CN113962704A - 基于人脸识别的转账验证方法、装置、设备及存储介质 - Google Patents
基于人脸识别的转账验证方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113962704A CN113962704A CN202111366287.6A CN202111366287A CN113962704A CN 113962704 A CN113962704 A CN 113962704A CN 202111366287 A CN202111366287 A CN 202111366287A CN 113962704 A CN113962704 A CN 113962704A
- Authority
- CN
- China
- Prior art keywords
- transfer
- image
- expression
- face
- recognition
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
- G06Q20/102—Bill distribution or payments
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及人工智能领域,公开了一种基于人脸识别的转账验证方法、装置、设备及存储介质。实现了有效识别转账时可能发生的风险,提高转账的安全性。该方法包括:获取转账用户的账号信息以及输入信息,并判断所述转账金额是否小于所述账户余额;若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;若符合,则根据所述输入信息进行转账。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于人脸识别的转账验证方法、装置、设备及存储介质。
背景技术
随着互联网和科学技术的发展,人们的支付方式也在不断的更新,越来越多的人选择线上进行支付交易。无现金进行支付交易由于具有方便、快捷的优点,在人们日常生活如网上购物、工资转账等的应用越来越广泛,通过终端设备的方式进行无现金转账已经成为主流的无现金支付方式之一。但是在线上转账提供便利的同时,由于转账方式不同于银行网点的专用转账设备,移动终端更容易遭到攻击,并且可能会导致一些不法分子诱骗胁迫转账用户做资金交易,谋取利益,例如线上的网络诈骗、交易等,存在着许多的安全问题,对此确保移动支付的安全是重中之重的前提。
目前用户在进行线上支付时,从使用字符(数字、字母、符号)的组合密码的方式确认,到现在使用指纹、人脸等生物特征的方式进行转账人的身份验证,在一定程度上提高了人们线上支付的安全性。但是,用户在受到外部环境强迫或者诱导支付的时候,例如,逛街遭遇到抢劫或者网络诈骗时,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或诱导用户转账,给用户带来财产损失的风险。即现有的转账处理方式并不能有效识别转账时可能发生的风险,安全性不高。
发明内容
本发明的主要目的在于解决现有的转账处理方式并不能有效识别转账时可能发生的风险,安全性不高的问题。
本发明第一方面提供了一种基于人脸识别的转账验证方法,其特征在于,所述基于人脸识别的转账验证方法包括:获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;若符合,则根据所述输入信息进行转账。
可选的,在本发明第一方面的第一种实现方式中,所述预置人脸表情识别模型包括组合卷积神经网络,其中所述组合卷积神经网络包括残差网络和特征金字塔网络,所述利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果包括:采用预置人脸表情识别模型中的所述残差网络对所述人脸图像进行全局表情特征的提取;基于提取的所述全局表情特征,利用所述特征金字塔网络进行局部表情特征的提取;基于所述全局表情特征和所述局部表情特征,利用预置人脸表情识别模型进行人脸表情类型的识别,得到识别结果。
可选的,在本发明第一方面的第二种实现方式中,所述若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较包括:若所述转账金额小于账户余额,则解析所述用户信息,得到所述转账用户的设置支付密码,以及基于所述用户信息生成参考验证码;将所述参考验证码与所述待验验证码、以及所述设置支付密码与所述转账输入支付密码进行一致性比较。
可选的,在本发明第一方面的第三种实现方式中,在所述获取转账用户的账号信息以及输入信息之前,还包括:利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对所述第二人脸图像进行标注,得到标注文件;将所述第二人脸图像作为学习样本图像输入预置预训练模型,并采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征;基于所述表情特征,采用所述预训练模型对所述第二人脸图像进行识别,得到第二识别结果;利用所述标注文件和所述第二识别结果对所述预训练模型进行交叉验证并更新,得到人脸表情识别模型。
可选的,在本发明第一方面的第四种实现方式中,所述利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对所述第二人脸图像进行标注,得到标注文件包括:采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;根据所述各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像。
可选的,在本发明第一方面的第五种实现方式中,所述将所述第二人脸图像作为学习样本图像输入预置预训练模型,并采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征包括:采用所述预训练模型中的组合卷积神经网络对所述第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;采用所述组合卷积神经网络对所述第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像。
