CN115310977A - 基于支付电子系统的支付方法、系统、设备和存储介质 - Google Patents

Abstract

本发明提供了一种基于支付电子系统的支付方法，包括：通过支付电子系统中的图像采集设备采集目标对象的人脸图像，获取与所述支付电子设备的支付环境相匹配的支付帧图像集合；得到加密支付帧图像集合；通过所述支付电子设备，将所述加密支付帧图像集合向云服务器传输，并获取所述加密支付帧图像集合对应的支付信息；在所述支付电子设备中呈现所述支付信息。本发明还提供支付电子系统、电子设备及存储介质，由此，实现通过图像采集设备目标对象的人脸图像进行采集，并生成加密支付帧图像集合进行检测，保证用户通过人脸进行电子支付的安全性，同时，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

Description

基于支付电子系统的支付方法、系统、设备和存储介质

技术领域

本发明涉及支付电子设备的信息处理技术，尤其涉及基于支付电子系统的支付方法、系统、电子设备和存储介质。

背景技术

随着电子支付的不断发展，电子支付方式可以依靠人脸识别技术对消费者进行较为准确的身份验证，但将人脸与消费相结合，还有诸多方面的不足，相关电子支付设备进行活体检测，人脸识别支付中无法及时的对人脸图像进行活体检测，同时支付电设备需要配置相应的屏幕和系统级芯片用于获取用户输入的数字验证信息，增加了支付电子设备的成本，不利于支付电子设备的大规模推广。

发明内容

有鉴于此，本发明实施例提供一种基于支付电子系统的支付方法、系统、电子设备和存储介质，能够实现通过图像采集设备目标对象的人脸图像进行采集，并生成加密支付帧图像集合进行检测，保证用户通过人脸进行电子支付的安全性，同时，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种基于支付电子系统的支付方法，支付电子系统包括支付电子设备、图像采集设备及云服务器，所述方法包括：

所述图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；

通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；

发送所述支付帧图像集合至所述支付电子设备；

所述支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；

当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

本发明实施例还提供了一种支付电子系统，所述系统包括：电子设备、图像采集设备及云服务器，其中，

图像采集设备，用于响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；

所述图像采集设备，用于通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；

所述图像采集设备，用于发送所述支付帧图像集合至所述支付电子设备；

支付电子设备，用于发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；

所述支付电子设备，用于当所述匹配结果表征人脸匹配通过时，呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

上述方案中，

所述图像采集设备，用于响应于所述支付电子设备的图像采集指令，确定所述目标对象的人脸图像采集环境中的人脸区域，并且确定所述人脸区域相对应的光照信息；

所述图像采集设备，用于根据所述光照信息，确定所述人脸区域中相匹配的人脸特征点的位置；

所述图像采集设备，用于基于所述人脸特征点的位置，在所述人脸区域中采集所述目标对象的不同类型人脸图像；

所述图像采集设备，用于对所述不同类型人脸图像进行组合处理，得到所述目标对象的人脸图像集合，其中，所述目标对象的人脸图像集合包括目标对象人脸的彩色图像、深度图像以及红外图像。

上述方案中，

所述图像采集设备，用于根据所述光照信息，确定所述人脸区域的光线强度；

所述图像采集设备，用于当所述人脸区域的光线强度小于光线阈值时，触发所述支付电子设备对所述人脸区域的光线强度进行调整，以实现所述人脸区域的光线强度大于等于所述光线阈值。

上述方案中，

所述图像采集设备，用于通过所述图像采集设备，获取所述目标对象的人脸图像集合中的彩色图像；

所述图像采集设备，用于对所述彩色图像进行图像增广处理；

所述图像采集设备，用于基于图像增广处理的结果，通过人脸检测算法确定相应的人脸位置，并截取包括背景图像的人脸图像；

所述图像采集设备，用于对所述包括背景图像的人脸图像进行背景清除处理，形成所述目标对象的人脸图像。

上述方案中，

所述图像采集设备，用于通过所述图像采集设备，基于人脸图像集合中的人脸角度、人脸大小以及人脸居中度，对所述人脸图像集合进行第一筛选，得到第一筛选结果；

所述图像采集设备，用于基于彩色图像清晰度阈值对所述第一筛选结果中的彩色图像进行筛选，得到彩色图像的筛选结果；

所述图像采集设备，用于基于红外图像亮度阈值对所述第一筛选结果中的红外图像进行筛选，得到红外图像的筛选结果；

所述图像采集设备，用于基于深度图像完整度阈值对所述第一筛选结果中的深度图像进行筛选，得到深度图像的筛选结果；

所述图像采集设备，用于对所述彩色图像的筛选结果、红外图像的筛选结果以及深度图像的筛选结果进行组合，得到与所述支付电子设备的支付环境相匹配的支付帧图像集合。

上述方案中，

所述图像采集设备，用于当需要对所述支付帧图像集合进行加密时，通过所述图像采集设备中的安全元件模块对硬件电路保护机制的触发状态进行检测；

所述图像采集设备，用于当未触发所述硬件电路保护机制时，确定与所述支付电子设备的使用环境相匹配的加密算法；

所述图像采集设备，用于通过所述加密算法对所述支付帧图像集合进行加密，得到加密支付帧图像集合。

上述方案中，

所述图像采集设备，用于确定所述加密算法相应的签名算法、采集设备序列号、时间戳信息、计数器信息以及随机字符串信息；

所述图像采集设备，用于基于所述签名算法、所述采集设备序列号、时间戳信息、计数器信息以及随机字符串信息对所述支付帧图像集合进行加密，得到加密支付帧图像集合。

上述方案中，所述系统还包括：

云服务器，用于当所述云服务器获取所述支付帧图像集合后，通过对所述支付帧图像集合中的图像进行检测，确定所述支付帧图像集合相对应的人脸分类结果；

所述云服务器，用于当所述人脸分类结果为活体人脸图像，并且通过对比识别认证时，确定目标对象的支付信息为有效支付信息；

所述云服务器，用于根据所述支付信息，确定所述支付帧图像集合对应的目标用户账户信息，其中，所述目标用户账户信息用于执行相应的支付操作。

上述方案中，

所述云服务器，用于基于所述支付帧图像集合中的彩色图像和深度图像，通过人脸检测模型进行对比识别处理，形成对比识别结果。

所述云服务器，用于基于所述支付帧图像集合中的红外图像和深度图像，通过人脸检测模型进行红外检测处理，形成红外检测结果；

所述云服务器，用于根据所述对比识别结果和所述红外检测结果，进行对应所述目标对象的人脸匹配，确定支付帧图像集合相对应的人脸分类结果。

上述方案中，

支付电子设备，用于当所述匹配结果表征人脸匹配未通过时，呈现所述目标对象对应的支付失败信息，并且通过所述支付电子设备呈现调整所述目标对象的提示信息。

上述方案中，

支付电子设备，用于当所述支付电子设备接收到基于所述支付信息触发的支付指令，并执行完成相应的支付操作时，在所述支付电子设备呈现账单信息，其中，所述账单信息包括所述支付操作的金额信息、收款方信息、以及所述支付操作的完成时间信息。

