自适应金融支付平台的制作方法

1.本发明涉及金融支付领域，尤其涉及一种自适应金融支付平台。


背景技术：

2.当前，在传统金融支付结算方式例如银行中间业务之外，第三方支付服务适应互联网的发展而异军突起，成为金融支付服务中的重要力量。
3.随着逐步向第三方支付企业开放传统金融领域支付结算业务，网络支付服务形成了包括第三方支付企业、传统银行、电商巨头、电信运营商在内的业态格局，支付领域的服务主体和模式更加多样化，第三方支付组织开始进入银行的传统业务并在网络支付领域奠定了优势地位。
4.随着互联网支付、银行卡收单业务领域管理办法出台，行业竞争环境趋于良性和稳定发展，第三方支付业务范围基本覆盖互联网支付、预付卡发行与受理、银行卡收单、数字电视支付及移动电话支付，服务细分行业从网购、航旅、电信等传统支付领域不断扩张到服装、物流为代表的传统行业领域。
5.在金融支付的实际操作中，刷脸支付是最安全以及最后的验证模式，其是决定了支付是否成功、是否能够给予用户支付方便的关键程序。
6.国内主流支付平台已经公开了一些相关技术，例如支付宝(杭州)信息技术有限公司的申请公布号为cn114358792a的专利申请，说明书实施例提出了一种刷脸支付方法、装置和刷脸设备，其中，上述刷脸支付方法中，刷脸设备对摄像头采集的第一帧图像进行人脸检测，如果检测到人脸，则在第一帧图像之后采集的图像中，缓存图像质量大于或等于第一质量阈值的第一人脸图像，检测到刷脸指令之后，获取第二人脸图像；如果图像质量小于第二质量阈值，则使用第一人脸图像替换第二人脸图像，定格显示第一人脸图像，从而可以实现当采集阶段采集的第二人脸图像的图像质量较差时，使用第一人脸图像替换第二人脸图像，针对第一人脸图像进行识别，进而根据第一人脸图像的识别结果，进行支付操作，提高了刷脸支付所使用的人脸图像的图像质量。
7.该公司的另一件申请公布号为cn113887451a的专利申请，说明书实施例提供了图片处理方法及装置，其中所述图片处理方法包括：基于候选人脸的人脸姿态以及人脸位置选取目标人脸；获取所述目标人脸的二维人脸信息以及人脸深度信息，并基于所述二维人脸信息以及所述人脸深度信息确定所述目标人脸的三维深度信息；确定所述图片采集设备的状态信息，基于所述目标人脸的三维深度信息以及所述状态信息调整所述图片采集设备的参数；基于所述图片采集设备的参数对所述目标人脸进行跟拍，以解决刷脸机不能及时地采集到用户的人脸信息，或者采集到的人脸信息不完全，无法实现刷脸支付的目的。
8.一些科技公司也相继开发了刷脸支付技术，例如申请公布号为 cn113255587a的专利申请，说明书实施例提供了一种基于深度相机的刷脸支付系统，包括深度相机模块和手机模块：深度相机模块包括图像采集模块、人脸检测模块、深度重建模块以及活体检测模块；图像采集模块用于获取目标人脸的rgb图像、ir图像以及红外光斑图像；深度重建模块，
用于根据红外光斑图像和rgb图像对目标人脸进行深度重建生成深度人脸图像；活体检测模块，用于对红外光斑图像、ir图像和深度人脸图像中的任一个或任多个进行活体检测，后输出活体人脸检测结果；手机模块，用于接收活体人脸检测结果和人脸区域，并在活体人脸检测结果为通过时，对人脸区域进行识别，确定并显示人脸区域的对应支付账户信息。
9.然而，近年来，人们进出一些传染概率大的危险支付场所需要佩戴口罩以保证刷脸时的人身安全，显然，口罩的佩戴给刷脸支付造成了阻碍，虽然可以采用一些更复杂的鉴别模式完成佩戴口罩的人脸识别，如果对所有场合的金融支付都采用这种更复杂的鉴别模式，也会造成运算资源的过度浪费和通信资源的过度使用。