可选的,在本发明第一方面的第六种实现方式中,在所述根据识别结果判断是否符合预置转账表情条件之后,还包括:若识别结果判断不符合预置转账表情条件,则中止所述转账用户的转账操作并生成相应的提示信息;将所述提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证。
本发明第二方面提供了一种基于人脸识别的转账验证装置,包括:信息获取模块,用于获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;支付验证模块,用于若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;人脸采集模块,用于若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;表情识别模块,用于利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;转账处理模块,用于若符合,则根据所述输入信息进行转账。
可选的,在本发明第二方面的第一种实现方式中,所述表情识别模块包括:全局提取单元,用于采用预置人脸表情识别模型中的所述残差网络对所述人脸图像进行全局表情特征的提取;局部提取单元,用于基于提取的所述全局表情特征,利用所述特征金字塔网络进行局部表情特征的提取;表情识别单元,用于基于所述全局表情特征和所述局部表情特征,利用预置人脸表情识别模型进行人脸表情类型的识别,得到识别结果。
可选的,在本发明第二方面的第二种实现方式中,所述支付验证模块包括:信息解析单元,用于若所述转账金额小于账户余额,则解析所述用户信息,得到所述转账用户的设置支付密码,以及基于所述用户信息生成参考验证码;比较单元,用于将所述参考验证码与所述待验验证码、以及所述设置支付密码与所述转账输入支付密码进行一致性比较。
可选的,在本发明第二方面的第三种实现方式中,所述在信息获取模块之前,还包括模型训练模块:图像挖掘单元,用于利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对所述第二人脸图像进行标注,得到标注文件;特征提取单元,用于将所述第二人脸图像作为学习样本图像输入预置预训练模型,并采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征;识别单元,用于基于所述表情特征,采用所述预训练模型对所述第二人脸图像进行识别,得到第二识别结果;更新单元,用于利用所述标注文件和所述第二识别结果对所述预训练模型进行交叉验证并更新,得到人脸表情识别模型。
可选的,在本发明第二方面的第四种实现方式中,所述图像挖掘单元包括:采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;根据所述各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像。
可选的,在本发明第二方面的第五种实现方式中,所述特征提取单元包括:采用所述预训练模型中的组合卷积神经网络对所述第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;采用所述组合卷积神经网络对所述第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像。
可选的,在本发明第二方面的第六种实现方式中,所述转账处理模块还包括:若识别结果判断不符合预置转账表情条件,则中止所述转账用户的转账操作并生成相应的提示信息;将所述提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证。
本发明第三方面提供了一种基于人脸识别的转账验证设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人脸识别的转账验证设备执行上述的基于人脸识别的转账验证方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于人脸识别的转账验证方法。
本发明提供的技术方案中,获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较。相比于现有技术,本申请在进行人脸表情识别转账操作之前还先对用户的基本信息进行基础性的验证,分步骤的进行转账验证操作有利于先从简单的验证手段进行验证,提高系统的转账验证效率并降低了后续系统对于人脸表情识别的处理压力。
若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;若符合,则根据输入信息进行转账。相比于现有技术,本申请在进行基本转账用户信息的验证后,采用人脸表情识别判断当前转账用户是否是正常的转账操作的表情,进一步提高了转账用户的操作安全性,有利用降低转账用户胁迫转账等转账风险。
附图说明
图1为本发明中基于人脸识别的转账验证方法的第一个实施例示意图;
图2为本发明中基于人脸识别的转账验证方法的第二个实施例示意图;
图3为本发明中基于人脸识别的转账验证方法的第三个实施例示意图;
图4为本发明中基于人脸识别的转账验证方法的第四个实施例示意图;
图5为本发明中基于人脸识别的转账验证方法的第五个实施例示意图;
图6为本发明中基于人脸识别的转账验证装置的一个实施例示意图;
图7为本发明中基于人脸识别的转账验证装置的另一个实施例示意图;
图8为本发明中基于人脸识别的转账验证设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于人脸识别的转账验证方法、装置、设备及存储介质,实现了有效识别转账时可能发生的风险,提高转账的安全性。该方法包括:获取转账用户的账号信息以及输入信息,并判断所述转账金额是否小于所述账户余额;若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;若符合,则根据所述输入信息进行转账。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于人脸识别的转账验证方法的第一个实施例包括:
101、获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;
可以理解的是,本发明的执行主体可以为基于人脸识别的转账验证装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本实施例中,这里的用户信息,指的是银行系统中已经存储有的用户个人账户信息,包括用户基本个人信息、账户余额信息、用户在银行的钱款使用信息和个人信用信息等;这里的输入信息,指的是转账用户进行转账操作时,所输入的用户账号信息、待验证信息、转账输入支付密码信息等操作信息;获取转账用户的账号信息和输入信息,其中输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额。
在实际应用中,转账用户根据银行线上转账操作流程进行转账操作时,首先在用户登入转账操作界面之后,操作系统获取得到转账用户的账号信息以及输入信息,其中输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,进而根据获得的用户信息和输入信息,判断当前转账金额是否小于用户的账户余额。
102、若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较;
本实施例中,这里的转账输入支付密码,指的是转账用户进行转账时所需输入验证的支付密码;这里的待验验证码,指的是转账用户在进行转账操作时,需要提供银行给账户绑定的手机号发送的验证码或者其他可用来识别转账用户的验证码;这里的一致性比较,指的是根据转账记录的信息和发送的验证信息与转账用户的输入的进行比较,对比相对应的信息是否相同;若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较。
在实际应用中,先进行判断转账用户所要转账金额是否小于其账户余额,若转账余额小于账户余额,则满足用户转账的先决条件,根据获取的转账输入支付密码和待验验证码,利用相同性比较的方法与转账用户保存在银行中转账密码和系统所发送的验证码进行比较比较,对比相对应的信息是否相同。
103、若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
本实施例中,若当前转账用户所输入的转账输入支付密码和待验验证码,与用户信息相同性比较的结果都相同,则进行获取该转账用户在进行转账操作时,所被采集的转账用户的人脸图像信息。
104、利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;
本实施例中,这里的人脸表情识别模型,指的是通过采集大量的人脸表情图像,利用卷积神经网络进行人脸表情识别模型训练,得到能够对输入的人脸图像进行表情识别的模型;这里的预置转账表情条件,指的是根据大数据分析转账用户正常转账是人脸表情的情况,对出现胁迫转账时出现的惊吓、焦虑、恐惧这些表情进行分析总结,得到人们进行非正常转账时的表情集合;利用预置人脸表情识别模型对获取得到的转账用户人脸图像进行人脸表情的识别,进而根据人脸表情的识别结果,判断当前转账用户的人脸表情是否符合预置转账表情条件。
在实际应用中,利用预置人脸表情识别模型中的组合卷积神经网络对转账用户的人脸图像进行全局表情特征和局部的表情特征的提取,进而利用预置人脸表情识别模型进行表行类型的识别,得到转账用户人脸图像的人脸表情的类型,从而根据转账用户人脸图像的表情识别结果,判断其是否正常转账的表情,是否符合预置的转账表情条件。
105、若符合,则根据输入信息进行转账。
本实施例中,若转账用户的人脸图像表情识别结果符合预置转换表情条件,即转账用户的表情是正常转账时的表情,则根据转账用户的输入信息中所需的转账金额和被转账用户账户信息进行转账操作,将相应金额的账款转账至被转账用户的账户上。
本发明实施例中,获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较。相比于现有技术,本申请在进行人脸表情识别转账操作之前还先对用户的基本信息进行基础性的验证,分步骤的进行转账验证操作有利于先从简单的验证手段进行验证,提高系统的转账验证效率和降低了系统对于人脸表情识别的处理压力。
若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;若符合,则根据输入信息进行转账。相比于现有技术,本申请在进行基本转账用户信息的验证后,采用人脸表情识别判断当前转账用户是否是正常的转账操作的表情,进一步提高了转账用户的操作安全性,有利用降低转账用户胁迫转账等转账风险。
请参阅图2,本发明实施例中基于人脸识别的转账验证方法的第二个实施例包括:
201、获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;
202、若转账金额小于账户余额,则解析用户信息,得到转账用户的设置支付密码,以及基于用户信息生成参考验证码;
本实施例中,这里的设置支付密码,指的是用户在申请银行账户时进行转账操作时自行设置,用来转账、消费支出的支付前的操作密码;进行判断转账金额是否小于账户余额,若用户的转账金额小于账户中的余额,则对该转账用户信息进行解析,得到转账用户的先前设置支付密码,并根据转账用户的操作,利用预置的验证码系统生成相应的参考验证码,并将生成的参考验证码发送给相应的接收设备。
203、将参考验证码与待验验证码、以及设置支付密码与转账输入支付密码进行一致性比较;
本实施例中,根据解析得到的转账用户的先前设置支付密码以及账输入支付密码,将参考验证码与待验验证码以及转账用户的设置支付密码与转账输入支付密码进行一致性比较。
在实际应用中,若转账用户所需转账的金额小于其账户余额,则对用户信息进行解析,从而得到该转账用户的设置支付密码以及系统所发送的参考验证码;将输入信息中的转账输入支付密码和待验验证码与解析所得的用户设置支付密码以及发送的待验验证码进行相同性比较,对比转账输入支付密码与用户设置支付密码是否相同,以及对比待验验证码和发送的参考验证码是否相同。