上述方案中，

支付电子设备，用于将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合送至区块链网络，以使

所述区块链网络的节点将所述目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合填充至新区块，且当对所述新区块共识一致时，将所述新区块追加至区块链的尾部。

本发明实施例还提供了一种电子设备，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现前序的基于支付电子系统的支付方法。

本发明所一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现前序的基于支付电子系统的支付方法。

本发明实施例具有以下有益效果：

本发明实施例通过图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；发送所述支付帧图像集合至所述支付电子设备；所述支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。由此，通过图像采集设备对目标对象的人脸图像进行采集，并生成支付帧图像集合进行检测与传输，保证用户通过人脸进行电子支付的安全性，同时，当支付电子系统中的图像采集设备更新时，可以仅替换老旧的图像采集设备，保留支付电子设备及云服务器，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

附图说明

图1为本发明实施例提供的基于支付电子系统的支付方法的使用场景示意图；

图2为本发明实施例提供的电子设备的组成结构示意图；

图3为本发明实施例提供的基于支付电子系统的支付方法一个可选的流程示意图；

图4为本发明实施例中人脸图像的采集过程的示意图；

图5为本发明实施例中人脸图像的获取示意图；

图6为本发明所提供的支付电子设备支付方法一个可选的流程示意图；

图7A为本发明所提供的支付电子设备支付方法一个可选的流程示意图；

图7B为本发明所提供的支付电子设备支付方法一个可选的效果示意图；

图8是本发明实施例提供的目标对象确定装置100的架构示意图；

图9是本发明实施例提供的区块链网络200中区块链的结构示意图；

图10是本发明实施例提供的区块链网络200的功能架构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所得到的所有其它实施例，都属于本发明保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)基于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

2)客户端，支付电子设备中实现特定功能的载体，例如移动客户端(APP)是移动支付电子设备中特定功能的载体，例如执行电子支付功能或者是在线收款功能。

3)卷积神经网络(CNN Convolutional Neural Networks)是一类包含卷积计算且具有深度结构的前馈神经网络(Feed forward Neural Networks)，是深度学习(deeplearning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力，能够按其阶层结构对输入信息进行平移不变分类(shift-invariantclassification)。

4)特征点，(Facial landmark detection)在对人脸图像中进行检测的过程中，需要对人脸规定面积区域的不同的图像采集点(例如五官采集点)进行检测，获取清晰完整的人脸图像。

5)神经网络(Neural Network，NN)：人工神经网络(Artificial Neural Network，ANN)，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。

6)响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

下面对本发明实施例所提供的基于支付电子系统的支付方法进行说明，其中，图1为本发明实施例中基于支付电子系统的支付方法应用环境示意图，参见图1，图像采集设备10-1和支付电子设备10-2可以通过数据传输线缆进行连接，同时，图像采集设备10-1还可以安装于支付电子设备10-2的顶部(图中未示出)，图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；发送所述支付帧图像集合至所述支付电子设备；所述支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

在支付电子系统中，云服务器中可以部署经过训练人脸图像检测模型，以实现对获取经过图像采集设备10-1所采集和筛选所得到的支付帧图像集合，并基于支付帧图像集合对相对应的人脸进行检验，例如，在金融领支付领域中，用户可以通过所预留的人脸信息执行转账、支付等不同业务环境中的支付操作。这一过程中，需要支付电子设备发送支付帧图像集合至所述云服务器，由云服务器对用户的人脸活体进行检测，这一过程中图像采集设备发送支付帧图像集合至支付电子设备，支付电子设备发送支付帧图像集合至云服务器，云服务器、采用经过预训练的人脸检测模型对目标对象的人脸图像进行验证，以得到检测结果。云服务器可向支付电子设备反馈检测结果，也可以将检测结果保持在本地，供其他业务进程应用或处理，同时，支付电子设备中设置有显示屏，用于呈现目标对象对应的支付信息，也可以显示相应的数字键盘，为用户提供电话验证或者密码验证，其中，支付电子设备通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输。

作为一个示例，支付电子设备10-1中，图像采集设备可以为安装在支付电子设备顶端的可拆卸摄像头10-11，以实现通过支付电子系统中的图像采集设备采集目标对象的人脸图像，并合并成人脸图像集合；通过可拆卸摄像头10-11对象的人脸图像进行采集，并生成支付帧图像集合进行检测与传输，保证用户通过人脸进行电子支付的安全性，同时，当支付电子系统中的图像采集设备(可拆卸摄像头10-11)需要更新或者维修时，可以仅替换老旧的图像采集设备(可拆卸摄像头10-11)，保留支付电子设备及云服务器，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

当然，本发明所提供的支付电子设备可以应用于虚拟资源或者实体资源进行金融活动或者通过实体金融资源支付环境(包括但不限于各类型的实体金融资源支付中的人脸检测环境)或者社交软件进行信息交互的使用环境，在各类型的实体金融资源进行金融活动或者通过虚拟资源支付中通常会对不同数据来源的金融信息进行处理，最终在用户界面(User Interface，UI)上呈现出与相应的与所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。用户在当前显示界面中得到的支付信息，还可以供其他应用程序调用，以实现对用户通过人脸图像进行支付的行为监控。

其中，本发明实施例所提供的基于支付电子系统的支付方法可以是基于人工智能实现的，其中，部署在云服务器中的人脸检测模型可以通过人工智能的方式进行对比识别处理，形成对比识别结果。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得到最佳结果的理论、方法、技术及应用系统。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。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、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。

