基于人脸识别的转账方法、装置、计算机设备及存储介质与流程

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方法、装置、计算机设备及存储介质。

背景技术：

目前，随着移动互联网的发展，移动转账越来越受用户的欢迎，很多用户都采用移动设备进行移动转账，如采用智能手机进行移动转账。

通常，在传统方法中，在进行移动转账时银行会要求用户输入转账密码，以此作为安全性验证的手段。但是当该转账密码发生泄露时，导致拿到该转账密码的人从目标账户中将钱财转入另一个目标账户，或者导致拿到该转账密码的人从目标账户中将钱财取走，进而导致转账的安全性降低下。

因此，寻找一种更安全的转账方法成为本领域技术人员亟需解决的问题。

技术实现要素：

本发明实施例提供一种基于人脸识别的转账方法、装置、计算机设备及存储介质，以解决转账的安全性降低下的问题。

一种基于人脸识别的转账方法，包括：

实时接收付款方在客户端发起的转账请求，所述转账请求包括目标付款账号；

根据所述转账请求，向所述客户端发送转账信息填写指令；

接收所述付款方根据所述转账信息填写指令上传的目标收款账号和目标转账金额；

实时采集所述付款方的各张当前人脸图片；

当所述转账请求中目标付款账号对应的目标人物与所述付款方为同一个人时，采用预设的人脸识别方法对所述各张当前人脸图片进行识别，得到各个当前面部五官动作，当前面部五官动作是指所述付款方的面部上五官根据反射所产生的动作；

在预设的各个阈值区间中选取出所述目标转账金额落入的一个阈值区间，所述各个阈值区间存在至少两个且互不相交；

判断所述各套当前面部五官动作是否为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作；

当所述各套当前面部五官动作为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从所述目标付款账号中划拨所述目标转账金额至所述目标收款账号。

一种基于人脸识别的转账装置，包括：

第一接收模块，用于实时接收付款方在客户端发起的转账请求，所述转账请求包括目标付款账号；

第一发送模块，用于根据所述转账请求，向所述客户端发送转账信息填写指令；

第二接收模块，用于接收所述付款方根据所述转账信息填写指令上传的目标收款账号和目标转账金额；

采集模块，用于实时采集所述付款方的各张当前人脸图片；

识别模块，用于当所述转账请求中目标付款账号对应的目标人物与所述付款方为同一个人时，采用预设的人脸识别方法对所述各张当前人脸图片进行识别，得到各个当前面部五官动作，当前面部五官动作是指所述付款方的面部上五官根据反射所产生的动作；

选取模块，用于在预设的各个阈值区间中选取出所述目标转账金额落入的一个阈值区间，所述各个阈值区间存在至少两个且互不相交；

第二判断模块，用于判断所述各套当前面部五官动作是否为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作；

划拨模块，用于当所述各套当前面部五官动作为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从所述目标付款账号中划拨所述目标转账金额至所述目标收款账号。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人脸识别的转账方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的转账方法的步骤。

上述基于人脸识别的转账方法、装置、计算机设备及存储介质，通过实时接收付款方在客户端发起的移动银行的转账请求，所述转账请求包括目标付款账号，根据所述转账请求，向所述客户端发送转账信息填写指令，接收所述付款方根据所述转账信息填写指令上传的目标收款账号和目标转账金额，实时采集所述付款方的各张当前人脸图片，当所述转账请求中目标付款账号对应的目标人物与所述付款方为同一个人时，采用预设的人脸识别方法对所述各个当前人脸图片进行识别，得到各个当前面部五官动作，当前面部五官动作为所述付款方的面部上五官根据反射所产生的动作，在预设的各个阈值区间中选取出所述目标转账金额落入的一个阈值区间，阈值区间存在至少两个，各个阈值区间互不相交，判断所述各套当前面部五官动作是否为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作，当所述各套当前面部五官动作是否为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从所述目标付款账号中划拨所述目标转账金额至所述目标收款账号。因为当所述转账请求中目标付款账号对应的目标人物与所述付款方为同一个人时，才采用预设的人脸识别方法对所述各个当前人脸图片进行识别，得到各个当前面部五官动作，同时当所述各套当前面部五官动作是否为所述目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，才从所述目标付款账号中划拨所述目标转账金额至所述目标收款账号。以及目标转账金额越大，则属于所述目标面部五官动作的当前面部五官动作越多，提高了金额转账的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于人脸识别的转账方法的一应用环境示意图；