204、若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
205、利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;
206、若符合,则根据输入信息进行转账。
本发明实施例中,若转账金额小于账户余额,则解析用户信息,得到转账用户的设置支付密码,以及基于用户信息生成参考验证码;将参考验证码与待验验证码、以及设置支付密码与转账输入支付密码进行一致性比较。相比于现有技术,本申请通过对系统保存的用户设置支付密码与获取的转账输入支付密码,以及系统生成并发送的参考验证码和获取的待验验证码进行相同性比较,实现对转账用户进行初步的验证,利用相同性比较方法进行初步验证,减少进一步的面部表情识别的验证数量,进一步提高系统的处理效率。
请参阅图3,本发明实施例中基于人脸识别的转账验证方法的第三个实施例包括:
301、利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对第二人脸图像进行标注,得到标注文件;
本实施例中,这里的预置图像挖掘方法,指的是通过爬虫技术和数据搜索等技术数据库中挖掘图片数据库,进而利用图像挖掘技术对挖掘的图像数据对图片数据库中图像数据进行挖掘相应的人脸图像的方法;这里的标注指的是通过将挖掘得到的人脸图像按照表情类型进行类型标注;利用预置图像挖掘方法挖掘得到多种表情类型的第二人脸图像,并对第二人脸图像进行表情类型的标注,得到标注文件。
302、采用组合卷积神经网络对人脸图像进行表情特征的提取,得到原始人脸图像的表情特征;
本实施例中,这里的组合卷积神经网络,指的是由3D Resnet(3D残差网络)和FPN(特征金字塔网络)组合运算所得的组合卷积神经网络,通过对图像块进行卷积操作,其中3D网络部分可以有效的利用空间信息提取3维图像的特征,特征金字塔网络(FPN)部分是根据特征金字塔概念设计的特征提取器,使用FPN可实现多尺度地提取特征,通过使用FPN实现全局特征和局部特征提取;对挖掘得到的人脸图像采用组合卷积神经网络进行表情特征的提取,从而得到原始人脸图像的表情特征。
303、基于表情特征,采用预训练模型对第二人脸图像进行识别,得到第二识别结果;
本实施例中,基于提取得到的表情特征,采用预训练模型对第二人脸图像进行识别,从而得到第二识别结果。
304、利用标注文件和第二识别结果对预训练模型进行交叉验证并更新,得到人脸表情识别模型;
本实施例中,这里的交叉验证,指的是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or testset),首先用训练集对分类器进行训练,再利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标;利用标注文件和第二识别结果对预训练模型进行交叉验证并更新,得到人脸表情识别模型。
在实际应用中,根据预置的表情类型,利用大数据挖掘的方法从图像数据集中挖掘所需表情类型的第二人脸图像,并对得到的第二人脸图像进行人脸表情类型的标注,得到标注文件;进而利用组合卷积神经网络对人脸图像样本进行人脸表情图像的全局特征和局部特征的提取,从而得到原始人脸图像的人脸表情特征图像;进而利用提取得到的表情特征用来构建模型的学习样本,将其和标注文件进行图像特征交叉验证,从而对人脸表情识别模型进行更新,当模型交叉验证的识别率达到预置的99%的表情识别准确率时完成更新;进而将更新得到的人脸识别模型对转账用户的人脸图像进行人脸表情的识别处理,并根据识别结果判断是否符合预置转账表情条件。
305、获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;
306、若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较;
307、若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
308、利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;
309、若符合,则根据输入信息进行转账;
本发明实施例中,利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对第二人脸图像进行标注,得到标注文件;将第二人脸图像作为学习样本图像输入预置预训练模型,并采用预训练模型中的组合卷积神经网络提取第二人脸图像中的表情特征;基于表情特征,采用预训练模型对第二人脸图像进行识别,得到第二识别结果;利用标注文件和第二识别结果对预训练模型进行交叉验证并更新,得到人脸表情识别模型。相比于现有技术,本申请通过对初步验证后的转账用户进行人脸表情的进一步验证,通过采用训练得到的人脸表情识别模型对转账用户人脸图像进行表情识别,从而得到当前转账用户的表情识别结果,从而进一步对转账用户进行安全识别验证,避免胁迫转账等情况的产生的转账,加强用户的转账的安全性。
请参阅图4,本发明实施例中基于人脸识别的转账验证方法的第四个实施例包括:
401、采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;
本实施例中,这里的图像数据挖掘是用来挖掘大规模图像数据中隐含的知识、图像内或图像间的各种关系以及其他隐藏在图像数据中的各种模式的一种技术;利用图像挖掘技术从图像数据集中挖掘所需类型的人脸图像。
402、根据各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像;
本实施例中,根据预置人脸表情类型,对挖掘所得的各种类型的人脸图像进行选取,从而得到原始人脸图像。
在实际应用中,利用图像挖掘技术从海量数据中挖掘其中属于人脸图像数据的资源,进而将这些人脸图像数据过滤出来,从而得到各种类型的人脸图像;进而根据预置表情类型,基于人在被胁迫转账交易时出现的表情如惊吓、焦虑、恐惧这些表情上,对利用图像挖掘技术所挖掘得到的各种类型的人脸图像进行人脸表情类型图像的选取,选取所需人脸表情图像类型的原始人脸表情图像。