在本发明实施例中，主要涉及的人工智能软件技术包括上述机器学习方向。例如，可以涉及语音技术(Speech Technology)中的语音识别技术(Automatic Spe echRecognition，ASR)，其中包括语音信号预处理(Speech signal preprocessing)、语音信号频域分析(Speech signal frequency analyzing)、语音信号特征提取(Spee ch signalfeature extraction)、语音信号特征匹配/识别(Speech signal feature mat ching/recognition)、语音的训练(Speech training)等。

例如可以涉及机器学习(Machine learning，ML)，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习通常包括深度学习(Deep Learning)等技术，深度学习包括人工神经网络(artificial neural network)，例如卷积神经网络(ConvolutionalNeural Network，CNN)、循环神经网络(Recurrent Neural Network，RNN)、深度神经网络(Deep neural n etwork，DNN)等。

下面对本发明实施例的支付电子设备的结构做详细说明，支付电子设备可以各种形式来实施，如带有支付电子设备处理功能的专用支付电子设备，也可以为设置有支付电子设备处理功能的终端，图像采集设备可以独立于支付电子设备进行工作，例如前序图1中的摄像头10-11。图2为本发明实施例提供的电子设备的组成结构示意图，其中，图像采集设备设置于支付电子设备的顶端，可以独立更换，可以理解，图2仅仅示出了支付电子设备的示例性结构而非全部结构，根据需要可以实施图2示出的部分结构或全部结构。

本发明实施例提供的支付电子设备包括：至少一个处理器201、存储器202、用户接口203和至少一个网络接口204。支付电子设备中的各个组件通过总线系统205耦合在一起。可以理解，总线系统205用于实现这些组件之间的连接通信。总线系统205除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统205。

其中，用户接口203可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

可以理解，存储器202可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。本发明实施例中的存储器202能够存储数据以支持支付电子设备(如10-1)的操作。这些数据的示例包括：用于在支付电子设备(如10-1)上操作的任何计算机程序，如操作系统和应用程序。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。

在一些实施例中，本发明实施例提供的支付电子设备可以采用软硬件结合的方式实现，作为示例，本发明实施例提供的支付电子设备可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的基于支付电子系统的支付方法。例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable LogicDevice)、复杂可编程逻辑器件(CPLD，C omplex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Progr ammable Gate Array)或其他电子元件。

作为本发明实施例提供的支付电子设备采用软硬件结合实施的示例，本发明实施例所提供的支付电子设备可以直接体现为由处理器201执行的软件模块组合，软件模块可以位于存储介质中，存储介质位于存储器202，处理器201读取存储器202中软件模块包括的可执行指令，结合必要的硬件(例如，包括处理器201以及连接到总线205的其他组件)完成本发明实施例提供的基于支付电子系统的支付方法。

作为示例，处理器201可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

作为本发明实施例提供的支付电子设备采用硬件实施的示例，本发明实施例所提供的装置可以直接采用硬件译码处理器形式的处理器201来执行完成，例如，被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable GateArray)或其他电子元件执行实现本发明实施例提供的基于支付电子系统的支付方法。

本发明实施例中的存储器202用于存储各种类型的数据以支持支付电子设备的操作。这些数据的示例包括：用于在支付电子设备上操作的任何可执行指令，如可执行指令，实现本发明实施例的从基于支付电子系统的支付方法的程序可以包含在可执行指令中。

在另一些实施例中，本发明实施例提供的支付电子设备可以采用软件方式实现，图2示出了存储在存储器202中的支付电子设备，其可以是程序和插件等形式的软件，并包括一系列的模块，作为存储器202中存储的程序的示例，可以包括支付电子设备，支付电子设备中包括以下的软件模块：图像采集设备2081、支付电子设备的信息传输模块2082以及信息展示模块2083。当支付电子设备中的软件模块被处理器201读取到RAM中并执行时，将实现本发明实施例提供的基于支付电子系统的支付方法，其中，支付电子设备中各个软件模块的功能，包括：

图像采集设备2081，用于响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；

所述图像采集设备2081，用于通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；

所述图像采集设备2081，用于发送所述支付帧图像集合至所述支付电子设备；

支付电子设备的信息传输模块2082，用于发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；

所述支付电子设备的信息展示模块2083，用于当所述匹配结果表征人脸匹配通过时，呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

根据图2所示的电子设备，在本发明的一个方面中，本发明还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述基于支付电子系统的支付方法的各种可选实现方式中所提供的不同实施例及实施例的组合。

参考图3，图3为本发明所提供的支付电子设备支付方法一个可选的流程示意图，可以理解地，图3所示的步骤可以由运行支付电子设备的各种电子设备执行，例如可以是如带有图像采集功能的专用电子支付电子设备、微信支付专用设备，实现针对不同的金融支付场景中的支付信息进行检测的金融支付设备。下面针对图3示出的步骤进行说明。

步骤301：支付电子设备接收唤醒支付电子设备的图像采集指令。

步骤302：图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合。

其中，参考图1所示的支付电子设备10-1，通过人脸支付的模式在支付电子设备中实现时，传统的支付电子设备通过USB或者MIPI的方式集成摄像头。由于摄像头仅能执行图像拍摄，因此需要在支付电子设备中实现图像的筛选与加密，在图像采集设备损坏或者升级时，无法单独更换图像采集设备，因此增加了电子支付系统的硬件成本，但是在本发明中支付电子设备仅需要向云服务器传输加密支付帧图像集合，呈现所获取的支付信息，，当支付电子系统中的图像采集设备更新时，可以仅替换老旧的图像采集设备，保留支付电子设备及云服务器，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

步骤303：通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合。

在本发明的一些实施例中，所采集的目标对象的人脸图像集合可以包括：目标对象人脸的彩色图像、深度图像以及红外图像，彩色图像是由图像采集设备中的彩色传感器采集自然光成像的彩色图，可以用于人脸的彩色图选择和对比识别；深度图像由图像采集设备中的红外传感器采集散斑结构红外光，再由深度单元解析散斑得到，在3D计算机图形和计算机视觉中，深度图是一种图像或图像通道，其中包含与场景对象的表面到视点的距离有关的信息。深度图的每个像素点表示深度相机平面与被拍摄物体平面之间的垂直距离，常用16位表示，单位为毫米，可以用于对人脸图像进行活体检测，并辅助对比识别，避免不法分子采用仿冒人脸(例如人脸照片或者立体图像)来攻击支付过程中的人脸识别过程；红外图像，是由图像采集设备中的红外传感器采集泛红外光成像的红外图，可以用于活体检测(人脸活体检测是抵挡仿冒人脸攻击的主要技术路径)。

