CN115345621A - 一种支付方法、系统及具有支付功能的平台 - Google Patents
一种支付方法、系统及具有支付功能的平台 Download PDFInfo
- Publication number
- CN115345621A CN115345621A CN202210770282.8A CN202210770282A CN115345621A CN 115345621 A CN115345621 A CN 115345621A CN 202210770282 A CN202210770282 A CN 202210770282A CN 115345621 A CN115345621 A CN 115345621A
- Authority
- CN
- China
- Prior art keywords
- payment
- terminal device
- network
- target
- network 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.)
- Withdrawn
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
- 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
- G06Q20/085—Payment architectures involving remote charge determination or related payment systems
- G06Q20/0855—Payment architectures involving remote charge determination or related payment systems involving a third party
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供的一种支付方法、系统及具有支付功能的平台,涉及网络支付技术领域。在本发明中,基于目标人脸识别模型对待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到待识别人脸视频对应的人脸识别结果;基于人脸识别结果表征的动作特征匹配度确定是否需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;若确定需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对网络支付请求信息进行网络支付安全校验处理,并在网络支付安全校验处理通过之后,完成网络支付请求信息对应的网络支付请求。基于上述方法,可以改善现有技术中网络支付的安全度不高的问题。
Description
技术领域
本发明涉及网络支付技术领域,具体而言,涉及一种支付方法、系统及具有支付功能的平台。
背景技术
网络支付的安全主要依赖于人脸识别技术,其中,现有的人脸识别算法是基于深度学习的卷积神经网络实现的,以实现人脸检测、活体识别、实时跟踪和特征值提取等操作。但是,在现有技术中,由于人脸识别计算的可靠度较高,因而,一般是在通过人脸识别之后,就允许后续的网络支付,如此,可能导致网络支付的安全度不高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种支付方法、系统及具有支付功能的平台,以改善现有技术中网络支付的安全度不高的问题。
为实现上述目的,本发明实施例采用如下技术方案:
一种支付方法,应用于具有支付功能的平台,该平台预先配置的消息中间件,所述支付方法包括:
在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
在一些优选的实施例中,在上述支付方法中,所述支付方法还包括:
若确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则执行所述网络支付请求信息对应的网络支付请求,以完成所述网络支付请求信息对应的网络支付请求。
在一些优选的实施例中,在上述支付方法中,所述基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理的步骤,包括:
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;
若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
在一些优选的实施例中,在上述支付方法中,所述确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系的步骤,包括:
确定所述目标支付终端设备的支付安全度信息,其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度;
获取预先配置的目标匹配度阈值,并基于所述支付安全度信息对所述目标匹配度阈值进行更新处理,得到动作特征匹配度阈值,其中,所述动作特征匹配度阈值与所述支付安全度信息之间具有负相关关系;
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系。
在一些优选的实施例中,在上述支付方法中,所述若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求的步骤,包括:
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备,其中,所述多个支付相关终端设备中的每一个支付相关终端设备为所述目标支付终端设备在支付安全上具有相关关系的支付终端设备;
分别向所述多个支付相关终端设备发送网络支付通知信息,其中,所述多个支付相关终端设备中的每一个支付相关终端设备用于在接收到所述网络支付通知信息之后,向对应的终端用户显示所述网络支付通知信息,所述终端用户基于是否同意所述网络支付通知信息对应的网络支付对对应的支付相关终端设备进行对应的操作,生成对应的网络支付应答信息,并将所述网络支付应答信息发送给所述具有支付功能的平台;
针对所述多个支付相关终端设备中的每一个支付相关终端设备,确定是否接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息,并在接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息之后,将该支付相关终端设备确定为第一支付相关终端设备,以及,统计确定出的所述第一支付相关终端设备的数量占比,得到所述第一支付相关终端设备对应的第一设备统计数量占比;
