1.一种人脸支付认证系统,其特征在于,所述认证系统包括:
人脸原始数据绑定模块,用以采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中;
面部质量评估单元,用以对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;
面部姿态纠正单元,用以采集的人脸通过质量评估后,依据数据脸型角度,对高于最小阈值的人脸照片进行一定程度的姿态纠正,在保证面部原始数据前提下,调整偏离姿态,使脸型更接近正面标准照,大幅提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内;
人脸识别模块,用以对人脸照片进行面部质量评估和面部姿态纠正,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;
支付数据智能处理模块,用以在多次完成人脸支付交易后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量;
其中,所述人脸识别模块包括:
人脸检测单元,用以识别采集的认证照片是否含完整人脸;
人脸特征提取单元,用以提取人脸生物特征,记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;
人脸比对与匹配单元,用以利用人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;
辨认结果单元,用以依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;
其中,所述人脸比对与匹配单元包括一对一比对子单元、一对多比对子单元;
所述一对一比对子单元用以在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;
所述一对多比对子单元用以进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。
2.一种人脸支付认证系统,其特征在于,所述认证系统包括:
人脸原始数据绑定模块,用以采集用户的人脸照片,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中;
人脸识别模块,用以提取需要比对的人脸照片的面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;
支付数据智能处理模块,用以在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中;
所述支付数据智能处理模块用以在多次完成人脸支付交易后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;
对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量。
3.根据权利要求2所述的人脸支付认证系统,其特征在于:
所述认证系统还包括:
面部质量评估单元,用以对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;
面部姿态纠正单元,用以采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阈值的人脸照片进行一定程度的姿态纠正,在保证面部原始数据前提下,调整偏离姿态,使脸型更接近正面标准照,大幅提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。
4.根据权利要求2所述的人脸支付认证系统,其特征在于:
所述支付数据智能处理模块包括:
质量评判单元,用以对所述人脸识别模块识别的人脸信息进行质量判断,判断人脸信息的质量是否符合设定要求;
人脸信息保存单元,用以保存符合要求的人脸信息;
权值设定单元,用以对比对数据库中的人脸信息进行权值设定,将质量高的人脸信息设定为高权值,在比对时优先进行比对。
5.根据权利要求2所述的人脸支付认证系统,其特征在于:
所述人脸识别模块包括:
人脸检测单元,用以识别采集的认证照片是否含完整人脸;
人脸特征提取单元,用以提取人脸生物特征,记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;
人脸比对与匹配单元,用以利用人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;
辨认结果单元,用以依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;
所述人脸比对与匹配单元包括一对一比对子单元或/和一对多比对子单元;
所述一对一比对子单元用以在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;
所述一对多比对子单元用以进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依据一定算法进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。
6.一种人脸支付认证方法,其特征在于,所述认证方法包括如下步骤:
人脸原始数据绑定步骤,采集用户的人脸信息,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸信息存储于比对数据库中;
人脸识别步骤,采集需要比对的人脸信息,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;
支付数据智能处理步骤,在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中;
面部质量评估步骤,对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;
面部姿态纠正步骤,采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阈值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内;