在采集过程中，可以确定所述目标对象的人脸图像采集环境中的人脸区域以及相对应的光照信息；根据所述光照信息，确定所述人脸区域相匹配的人脸特征点的位置；基于所述人脸特征点的位置，在所述人脸区域中采集目标对象的不同类型人脸图像；对所述不同类型人脸图像进行组合处理，得到所述目标对象的人脸图像集合。在根据光照信息，确定人脸区域相匹配的人脸特征点的位置时，还可以根据所述光照信息，确定所述人脸区域的光线强度；当所述人脸区域的光线强度小于光线阈值时，触发所述支付电子设备对所述人脸区域的光线强度进行调整，以实现所述人脸区域的光线强度大于等于所述光线阈值，由此，可以避免由于光线不足，影响图像采集设备采集到完整清晰的人脸图像。由于支付电子系统所要采集的目标对象的年龄、肤色、人脸面积、五官比例均不相同，因此还可以目标对象的检测区域中的待检测特征点进行归一化，以实现对人脸图像的待检测特征点的坐标化处理。其中，图4为本发明实施例中人脸图像的采集过程的示意图，如图4所示，当图像采集设备的拍摄环境光线较暗时，可以对人脸图像中进行暗道去雾处理，形成增强图像，所形成的增强图像可以包括人脸特征和/或肢体特征，具体步骤包括：

确定所述人脸图像的暗通道值；确定所述人脸图像的灰度值；基于所述人脸图像的暗通道值、去雾调节值和所述灰度值确定所述人脸图像的大气光值；根据所述人脸图像的大气光值和光线调节值对所述人脸图像进行处理，以形成增强图像。其中，记所述暗通道值为Dark_channel，所述人脸图像的灰度值为Mean_H和Mean_V，所述人脸图像的大气光值为AirLight；所述去雾调节值为P，光线调节值为A，待增强图像为Input，其取相反数的结果为IR，对于任意一幅输入图像，取其暗通道图像灰度值最大的0.1％的像素点对应于原输入图像的像素位置的每个通道的灰度值的平均值，从而计算出每个通道的大气光值，即大气光值AirLight是一个三元素向量，每一个元素对应于每一个颜色通道。因此，在本发明的一些实施例中，对人脸图像进行采集时，可以确定人脸图像的每个像素点三个通道中的最小值；将所述去雾图像的每个像素点三个通道中的最小值赋值给所述暗通道的图像中对应的像素点，其中，通过公式：Dark_channel＝min(Input_R，Input_G，Input_B)；可以确定所述人脸图像的暗通道值，并通过人脸图像的暗通道值对所采集的人脸图像进行调整，以此获得更加清晰的人脸图像采集结果。

其中，参考图5，图5为本发明实施例中人脸图像的获取示意图；在获取所述支付电子设备的使用环境中所采集的人脸图像时；由于图像采集设备的位置固定，目标对象的高矮不同，所采集的人脸图像的全面性也不同(可能出现目标对象身高过低或者过高均不能采集准确人脸图像的缺陷)，为了实现获得更加全面的人脸图像，可以对所采集的人脸图像进行图像增广处理；基于图像增广的处理结果，通过人脸检测算法确定相应的人脸位置，并截取包括背景图像的人脸图像；对所述包括背景图像的人脸图像进行背景清除处理，形成相应的目标用户的人脸图像。得到通过支付电子设备所采集的用户图像后，可以首先通过脸部检测的技术来框定用户脸部所在区域，并以此区域为中心扩大2倍，得到更多的背景内容，并对包括背景内容的脸部图像进行裁剪；例如：可以采用如下方式：采用人脸检测算法，框选目标对象的人脸位置；使用五官定位算法、标出人眼、嘴、鼻、等脸部的特征点；根据检测到的人脸位置截取包括背景内容的脸部图像。

在获取包括背景图像的人脸图像后，可以触发经过预训练的深度处理网络，深度处理网络可以包括但不限于：LeNet，AlexNet，VGG，Inception系列网络，ResNet网络；通过提取人脸图像的特征(例如提取均值，方差等基于灰度的特征和基于分布直方图的特征，GLCM和GLRLM等基于相关矩阵的特征或基于图像傅里叶变换之后的信号特征)，并基于所提取的特征进行背景清除处理，得到通过深度处理网络裁剪出来的真人人脸计算得到脸部对应的深度图，其中，在本发明的实施例中，通过真人人脸计算得到脸部图像包括深度图，而采用攻击图片(例如人脸照片)对应的深度图则是黑色的底图，通过对深度图的还原可以得到目标对象的人脸图像，所得到的目标对象的人脸图像并不包括背景图像，能够使得人脸检测模型的对比识别处理结果更加准确。

在调整完成后，可以通过图像采集设备，基于人脸图像集合中的人脸角度、人脸大小以及人脸居中度，对所述人脸图像集合进行第一筛选，得到第一筛选结果；基于彩色图像清晰度对所述第一筛选结果中的彩色图像进行筛选；基于红外图像亮度对所述第一筛选结果中的红外图像进行筛选；基于深度图像完整度对所述第一筛选结果中的深度图像进行筛选；根据所述彩色图像的筛选结果、红外图像的筛选结果以及深度图像的筛选结果，确定与所述支付电子设备的支付环境相匹配的支付帧图像集合，由此，所获取的支付帧图像集合包括了上种类型的图像，即：一帧完整度最高的深度图像、一帧清晰度最高的彩色图像以及一帧完亮度最符合阈值的红外图像。

步骤304：图像采集设备发送所述支付帧图像集合至所述支付电子设备。

在对支付帧图像集合进行加密的过程中，参考图6，图6为本发明所提供的支付电子设备支付方法一个可选的流程示意图，可以理解地，图6所示的步骤可以由运行支付电子设备的各种电子设备执行，例如可以是如带有图像采集功能的专用支付电子设备、微信支付专用设备，可以实现针对不同的金融支付场景中的人脸图像的采集的检测。下面针对图6示出的步骤进行说明。