403、采用预训练模型中的组合卷积神经网络对第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;
本实施例中,这里的图像增强技术,指的是利用几何变换、色彩空间增强、内核过滤器、图像混合、随即擦除、特征空间增强、对抗训练、生成对抗网络、神经风格迁移和元学习等进行图像数据增强的技术集合;先对挖掘得到的原始人脸表情图像利用图像增强技术进行图像数据增强处理,并将图像增强处理后图像输入至组合卷积神经网络中进行全局特征的提取,并基于全局特征提取的结果得到第一卷积特征图像。
404、利用组合特征卷积神经网络对第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像;
本实施例中,利用组合特征卷积神经网络对第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成得到第二卷积特征图像。
在实际应用中,采用图像增强技术对选取得到的原始人脸图像进行数据增强处理,将原始人脸图像采用预设的增强处理方法进行处理,进而将图像增强后的人脸表情图像输入至组合卷积神经网络中的3D残差网络进行全局特征的提取,得到第一卷积特征图像;进而对卷积处理后的第一卷积特征图像利用组合卷积神经网络中的特征金字塔网络进行局部特征的提取,并基于局部特征提取的结果生成得到第二卷积特征图像;即将提取得到的第一卷积特征图像和第二卷积特征图像。
405、基于表情特征,采用预训练模型对第二人脸图像进行识别,得到第二识别结果;
406、利用标注文件和第二识别结果对预训练模型进行交叉验证并更新,得到人脸表情识别模型;
407获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;
408、若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较;
409、若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
410、利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件
411、若符合,则根据输入信息进行转账。
本发明实施例中,采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;根据各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像;采用预训练模型中的组合卷积神经网络对第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;利用组合特征卷积神经网络对第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像。相比于现有技术,本申请通过采用图像挖掘技术在图像集中挖掘得到所需人脸表情类型的图像,进而利用由3D残差网络和特征金字塔网络进行全局全局特征和局部特征的提取,从而得到模型训练特征图像学习样本,通过对所需表情类型的图像进行特征的提取,提取得到大量相对应表情的特征,有助于最后更新得到的模型对人脸图像表情识别具有更高的准确率,对转账用户的转账表情具有更高的识别率,进一步提高转账的安全性。
请参阅图5,本发明实施例中基于人脸识别的转账验证方法的第五个实施例包括:
501、获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于账户余额;
502、若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较;
503、若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
504、利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;
505、若识别结果判断不符合预置转账表情条件,则中止转账用户的转账操作并生成相应的提示信息;
本实施例中,利用人脸表情识别模型对转账用户进行表情识别后,进行判断识别结果判断是否符合预置转账表情条件,若该识别结果不符合预置的转账表情条件,则禁止转账用户的转账操作并生成相应的警告信息。
506、将提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证;
本实施例中,当若识别结果为不符合预置转账表情条件,则立即禁止该转账用户的转账操作,并自动生成警告预警;进而将生成的警告预警和转账用户的转账情况信息数据一并发送至预置管理客户端如银行后台之中,进而提箱相应的工作人员进行人工识别验证操作,人工核验该转账操作和打电话给转账用户进行确定,以进行进一步的转账确定操作处理。
507、若符合,则根据输入信息进行转账。
本发明实施例中,若识别结果判断不符合预置转账表情条件,则中止转账用户的转账操作并生成相应的提示信息;将提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证。相比于现有技术,本申请通过人脸表情识别结果进行判定是否符合预置转账表情条件,对不符合的暂停相应的转账操作,并生成相应的警告发送至后台中,进而提箱相应人员进行人工验证,确保转账的安全性,保护转账用户资金的安全,不仅可以保证用户转账的安全体验操作,还能确保用户体验到银行对资金保护方面的细心服务。
上面对本发明实施例中基于人脸识别的转账验证方法进行了描述,下面对本发明实施例中基于人脸识别的转账验证装置进行描述,请参阅图6,本发明实施例中基于人脸识别的转账验证装置一个实施例包括:
信息获取模块601,用于获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;
支付验证模块602,用于若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;
人脸采集模块603,用于若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