图2是本发明一实施例中基于人脸识别的转账方法的一流程图；

图3是本发明一实施例中基于人脸识别的转账方法中根据目标数量确定是否划拨金额的一流程图；

图4是本发明一实施例中基于人脸识别的转账方法中确定出当前心情值及根据该当前心情值确定是否划拨金额的一流程图；

图5是本发明一实施例中基于人脸识别的转账方法中判断目标付款账号对应的目标人物与付款方为同一个人的一流程图；

图6是本发明一实施例中基于人脸识别的转账方法中步骤s60的一流程图；

图7是本发明一实施例中基于人脸识别的转账装置的一示意图；

图8是本发明一实施例中基于人脸识别的转账装置的另一示意图；

图9是本发明一实施例中基于人脸识别的转账装置的再另一示意图；

图10是本发明一实施例中计算机设备的一示意图。

具体实施方式

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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

本申请提供的基于人脸识别的转账方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于人脸识别的转账方法，该基于方法应用在金融行业中，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

s10、实时接收付款方在客户端发起的转账请求；

在本实施例中，付款方为在客户端发起的转账请求的自然人，如“李四”。

具体地，通常付款方在客户端的转账请求页面上点击转账请求按钮，然后客户端生成一个银行转账请求发送到服务端，服务端实时接收付款方在客户端发起的转账请求，如付款方在智能手机的中国银行应用程序的首页上点击转账请求按钮，然后智能手机的中国银行应用程序便生成一个中国银行转账请求发送到服务端。

可以理解的是，转账请求包括目标付款账号，目标付款账号为将目标转账金额划分至目标收款账号的付款账号，如“621661280000447287”。目标收款账号为收取目标付款账号划分来目标转账金额的收款账号。

需要说明的是，客户端可以为智能手机或平板电脑等，目标转账金额可以为1000元人民币等，付款方、客户端、目标付款账号、目标转账金额和目标收款账号的具体内容，可以根据实际应用进行设定，此处不做限制。

s20、根据转账请求，向客户端发送转账信息填写指令；

在本实施例中，转账信息填写指令为填写转账信息填写界面的指令，转账信息包括目标收款账号和目标转账金额，转账信息还可以包括其他信息。

具体地，为了能够获取到付款方的目标收款账号和目标转账金额，服务端需要根据转账请求，向客户端发送转账信息填写指令。

s30、接收付款方根据转账信息填写指令上传的目标收款账号和目标转账金额；

具体地，接收步骤s20中付款方根据转账信息填写指令上传的目标收款账号和目标转账金额，如目标收款账号为“621661280000447287”，目标转账金额为2500元人民币。

s40、实时采集付款方的各张当前人脸图片；

具体地，实时采集付款方的当前人脸图片，如采用客户端的摄像头在该扫描圆上采集付款方的当前人脸图片。

s50、判断转账请求中目标付款账号对应的目标人物与付款方为同一个人，当转账请求中目标付款账号对应的目标人物与付款方为同一个人时，执行步骤s60，当转账请求中目标付款账号对应的目标人物与付款方不是同一个人时，执行步骤s100；