步骤601：当需要对所述支付帧图像集合进行加密时，通过所述图像采集设备中的安全元件模块对硬件电路保护机制的触发状态进行检测。

其中，通过图像采集设备中的安全元件模块对硬件电路保护机制的触发状态进行检测，可以防止不法分子通过拆解图像采集设备，进行图像采集设备的固件刷新，保证图像采集设备的安全使用。

步骤602：判断硬件电路保护机制是否被触发，如果是，执行步骤605，否则，执行步骤603。

步骤603：当未触发所述硬件电路保护机制时，确定与所述支付电子设备的使用环境相匹配的加密算法。

步骤604：通过所述加密算法对所述支付帧图像集合进行加密，得到加密支付帧图像集合。

在进行加密处理时，可以确定所述加密算法相应的签名算法、采集设备序列号、时间戳信息、计数器信息以及随机字符串信息；基于所述签名算法、所述采集设备序列号、时间戳信息、计数器信息以及随机字符串信息对所述支付帧图像集合进行加密，得到加密支付帧图像集合。其中，利用签名算法、采集设备序列号、时间戳信息、计数器信息以及随机字符串信息对所采集的人脸图像进行加密处理可以通过拼接规则“{magic_num}{device_info}{sign_version}{timestamp}{counter}{random}”实现，拼接规则中的magic_num表示为不同签名原串格式，可以根据不同的支付电子设备的使用环境进行调整与适配；device_info用于表示采集设备序列号，可以表征人脸图像的来源；sign_version用于表示签名版本信息，对于不同的图像采集设备，可以使用不同的签名版本信息，并且可以根据收款用户的需求进行升级；timestamp表示时间戳、counter表示计数器、random表示随机字符串；同时，对于支付电子设备所处理的单笔支付金额大于10000元(例如通过本发明的支付电子系统收取学费)时，可以通过不同的拼接规则对支付帧图像进行多次加密处理，以提升支付过程的安全性。

步骤605：向云服务器发出警报，并在支付电子设备呈现报警信息。

当通过图6所示的步骤，得到加密支付帧图像集合，继续执行步骤305。

步骤305：支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果。

在本发明的一些实施例中，当所述云服务器获取所述支付帧图像集合后，通过对所述支付帧图像集合中的图像进行检测，确定相对应的人脸分类结果；当所述人脸分类结果为活体人脸图像，并且通过对比识别认证时，确定目标对象的支付信息为有效支付信息；根据所述支付信息，确定所述加密支付帧图像集合对应的支付信息。参考图7A，图7A为本发明所提供的支付电子设备支付方法一个可选的流程示意图，其中，支付电子系统包括：图像采集设备、支付电子设备以及云服务器，需要说明的是全景摄像头所配置的彩色图元器件用于通过所述支付电子设备的图像采集装置采集的目标用户的人脸图像；所配置的深度图元器件用于通过所述人脸图像和输入信息对所述目标用户的支付信息进行检测，作为本发明所提供的支付电子设备一个可选的表现形式，彩色图元器件和深度图元器件还可以设置于全景摄像头之外，并封装于支付电子设备，以实现适配不同的使用环境，降低对全景摄像头进行更换时所产生的硬件成本，有利于本发明所提供的支付电子设备的大规模推广，云服务器执行以下步骤：

步骤701：基于所述支付帧图像集合中的彩色图像和深度图像，通过人脸检测模型进行对比识别处理，形成对比识别结果。

步骤702：基于所述支付帧图像集合中的红外图像和深度图像，通过人脸检测模型进行红外检测处理，形成红外检测结果。

步骤703：根据所述对比识别结果和所述红外检测结果，进行对应所述目标对象的人脸匹配，确定支付帧图像集合相对应的人脸分类结果。

其中，本发明所使用的人脸检测模型可以包括不同的检测分支网络，例如：彩色图像对应RGN活体检测分支网络、深度图像对应深度活体检测分支网络、红外图像对应红外活体检测分支网络。或者，任意两种不同类型图像对应有用于图像一致性验证的分支网络。比如，彩色图像和深度类型图像对应有彩色和深度图像一致性验证分支网络，彩色图像和红外图像对应有彩色图像和红外图像一致性验证分支网络，深度图像和红外图像对应有深度图像和红外图像一致性验证分支网络。

在本发明的一些实施例中，由于图像采集设备的使用环境不同，因此，通过人脸检测模型进行对比识别处理，形成对比识别结果之前可以对图像采集设备所传输的支付帧图像集合进行除噪处理，以形成与对应的不同金融业务场景的支付帧图像集合，其中，由于使用环境的不同，与所述人脸检测模型的使用环境相匹配的动态噪声阈值也不相同，例如，通过即时通讯客户端进程进行人民币支付和转账的金融使用环境中，与所述人脸检测模型的使用环境相匹配的动态噪声阈值需要小于用户通过即时通讯客户端进程进行虚拟货币支付的金融使用环境中的动态噪声阈值。

进一步地，当人脸检测模型固化于相应的硬件机构中，例如金融终端(POS机或青蛙设备的服务器)，使用环境为金融借贷使用环境中对目标用户进行人脸检测实现金融借贷时，由于噪声较为单一，通过固定人脸检测模型相对应的固定噪声阈值，能够有效提升人脸检测模型的处理速度，减少用户的等待时间，便于人脸检测模型的大规模部署。同时考虑到实际应用中不但可以通过带有人脸检测功能的APP实现本发明的方案，同时还可以通过即时通讯客户端小程序实现本发明的方案，并供其他金融程序调用人脸检测模型结果，因此，通过金融云服务器网络，用户在更换终端时，可以通过部署在云服务器网络中人脸检测模型，快速地对不同目对象的人脸进行检测，具体来说，可以将目标用户标识、人脸检测模型的模型参数、金融场景标识发送至云服务器的网络中，在触发相应的人脸检测进程时通过云服务器网络获取目标用户标识、人脸检测模型的模型参数、金融场景标识，以供相应的人脸检测进程的服务器调取与使用。

步骤704：确定人脸匹配的结果，在人脸匹配通过时向支付电子设备发送支付信息。

当支付电子设备通过图7A所示的步骤接收支付信息后，继续执行步骤306。

步骤306：当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

需要说明的是，由于不同支付电子设备的使用环境中的光线强度不同，不一定能够实现使用场景的所有用户均能直接一次性通过人脸验证，因此仍有大量用户因为安全的原因需要输入手机号、验证信息或者支付密码进行验证，所以支付电子设备除了主机外，仍需要配置屏幕，供用户输入数字验证信息进行相关操作。但是通过本发明的支付电子设备控制方法，立体摄像头向信息输入区域投射数字信息投影，可以减少电子设备中屏幕的配置。