表情识别模块604,用于利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;
转账处理模块605,用于若符合,则根据所述输入信息进行转账。
本发明实施例中,获取转账用户的账号信息以及输入信息,输入信息包括转账输入支付密码、转账金额、待验验证码,账户信息包括用户信息、账户余额,并判断转账金额是否小于所述账户余额;若转账金额小于账户余额,则将转账输入支付密码和待验验证码与用户信息进行一致性比较。相比于现有技术,本申请在进行人脸表情识别转账操作之前还先对用户的基本信息进行基础性的验证,分步骤的进行转账验证操作有利于先从简单的验证手段进行验证,提高系统的转账验证效率和降低了系统对于人脸表情识别的处理压力。
若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;利用预置人脸表情识别模型对人脸图像进行识别,得到识别结果,并根据识别结果判断人脸图像是否符合预置转账表情条件;若符合,则根据输入信息进行转账。相比于现有技术,本申请在进行基本转账用户信息的验证后,采用人脸表情识别判断当前转账用户是否是正常的转账操作的表情,进一步提高了转账用户的操作安全性,有利用降低转账用户胁迫转账等转账风险。
请参阅图7,本发明实施例中基于人脸识别的转账验证装置的另一个实施例包括:
信息获取模块601,用于获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;
支付验证模块602,用于若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;
人脸采集模块603,用于若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
表情识别模块604,用于利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;
转账处理模块605,用于若符合,则根据所述输入信息进行转账。
具体的,所述表情识别模块604包括:
全局提取单元6041,用于采用预置人脸表情识别模型中的所述残差网络对所述人脸图像进行全局表情特征的提取;
局部提取单元6042,用于基于提取的所述全局表情特征,利用所述特征金字塔网络进行局部表情特征的提取;
表情识别单元6043,用于基于所述全局表情特征和所述局部表情特征,利用预置人脸表情识别模型进行人脸表情类型的识别,得到识别结果。
具体的,所述支付验证模块602包括:
信息解析单元6021,用于若所述转账金额小于账户余额,则解析所述用户信息,得到所述转账用户的设置支付密码,以及基于所述用户信息生成参考验证码;
比较单元6022,用于将所述参考验证码与所述待验验证码、以及所述设置支付密码与所述转账输入支付密码进行一致性比较。
具体的,所述模型训练模块606包括:
图像挖掘单元6061,用于利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对所述第二人脸图像进行标注,得到标注文件;
特征提取单元6062,用于将所述第二人脸图像作为学习样本图像输入预置预训练模型,并采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征;
识别单元6063,用于基于所述表情特征,采用所述预训练模型对所述第二人脸图像进行识别,得到第二识别结果;
更新单元6064,用于利用所述标注文件和所述第二识别结果对所述预训练模型进行交叉验证并更新,得到人脸表情识别模型。
具体的,所述图像挖掘单元6061包括:
采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;根据所述各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像。
具体的,特征提取单元6062包括:
采用所述预训练模型中的组合卷积神经网络对所述第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;采用所述组合卷积神经网络对所述第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像。
具体的,所述转账处理模块605还包括:
若识别结果判断不符合预置转账表情条件,则中止所述转账用户的转账操作并生成相应的提示信息;将所述提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证。
本发明实施例中,通过对转账用户进行初步信息的验证后,采用组合卷积神经网络和预置表情识别数据集进行交叉训练及更新得到的人脸表情识别模型对转账人员进行人脸表情的识别,进而对识别结果进行判断是否符合预置转账表情条件,做出相对应的转账处理操作。相对于现有技术,本申请通过对初步验证后的转账用户进行人脸表情的识别,判断当前转账用户的表情是否符合正常转账用户的表情情况,有利于避免转账用户胁迫转账情况的情况,进一步的保障用户资金转账的安全性。
上面图6和图7从模块化功能实体的角度对本发明实施例中的基于人脸识别的转账验证装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于人脸识别的转账验证设备进行详细描述。
图8是本发明实施例提供的一种基于人脸识别的转账验证设备的结构示意图,该基于人脸识别的转账验证设备800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)810(例如,一个或一个以上处理器)和存储器820,一个或一个以上存储应用程序833或数据832的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器820和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于人脸识别的转账验证设备800中的一系列指令操作。更进一步地,处理器810可以设置为与存储介质830通信,在基于人脸识别的转账验证设备800上执行存储介质830中的一系列指令操作。