具体地，首先获取转账请求中目标付款账号对应的目标人物的目标人脸图片，然后提取该目标人脸图片上的目标人脸关键点位置，接下来提取申请方的当前人脸图片的当前人脸关键点位置，当该当前人脸关键点位置信息与该目标人脸关键点位置信息一致时，确定转账请求中目标付款账号对应的目标人物与付款方为同一个人，同时执行步骤s60，当转账请求中目标付款账号对应的目标人物与付款方不是同一个人时，执行步骤s100。

s60、采用预设的人脸识别方法对各张当前人脸图片进行识别，得到各套当前面部五官动作；

在本实施例中，当前面部五官动作是指付款方的面部上五官根据反射所产生的动作，一套当前面部五官动作包括一个以上当前面部五官动作，预设的人脸识别方法可以为神经网络算法等，需要说明的是，预设的人脸识别方法的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，当转账请求中目标付款账号对应的目标人物与付款方为同一个人时，首先采用预设的人脸识别方法中提取当前人脸图片上的各个面部特征点，然后将各个面部特征点处于人脸上的位置输入到预先训练好的分类器中，得到各个当前面部五官动作，如眨眼或张嘴。

s70、在预设的各个阈值区间中选取出目标转账金额落入的一个阈值区间；

具体地，首先预先设置好各个阈值区间，然后在预设的各个阈值区间中选取出步骤s30中上传的目标转账金额落入的一个阈值区间，如一个阈值区间为[0,1000]，另一个阈值区间为[1001,2000]，目标转账金额为1500，则从[0,1000]和[1001,2000]中选取出1500落入的一个阈值区间。

需要说明的是，各个阈值区间存在至少两个且互不相交，预设的阈值区间的具体内容，可以根据实际应用进行设定，此处不做限制。

s80、判断各套当前面部五官动作是否为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作，当各套当前面部五官动作为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，执行步骤s90，当各套当前面部五官动作不是目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，执行步骤s121至步骤s129；

在本实施例中，预设的目标面部五官动作为自然人的面部上五官根据反射所产生的动作，如眨眼等。一套目标面部五官动作包括一个以上目标面部五官动作。其中，预设的目标面部五官动作的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，判断步骤s60中得到的各套当前面部五官动作是否为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作，当各套当前面部五官动作为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，执行步骤90，当各套当前面部五官动作不是目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，执行步骤s121至步骤s129。

s90、从目标付款账号中划拨目标转账金额至目标收款账号；

具体地，当步骤s60中各套当前面部五官动作为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从目标付款账号中划拨目标转账金额至目标收款账号，如当前面部五官动作为眨眼，目标转账金额为1800，1800落入的阈值区间为[0，2000]，[0，2000]对应的目标面部五官动作为眨眼和张嘴，则从目标付款账号中划拨目标转账金额至目标收款账号。

进一步地，目标转账金额越大，则目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作越多。

s100、当转账请求中目标付款账号对应的目标人物与付款方不是同一个人时，向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。

具体地，当转账请求中目标付款账号对应的目标人物与付款方不是同一个人时，向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。如向客户端发送“当前检测到的人脸不符，请到银行柜台进行转账。”。

需要说明的是，转账错误提示消息的具体内容，可以根据实际应用进行设定，此处不做限制。

在图2对应的实施例中，通过实时接收付款方在客户端发起的移动银行的转账请求，转账请求包括目标付款账号，根据转账请求，向客户端发送转账信息填写指令，接收付款方根据转账信息填写指令上传的目标收款账号和目标转账金额，实时采集付款方的各张当前人脸图片，当转账请求中目标付款账号对应的目标人物与付款方为同一个人时，采用预设的人脸识别方法对各个当前人脸图片进行识别，得到各个当前面部五官动作，当前面部五官动作为付款方的面部上五官根据反射所产生的动作，在预设的各个阈值区间中选取出目标转账金额落入的一个阈值区间，阈值区间存在至少两个，各个阈值区间互不相交，判断各套当前面部五官动作是否为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作，当各套当前面部五官动作是目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从目标付款账号中划拨目标转账金额至目标收款账号。因为当转账请求中目标付款账号对应的目标人物与付款方为同一个人时，才采用预设的人脸识别方法对各个当前人脸图片进行识别，得到各个当前面部五官动作，同时当各套当前面部五官动作是目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，才从目标付款账号中划拨目标转账金额至目标收款账号。以及目标转账金额越大，则属于目标面部五官动作的当前面部五官动作越多，提高了金额转账的安全性。