其中，参考图7B，图7B为本发明所提供的支付电子设备支付方法一个可选的效果示意图，当所述匹配结果表征人脸匹配未通过时，所述支付电子设备呈现所述目标对象对应的支付失败信息，并且通过所述支付电子设备呈现调整所述目标对象的提示信息；作为另一种实施例，当所述支付电子设备接收到基于所述支付信息触发的支付指令，并执行完成相应的支付操作时，在所述支付电子设备呈现账单信息，其中，所述账单信息包括所述支付操作的金额信息、收款方信息、以及所述支付操作的完成时间信息，支付信息可以用于表征支付人脸图像的验证通过，显示本次支付中的支付金额与收款账号，以便于用户进行检查。

其中，本发明实施例可结合云技术实现，云技术(Cloud technology)是指在广域网或局域网内将硬件、软件及网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术，也可理解为基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术及应用技术等的总称。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站，因此云技术需要以云计算作为支撑。

需要说明的是，云计算是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。作为云计算的基础能力提供商，会建立云计算资源池平台，简称云平台，一般称为基础设施即服务(IaaS，Infrastructure as a Service)，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(可为虚拟化机器，包含操作系统)、存储设备和网络设备。

结合前序图1所示，本发明实施例所提供的基于数据链的信息处理方法可以通过相应的云端设备实现，例如：支付电子设备(包括支付电子设备10-1可以连接图像采集设备10-3)通过网络300连接位于云端的服务器200，网络300可以是广域网或者局域网，又或者是二者的组合。值得说明的是，服务器200可为实体设备，也可为虚拟化设备。

在本发明的一些实施例中，基于数据链的信息处理方法还包括：

接收所述区块链网络中的其他节点的数据同步请求；响应于所述数据同步请求，对所述其他节点的权限进行验证；当所述其他节点的权限通过验证时，控制当前节点与所述其他节点之间进行数据同步，以实现所述其他节点获取目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合。

在本发明的一些实施例中，基于数据链的信息处理方法还包括：

响应于查询请求，解析所述查询请求以获取对应的对象标识；根据所述对象标识，获取区块链网络中的目标区块内的权限信息；对所述权限信息与所述对象标识的匹配性进行校验；当所述权限信息与所述对象标识相匹配时，在所述区块链网络中获取相应的目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合；响应于所述查询指令，将所获取的相应的目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合向相应的政务信息客户端进行推送，以实现所述政务信息客户端获取所述区块链网络中所保存的相应的目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合，实现同一用户的数据链在不同的支付电子设备(政务信息客户端)之间进行数据迁移。

参见图8，图8是本发明实施例提供的目标对象确定装置100的架构示意图，包括区块链网络200(示例性示出了共识节点210-1至共识节点210-3)、认证中心300、业务主体400和业务主体500，下面分别进行说明。

区块链网络200的类型是灵活多样的，例如可以为公有链、私有链或联盟链中的任意一种。以公有链为例，任何业务主体的电子设备例如用户支付电子设备和服务器，都可以在不需要授权的情况下接入区块链网络200；以联盟链为例，业务主体在得到授权后其下辖的电子设备(例如支付电子设备/服务器)可以接入区块链网络200，此时，成为区块链网络200中的客户端节点。

在一些实施例中，客户端节点可以只作为区块链网络200的观察者，即提供支持业务主体发起交易(例如，用于上链存储数据或查询链上数据)功能，对于区块链网络200的共识节点210的功能，例如排序功能、共识服务和账本功能等，客户端节点可以缺省或者有选择性(例如，取决于业务主体的具体业务需求)地实施。从而，可以将业务主体的数据和业务处理逻辑最大程度迁移到区块链网络200中，通过区块链网络200实现数据和业务处理过程的可信和可追溯。

区块链网络200中的共识节点接收来自不同业务主体(例如图1中示出的业务主体400和业务主体500)的客户端节点(例如，图1中示出的归属于业务主体400的客户端节点410、以及归属于电子设备的系统500的客户端节点510)提交的交易，执行交易以更新账本或者查询账本，执行交易的各种中间结果或最终结果可以返回业务主体的客户端节点中显示。

例如，客户端节点410/510可以订阅区块链网络200中感兴趣的事件，例如区块链网络200中特定的组织/通道中发生的交易，由共识节点210推送相应的交易通知到客户端节点410/510，从而触发客户端节点410/510中相应的业务逻辑。

下面以多个业务主体接入区块链网络以实现目标对象确定结果的管理为例，说明区块链网络的示例性应用。

参见图8，管理环节涉及的多个业务主体，如业务主体400可以是基于人工智能的目标对象确定装置，业务主体500可以是带有目标对象确定功能的显示系统，从认证中心300进行登记注册得到各自的数字证书，数字证书中包括业务主体的公钥、以及认证中心300对业务主体的公钥和身份信息签署的数字签名，用来与业务主体针对交易的数字签名一起附加到交易中，并被发送到区块链网络，以供区块链网络从交易中取出数字证书和签名，验证消息的可靠性(即是否未经篡改)和发送消息的业务主体的身份信息，区块链网络会根据身份进行验证，例如是否具有发起交易的权限。业务主体下辖的电子设备(例如支付电子设备或者服务器)运行的客户端都可以向区块链网络200请求接入而成为客户端节点。

业务主体400的客户端节点410用于获取与不同对象相对应的资源交易数据；根据所述资源交易数据，确定所述不同对象的级别信息，并根据所述级别信息确定所述不同对象中的基础对象；根据所述资源交易数据，确定与所述不同对象相匹配的差异特征向量；基于与所述不同对象相匹配的差异特征向量，确定所述不同对象之间的关联关系网络；响应于所述基础对象，确定所述不同对象之间的关联关系网络的聚类结果；根据所述不同对象之间的关联关系网络的聚类结果和相应的级别信息，确定所述不同对象中与所述基础对象相匹配的目标对象，将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合发送至区块链网络200。