确定所述第一设备统计数量占比与预先配置的第一数量占比阈值之间的相对大小关系,并在所述第一设备统计数量占比大于或等于所述第一数量占比阈值时,针对每一个所述第一支付相关终端设备,确定该第一支付相关终端设备发送的所述网络支付应答信息表征对应的终端用户是否同意所述网络支付通知信息对应的网络支付,并在该网络支付应答信息表征对应的终端用户同意所述网络支付通知信息对应的网络支付时,将该第一支付相关终端设备确定为第二支付相关终端设备,以及,统计确定出的所述第二支付相关终端设备在各所述第一支付相关终端设备中的数量占比,得到所述第二支付相关终端设备对应的第二设备统计数量占比;
基于所述第二设备统计数量占比与预先配置的第二数量占比阈值之间的相对大小关系,确定是否通过对所述网络支付请求信息进行的网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求。
在一些优选的实施例中,在上述支付方法中,所述若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备的步骤,包括:
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则获取所述目标支付终端设备在历史上进行网络支付对应的每一条历史网络支付信息,并针对每一条所述历史网络支付信息,确定该历史网络支付信息对应的历史收费终端设备;
针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史网络支付信息的数量,并基于该历史收费终端设备对应的历史网络支付信息的数量确定出该历史收费终端设备对应的第一相关系数,以及,基于该历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额,确定出该历史收费终端设备对应的第二相关系数,其中,所述第一相关系数与所述历史收费终端设备对应的历史网络支付信息的数量之间具有正相关关系,所述第二相关系数与所述历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额之间具有正相关关系;
针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史支付安全度信息,并对该历史收费终端设备对应的历史支付安全度信息、第一相关系数和第二相关系数进行融合处理,得到该历史收费终端设备对应的设备筛选系数,其中,所述历史支付安全度信息用于表征对应的历史收费终端设备在历史上进行网络支付的安全程度;
基于每一个所述历史收费终端设备对应的设备筛选系数,筛选出所述目标支付终端设备对应的多个支付相关终端设备。
在一些优选的实施例中,在上述支付方法中,所述在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果的步骤,包括:
通过预先配置的消息中间件获取待识别人脸视频;
确定所述目标支付终端设备的支付安全度信息,其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度;
基于所述支付安全度信息在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。
本发明实施例还提供一种支付系统,应用于具有支付功能的平台,该平台预先配置的消息中间件,所述支付系统包括:
人脸识别处理模块,用于在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
安全校验处理确定模块,用于基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
网络支付请求处理模块,用于若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
在一些优选的实施例中,在上述支付系统中,所述安全校验处理确定模块具体用于:
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;
若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
本发明实施例还提供一种具有支付功能的平台,用于:
在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
本发明实施例提供的一种支付方法、系统及具有支付功能的平台,在基于目标人脸识别模型对待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到待识别人脸视频对应的人脸识别结果之后,可以先基于人脸识别结果表征的动作特征匹配度确定是否需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,然后,若确定需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对网络支付请求信息进行网络支付安全校验处理,并在网络支付安全校验处理通过之后,完成网络支付请求信息对应的网络支付请求,即在人脸识别处理的基础上,增加网络支付安全校验处理的机制,可以提高网络支付的安全度,从而改善现有技术中网络支付的安全度不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的具有支付功能的平台的结构框图。
图2为本发明实施例提供的支付方法包括的各步骤的流程示意图。
图3为本发明实施例提供的支付系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种具有支付功能的平台。其中,所述具有支付功能的平台可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的支付方法,如:
在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
举例来说,在一些可能的实现方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器、网络处理器、片上系统等;还可以是数字信号处理器、专用集成电路、现场可编程门阵列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。