在一实施例中，该基于人脸识别的转账方法应用在金融行业中，如图3所示图2对应实施例中一种基于人脸识别的转账方法中根据目标数量确定是否划拨金额在一个应用场景下的流程图，具体包括如下步骤：

s121、统计不属于预设的各套目标面部五官动作的当前面部五官动作的目标数量；

具体地，统计不属于预设的各套目标面部五官动作的当前面部五官动作的目标数量，以使得可以根据该目标数量和预设的第一阈值确定是否向客户端展示密码填写界面。

需要说明的是，预设的第一阈值可以为3等，预设的第一阈值的具体内容，可以根据实际应用进行设定，此处不做限制。

s122、判断目标数量是否小于或等于预设的第一阈值，当目标数量小于或等于预设的第一阈值时，执行步骤s123，当目标数量大于预设的第一阈值时，执行步骤s128；

具体地，判断步骤s121中统计得到的目标数量是否小于或等于预设的第一阈值，当步骤s121中统计得到的目标数量小于或等于预设的第一阈值时，执行步骤s123，当步骤s121中统计得到的目标数量大于预设的第一阈值时，执行步骤s128。

s123、接收付款方上传的转账密码；

具体地，接收付款方上传的转账密码，如接收“李四”上传的“88012345”。

s124、获取第一指定系统中的目标转账密码；

在本实施例中，第一指定系统为专门存储目标转账密码的数据库，如平安银行数据库，需要说明的是，第一指定系统的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，首先获取目标转账密码在第一指定系统中的存储路径，然后根据该存储路径提取该目标转账密码。

s125、判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，执行步骤s126，当上传的转账密码与目标转账密码不一致时，执行步骤s127；

具体地，判断步骤s123中上传的转账密码与步骤s124中获取到的目标转账密码是否一致，当步骤s123中上传的转账密码与步骤s124中目标转账密码一致时，执行步骤s126，当步骤s123中上传的转账密码与步骤s124中目标转账密码不一致时，执行步骤s127。

s126、从目标付款账号中划拨目标转账金额至目标收款账号。

具体地，当步骤s124中上传的转账密码与步骤s125中目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号，如目标付款账号为“621661280000447287”，目标转账金额为2000元人民币，目标收款账号为“621661280000440055”，则从“621661280000447287”划拨2000元人民币至“621661280000440055”。

s127、向客户端发送密码错误提示消息，以提示付款方重新上传转账密码；

具体地，当步骤s124中上传的转账密码与步骤s125中目标转账密码不一致时，向客户端发送密码错误提示消息，以提示付款方重新上传转账密码，如转账密码为“12456”，目标转账密码为“23568”，显然转账密码与目标转账密码不一致，则客户端发送“你输入的密码有误，请重新输入”。

需要说明的是，密码错误提示消息的具体内容，可以根据实际应用进行设定，此处不做限制。

s128、向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。

具体地，当步骤s121中统计得到的目标数量大于预设的第一阈值时，向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账，如目标数量为8，预设的第一阈值为5，则则客户端发送“检测到的不符合的当前人脸的数量已到达上限值，请到银行柜台进行转账。”。

在图3对应的实施例中，通过统计不属于预设的各套目标面部五官动作的当前面部五官动作的目标数量，判断目标数量是否小于或等于预设的第一阈值，当目标数量小于或等于预设的第一阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号，当上传的转账密码与目标转账密码不一致时，向客户端发送密码错误提示消息，以提示付款方重新上传转账密码，当目标数量大于预设的第一阈值时向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。因为当统计到的目标数量小于或等于预设的第一阈值，且上传的转账密码与第一指定系统中获取到的目标转账密码时，才从目标付款账号中划拨目标转账金额至目标收款账号，当统计到的目标数量大于预设的第一阈值时，向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账，从而提高了转账的安全性。