所述支付数据智能处理步骤中,在多次完成人脸支付交易后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量;
所述人脸识别步骤具体包括如下步骤:
人脸检测步骤,识别采集的认证照片是否含完整人脸;
人脸特征提取步骤,提取人脸生物特征,记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;
人脸比对与匹配步骤,利用人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;
辨认结果步骤,依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;
所述人脸比对与匹配步骤包括一对一比对步骤或/和一对多比对子步骤;
所述一对一比对步骤中,在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;
所述一对多比对步骤中,进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。
人脸支付认证系统及方法\n技术领域\n[0001] 本发明属于支付认证及人脸识别技术领域,涉及一种支付认证系统,尤其涉及一种人脸支付认证系统;同时,本发明还涉及一种人脸支付认证方法。\n背景技术\n[0002] 中国的人脸识别技术从上世纪九十年代末开始发展,在经历十几年的探索、研究、实践、试商用和商用,到目前为止,人脸识别技术水平的不断成熟,\n[0003] 公安领域得到广泛的应用,在2014年公安部全面开展户口清理整顿工作中,采用人脸识别技术,对二代身份证库进行海量比对和检索,发现‘多重户口’或‘双户口’,核准注销79万个重复户口。\n[0004] 人脸识别技术越来越多被应用到安防、门禁、楼宇、社会福利保障、电子商务等领域,尤其在支付领域发展迅速。2013年芬兰Uniqul创业公司,推出是一款基于脸部识别系统的支付平台,该系统不需要钱包、信用卡或手机,支付时只需要面对POS机屏幕上的摄像头,系统会自动将消费者面部信息与个人账户相关联,整个交易过程十分便捷。与此同时,国际巨头eBay旗下的支付公司PayPal宣布,在英国伦敦泰晤士河畔的里士满区的12家商场推出依靠“人脸识别”的支付系统。在日本,同样已经有一小部分公司开始使用人脸识别软件进行各种交易。这一实践让流行了近10年的“刷卡”消费改为“刷脸”消费,颠覆传统的支付方式,方便、快捷、简单、时尚的刷脸成为将来的一种趋势。现有的人脸支付逐渐发展壮大,但各国发展都不一样,主要是人脸生物特征因种群因素,面部特征会有区别。另外,面部质量评估、姿态纠正、人脸支付交易数据智能化因人类种群原因面部特征特点,处理的算法完全不一样,所以出现人脸识别技术没有统一的标准和算法。\n[0005] 现有的购物支付方式通常包括现金、银行卡、信用卡等方式,随着科技的发展,移动支付(如通过手机)最近两年也开始被广泛使用。然而,现有的支付方式有很多不足之处;\n如:银行卡、信用卡容易被盗刷,手机丢失后也有被盗用资金的风险。究其原因,主要是现有支付方式通常只有密码认证,商家无法认证银行卡、手机的持有者是否是本人。\n[0006] 随后,出现了包含人脸认证功能的移动支付系统。移动支付系统中,购物者利用第三方支付提供的iOS、Android和Windows Phone移动应用软件,可以在他们的手机上看到附近支持“人脸识别”支付的店铺。用户走近店铺后,挑选自己喜欢物品,商家与顾客核实个人信息后,收银员为客户提供‘刷脸’服务,完成购买流程。用户唯一要做的就是在使用前将自己的银行账户或信用卡与移动支付平台相关联。\n[0007] 移动支付人脸识别认证技术成为未来支付认证的主要技术,尤其在移动支付和第三方支付平台领域。目前国内在移动支付领域的研究还在初期阶段,遇到很多问题,如采集数据无法事先质量评估、人脸识别度准确度低、错误率高、每隔段时间需重新绑定人脸,采集数据必须标准证明姿态,用户体验差等问题,需要持续技术研发,解决遇到的各类问题,才能最终实现人脸支付。\n[0008] 有鉴于此,如今迫切需要设计一种人脸支付认证系统,以便克服现有支付方式的上述缺陷。\n发明内容\n[0009] 本发明所要解决的技术问题是:提供一种人脸支付认证系统,使采集和交易数据能够智能化处理和自我学习,提高支付的安全性、便捷性,同时提升系统识别的精确度。\n[0010] 此外,本发明还提供一种人脸支付认证方法,可提高支付的安全性,同时提高系统识别的精确度。\n[0011] 为解决上述技术问题,本发明采用如下技术方案:\n[0012] 一种人脸支付认证系统,所述认证系统包括:\n[0013] 人脸原始数据绑定模块,用以采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中;\n[0014] 面部质量评估单元,用以对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;\n[0015] 面部姿态纠正单元,用以采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,在保证面部原始数据前提下,调整偏离姿态,使脸型更接近正面标准照,大幅提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内;\n[0016] 人脸识别模块,用以对人脸照片进行面部质量评估和面部姿态纠正,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;\n[0017] 支付数据智能处理模块,用以在多次完成人脸支付交易的人脸信息后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量;\n[0018] 其中,所述人脸识别模块包括:\n[0019] 人脸检测单元,用以识别采集的认证照片是否含完整人脸;\n[0020] 