基于人脸识别的转账验证设备800还可以包括一个或一个以上电源840,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口860,和/或,一个或一个以上操作系统831,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图8示出的基于人脸识别的转账验证设备结构并不构成对基于人脸识别的转账验证设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于人脸识别的转账验证设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于人脸识别的转账验证方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于人脸识别的转账验证方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。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。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人脸识别的转账验证方法,其特征在于,所述基于人脸识别的转账验证方法包括:
获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;
若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;
若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;
若符合,则根据所述输入信息进行转账。
2.根据权利要求1所述的基于人脸识别的转账验证方法,其特征在于,所述预置人脸表情识别模型包括组合卷积神经网络,其中所述组合卷积神经网络包括残差网络和特征金字塔网络,所述利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果包括:
采用预置人脸表情识别模型中的所述残差网络对所述人脸图像进行全局表情特征的提取;
基于提取的所述全局表情特征,利用所述特征金字塔网络进行局部表情特征的提取;
基于所述全局表情特征和所述局部表情特征,利用预置人脸表情识别模型进行人脸表情类型的识别,得到识别结果。
3.根据权利要求1所述的基于人脸识别的转账验证方法,其特征在于,所述若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较包括:
若所述转账金额小于账户余额,则解析所述用户信息,得到所述转账用户的设置支付密码,以及基于所述用户信息生成参考验证码;
将所述参考验证码与所述待验验证码、以及所述设置支付密码与所述转账输入支付密码进行一致性比较。
4.根据权利要求1所述的基于人脸识别的转账验证方法,其特征在于,在所述获取转账用户的账号信息以及输入信息之前,还包括:
利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像,并对所述第二人脸图像进行标注,得到标注文件;
将所述第二人脸图像作为学习样本图像输入预置预训练模型,并采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征;
基于所述表情特征,采用所述预训练模型对所述第二人脸图像进行识别,得到第二识别结果;
利用所述标注文件和所述第二识别结果对所述预训练模型进行交叉验证并更新,得到人脸表情识别模型。
5.根据权利要求3所述的基于人脸识别的转账验证方法,其特征在于,所述利用预置图像挖掘方法挖掘多种表情类型的第二人脸图像包括:
采用图像挖掘技术从图像数据库中挖掘各种类型的人脸图像;
根据所述各种类型的人脸图像,利用图像增强技术对人脸图像进行增强处理,得到多种表情类型的第二人脸图像。
6.根据权利要求3所述的基于人脸识别的转账验证方法,其特征在于,所述表情特征包括第一卷积特征图像和第二卷积特征图像,所述采用所述预训练模型中的组合卷积神经网络提取所述第二人脸图像中的表情特征包括:
采用所述预训练模型中的组合卷积神经网络对所述第二人脸图像进行全局特征的提取,并基于全局特征提取的结果生成第一卷积特征图像;
采用所述组合卷积神经网络对所述第一卷积特征图像进行局部特征进行提取,并基于局部特征提取的结果生成第二卷积特征图像。
7.根据权利要求1-6中任一项所述的基于人脸识别的转账验证方法,其特征在于,在所述根据识别结果判断是否符合预置转账表情条件之后,还包括:
若识别结果判断不符合预置转账表情条件,则中止所述转账用户的转账操作并生成相应的提示信息;
将所述提示信息发送至预置管理客户端,并采用预置二次验证方法进行转账验证。
8.一种基于人脸识别的转账验证装置,其特征在于,所述基于人脸识别的转账验证装置包括:
信息获取模块,用于获取转账用户的账号信息以及输入信息,所述输入信息包括转账输入支付密码、转账金额、待验验证码,所述账户信息包括用户信息、账户余额,并判断所述转账金额是否小于所述账户余额;
支付验证模块,用于若所述转账金额小于账户余额,则将所述转账输入支付密码和所述待验验证码与所述用户信息进行一致性比较;
人脸采集模块,用于若一致性比较的结果满足预置一致性条件,则获取转账操作时采集的转账用户的人脸图像;
表情识别模块,用于利用预置人脸表情识别模型对所述人脸图像进行识别,得到识别结果,并根据所述识别结果判断所述人脸图像是否符合预置转账表情条件;
转账处理模块,用于若符合,则根据所述输入信息进行转账。