并且,图1所示的结构仅为示意,所述具有支付功能的平台还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备进行信息交互的通信单元。
举例来说,在一些可能的实现方式中,所述具有支付功能的平台可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种支付方法,可应用于上述具有支付功能的平台。其中,所述支付方法有关的流程所定义的方法步骤,可以由所述具有支付功能的平台实现,并且,所述具有支付功能的平台预先配置的消息中间件。下面将对图2所示的具体流程,进行详细阐述。
步骤S100,在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。
在本发明实施例中,所述具有支付功能的平台可以在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度。
步骤S200,基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
在本发明实施例中,所述具有支付功能的平台可以基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
步骤S300,若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求。
在本发明实施例中,所述具有支付功能的平台可以确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理时,对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求。其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设。
基于上述支付方法包括的步骤S100、步骤S200和步骤S300,在基于目标人脸识别模型对待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到待识别人脸视频对应的人脸识别结果之后,可以先基于人脸识别结果表征的动作特征匹配度确定是否需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,然后,若确定需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对网络支付请求信息进行网络支付安全校验处理,并在网络支付安全校验处理通过之后,完成网络支付请求信息对应的网络支付请求,即在人脸识别处理的基础上,增加网络支付安全校验处理的机制,可以提高网络支付的安全度,从而改善现有技术中网络支付的安全度不高的问题。
举例来说,在一些可能的实现方式中,步骤S100可以包括以下内容,如步骤S110、步骤S120和步骤S130包括的内容等。
步骤S110,通过预先配置的消息中间件获取待识别人脸视频。
在本发明实施例中,所述具有支付功能的平台可以通过预先配置的消息中间件获取待识别人脸视频。其中,所述待识别人脸视频包括多帧待识别人脸视频帧,且所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到。
步骤S120,确定所述目标支付终端设备的支付安全度信息。
在本发明实施例中,所述具有支付功能的平台可以确定所述目标支付终端设备的支付安全度信息。其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度。
步骤S130,基于所述支付安全度信息在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。
在本发明实施例中,所述具有支付功能的平台可以基于所述支付安全度信息在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。其中,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度。
基于上述支付方法包括的步骤S110、步骤S120和步骤S130,在获取到待识别人脸视频之后,可以先确定目标支付终端设备的支付安全度信息,使得可以基于支付安全度信息在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于目标人脸识别模型对待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到待识别人脸视频对应的人脸识别结果,由于每一个人脸识别模型基于不同数量的样本人脸视频帧训练得到而使得具有不同的识别精度,因而,可以保障具有不同支付安全度对应的待识别人脸视频基于不同识别精度的人脸识别模型进行识别,即使得人脸识别模型的人脸识别处理可以满足不同的应用场景需求,从而改善现有技术中对于人脸识别的管控存在可靠性不佳的问题。
举例来说,在一些可能的实现方式中,步骤S110可以包括以下内容:
首先,判断是否通过预先配置的消息中间件获取到网络支付请求信息;
其次,若通过所述消息中间件获取到网络支付请求信息,则生成人脸视频采集通知信息,并将所述人脸视频采集通知信息发送给所述网络支付请求信息对应的目标支付终端设备,其中,所述目标支付终端设备用于在接收到所述人脸视频采集通知信息之后,对对应的目标支付用户进行人脸信息采集得到对应的待识别人脸视频,并发送给所述具有支付功能的平台;
然后,获取所述目标支付终端设备基于所述人脸视频采集通知信息采集并发送的所述待识别人脸视频。
需要说明的是,所述消息中间件(Message Oriented Middleware,简称MOM)是指支持与保障分布式应用程序之间同步或异步收发消息的中间件。消息中间件是一种独立的系统软件或服务程序,在计算机系统中是一个关键软件,位于用户应用和操作系统及网络软件之间,为应用提供了公用的通信手段,并且独立于网络和操作系统,消息中间件为开发者提供了公用于所有环节的应用程序接口,当应用程序中嵌入其函数调用时,便可利用其运行的特定操作系统和网络环境的功能,为应用执行通信功能。其主要功能是在应用程序之间提供可靠的消息传送,这些消息可以在不同的网络协议、不同的计算机系统和不同的应用软件之间传递。
举例来说,在一些可能的实现方式中,步骤S120可以包括以下内容:
首先,获取所述目标支付终端设备在历史上进行网络支付对应的每一条历史网络支付信息,并统计所述历史网络支付信息的数量,得到(所述历史网络支付信息对应的)支付统计数量;
其次,基于所述支付统计数量确定所述目标支付终端设备的支付安全度,得到所述目标支付终端设备对应的支付安全度信息。
举例来说,在一些可能的实现方式中,所述基于所述支付统计数量确定所述目标支付终端设备的支付安全度,得到所述目标支付终端设备对应的支付安全度信息的步骤,可以包括以下内容:
首先,获取所述目标支付终端设备在历史上进行网络收费对应的每一条历史网络收费信息,并统计所述历史网络收费信息的数量,得到(所述历史网络收费信息对应的)收费统计数量;
其次,计算所述支付统计数量和所述收费统计数量之间的比值,得到对应的统计数量比值,并基于所述统计数量比值确定所述目标支付终端设备对应的支付安全度信息。
举例来说,在一些可能的实现方式中,所述计算所述支付统计数量和所述收费统计数量之间的比值,得到对应的统计数量比值,并基于所述统计数量比值确定所述目标支付终端设备对应的支付安全度信息的步骤,可以包括以下内容:
首先,计算所述支付统计数量和所述收费统计数量之间的比值,得到所述支付统计数量和所述收费统计数量对应的统计数量比值;
其次,针对每一条所述历史网络支付信息,确定该历史网络支付信息对应的历史收费终端设备,并将该历史收费终端设备确定为所述目标支付终端设备对应的第一关联终端设备,以及,基于每一条所述历史网络支付信息对应的第一关联终端设备构建形成第一关联设备集合,其中,在所述第一关联设备集合中每一个所述第一关联终端设备的设备标签信息为该第一关联终端设备对应的历史网络支付信息的数量;
然后,针对每一条所述历史网络收费信息,确定该历史网络收费信息对应的历史支付终端设备,并将该历史支付终端设备确定为所述目标支付终端设备对应的第二关联终端设备,以及,基于每一条所述历史网络收费信息对应的第二关联终端设备构建形成第二关联设备集合,其中,在所述第二关联设备集合中每一个所述第二关联终端设备的设备标签信息为该第二关联终端设备对应的历史网络收费信息的数量;
之后,针对所述第一关联设备集合中的每一个第一关联终端设备,确定该第一关联终端设备在历史上进行网络支付对应的历史网络支付信息的数量和在历史上进行网络收费对应的历史网络收费信息的数量之间的比值,得到该第一关联终端设备对应的第一数量比值,并基于该第一关联终端设备对应的设备标签信息对该第一数量比值进行更新处理,得到该第一关联终端设备对应的第一数量比更新值,以及,计算所述第一关联设备集合中的每一个第一关联终端设备对应的第一数量比更新值的平均值,得到所述第一关联设备集合对应的第一数量比阈值;
进一步,针对所述第二关联设备集合中的每一个第二关联终端设备,确定该第二关联终端设备在历史上进行网络支付对应的历史网络支付信息的数量和在历史上进行网络收费对应的历史网络收费信息的数量之间的比值,得到该第二关联终端设备对应的第二数量比值,并基于该第二关联终端设备对应的设备标签信息对该第二数量比值进行更新处理,得到该第二关联终端设备对应的第二数量比更新值,以及,计算所述第二关联设备集合中的每一个第二关联终端设备对应的第二数量比更新值的平均值,得到所述第二关联设备集合对应的第二数量比阈值;
最后,基于所述统计数量比值与所述第一数量比阈值和所述第二数量比阈值之间的大小关系,确定所述目标支付终端设备对应的支付安全度信息(例如,所述支付安全度信息可以与,所述统计数量比值分别与所述第一数量比阈值差值和所述第二数量比阈值的差值的和,具有负相关关系)。
举例来说,在一些可能的实现方式中,所述针对所述第一关联设备集合中的每一个第一关联终端设备,确定该第一关联终端设备在历史上进行网络支付对应的历史网络支付信息的数量和在历史上进行网络收费对应的历史网络收费信息的数量之间的比值,得到该第一关联终端设备对应的第一数量比值,并基于该第一关联终端设备对应的设备标签信息对该第一数量比值进行更新处理,得到该第一关联终端设备对应的第一数量比更新值,以及,计算所述第一关联设备集合中的每一个第一关联终端设备对应的第一数量比更新值的平均值,得到所述第一关联设备集合对应的第一数量比阈值的步骤,可以包括以下内容:
首先,针对所述第一关联设备集合中的每一个第一关联终端设备,确定该第一关联终端设备在历史上进行网络支付对应的历史网络支付信息的数量和在历史上进行网络收费对应的历史网络收费信息的数量之间的比值,得到该第一关联终端设备对应的第一数量比值,
其次,针对所述第一关联设备集合中的每一个第一关联终端设备,基于该第一关联终端设备对应的设备标签信息确定对应的更新系数,并计算该更新系数与该第一关联终端设备对应的第一数量比值的乘积,得到该第一关联终端设备对应的第一数量比更新值,其中,所述更新系数与所述设备标签信息对应的数量之间具有正相关关系;
然后,计算所述第一关联设备集合中的每一个第一关联终端设备对应的第一数量比更新值的平均值,得到对应的第一数量比。
举例来说,在一些可能的实现方式中,步骤S130可以包括以下内容:
首先,在所述待识别人脸视频包括的待识别人脸视频帧中确定出至少一帧目标待识别人脸视频帧,并计算每一帧所述目标待识别人脸视频帧与预先针对所述目标支付用户配置的每一帧参考人脸视频帧之间的相似度;
其次,基于每一帧所述目标待识别人脸视频帧与预先针对所述目标支付用户配置的每一帧参考人脸视频帧之间的相似度,确定对所述目标支付用户进行用户身份验证处理,并在通过所述用户身份验证处理之后,针对预先配置的多个人脸识别模型中的每一个人脸识别模型,确定该人脸识别模型对应的识别精度信息,并计算该识别精度信息与所述支付安全度信息之间的信息匹配度,得到该人脸识别模型对应的识别匹配度;
然后,确定出具有最大值的识别匹配度作为目标视频匹配度,并将所述目标视频匹配度对应的人脸识别模型确定为目标人脸识别模型,以及,基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。
举例来说,在一些可能的实现方式中,所述确定出具有最大值的识别匹配度作为目标视频匹配度,并将所述目标视频匹配度对应的人脸识别模型确定为目标人脸识别模型,以及,基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果的步骤,可以包括以下内容:
首先,确定出具有最大值的识别匹配度作为目标视频匹配度,并将所述目标视频匹配度对应的每一个人脸识别模型确定为目标人脸识别模型,得到至少一个目标人脸识别模型,并统计所述至少一个目标人脸识别模型的数量,得到对应的模型统计数量;
其次,若所述模型统计数量为1,则基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果;