人脸特征提取单元,用以提取人脸生物特征,以特定的方式记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;\n[0021] 人脸比对与匹配单元,用以人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;\n[0022] 辨认结果单元,用以依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;\n[0023] 其中,所述人脸比对与匹配单元包括一对一比对子单元、一对多比对子单元;\n[0024] 所述一对一比对子单元用以在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;\n[0025] 所述一对多比对子单元用以进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。\n[0026] 一种人脸支付认证系统,所述认证系统包括:\n[0027] 人脸原始数据绑定模块,用以采集用户的人脸照片,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中;\n[0028] 人脸识别模块,用以提取需要比对的人脸照片的面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;\n[0029] 支付数据智能处理模块,用以在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中。\n[0030] 作为本发明的一种优选方案,所述认证系统还包括:\n[0031] 面部质量评估单元,用以对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;\n[0032] 面部姿态纠正单元,用以采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,在保证面部原始数据前提下,调整偏离姿态,使脸型更接近正面标准照,大幅提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。\n[0033] 作为本发明的一种优选方案,所述支付数据智能处理模块,用以在多次完成人脸支付交易的人脸信息后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;\n[0034] 对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量。\n[0035] 作为本发明的一种优选方案,所述支付数据智能处理模块包括:\n[0036] 质量评判单元,用以对所述人脸识别模块识别的人脸信息进行质量判断,判断人脸信息的质量是否符合设定要求;\n[0037] 人脸信息保存单元,用以保存符合要求的人脸信息;\n[0038] 权值设定单元,用以对比对数据库中的人脸信息进行权值设定,将质量高的人脸信息设定为高权值,在比对时优先进行比对。\n[0039] 作为本发明的一种优选方案,所述人脸识别模块包括:\n[0040] 人脸检测单元,用以识别采集的认证照片是否含完整人脸;\n[0041] 人脸特征提取单元,用以提取人脸生物特征,以特定的方式记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;\n[0042] 人脸比对与匹配单元,用以人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;\n[0043] 辨认结果单元,用以依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;\n[0044] 所述人脸比对与匹配单元包括一对一比对子单元或/和一对多比对子单元;\n[0045] 所述一对一比对子单元用以在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;\n[0046] 所述一对多比对子单元用以进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依据一定算法进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。\n[0047] 一种人脸支付认证方法,所述认证方法包括如下步骤:\n[0048] 人脸原始数据绑定步骤,采集用户的人脸信息,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸信息存储于比对数据库中;\n[0049] 人脸识别步骤,采集需要比对的人脸信息,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;\n[0050] 支付数据智能处理步骤,在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中。\n[0051] 作为本发明的一种优选方案,所述认证方法还包括:\n[0052] 面部质量评估步骤,对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内;\n[0053] 面部姿态纠正步骤,采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内;\n[0054] 作为本发明的一种优选方案,所述支付数据智能处理步骤中,在多次完成人脸支付交易的人脸信息后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量。