9.一种基于人脸识别的转账验证设备,其特征在于,所述基于人脸识别的转账验证设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人脸识别的转账验证设备执行如权利要求1-7中任一项所述的基于人脸识别的转账验证方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述基于人脸识别的转账验证方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366287.6A CN113962704A (zh) | 2021-11-18 | 2021-11-18 | 基于人脸识别的转账验证方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366287.6A CN113962704A (zh) | 2021-11-18 | 2021-11-18 | 基于人脸识别的转账验证方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962704A true CN113962704A (zh) | 2022-01-21 |
Family
ID=79471105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111366287.6A Pending CN113962704A (zh) | 2021-11-18 | 2021-11-18 | 基于人脸识别的转账验证方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962704A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779983A (zh) * | 2022-05-11 | 2022-07-22 | 中国银行股份有限公司 | 红包的发送方法、装置、电子设备及计算机存储介质 |
CN115271747A (zh) * | 2022-10-01 | 2022-11-01 | 深圳市赢向量科技有限公司 | 一种基于面部与语音识别的安全验证方法 |
CN116109318A (zh) * | 2023-03-28 | 2023-05-12 | 北京海上升科技有限公司 | 基于区块链的交互金融支付和大数据压缩存储方法及系统 |
-
2021
- 2021-11-18 CN CN202111366287.6A patent/CN113962704A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779983A (zh) * | 2022-05-11 | 2022-07-22 | 中国银行股份有限公司 | 红包的发送方法、装置、电子设备及计算机存储介质 |
CN115271747A (zh) * | 2022-10-01 | 2022-11-01 | 深圳市赢向量科技有限公司 | 一种基于面部与语音识别的安全验证方法 |
CN115271747B (zh) * | 2022-10-01 | 2023-09-15 | 北京晟邦知享科技发展有限公司 | 一种基于面部与语音识别的安全验证方法 |
CN116109318A (zh) * | 2023-03-28 | 2023-05-12 | 北京海上升科技有限公司 | 基于区块链的交互金融支付和大数据压缩存储方法及系统 |
CN116109318B (zh) * | 2023-03-28 | 2024-01-26 | 北京海上升科技有限公司 | 基于区块链的交互金融支付和大数据压缩存储方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113962704A (zh) | 基于人脸识别的转账验证方法、装置、设备及存储介质 | |
CN109410036A (zh) | 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置 | |
CN110992167A (zh) | 银行客户业务意图识别方法及装置 | |
CN110490721B (zh) | 财务凭证生成方法及相关产品 | |
CN112837069B (zh) | 基于区块链与大数据的安全支付方法及云平台系统 | |
CN105069622A (zh) | 一种面向移动终端的人脸识别支付系统和方法 | |
CN109447789A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
CN110147540B (zh) | 业务安全需求文档生成方法及系统 | |
CN111049659B (zh) | 基于手写签名识别的业务验证方法、装置及系统 | |
CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
CN110675252A (zh) | 风险评估方法、装置、电子设备及存储介质 | |
CN115640074A (zh) | 业务数据处理方法、装置和智能柜台终端 | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
CN115034886A (zh) | 一种违约风险预测方法及装置 | |
CN112330328A (zh) | 一种基于特征提取的信用卡欺诈检测方法 | |
CN114566159A (zh) | 一种基于校核操作的电气票流转方法及装置 | |
CN114282258A (zh) | 截屏数据脱敏方法、装置、计算机设备及存储介质 | |
CN116704581A (zh) | 人脸识别方法、装置、设备及存储介质 | |
JP7118923B2 (ja) | 帳票対応システム、帳票対応方法及び帳票対応プログラム | |
CN114565470A (zh) | 基于人工智能的金融产品推荐方法、及其相关设备 | |
CN114469139A (zh) | 脑电信号识别模型训练、脑电信号识别方法、装置及介质 | |
CN110362981B (zh) | 基于可信设备指纹判断异常行为的方法及系统 | |
Shoakhmedova et al. | Methods of determining fake content using artificial intelligence | |
CN113781056A (zh) | 预测用户欺诈行为的方法及装置 | |
CN113094595A (zh) | 对象识别方法、装置、计算机系统及可读存储介质 |
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 |