然后,若所述模型统计数量大于1,则对人脸视频采集通知信息进行解析处理,得到所述人脸视频采集通知信息中携带的动作指示信息(如眨眼、张嘴、点头等),得到对应的至少一条动作指示信息,并统计所述至少一条动作指示信息的数量,得到对应的动作统计数量,其中,所述目标支付终端设备用于在接收到所述人脸视频采集通知信息之后,对对应的目标支付用户进行人脸信息采集得到;
之后,基于所述动作统计数量对所述待识别人脸视频进行分段处理,得到对应数量的多个待识别人脸视频片段,并将每相邻两个所述待识别人脸视频片段确定为目标视频片段组合,其中,每一个所述待识别人脸视频片段包括多帧待识别人脸视频帧;
最后,针对每一个所述目标视频片段组合,对该目标视频片段组合对应的两个所述待识别人脸视频片段包括的待识别人脸视频帧进行视频帧调整处理,得到该目标视频片段组合对应的两个新的待识别人脸视频片段,并基于每一个目标视频片段组合对应的两个新的待识别人脸视频片段,得到所述动作统计数量对应的多个新的待识别人脸视频片段,以及,分别基于每一个所述目标人脸识别模型对对应的至少一个新的待识别人脸视频片段包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,一个所述新的待识别人脸视频片段对应有一个目标人脸识别模型,至少有两个目标人脸识别模型对应的所述新的待识别人脸视频片段不同,所述人脸识别结果用于表征所述待识别人脸视频中的动作特征信息与所述动作指示信息对应的动作特征信息之间的匹配度。
举例来说,在一些可能的实现方式中,所述视频帧调整处理包括:
首先,将所述目标视频片段组合对应的两个所述待识别人脸视频片段分别确定为第一待识别人脸视频片段和第二待识别人脸视频片段,并将所述第一待识别人脸视频片段中时序靠近所述第二待识别人脸视频片段的目标比例的待识别人脸视频帧、所述第二待识别人脸视频片段中时序靠近所述第一待识别人脸视频片段的目标比例的待识别人脸视频帧,组合形成第三待识别视频人脸视频片段,并分别得到当前的第一待识别人脸视频片段和当前的第二待识别人脸视频片段,其中,所述第三待识别人脸视频片段包括多帧待识别人脸视频帧;
其次,针对所述第三待识别人脸视频片段包括的每一帧待识别人脸视频帧,计算该待识别人脸视频帧与所述第一待识别人脸视频片段中的每一帧待识别人脸视频帧之间的第一视频帧相似度、与所述第二待识别人脸视频片段中的每一帧待识别人脸视频帧之间的第二视频帧相似度,并计算所述第一视频帧相似度的平均值得到对应的第一相似度均值,以及,计算所述第二视频帧相似度的平均值得到对应的第二相似度均值,再确定该第一相似度均值与该第二相似度均值的相对大小;
然后,针对所述第三待识别人脸视频片段包括的每一帧待识别人脸视频帧,若该待识别人脸视频帧对应的第一相似度均值大于或等于第二相似度均值,则将该待识别人脸视频帧对应的表征系数确定为第一数值,若该待识别人脸视频帧对应的第一相似度均值小于第二相似度均值,则将该待识别人脸视频帧对应的表征系数确定为第二数值,其中,所述第一数值不等于所述第二数值;
之后,针对所述第三待识别人脸视频片段包括的每一帧待识别人脸视频帧,基于所述第三待识别人脸视频片段包括的每一帧其它待识别人脸视频帧对应的表征系数、该其它待识别人脸视频帧与该待识别人脸视频帧之间的时序差值,对该待识别人脸视频帧对应的表征系数进行更新处理,其中,若所述其它待识别人脸视频帧对应的表征系数和所述待识别人脸视频帧对应的表征系数的数值相同,则在更新处理时沿远离另一数值的方向对对应的表征系数进行更新,且更新的幅度与所述时序差值之间具有负相关关系,若所述其它待识别人脸视频帧对应的表征系数和所述待识别人脸视频帧对应的表征系数的数值不同,则在更新处理时沿靠近另一数值的方向对对应的表征系数进行更新,且更新的幅度与所述时序差值之间具有负相关关系;
最后,针对所述第三待识别人脸视频片段包括的每一帧待识别人脸视频帧,基于该待识别人脸视频帧对应的更新后的表征系数与所述第一数值和所述第二数值之间的相对大小关系(例如,若所述更新后的表征系数与所述第一数值之间的差值更小或不小于另一差值,则将该待识别人脸视频帧分配至所述当前的第一待识别人脸视频片段,若所述更新后的表征系数与所述第一数值之间的差值更小,则将该待识别人脸视频帧分配至所述当前的第二待识别人脸视频片段),确定将该待识别人脸视频帧分配至所述当前的第一待识别人脸视频片段或所述当前的第二待识别人脸视频片段,以得到两个新的待识别人脸视频片段。
举例来说,在一些可能的实现方式中,步骤S200可以包括以下内容:
首先,确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;
其次,若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
举例来说,在一些可能的实现方式中,所述确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系的步骤,可以包括以下内容:
首先,确定所述目标支付终端设备的支付安全度信息,其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度;
其次,获取预先配置的目标匹配度阈值,并基于所述支付安全度信息对所述目标匹配度阈值进行更新处理,得到动作特征匹配度阈值,其中,所述动作特征匹配度阈值与所述支付安全度信息之间具有负相关关系;
然后,确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系。
举例来说,在一些可能的实现方式中,步骤S110可以包括以下内容:
首先,若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备,其中,所述多个支付相关终端设备中的每一个支付相关终端设备为所述目标支付终端设备在支付安全上具有相关关系的支付终端设备;
其次,分别向所述多个支付相关终端设备发送网络支付通知信息,其中,所述多个支付相关终端设备中的每一个支付相关终端设备用于在接收到所述网络支付通知信息之后,向对应的终端用户显示所述网络支付通知信息,所述终端用户基于是否同意所述网络支付通知信息对应的网络支付对对应的支付相关终端设备进行对应的操作,生成对应的网络支付应答信息,并将所述网络支付应答信息发送给所述具有支付功能的平台;