\n[0055] 作为本发明的一种优选方案,所述人脸识别步骤具体包括如下步骤:\n[0056] 人脸检测步骤,识别采集的认证照片是否含完整人脸;\n[0057] 人脸特征提取步骤,提取人脸生物特征,以特定的方式记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;\n[0058] 人脸比对与匹配步骤,人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;\n[0059] 辨认结果步骤,依据人脸生物特征识别算法返回值,判定和辨认是否为同一人;\n[0060] 所述人脸比对与匹配步骤包括一对一比对步骤或/和一对多比对子步骤;\n[0061] 所述一对一比对步骤中,在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果;\n[0062] 所述一对多比对步骤中,进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。\n[0063] 本发明的有益效果在于:本发明提出的脸支付认证系统及方法,使采集和交易数据能够智能化处理和自我学习,提高支付的安全性、便捷性,同时提升系统识别的精确度。\n附图说明\n[0064] 图1为本发明人脸支付认证系统的组成示意图。\n[0065] 图2为本发明认证系统中人脸识别模块的组成示意图图。\n[0066] 图3为本发明人脸支付认证方法的流程图。\n[0067] 图4为本发明人脸支付认证方法的具体流程图。\n[0068] 图5为本发明认证方法中支付数据智能处理步骤的具体流程图。\n具体实施方式\n[0069] 下面结合附图详细说明本发明的优选实施例。\n[0070] 实施例一\n[0071] 请参阅图1,本发明揭示了一种人脸支付认证系统,所述认证系统包括:人脸原始数据绑定模块1、比对数据库2、面部质量评估3、面部姿态纠正模块4、人脸识别模块5、支付数据智能处理模块6、人脸采集模块7。\n[0072] 【人脸原始数据绑定模块】\n[0073] 人脸原始数据绑定模块1用以采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库2中。\n[0074] 【面部质量评估模块】\n[0075] 面部质量评估单元2用以通过人脸采集模块7采集人脸照片,对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内。\n[0076] 【面部姿态纠正模块】\n[0077] 面部姿态纠正模块3用以采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。\n[0078] 【人脸识别模块】\n[0079] 人脸识别模块3用以采集需要比对的人脸信息,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人。\n[0080] 具体请参阅图2,所述人脸识别模块5包括:人脸检测单元51、人脸特征提取单元\n52、人脸比对与匹配单元53、辨认结果单元54。\n[0081] 人脸检测单元51用以识别采集的认证照片是否含完整人脸。\n[0082] 人脸特征提取单元52用以提取人脸生物特征,以特定的方式记录,生成人脸特征模板,为人脸比对和匹配提供原始数据。\n[0083] 人脸比对与匹配单元53用以人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值。所述人脸比对与匹配单元53包括一对一比对子单元或/和一对多比对子单元。所述一对一比对子单元用以在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果。所述一对多比对子单元用以进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。\n[0084] 辨认结果单元54用以依据人脸生物特征识别算法返回值,判定和辨认是否为同一人。\n[0085] 【支付数据智能处理模块】\n[0086] 请参阅图5,支付数据智能处理模块6用以在多次完成人脸支付交易的人脸信息后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量。\n[0087] 以上介绍了本发明人脸支付认证系统的组成,本发明在揭示上述系统组成的同时,还揭示一种人脸支付认证方法;请参阅图3、图4,所述认证方法包括如下步骤:\n[0088] 【步骤S0】人脸原始数据绑定步骤,采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中。\n[0089] 【步骤S1】人脸采集步骤,通过摄像装置采集人脸照片。在人脸原始数据绑定后,即可进行后续的人脸识别、支付过程。\n[0090] 【步骤S2】面部质量评估步骤,对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内。\n[0091] 【步骤S3】面部姿态纠正步骤,采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。\n[0092] 【步骤S4】人脸识别步骤,采集需要比对的人脸信息,提取面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人。所述人脸识别步骤具体包括如下步骤:\n[0093] 步骤S41、人脸检测步骤,识别采集的认证照片是否含完整人脸;\n[0094] 步骤S42、人脸特征提取步骤,提取人脸生物特征,以特定的方式记录,生成人脸特征模板,为人脸比对和匹配提供原始数据;\n[0095] 步骤S43、人脸比对与匹配步骤,人脸识别核心算法依据人脸特征数据模板,进行整个面部各个生物特征点的逐一比对、匹配,最终返回相似值;\n[0096] 所述步骤S43人脸比对与匹配步骤包括一对一比对步骤或/和一对多比对子步骤。\n所述一对一比对步骤中,在客户端实时采集人脸照片后,将采集的人脸照片与支付账户预先绑定的目标照片,进行人脸识别和比对,辨认是否为同一人,然后返回识别结果。所述一对多比对步骤中,进行高安全度智能识别,通过客户端实时采集上传照片,与支付账户预先绑定的多张目标照片比对,逐一遍历,并参考各次比对后的相似度,依次从高低带排列,对于低比值的数据,再采用局部比对算法进行比对,包括对双眼、瞳孔、鼻梁、嘴进行局部比对,然后依据各类比值,通过算法综合进行更准确的识别、辨认和排序,多角度审核判断是否为同一人,然后返回识别结果。