其中，将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合发送至区块链网络200，可以预先在客户端节点410设置业务逻辑，当形成相应的目标对象确定结果时，客户端节点410将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合自动发送至区块链网络200，也可以由业务主体400的业务人员在客户端节点410中登录，手动打包将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合，并将其发送至区块链网络200。在发送时，客户端节点410根据将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合生成对应更新操作的交易，在交易中指定了实现更新操作需要调用的智能合约、以及向智能合约传递的参数，交易还携带了客户端节点410的数字证书、签署的数字签名(例如，使用客户端节点410的数字证书中的私钥，对交易的摘要进行加密得到)，并将交易广播到区块链网络200中的共识节点210。

区块链网络200中的共识节点210中接收到交易时，对交易携带的数字证书和数字签名进行验证，验证成功后，根据交易中携带的业务主体400的身份，确认业务主体400是否是具有交易权限，数字签名和权限验证中的任何一个验证判断都将导致交易失败。验证成功后签署节点210自己的数字签名(例如，使用节点210-1的私钥对交易的摘要进行加密得到)，并继续在区块链网络200中广播。

区块链网络200中的共识节点210接收到验证成功的交易后，将交易填充到新的区块中，并进行广播。区块链网络200中的共识节点210广播的新区块时，会对新区块进行共识过程，如果共识成功，则将新区块追加到自身所存储的区块链的尾部，并根据交易的结果更新状态数据库，执行新区块中的交易：对于提交更新将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合的交易，在状态数据库中添加包括将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合的键值对。

业务主体500的业务人员在客户端节点510中登录，输入目标对象确定结果或者目标对象查询请求，客户端节点510根据目标对象确定结果或者目标对象查询请求生成对应更新操作/查询操作的交易，在交易中指定了实现更新操作/查询操作需要调用的智能合约、以及向智能合约传递的参数，交易还携带了客户端节点510的数字证书、签署的数字签名(例如，使用客户端节点510的数字证书中的私钥，对交易的摘要进行加密得到)，并将交易广播到区块链网络200中的共识节点210。

区块链网络200中的共识节点210中接收到交易，对交易进行验证、区块填充及共识一致后，将填充的新区块追加到自身所存储的区块链的尾部，并根据交易的结果更新状态数据库，执行新区块中的交易：对于提交的更新某一将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合的交易，根据人工识别结果更新状态数据库中该目标对象确定结果对应的键值对；对于提交的查询某个目标对象确定结果的交易，从状态数据库中查询目标对象确定结果对应的键值对，并返回交易结果。

值得说明的是，在图8中示例性地示出了将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合直接上链的过程，但在另一些实施例中，对于目标对象确定结果的数据量较大的情况，客户端节点410可将目标对象确定结果的哈希以及相应的目标对象确定结果的哈希成对上链，将原始的目标对象确定结果以及相应的目标对象确定结果存储于分布式文件系统或数据库。客户端节点510从分布式文件系统或数据库获取到目标对象确定结果以及相应的目标对象确定结果后，可结合区块链网络200中对应的哈希进行校验，从而减少上链操作的工作量。

作为区块链的示例，参见图9，图9是本发明实施例提供的区块链网络200中区块链的结构示意图，每个区块的头部既可以包括区块中所有交易的哈希值，同时也包含前一个区块中所有交易的哈希值，新产生的交易的记录被填充到区块并经过区块链网络中节点的共识后，会被追加到区块链的尾部从而形成链式的增长，区块之间基于哈希值的链式结构保证了区块中交易的防篡改和防伪造。

下面说明本发明实施例提供的区块链网络的示例性的功能架构，参见图10，图10是本发明实施例提供的区块链网络200的功能架构示意图，包括应用层201、共识层202、网络层203、数据层204和资源层205，下面分别进行说明。

资源层205封装了实现区块链网路200中的各个节点210的计算资源、存储资源和通信资源。

数据层204封装了实现账本的各种数据结构，包括以文件系统中的文件实现的区块链，键值型的状态数据库和存在性证明(例如区块中交易的哈希树)。

网络层203封装了点对点(P2P，Point to Point)网络协议、数据传播机制和数据验证机制、接入认证机制和业务主体身份管理的功能。

其中，P2P网络协议实现区块链网络200中节点210之间的通信，数据传播机制保证了交易在区块链网络200中的传播，数据验证机制用于基于加密学方法(例如数字证书、数字签名、公/私钥对)实现节点210之间传输数据的可靠性；接入认证机制用于根据实际的业务场景对加入区块链网络200的业务主体的身份进行认证，并在认证通过时赋予业务主体接入区块链网络200的权限；业务主体身份管理用于存储允许接入区块链网络200的业务主体的身份、以及权限(例如能够发起的交易的类型)。

共识层202封装了区块链网络200中的节点210对区块达成一致性的机制(即共识机制)、交易管理和账本管理的功能。共识机制包括POS、POW和DPOS等共识算法，支持共识算法的可插拔。

交易管理用于验证节点210接收到的交易中携带的数字签名，验证业务主体的身份信息，并根据身份信息判断确认其是否具有权限进行交易(从业务主体身份管理读取相关信息)；对于得到接入区块链网络200的授权的业务主体而言，均拥有认证中心颁发的数字证书，业务主体利用自己的数字证书中的私钥对提交的交易进行签名，从而声明自己的合法身份。

账本管理用于维护区块链和状态数据库。对于取得共识的区块，追加到区块链的尾部；执行取得共识的区块中的交易，当交易包括更新操作时更新状态数据库中的键值对，当交易包括查询操作时查询状态数据库中的键值对并向业务主体的客户端节点返回查询结果。支持对状态数据库的多种维度的查询操作，包括：根据区块向量号(例如交易的哈希值)查询区块；根据区块哈希值查询区块；根据交易向量号查询区块；根据交易向量号查询交易；根据业务主体的账号(向量号)查询业务主体的账号数据；根据通道名称查询通道中的区块链。

应用层201封装了区块链网络能够实现的各种业务，包括交易的溯源、存证和验证等。

有益技术效果：

本发明实施例通过图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；发送所述支付帧图像集合至所述支付电子设备；所述支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。由此，通过图像采集设备对目标对象的人脸图像进行采集，并生成支付帧图像集合进行检测与传输，保证用户通过人脸进行电子支付的安全性，同时，当支付电子系统中的图像采集设备更新时，可以仅替换老旧的图像采集设备，保留支付电子设备及云服务器，减少电子支付系统的硬件成本，有利于支付电子设备的大规模推广。