然后,针对所述多个支付相关终端设备中的每一个支付相关终端设备,确定是否接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息,并在接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息之后,将该支付相关终端设备确定为第一支付相关终端设备,以及,统计确定出的所述第一支付相关终端设备的数量占比,得到所述第一支付相关终端设备对应的第一设备统计数量占比;
之后,确定所述第一设备统计数量占比与预先配置的第一数量占比阈值之间的相对大小关系,并在所述第一设备统计数量占比大于或等于所述第一数量占比阈值时,针对每一个所述第一支付相关终端设备,确定该第一支付相关终端设备发送的所述网络支付应答信息表征对应的终端用户是否同意所述网络支付通知信息对应的网络支付,并在该网络支付应答信息表征对应的终端用户同意所述网络支付通知信息对应的网络支付时,将该第一支付相关终端设备确定为第二支付相关终端设备,以及,统计确定出的所述第二支付相关终端设备在各所述第一支付相关终端设备中的数量占比,得到所述第二支付相关终端设备对应的第二设备统计数量占比;
最后,基于所述第二设备统计数量占比与预先配置的第二数量占比阈值之间的相对大小关系,确定是否通过对所述网络支付请求信息进行的网络支付安全校验处理(例如,可以在所述第二设备统计数量占比大于或等于所述第二数量占比阈值时,确定通过对所述网络支付请求信息进行的网络支付安全校验处理),并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求。
举例来说,在一些可能的实现方式中,所述若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备的步骤,可以包括以下内容:
首先,若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则获取所述目标支付终端设备在历史上进行网络支付对应的每一条历史网络支付信息,并针对每一条所述历史网络支付信息,确定该历史网络支付信息对应的历史收费终端设备;
其次,针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史网络支付信息的数量,并基于该历史收费终端设备对应的历史网络支付信息的数量确定出该历史收费终端设备对应的第一相关系数,以及,基于该历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额,确定出该历史收费终端设备对应的第二相关系数,其中,所述第一相关系数与所述历史收费终端设备对应的历史网络支付信息的数量之间具有正相关关系,所述第二相关系数与所述历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额之间具有正相关关系;
然后,针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史支付安全度信息,并对该历史收费终端设备对应的历史支付安全度信息、第一相关系数和第二相关系数进行融合处理(相乘等),得到该历史收费终端设备对应的设备筛选系数,其中,所述历史支付安全度信息用于表征对应的历史收费终端设备在历史上进行网络支付的安全程度;
最后,基于每一个所述历史收费终端设备对应的设备筛选系数,筛选出所述目标支付终端设备对应的多个支付相关终端设备(如对应的设备筛选系数最大的一定数量个历史收费终端设备)。
举例来说,在一些可能的实现方式中,在执行上述的步骤S200之后,所述支付方法还可以包括以下内容:
首先,若确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则执行所述网络支付请求信息对应的网络支付请求,以完成所述网络支付请求信息对应的网络支付请求。
结合图3,本发明实施例还提供一种支付系统,可应用于上述具有支付功能的平台。其中,所述支付系统可以包括以下的各模块:
人脸识别处理模块,用于在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
安全校验处理确定模块,用于基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
网络支付请求处理模块,用于若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
举例来说,在一些可能的实现方式中,所述安全校验处理确定模块具体用于:确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
综上所述,本发明提供的一种支付方法、系统及具有支付功能的平台,在基于目标人脸识别模型对待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到待识别人脸视频对应的人脸识别结果之后,可以先基于人脸识别结果表征的动作特征匹配度确定是否需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,然后,若确定需要对目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对网络支付请求信息进行网络支付安全校验处理,并在网络支付安全校验处理通过之后,完成网络支付请求信息对应的网络支付请求,即在人脸识别处理的基础上,增加网络支付安全校验处理的机制,可以提高网络支付的安全度,从而改善现有技术中网络支付的安全度不高的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种支付方法,其特征在于,应用于具有支付功能的平台,该平台预先配置的消息中间件,所述支付方法包括:
在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
2.如权利要求1所述的支付方法,其特征在于,所述支付方法还包括:
若确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则执行所述网络支付请求信息对应的网络支付请求,以完成所述网络支付请求信息对应的网络支付请求。
3.如权利要求1所述的支付方法,其特征在于,所述基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理的步骤,包括:
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;
若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