在一实施例中，该基于人脸识别的转账方法应用在金融行业中，如图4所示图2对应实施例中一种基于人脸识别的转账方法中确定出当前心情值及根据该当前心情值确定是否划拨金额在一个应用场景下的流程图，具体包括如下步骤：

s131、采用预设的微表情提取算法从当前人脸图片中提取付款方的微表情；

在本实施例中，预设的微表情提取算法可以为神经网络算法或深度学习算法等，需要说明的是，预设的微表情提取算法的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，采用预设的微表情提取算法从步骤s50中采集到的付款方的当前人脸图片中提取付款方的微表情，主要是采集付款方的面部动作单元，后续可以从面部动作单元中提取得到微表情的各个动作单元。如采用神经网络算法从步骤s50中采集到的付款方的当前人脸图片中提取付款方的微表情，微表情可以为外眉上扬或脸颊抬起等动作。

s132、提取微表情中的各个动作单元；

具体地，动作单元的类型主要包括以下表1中国际上通用的19种动作单元：

表119种au

可以理解的是，在采集得到付款方的微表情之后，可以从中提取出上述19种中的一个、两个或多个动作单元(au)。可知，动作单元对应的是付款方当前的面部特征和动作，这些动作单元一起反应了付款方当前的心情或情绪。例如，当付款方高兴时，其面部动作会包括：嘴角上扬、脸颊抬起、眼睑收紧等动作单元，即上述的au12、au6、au7。

s133、按照预设的微表情评分规则获取各个动作单元的情绪值，预设的微表情评分规则记录了动作单元与情绪值的对应关系；

具体地，系统可以预先设置19种au对应的情绪值，记录为微表情评分标准，比如，在一个具体应用场景中，该微表情评分标准如下表2所示：

表219种au

可见，通过该微表情评分标准，在提取到该微表情中各个动作单元au之后，可以查询该微表情评分标准得到各个动作单元对应的情绪值。在上述具体应用场景中，情绪值越大，表示该动作单元反应付款方的心情越好。

s134、根据情绪值进行计算得到付款方的当前心情值；

具体地，在获取到各个所述动作单元对应的情绪值后，可以计算这些情绪值之和作为该付款方当前的心情值。比如，承接上述举例，若该付款方的动作单元分别为au12、au6、au7，则获取到的对应的情绪值分别为3、1、4，从而计算得到该付款方的心情值为8。

s135、判断付款方的当前心情值是否大于或等于预设的第二阈值，当付款方的当前心情值大于或等于预设的第二阈值时，执行步骤s136，当付款方的当前心情值小于预设的第二阈值时，执行步骤s137；

在本实施例中，预设的第二阈值为预先设置的第二阈值，可以为9等，需要说明的是，预设的第二阈值的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，判断付款方的当前心情值是否大于或等于预设的第二阈值，当付款方的当前心情值大于或等于预设的第二阈值时，执行步骤s136，当付款方的当前心情值小于预设的第二阈值时，执行步骤s137。

s136、执行步骤s100；

需要说明的是，当付款方的当前心情值大于或等于预设的第二阈值时，执行步骤s100，如付款方的当前心情值为9，预设的第二阈值为6，9大于6，则执行步骤s100。

s137、当付款方的当前心情值小于预设的第二阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号。

具体地，当付款方的当前心情值小于预设的第二阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号，当上传的转账密码与目标转账密码不一致时，向客户端发送密码错误提示消息，以提示付款方重新上传转账密码，需要说明的是，本步骤s137中的接收付款方上传的转账密码的内容与步骤s123中的接收付款方上传的转账密码的内容相类似，本步骤s137中的获取第一指定系统中的目标转账密码的内容与步骤s124中的获取第一指定系统中的目标转账密码的内容相类似，本步骤s137中的判断上传的转账密码与目标转账密码是否一致的内容与步骤s125中的判断上传的转账密码与目标转账密码是否一致的内容相类似，本步骤s137中的从目标付款账号中划拨目标转账金额至目标收款账号的内容与步骤s126中的从目标付款账号中划拨目标转账金额至目标收款账号的内容相类似，此处不再阐述。

