网络等机器学习算法中的一种实现,本领域技术人员也可以根据实际需求或技术发展采用其他的算法实现,本实施例对此不作具体限定。第一分类器应通过给定的训练集进行充分的监督或半监督训练,直至其分类精度可以达到用户的需求。
S503、第一分类器基于输入参数对年龄范围进行估计,输出年龄范围判断结果。
作为本实施例的一种可选实施方式,参照图6,所述步骤S501之前还包括步骤:
S601、对学生的实时采集人脸图像进行性别表示区域识别,提取性别表示区域图像,所述性别表示区域包括发型区域和咽喉部区域。
S602、将性别表示区域图像输入基于机器学习算法实现的第二分类器中,通过第二分类器对性别表示区域图像进行分类识别,输出相应的性别判断结果。
由于男性和女性所发出的声音在高频泛音、音高上均具有一定的差异,若先区分出语音采集音频的发出者的性别,则有助于对其年龄进行评估。本实施例所提供的人脸识别方法中在获取学生的实时采集人脸图像后,还对其进行性别表示区域识别,从而判断其性别。对于中小学生而言,由于学校对于外观的要求,男生基本都是短发,而大多数学校都要求女生头发不能过肩,因此可以截取实时采集人脸图像中的发型部分区域作为性别表示区域。为了防止有意外个例,还截取实时采集人脸图像中的咽喉部区域,通过判断是否有喉结,结合发型区域的识别结果判断学生的性别。所述第二分类器同样可以通过决策树、朴素贝叶斯、支持向量机、人工神经网络等机器学习算法中的一种实现,本实施例对此不作具体限定。第二分类器应通过给定的训练集进行充分的监督或半监督训练,直至其分类精度可以达到用户的需求。输出性别判断结果后,将性别判断结果也作为参数,输入到第一分类器中,第一分类器在增加参数后,能够在区分性别的基础上根据学生的声音识别其年龄,从而进一步提高结果的准确性。
作为本实施例一种可选的实施方式,参照图7,所述步骤S104与步骤S105之间,还包括步骤:
S701、服务器将学生的实时人脸采集图像和发送到目标账户信息对应的家长终端。
S702、家长终端获取家长对于实时人脸采集图像的确认指令,将确认指令发送至目标账户信息对应的电子账户,所述电子账户根据确认指令执行支付结算。
示例性地,当服务器接收到学生的实时人脸采集图像并基于该实时人脸图像完成人脸识别比对并查询到相应的目标账户信息后,服务器在向目标账户信息对应的电子账户发送支付请求之前或同时,还向目标账户信息对应的家长终端发送实时人脸采集图像,家长可以根据该实时人脸采集图像判断图像中的学生是否为自己的子女或亲属,若是则可以通过家长终端输入确认信息并发送至电子账户,电子账户支付相应金额,若否则电子账户拒绝支付相应金额,服务器接收到拒绝支付的结算信息后转发至商家终端显示。
可选的,当家长输入拒绝支付的指令时,服务器会重新执行步骤S102。
本发明另一实施例还提供一种用于校园支付的人脸识别系统,所述系统用于执行前述方法实施例的方法,参照图8,所述系统包括商家终端、家长终端和服务器,所述商家终端、家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于校园支付的人脸识别方法,其特征在于,所述方法应用于用于校园支付的人脸识别系统,所述人脸识别系统包括商家终端、家长终端和服务器,所述商家终端和家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能,所述方法包括以下步骤:
S101、商家终端获取学生的实时人脸采集图像,向服务器发起学生支付请求,所述学生支付请求中包括学生的实时人脸采集图像和消费金额;
S102、服务器将学生的实时人脸采集图像与人脸预存图像进行对比,所述人脸预存图像包括学生的初始人脸采集图像,以及基于所述初始人脸采集图像模拟的人脸预测图像;
S103、当实时人脸采集图像与人脸预存图像的相似度达到预设阈值时,获取人脸预存图像对应的账户信息并将该账户信息标记为目标账户信息;
S104、向目标账户信息对应的电子账户发送金额为消费金额的支付请求;
S105、获取电子账户返回的支付结算信息,并发送至商家终端;
S106、商家终端根据支付结算信息显示支付结果;
所述基于初始人脸采集图像模拟的人脸预测图像,其生成具体包括以下步骤:
S201、获取学生的初始人脸采集图像;
S202、对于初始人脸采集图像进行预处理,所述预处理具体为:识别初始人脸采集图像中的特征部位,对每个特征部位添加第一标记点,获得人脸标记图像,记录每个第一标记点的坐标信息;
S203、根据每个第一标记点坐标信息生成标记阵列图像,所述标记阵列图像中包含多个第二标记点,每个第二标记点的位置坐标与第一标记点的坐标信息一一对应;