技术实现要素：

10.为了解决相关领域的技术问题，本发明提供了一种自适应金融支付平台，能够对执行金融支付时人脸鉴别环境进行针对性的画面鉴别，以在鉴别人脸存在口罩时采用复杂的脸部鉴别模式完成支付，在鉴别人脸未存在口罩时采用传统的简便的脸部鉴别模式完成支付，从而在资源消耗和有效支付之间达到动态平衡。
11.根据本发明的一方面，提供了一种自适应金融支付平台，所述平台包括：
12.广角采集机构，设置在金融支付设备上，用于在接收到所述金融支付设备人工触发或者电子触发的支付请求信号时从休眠模式进入工作模式，并在所述工作模式内执行支付现场画面的采集动作；
13.内容复原机构，设置在金融支付设备内，与所述广角采集机构连接，用于基于所述广角采集机构的光学组件的光学特性执行对所述支付现场画面执行点像复原处理，以获取相应的复原处理画面；
14.双层提质机构，与所述内容复原机构连接，用于对接收到的复原处理画面依次执行导向滤波操作以及双边滤波操作，以获取相应的定制滤波画面；
15.对象选择部件，与所述双层提质机构连接，用于识别接收到的定制滤波画面中的各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出；
16.分化处理部件，与所述对象选择部件连接，用于在接收到的参考图像分块内存在口罩目标时，采用第一模式的脸部鉴别模式，还用于在接收到的参考图像分块内不存在口罩目标时，采用第二模式的脸部鉴别模式，所述第一模式的脸部鉴别模式的运算复杂度大于所述第二模式的脸部鉴别模式的运算复杂度；
17.支付执行部件，与所述分化处理部件连接，用于基于所述分化处理部件采用第一模式或者第二模式的脸部鉴别结果实现对鉴别成功所解析到的对应用户金融账号的自动扣款处理；
18.其中，所述第一模式的脸部鉴别模式基于参考图像分块中的人体脸部的脸部轮廓、双眼分布位置、眉部分布位置以及发体分布等级实现脸部鉴别操作，所述第二模式的脸部鉴别模式基于参考图像分块中的人体脸部的双眼分布位置、鼻部分布位置以及嘴部分布位置实现脸部鉴别操作。
19.本发明的自适应金融支付平台逻辑可靠、应用广泛。由于能够对执行金融支付时人脸鉴别环境进行针对性的画面鉴别，以在鉴别人脸存在口罩时采用复杂的脸部鉴别模式
完成支付，在鉴别人脸未存在口罩时采用传统的简便的脸部鉴别模式完成支付，从而保证了金融支付的安全性和可靠性。
附图说明
20.以下将结合附图对本发明的实施方案进行描述，其中：
21.图1为根据本发明a实施方案示出的自适应金融支付平台的结构方框图。
22.图2为根据本发明b实施方案示出的自适应金融支付平台的结构方框图。
23.图3为根据本发明c实施方案示出的自适应金融支付平台的结构方框图。
具体实施方式
24.下面将参照附图对本发明的自适应金融支付平台的实施方案进行详细说明。
25.a实施方案
26.图1为根据本发明a实施方案示出的自适应金融支付平台的结构方框图，所述平台包括：
27.广角采集机构，设置在金融支付设备上，用于在接收到所述金融支付设备人工触发或者电子触发的支付请求信号时从休眠模式进入工作模式，并在所述工作模式内执行支付现场画面的采集动作，其中，所述广角采集机构的成像视角为大于120度的成像视角；
28.内容复原机构，设置在金融支付设备内，与所述广角采集机构连接，用于基于所述广角采集机构的光学组件的光学特性执行对所述支付现场画面执行点像复原处理，以获取相应的复原处理画面；
29.双层提质机构，与所述内容复原机构连接，用于对接收到的复原处理画面依次执行导向滤波操作以及双边滤波操作，以获取相应的定制滤波画面；
30.对象选择部件，与所述双层提质机构连接，用于识别接收到的定制滤波画面中的各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出；