在图4对应的实施例中，通过采用预设的微表情提取算法从当前人脸图片中提取付款方的微表情，提取微表情中的各个动作单元，按照预设的微表情评分规则获取各个动作单元的情绪值，预设的微表情评分规则记录了动作单元与情绪值的对应关系，根据情绪值进行计算得到付款方的当前心情值，判断付款方的当前心情值是否大于或等于预设的第二阈值，当付款方的当前心情值大于或等于预设的第二阈值时，从目标付款账号中划拨目标转账金额至目标收款账号，当付款方的当前心情值小于预设的第二阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号。因为微表情是付款方内心真实的反映，所以计算得到付款方的当前心情值是真实的，当付款方的当前心情值大于或等于预设的第二阈值时，也即当付款方的当前心情是积极的时候，才从目标付款账号中划拨目标转账金额至目标收款账号，当付款方的当前心情值小于预设的第二阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号，反正在付款方的当前心情不好时转账，提高了转账的安全性。

在一实施例中，该基于人脸识别的转账方法应用在金融行业中，如图5所示图2对应实施例中一种基于人脸识别的转账方法中判断目标付款账号对应的目标人物与付款方为同一个人在一个应用场景下的流程图，具体包括如下步骤：

s601、基于预设的人脸关键点检测工具对付款方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置；

在本实施例中，预设的人脸关键点检测工具可以为dlib工具，dlib是指一个包含机器学习算法的c++开源工具包，是一个跨平台的c++库，包含了许多机器学习算法。脸关键点包括人物的眼睛边框、鼻子边框、嘴巴边框和人脸边框等。人脸关键点位置信息为人脸关键点的坐标值。需要说明的是，预设的人脸关键点检测工具还可以为其他人脸关键点检测工具，预设的人脸关键点检测工具的具体内容，可以根据实际需求进行设定，此处不做限制。

具体地，基于预设的人脸关键点检测工具对付款方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置。

s602、从第二指定系统中获取转账请求中目标付款账号对应的目标人物的目标人脸图片；

在本实施例中，第二指定系统为专门存储了转账请求中目标付款账号对应的目标人物的目标人脸图片的数据库，如公安系统数据库。需要说明的是，第二指定系统可以为sql数据库等，第三指定系统的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，首先从第二指定系统中获取转账请求中目标付款账号对应的目标人物的目标人脸图片的存储路径，然后根据该存储路径提取获取该转账请求中目标付款账号对应的目标人物的目标人脸图片。

s603、基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置；

在本实施例中，本步骤s603中预设的人脸关键点检测工具的内容与步骤s601中预设的人脸关键点检测工具的内容一致，此处不再阐述。

具体地，基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置。

s604、判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，执行步骤s605，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，执行步骤s606；

具体地，判断步骤s601中提取到的当前人脸关键点位置信息与步骤s603中提取到的目标人脸关键点位置信息是否一致，当步骤s601中提取到的当前人脸关键点位置信息与步骤s603中提取到的目标人脸关键点位置信息一致时，执行步骤s605，当步骤s601中提取到的当前人脸关键点位置信息与步骤s603中提取到的目标人脸关键点位置信息不一致时，执行步骤s606。

s605、确定转账请求中目标付款账号对应的目标人物与付款方为同一个人；

具体地，当步骤s601中提取到的当前人脸关键点位置信息与步骤s603中提取到的目标人脸关键点位置信息一致时，确定转账请求中目标付款账号对应的目标人物与付款方为同一个人。

s606、确定转账请求中目标付款账号对应的目标人物与付款方不是同一个人。

具体地，当步骤s601中提取到的当前人脸关键点位置信息与步骤s603中提取到的目标人脸关键点位置信息不一致时，确定转账请求中目标付款账号对应的目标人物与付款方不是同一个人。