S204、获取标记点变换策略集合,根据标记点变换策略集合对标记阵列图像中的第二标记点坐标进行变换,获得标记变换阵列图像,所述标记点变换策略集合包括若干条标记点变换策略,所述标记点变换策略用于描述不同第二标记点坐标在经过不同时间后的变换方式和变换参数;
S205、根据标记变换阵列图像对人脸标记图像中的第一标记点位置进行变换,调整与第一标记点对应的特征部位的形状、大小比例和位置,获得人脸预测图像。
2.根据权利要求1所述的一种用于校园支付的人脸识别方法,其特征在于,步骤S201中,所述获取学生的初始人脸采集图像,具体为:向学生面部投射覆盖面部的不可见光点,接收学生面部反射的不可见光,获得不可见光点的偏移信息,根据不可见光点的投射位置信息和其偏移信息,获得面部景深信息,采集学生人脸平面图像,根据人脸平面图像和面部景深信息生成人脸3D图像,将所述人脸3D图像作为初始人脸采集图像;
步骤S202中,所述第一标记点的坐标信息包括x轴坐标、y轴坐标和z轴坐标。
3.根据权利要求1所述的一种用于校园支付的人脸识别方法,其特征在于,所述标记点变换策略集合的生成,具体包括步骤:
S301、获取人脸图像样本集,所述人脸图像样本集包括多个不同个体在不同年龄区间中的多张历史人脸图像,对每张历史人脸图像进行预处理;
S302、对同一个体不同年龄时期的历史人脸图像中的第一标记点的坐标信息进行比较,获得标记点变换信息;
S303、统计所有标记点变换信息的变换方式,根据变换方式和年龄时期对标记点变换信息进行分类;
S304、筛选出标记点变换信息中变换参数的最大值、最小值,根据最大值和最小值计算变换参数的平均值;
S305、根据不同年龄时期下的所有变换方式及相应的变换参数生成标记点变换策略,将所有标记点变换策略汇总为标记点变换策略集合。
4.根据权利要求1所述的一种用于校园支付的人脸识别方法,其特征在于,所述商家终端还具备语音采集功能,步骤S204中,所述获取标记点变换策略集合,具体包括以下步骤:
S401、商家终端获取学生的语音采集音频,将语音采集音频发送至服务器;
S402、服务器对语音采集音频进行分析,基于语音采集音频判断学生的年龄范围;
S403、服务器根据年龄范围判断结果,从标记点变换策略集合中筛选出年龄时期符合年龄范围判断结果的标记点变换策略。
5.根据权利要求4所述的一种用于校园支付的人脸识别方法,其特征在于,所述步骤S402具体包括以下步骤:
S501、服务器分析提取语音采集音频的特征信息,所述特征信息包括谐波频率、语音速度、声压分级;
S502、将语音采集音频的特征信息作为参数,输入基于机器学习算法实现的第一分类器中;
S503、第一分类器基于输入参数对年龄范围进行估计,输出年龄范围判断结果。
6.根据权利要求5所述的一种用于校园支付的人脸识别方法,其特征在于,所述步骤S501之前还包括步骤:
S601、对学生的实时采集人脸图像进行性别表示区域识别,提取性别表示区域图像,所述性别表示区域包括发型区域和咽喉部区域;
S602、将性别表示区域图像输入基于机器学习算法实现的第二分类器中,通过第二分类器对性别表示区域图像进行分类识别,输出相应的性别判断结果。
7.根据权利要求6所述的一种用于校园支付的人脸识别方法,其特征在于,所述步骤S502中,还将性别判断结果作为参数,输入到第一分类器中。
8.根据权利要求1所述的一种用于校园支付的人脸识别方法,其特征在于,所述步骤S104与步骤S105之间,还包括步骤:
S701、服务器将学生的实时人脸采集图像和发送到目标账户信息对应的家长终端;
S702、家长终端获取家长对于实时人脸采集图像的确认指令,将确认指令发送至目标账户信息对应的电子账户,所述电子账户根据确认指令执行支付结算。
9.一种用于校园支付的人脸识别系统,其特征在于,所述系统用于执行如权利要求1-8任一条所述的方法,所述系统包括商家终端、家长终端和服务器,所述商家终端、家长终端分别通信连接于所述服务器,所述商家终端具备图像采集功能。
CN202110745502.7A 2021-06-30 2021-06-30 用于校园支付的人脸识别方法 Active CN113450121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110745502.7A CN113450121B (zh) 2021-06-30 2021-06-30 用于校园支付的人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110745502.7A CN113450121B (zh) 2021-06-30 2021-06-30 用于校园支付的人脸识别方法