4.如权利要求3所述的支付方法,其特征在于,所述确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系的步骤,包括:
确定所述目标支付终端设备的支付安全度信息,其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度;
获取预先配置的目标匹配度阈值,并基于所述支付安全度信息对所述目标匹配度阈值进行更新处理,得到动作特征匹配度阈值,其中,所述动作特征匹配度阈值与所述支付安全度信息之间具有负相关关系;
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系。
5.如权利要求1所述的支付方法,其特征在于,所述若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求的步骤,包括:
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备,其中,所述多个支付相关终端设备中的每一个支付相关终端设备为所述目标支付终端设备在支付安全上具有相关关系的支付终端设备;
分别向所述多个支付相关终端设备发送网络支付通知信息,其中,所述多个支付相关终端设备中的每一个支付相关终端设备用于在接收到所述网络支付通知信息之后,向对应的终端用户显示所述网络支付通知信息,所述终端用户基于是否同意所述网络支付通知信息对应的网络支付对对应的支付相关终端设备进行对应的操作,生成对应的网络支付应答信息,并将所述网络支付应答信息发送给所述具有支付功能的平台;
针对所述多个支付相关终端设备中的每一个支付相关终端设备,确定是否接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息,并在接收到该支付相关终端设备基于所述网络支付通知信息发送的网络支付应答信息之后,将该支付相关终端设备确定为第一支付相关终端设备,以及,统计确定出的所述第一支付相关终端设备的数量占比,得到所述第一支付相关终端设备对应的第一设备统计数量占比;
确定所述第一设备统计数量占比与预先配置的第一数量占比阈值之间的相对大小关系,并在所述第一设备统计数量占比大于或等于所述第一数量占比阈值时,针对每一个所述第一支付相关终端设备,确定该第一支付相关终端设备发送的所述网络支付应答信息表征对应的终端用户是否同意所述网络支付通知信息对应的网络支付,并在该网络支付应答信息表征对应的终端用户同意所述网络支付通知信息对应的网络支付时,将该第一支付相关终端设备确定为第二支付相关终端设备,以及,统计确定出的所述第二支付相关终端设备在各所述第一支付相关终端设备中的数量占比,得到所述第二支付相关终端设备对应的第二设备统计数量占比;
基于所述第二设备统计数量占比与预先配置的第二数量占比阈值之间的相对大小关系,确定是否通过对所述网络支付请求信息进行的网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求。
6.如权利要求5所述的支付方法,其特征在于,所述若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则确定所述目标支付终端设备的支付相关终端设备,得到所述目标支付终端设备对应的多个支付相关终端设备的步骤,包括:
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则获取所述目标支付终端设备在历史上进行网络支付对应的每一条历史网络支付信息,并针对每一条所述历史网络支付信息,确定该历史网络支付信息对应的历史收费终端设备;
针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史网络支付信息的数量,并基于该历史收费终端设备对应的历史网络支付信息的数量确定出该历史收费终端设备对应的第一相关系数,以及,基于该历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额,确定出该历史收费终端设备对应的第二相关系数,其中,所述第一相关系数与所述历史收费终端设备对应的历史网络支付信息的数量之间具有正相关关系,所述第二相关系数与所述历史收费终端设备对应的历史网络支付信息对应的历史网络支付总金额之间具有正相关关系;
针对每一个所述历史收费终端设备,确定该历史收费终端设备对应的历史支付安全度信息,并对该历史收费终端设备对应的历史支付安全度信息、第一相关系数和第二相关系数进行融合处理,得到该历史收费终端设备对应的设备筛选系数,其中,所述历史支付安全度信息用于表征对应的历史收费终端设备在历史上进行网络支付的安全程度;
基于每一个所述历史收费终端设备对应的设备筛选系数,筛选出所述目标支付终端设备对应的多个支付相关终端设备。
7.如权利要求1-6任意一项所述的支付方法,其特征在于,所述在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果的步骤,包括:
通过预先配置的消息中间件获取待识别人脸视频;
确定所述目标支付终端设备的支付安全度信息,其中,所述支付安全度信息用于表征所述目标支付终端设备进行网络支付的安全程度;
基于所述支付安全度信息在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果。
8.一种支付系统,其特征在于,应用于具有支付功能的平台,该平台预先配置的消息中间件,所述支付系统包括:
人脸识别处理模块,用于在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
安全校验处理确定模块,用于基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
网络支付请求处理模块,用于若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
9.如权利要求8所述的支付系统,其特征在于,所述安全校验处理确定模块具体用于:
确定所述人脸识别结果表征的动作特征匹配度与预先配置的动作特征匹配度阈值之间的相对大小关系;
若所述人脸识别结果表征的动作特征匹配度大于或等于所述动作特征匹配度阈值,则确定不需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,若所述人脸识别结果表征的动作特征匹配度小于所述动作特征匹配度阈值,则确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理。