在图5对应的实施例中，通过基于预设的人脸关键点检测工具对付款方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置，从第二指定系统中获取转账请求中目标付款账号对应的目标人物的目标人脸图片，基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置，判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定转账请求中目标付款账号对应的目标人物与付款方为同一个人，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，确定转账请求中目标付款账号对应的目标人物与付款方不是同一个人。因为预设的人脸关键点检测工具包含机器学习算法，具有自我学习的能力，能够准确从当前人脸图片提取出当前人脸关键点位置，和能够准确从目标人脸图片提取出目标人脸关键点位置，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定转账请求中目标付款账号对应的目标人物与付款方为同一个人，提高了识别转账请求中目标付款账号对应的目标人物与付款方的准确性。

在一实施例中，该基于人脸识别的转账方法应用在金融行业中，如图6所示图2至图5中任一个图对应实施例中一种基于人脸识别的转账方法中步骤s60在一个应用场景下的流程图，具体包括如下步骤：

s701、用于采用预设的面部特征点提取方法提取当前人脸图片上的面部特征点，面部特征点为人脸上五官的轮廓基本特征点；

在本实施例中，面部特征点为人脸上五官的轮廓基本特征点，面部特征点包括该面部特征点处于当前人脸图片上的位置，也即该面部特征点处于当前人脸图片上的坐标。

具体地，采用预设的面部特征点提取方法提取步骤s50中采集到的申请方的当前人脸图片上的各个面部特征点，其中，预设的面部特征点提取方法可以为深度学习方法等，预设的面部特征点提取方法的具体内容，可以根据实际需求进行设定，此处不做限制。

s702、用于将已提取到的面部特征点处于当前人脸图片上的位置输入至预先训练好的分类器中，得到各个当前面部五官动作。

发明实施例中，当前面部五官动作为申请方的人脸上五官动作，如眨眼等。

具体地，为了得到申请方的各个当前面部五官动作，需要将已提取得到的各个面部特征点处于人脸上的位置输入到预先训练好的分类器中。

需要说明的是，当前面部五官动作为申请方的人脸上五官根据反射所产生的动作，如眨眼或张嘴等。该分类器可以为回归分类器、朴素贝叶斯分类器或神经网络分类器等，该分类器的具体内容，可以根据实际应用进行设定，此处不做限制。

在图6对应的实施例中，通过采用预设的面部特征点提取方法提取当前人脸图片上的面部特征点，面部特征点包括该面部特征点处于当前人脸图片上的位置，面部特征点为人脸上五官的轮廓基本特征点，将已提取到的面部特征点处于当前人脸图片上的位置输入至预先训练好的分类器中，得到各个当前面部五官动作。因为预先训练好的分类器具有准确地将面部特征点处于人脸图片上的位置分类出面部五官动作的功能，所以能够从已提取到的面部特征点处于当前人脸图片上的位置准确地分类出各个当前面部五官动作，提高了得到当前面部五官动作的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于人脸识别的转账装置，该基于人脸识别的转账装置与上述实施例中基于人脸识别的转账方法一一对应。如图7所示，该基于人脸识别的转账装置包括第一接收模块701、第一发送模块702、第二接收模块703、采集模块704、第一判断模块705、识别模块706、选取模块707、第二判断模块708、第一划拨模块709和第二发送模块710。各功能模块详细说明如下：

第一接收模块701，用于实时接收付款方在客户端发起的转账请求，转账请求包括目标付款账号；

第一发送模块702，用于根据转账请求，向客户端发送转账信息填写指令；

第二接收模块703，用于接收付款方根据转账信息填写指令上传的目标收款账号和目标转账金额；

采集模块704，用于实时采集付款方的各张当前人脸图片；

第一判断模块705，用于判断转账请求中目标付款账号对应的目标人物与付款方为同一个人；

识别模块706，用于当转账请求中目标付款账号对应的目标人物与付款方为同一个人时，采用预设的人脸识别方法对各张当前人脸图片进行识别，得到各套当前面部五官动作，当前面部五官动作是指付款方的面部上五官根据反射所产生的动作；