\n[0097] 步骤S44、辨认结果步骤,依据人脸生物特征识别算法返回值,判定和辨认是否为同一人。\n[0098] 【步骤S5】支付数据智能处理步骤,在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中。\n[0099] 请参阅图5,具体地,在多次完成人脸支付交易的人脸信息后,根据质量评估标准,包括采集人脸光线、清晰度、像素高低、躁点、是否标准正面、特征是否明显,对交易数据进行质量评估,如果比对的人脸信息的质量优于比对数据库中存储的人脸信息,则进行额外学习、优化,使该交易数据参加人脸识别算法的自我学习,并参加有限度认证比对,逐渐参与人脸支付认证的识别;对参与人脸识别的交易数据,通过面部质量评估,依据低权值、中权值、高权值三种级别介入,高权值介入一段时间后,在多次优于原始绑定人脸数据前提下,与原始数据交换权值比例,再经多次交易认证后,替换原始的老旧数据,依此原则循环,实现人脸数据自我学习、优化,智能化管理人脸数据,优化原始的绑定数据,提升数据质量。\n[0100] 实施例二\n[0101] 本实施例中,人脸支付认证系统包括:人脸原始数据绑定模块、面部质量评估、面部姿态纠正模块、人脸识别模块、支付数据智能处理模块。\n[0102] 人脸原始数据绑定模块用以采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中。\n[0103] 面部质量评估单元用以对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内。\n[0104] 面部姿态纠正模块用以采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。\n[0105] 人脸识别模块用以提取需要比对的人脸照片的面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人。\n[0106] 支付数据智能处理模块用以在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中。\n[0107] 其中,所述支付数据智能处理模块包括:质量评判单元、人脸信息保存单元、权值设定单元。\n[0108] 质量评判单元用以对所述人脸识别模块识别的人脸信息进行质量判断,判断人脸信息的质量是否符合设定要求。\n[0109] 人脸信息保存单元用以保存符合要求的人脸信息。当然,同时还可以删除被替换的相应人脸信息。\n[0110] 权值设定单元用以对比对数据库中的人脸信息进行权值设定,将质量高的人脸信息设定为高权值,在比对时优先进行比对。\n[0111] 本发明还揭示一种人脸支付认证方法,所述认证方法包括如下步骤:\n[0112] 人脸原始数据绑定步骤,采集用户的人脸照片,进行面部质量评估和面部姿态纠正,作为原始绑定数据,将用户的人脸信息与该用户进行绑定,并将人脸照片和提取的人脸面部特征信息存储于比对数据库中。\n[0113] 面部质量评估步骤,对采集照片的质量进行评估,主要指标包括:像素高低、脸型像素大小、局部缺失或遮挡、脸型角度;脸型角度指与正面标准的上下、左右偏离角,面部仰视角控制在10°之内、俯视角控制在15°之内,左右角度控制在15°之内。\n[0114] 面部姿态纠正步骤,采集的人脸通过质量评估后,依据的数据脸型角度,对高于最小阀值的人脸照片进行一定程度的姿态纠正,使脸型更接近正面标准照,提升人脸识别的准确度;姿态纠正以标准正面照为基准,自动智能调整仰视角5°之内、俯视角10°之内、左右偏转角10°内。\n[0115] 人脸识别步骤,提取需要比对的人脸照片的面部特征信息,并将提取出的面部特征信息与所述比对数据库中的对应人脸信息的面部特征信息进行比对,判断是否为同一人;\n[0116] 支付数据智能处理步骤,在比对人脸信息后,对人脸信息进行判断,如果符合设定要求,将人脸信息加入所述比对数据库中。\n[0117] 其中,所述支付数据智能处理步骤包括:\n[0118] 质量评判步骤,对所述人脸识别步骤识别的人脸信息进行质量判断,判断人脸信息的质量是否符合设定要求;\n[0119] 人脸信息保存步骤,保存符合要求的人脸信息;\n[0120] 权值设定步骤,对比对数据库中的人脸信息进行权值设定,将质量高的人脸信息设定为高权值,在比对时优先进行比对。\n[0121] 综上所述,本发明提出的脸支付认证系统及方法,可提高支付的安全性,同时提高系统识别的精确度。本发明可有效避免用户长期使用人脸支付后,仍旧与就数据识别辨认,随着脸型外观的变化,会影响识别效果和用户的体验。\n[0122] 人脸支付认证系统是基于移动互联网媒介,与人脸生物识别技术相结合支付认证系统,该系统为支付认证提供一套完整认证体系。\n[0123] 本发明系统利用智能终端(手机、平板电脑、手持终端等)采集用户人脸照片,通过人脸检测、面部质量评估、姿态纠正、面部特征提取、人脸比对和匹配等技术,与用户绑定的原始人脸数据进行用户一致性验证,把人脸这项生物特征作为身份ID,加密支付交易。为消费者、商家提供便捷、快速、安全的支付技术。\n[0124] 这里本发明的描述和应用是说明性的,并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的,对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。
法律信息
- 2018-06-01
- 2014-06-25
实质审查的生效
IPC(主分类): G06K 9/00
专利申请号: 201410101181.7
申请日: 2014.03.19
- 2014-05-28
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
1
| |
2013-08-28
|
2013-04-24
| | |
2
| |
2014-03-12
|
2013-12-12
| | |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 该专利没有被任何外部专利所引用! |