10.一种具有支付功能的平台,其特征在于,用于:
在通过消息中间件获取到待识别人脸视频后,在预先配置的多个人脸识别模型中选择出匹配的目标人脸识别模型,并基于所述目标人脸识别模型对所述待识别人脸视频包括的待识别人脸视频帧进行人脸识别处理,得到所述待识别人脸视频对应的人脸识别结果,其中,所述待识别人脸视频包括多帧待识别人脸视频帧,所述待识别人脸视频基于通信连接的目标支付终端设备对对应的目标支付用户进行人脸信息采集得到,每一个所述人脸识别模型属于预先训练得到的神经网络模型,且每一个所述人脸识别模型基于不同数量的样本人脸视频帧训练得到,使得具有不同的识别精度;
基于所述人脸识别结果表征的动作特征匹配度确定是否需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理;
若确定需要对所述目标支付终端设备发送的网络支付请求信息进行网络支付安全校验处理,则对所述网络支付请求信息进行网络支付安全校验处理,并在所述网络支付安全校验处理通过之后,完成所述网络支付请求信息对应的网络支付请求,其中,所述网络支付请求包括将所述目标支付终端设备对应的目标支付账号的目标金额转移给目标收费终端设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210770282.8A CN115345621A (zh) | 2022-06-30 | 2022-06-30 | 一种支付方法、系统及具有支付功能的平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210770282.8A CN115345621A (zh) | 2022-06-30 | 2022-06-30 | 一种支付方法、系统及具有支付功能的平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115345621A true CN115345621A (zh) | 2022-11-15 |
Family
ID=83948443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210770282.8A Withdrawn CN115345621A (zh) | 2022-06-30 | 2022-06-30 | 一种支付方法、系统及具有支付功能的平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345621A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726925A (zh) * | 2024-02-07 | 2024-03-19 | 广州思涵信息科技有限公司 | 人脸识别的资源调度方法、装置及设备 |
-
2022
- 2022-06-30 CN CN202210770282.8A patent/CN115345621A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726925A (zh) * | 2024-02-07 | 2024-03-19 | 广州思涵信息科技有限公司 | 人脸识别的资源调度方法、装置及设备 |
CN117726925B (zh) * | 2024-02-07 | 2024-06-04 | 广州思涵信息科技有限公司 | 人脸识别的资源调度方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242097B (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN114724215A (zh) | 一种敏感图像识别方法及系统 | |
CN110309060B (zh) | 识别算法更新的检测方法、装置、存储介质及计算机设备 | |
CN114140712A (zh) | 一种自动图像识别分发系统及方法 | |
CN113822366A (zh) | 业务指标异常检测方法及装置、电子设备、存储介质 | |
CN115345621A (zh) | 一种支付方法、系统及具有支付功能的平台 | |
CN112990080A (zh) | 基于大数据和人工智能的规则确定方法 | |
CN114723456A (zh) | 一种支付方法和支付系统 | |
CN115375886A (zh) | 一种基于云计算服务的数据采集方法及系统 | |
CN115439928A (zh) | 一种操作行为识别方法及装置 | |
CN116342133A (zh) | 一种用于自助终端的刷脸支付方法、系统、设备及介质 | |
CN114896653A (zh) | 一种基于bim的建筑物数据监测方法及其系统 | |
CN114095734A (zh) | 一种基于数据处理的用户数据压缩方法及系统 | |
CN113989720A (zh) | 目标检测方法、训练方法、装置、电子设备及存储介质 | |
CN112132562B (zh) | 基于区块链的费用支付方法和费用支付平台 | |
CN114723557A (zh) | 一种基于互联网金融的数据管理方法及系统 | |
CN116996403B (zh) | 应用ai模型的网络流量诊断方法及系统 | |
CN117808848B (zh) | 一种识别跟踪方法、装置、电子设备及存储介质 | |
CN115361156A (zh) | 一种基于支付指令的支付方法及系统 | |
CN114201676A (zh) | 一种基于智慧小区用户匹配的用户推荐方法及系统 | |
CN114173086A (zh) | 一种基于数据处理的用户数据筛选方法 | |
CN114170544A (zh) | 一种基于智慧健康数据有效确认的数据传输方法及系统 | |
CN115294513A (zh) | 一种安防监控方法及系统 | |
CN114139017A (zh) | 一种智慧小区的安全防范方法及系统 | |
CN114154011A (zh) | 一种基于智慧健康数据有效确认的安全存储方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221115 |
|
WW01 | Invention patent application withdrawn after publication |