以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种基于支付电子系统的支付方法，其特征在于，所述支付电子系统包括支付电子设备、图像采集设备及云服务器，所述方法包括：

所述图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；

通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；

发送所述支付帧图像集合至所述支付电子设备；

所述支付电子设备发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；

当所述匹配结果表征人脸匹配通过时，所述支付电子设备呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

2.根据权利要求1所述的方法，其特征在于，所述图像采集设备响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合，包括：

所述图像采集设备响应于所述支付电子设备的图像采集指令，确定所述目标对象的人脸图像采集环境中的人脸区域，并且确定所述人脸区域相对应的光照信息；

根据所述光照信息，确定所述人脸区域中相匹配的人脸特征点的位置；

基于所述人脸特征点的位置，在所述人脸区域中采集所述目标对象的不同类型人脸图像；

对所述不同类型人脸图像进行组合处理，得到所述目标对象的人脸图像集合，其中，所述目标对象的人脸图像集合包括目标对象人脸的彩色图像、深度图像以及红外图像。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述光照信息，确定所述人脸区域的光线强度；

当所述人脸区域的光线强度小于光线阈值时，触发所述支付电子设备对所述人脸区域的光线强度进行调整，以实现所述人脸区域的光线强度大于等于所述光线阈值。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述图像采集设备，获取所述目标对象的人脸图像集合中的彩色图像；

对所述彩色图像进行图像增广处理；

基于图像增广的处理的结果，通过人脸检测算法确定相应的人脸位置，并截取包括背景图像的人脸图像；

对所述包括背景图像的人脸图像进行背景清除处理，形成所述目标对象的人脸图像。

5.根据权利要求1所述的方法，其特征在于，所述通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合，包括：

通过所述图像采集设备，基于人脸图像集合中的人脸角度、人脸大小以及人脸居中度，对所述人脸图像集合进行第一筛选，得到第一筛选结果；

基于彩色图像清晰度阈值对所述第一筛选结果中的彩色图像进行筛选，得到彩色图像的筛选结果；

基于红外图像亮度阈值对所述第一筛选结果中的红外图像进行筛选，得到红外图像的筛选结果；

基于深度图像完整度阈值对所述第一筛选结果中的深度图像进行筛选，得到深度图像的筛选结果；

对所述彩色图像的筛选结果、红外图像的筛选结果以及深度图像的筛选结果进行组合，得到与所述支付电子设备的支付环境相匹配的支付帧图像集合。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

当需要对所述支付帧图像集合进行加密时，通过所述图像采集设备中的安全元件模块对硬件电路保护机制的触发状态进行检测；

当未触发所述硬件电路保护机制时，确定与所述支付电子设备相匹配的加密算法；

通过所述加密算法对所述支付帧图像集合进行加密，得到加密支付帧图像集合。

7.根据权利要求6所述的方法，其特征在于，所述通过所述加密算法对所述支付帧图像集合进行加密，得到加密支付帧图像集合，包括：

确定所述加密算法相应的签名算法、采集设备序列号、时间戳信息、计数器信息以及随机字符串信息；

基于所述签名算法、所述采集设备序列号、时间戳信息、计数器信息以及随机字符串信息对所述支付帧图像集合进行加密，得到加密支付帧图像集合。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述云服务器获取所述支付帧图像集合后，通过对所述支付帧图像集合中的图像进行检测，确定所述支付帧图像集合相对应的人脸分类结果；

当所述人脸分类结果为活体人脸图像，并且通过对比识别认证时，确定目标对象的支付信息为有效支付信息；

根据所述支付信息，确定所述支付帧图像集合对应的目标用户账户信息，其中，所述目标用户账户信息用于执行相应的支付操作。

9.根据权利要求8所述的方法，其特征在于，所通过对所述支付帧图像集合中的图像进行检测，确定支付帧图像集合相对应的人脸分类结果，包括：

所述云服务器基于所述支付帧图像集合中的彩色图像和深度图像，通过人脸检测模型进行对比识别处理，形成对比识别结果；

基于所述支付帧图像集合中的红外图像和深度图像，通过人脸检测模型进行红外检测处理，形成红外检测结果；

根据所述对比识别结果和所述红外检测结果，进行对应所述目标对象的人脸匹配，确定支付帧图像集合相对应的人脸分类结果。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述匹配结果表征人脸匹配未通过时，所述支付电子设备呈现所述目标对象对应的支付失败信息，并且通过所述支付电子设备呈现调整所述目标对象的提示信息。

11.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述支付电子设备接收到基于所述支付信息触发的支付指令，并执行完成相应的支付操作时，在所述支付电子设备呈现账单信息，其中，所述账单信息包括所述支付操作的金额信息、收款方信息、以及所述支付操作的完成时间信息。

12.根据权利要求1-11任一所述的方法，其特征在于，所述方法还包括：

将目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合送至区块链网络，以使

所述区块链网络的节点将所述目标对象标识、与所述目标对象相匹配的支付信息以及支付帧图像集合填充至新区块，且当对所述新区块共识一致时，将所述新区块追加至区块链的尾部。

13.一种支付电子系统，所述系统包括：电子设备、图像采集设备及云服务器，其特征在于，

图像采集设备，用于响应于所述支付电子设备的图像采集指令，对目标对象进行人脸图像采集，得到所述目标对象的人脸图像集合；

所述图像采集设备，用于通过所述图像采集设备从所述人脸图像集合中，筛选出与所述支付电子设备的支付环境相匹配的人脸图像，得到支付帧图像集合；

所述图像采集设备，用于发送所述支付帧图像集合至所述支付电子设备；

支付电子设备，用于发送所述支付帧图像集合至所述云服务器，以使所述云服务器基于所述支付帧图像集合进行对应所述目标对象的人脸匹配，并返回匹配结果；

所述支付电子设备，用于当所述匹配结果表征人脸匹配通过时，呈现所述目标对象对应的支付信息，并在接收到基于所述支付信息触发的支付指令时，执行相应的支付操作。

14.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现权利要求1至12任一项所述的基于支付电子系统的支付方法。

15.一种计算机可读存储介质，存储有可执行指令，其特征在于，所述可执行指令被处理器执行时实现权利要求1至12任一项所述的基于支付电子系统的支付方法。

Images