Publications (2)

Publication Number Publication Date
CN113450121A CN113450121A (zh) 2021-09-28
CN113450121B true CN113450121B (zh) 2022-08-05

Family

ID=77814838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110745502.7A Active CN113450121B (zh) 2021-06-30 2021-06-30 用于校园支付的人脸识别方法

Country Status (1)

Country Link
CN (1) CN113450121B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593768B (zh) * 2024-01-19 2024-05-07 季华实验室 咽喉定位模型训练方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062323A (zh) * 2019-12-16 2020-04-24 腾讯科技(深圳)有限公司 人脸图像传输方法、数值转移方法、装置及电子设备
CN112633516A (zh) * 2020-12-18 2021-04-09 上海壁仞智能科技有限公司 性能预测和机器学习编译优化方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133576A (zh) * 2017-04-17 2017-09-05 北京小米移动软件有限公司 用户年龄识别方法及装置
CN107679451A (zh) * 2017-08-25 2018-02-09 百度在线网络技术(北京)有限公司 建立人脸识别模型的方法、装置、设备和计算机存储介质
CN109063628B (zh) * 2018-07-27 2023-04-21 平安科技(深圳)有限公司 人脸识别方法、装置、计算机设备及存储介质
CN110321863A (zh) * 2019-07-09 2019-10-11 北京字节跳动网络技术有限公司 年龄识别方法及装置、存储介质
WO2021090741A1 (ja) * 2019-11-08 2021-05-14 株式会社資生堂 情報処理システム、情報処理方法、情報処理装置及びプログラム
CN110930160B (zh) * 2019-11-27 2023-06-27 佛山市蠢材科技有限公司 一种基于人脸识别的零花钱管理方法、装置及电子设备
CN112465682A (zh) * 2020-12-17 2021-03-09 广州宏途教育网络科技有限公司 一种用于中小学的校园服务平台

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062323A (zh) * 2019-12-16 2020-04-24 腾讯科技(深圳)有限公司 人脸图像传输方法、数值转移方法、装置及电子设备
CN112633516A (zh) * 2020-12-18 2021-04-09 上海壁仞智能科技有限公司 性能预测和机器学习编译优化方法及装置

Also Published As

Publication number Publication date
CN113450121A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN106295567B (zh) 一种关键点的定位方法及终端
CN101558431B (zh) 脸认证设备
CN108717663B (zh) 基于微表情的面签欺诈判断方法、装置、设备及介质
CN108470169A (zh) 人脸识别系统及方法
CN105631439B (zh) 人脸图像处理方法和装置
CN108573202A (zh) 身份认证方法、装置和系统以及终端、服务器和存储介质
CN106778525A (zh) 身份认证方法和装置
CN108875452A (zh) 人脸识别方法、装置、系统和计算机可读介质
CN105518708A (zh) 用于验证活体人脸的方法、设备和计算机程序产品
CN108573203A (zh) 身份认证方法和装置及存储介质
CN105989263A (zh) 身份认证方法、开户方法、装置及系统
CN103902961A (zh) 一种人脸识别方法及装置
KR102593624B1 (ko) 부정 행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법
CN112651333B (zh) 静默活体检测方法、装置、终端设备和存储介质
CN208351494U (zh) 人脸识别系统
CN108629259A (zh) 身份认证方法和装置及存储介质
CN108875509A (zh) 活体检测方法、装置和系统及存储介质
CN110245645A (zh) 人脸活体识别方法、装置、设备及存储介质
CN113450121B (zh) 用于校园支付的人脸识别方法
CN110414550A (zh) 人脸识别模型的训练方法、装置、系统和计算机可读介质
KR102581415B1 (ko) 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법
CN109409199A (zh) 微表情训练方法、装置、存储介质及电子设备
CN109977764A (zh) 基于平面检测的活体识别方法、装置、终端及存储介质
CN117095436A (zh) 企业员工信息智能管理系统及其方法
CN108549654A (zh) 一种基于图像处理的大数据分析方法

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
TR01 Transfer of patent right

Effective date of registration: 20230612

Address after: 1201, Core City Science Park, No. 588, Yuelu West Avenue, High tech Zone, Changsha City, 410000, Hunan Province

Patentee after: Hunan Anzhi Network Technology Co.,Ltd.

Address before: 410000 room 1201, building 5, Xincheng science and Technology Park, No. 588, Yuelu West Avenue, Changsha high tech Development Zone, Yuelu District, Changsha City, Hunan Province

Patentee before: Hunan xiaozhifu Network Technology Co.,Ltd.

TR01 Transfer of patent right