选取模块707，用于在预设的各个阈值区间中选取出目标转账金额落入的一个阈值区间，各个阈值区间存在至少两个且互不相交；

第二判断模块708，用于判断各套当前面部五官动作是否为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作；

第一划拨模块709，用于当各套当前面部五官动作为目标转账金额落入的阈值区间对应的预设的各套目标面部五官动作时，从目标付款账号中划拨目标转账金额至目标收款账号；

第二发送模块710，用于当转账请求中目标付款账号对应的目标人物与付款方不是同一个人时，向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。

进一步地，基于人脸识别的转账装置还可以包括：

统计模块711，用于统计不属于预设的各套目标面部五官动作的当前面部五官动作的目标数量；

第三判断模块712，用于判断目标数量是否小于或等于预设的第一阈值；

第三接收模块713，用于接收付款方上传的转账密码；

第一获取模块714，用于获取第一指定系统中的目标转账密码；

第四判断模块715，用于判断上传的转账密码与目标转账密码是否一致；

第二划拨模块716，用于当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号。

第三发送模块717，用于向客户端发送密码错误提示消息，以提示付款方重新上传转账密码；

第四发送模块718，用于向客户端发送转账错误提示消息，以提示付款方到银行柜台进行转账。

进一步地，基于人脸识别的转账装置还可以包括：

第一提取模块719，用于采用预设的微表情提取算法从当前人脸图片中提取付款方的微表情；

第二提取模块720，用于提取微表情中的各个动作单元；

第二获取模块721，用于按照预设的微表情评分规则获取各个动作单元的情绪值，预设的微表情评分规则记录了动作单元与情绪值的对应关系；

计算模块722，用于根据情绪值进行计算得到付款方的当前心情值；

第五判断模块723，用于判断付款方的当前心情值是否大于或等于预设的第二阈值，当付款方的当前心情值大于或等于预设的第二阈值时；

第三划拨模块724，用于当付款方的当前心情值大于或等于预设的第二阈值时，执行从目标付款账号中划拨目标转账金额至目标收款账号的步骤；

第四接收模块725，用于当付款方的当前心情值小于预设的第二阈值时，接收付款方上传的转账密码，获取第一指定系统中的目标转账密码，判断上传的转账密码与目标转账密码是否一致，当上传的转账密码与目标转账密码一致时，从目标付款账号中划拨目标转账金额至目标收款账号。

进一步地，基于人脸识别的转账装置还可以包括：

第一检测模块，用于基于预设的人脸关键点检测工具对付款方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置；

第三获取模块，用于从第二指定系统中获取转账请求中目标付款账号对应的目标人物的目标人脸图片；

第二检测模块，用于基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置；

第六判断模块，用于判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致；

第一确定模块，用于当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定转账请求中目标付款账号对应的目标人物与付款方为同一个人；

第二确定模块，用于当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，确定转账请求中目标付款账号对应的目标人物与付款方不是同一个人。

进一步地，识别模块707可以包括：

提炼子模块，用于采用预设的面部特征点提取方法提取当前人脸图片上的面部特征点，面部特征点为人脸上五官的轮廓基本特征点；

输入子模块，用于将已提取到的面部特征点处于当前人脸图片上的位置输入至预先训练好的分类器中，得到各个当前面部五官动作。

关于基于人脸识别的转账装置的具体限定可以参见上文中对于基于人脸识别的转账方法的限定，在此不再赘述。上述基于人脸识别的转账装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于人脸识别的转账方法所涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的转账方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例基于人脸识别的转账方法的步骤，例如图2所示的步骤s10至步骤s100。或者，处理器执行计算机程序时实现上述实施例中基于人脸识别的转账装置的各模块/单元的功能，例如图7所示第一接收模块701至第二发送模块710的功能。为避免重复，这里不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中基于人脸识别的转账方法，或者，该计算机程序被处理器执行时实现上述装置实施例中基于人脸识别的转账装置中各模块/单元的功能。为避免重复，这里不再赘述。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述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，均应包含在本发明的保护范围之内。