31.分化处理部件，与所述对象选择部件连接，用于在接收到的参考图像分块内存在口罩目标时，采用第一模式的脸部鉴别模式，还用于在接收到的参考图像分块内不存在口罩目标时，采用第二模式的脸部鉴别模式，所述第一模式的脸部鉴别模式的运算复杂度大于所述第二模式的脸部鉴别模式的运算复杂度；
32.支付执行部件，与所述分化处理部件连接，用于基于所述分化处理部件采用第一模式或者第二模式的脸部鉴别结果实现对鉴别成功所解析到的对应用户金融账号的自动扣款处理；
33.其中，所述第一模式的脸部鉴别模式基于参考图像分块中的人体脸部的脸部轮廓、双眼分布位置、眉部分布位置以及发体分布等级实现脸部鉴别操作，所述第二模式的脸部鉴别模式基于参考图像分块中的人体脸部的双眼分布位置、鼻部分布位置以及嘴部分布位置实现脸部鉴别操作；
34.显然，基于参考图像分块中的人体脸部的脸部轮廓、双眼分布位置、眉部分布位置以及发体分布等级实现脸部鉴别操作的运算复杂度高于基于参考图像分块中的人体脸部的双眼分布位置、鼻部分布位置以及嘴部分布位置实现脸部鉴别操作的运算复杂度。
35.b实施方案
36.图2为根据本发明b实施方案示出的自适应金融支付平台的结构方框图。与图1不同，本发明b实施方案示出的自适应金融支付平台可以包括：
37.广角采集机构，设置在金融支付设备上，用于在接收到所述金融支付设备人工触发或者电子触发的支付请求信号时从休眠模式进入工作模式，并在所述工作模式内执行支付现场画面的采集动作，其中，所述广角采集机构的成像视角为大于120度的成像视角；
38.内容复原机构，设置在金融支付设备内，与所述广角采集机构连接，用于基于所述广角采集机构的光学组件的光学特性执行对所述支付现场画面执行点像复原处理，以获取相应的复原处理画面；
39.双层提质机构，与所述内容复原机构连接，用于对接收到的复原处理画面依次执行导向滤波操作以及双边滤波操作，以获取相应的定制滤波画面；
40.对象选择部件，与所述双层提质机构连接，用于识别接收到的定制滤波画面中的各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出；
41.分化处理部件，与所述对象选择部件连接，用于在接收到的参考图像分块内存在口罩目标时，采用第一模式的脸部鉴别模式，还用于在接收到的参考图像分块内不存在口罩目标时，采用第二模式的脸部鉴别模式，所述第一模式的脸部鉴别模式的运算复杂度大于所述第二模式的脸部鉴别模式的运算复杂度；
42.支付执行部件，与所述分化处理部件连接，用于基于所述分化处理部件采用第一模式或者第二模式的脸部鉴别结果实现对鉴别成功所解析到的对应用户金融账号的自动扣款处理；
43.人工输入器件，设置在金融支付设备上，用于基于人工对所述金融支付设备的操作人工触发所述支付请求信号；
44.其中，所述人工输入器件与所述广角采集机构连接，用于将人工输入的所述支付请求信号发送给所述广角采集机构；
45.其中，可以通过无线通信链路将人工输入的所述支付请求信号发送给所述广角采集机构。
46.c实施方案
47.图3为根据本发明c实施方案示出的自适应金融支付平台的结构方框图。与图1不同，本发明c实施方案示出的自适应金融支付平台可以包括：
48.广角采集机构，设置在金融支付设备上，用于在接收到所述金融支付设备人工触发或者电子触发的支付请求信号时从休眠模式进入工作模式，并在所述工作模式内执行支付现场画面的采集动作，其中，所述广角采集机构的成像视角为大于120度的成像视角；
49.内容复原机构，设置在金融支付设备内，与所述广角采集机构连接，用于基于所述广角采集机构的光学组件的光学特性执行对所述支付现场画面执行点像复原处理，以获取相应的复原处理画面；
50.双层提质机构，与所述内容复原机构连接，用于对接收到的复原处理画面依次执行导向滤波操作以及双边滤波操作，以获取相应的定制滤波画面；
51.对象选择部件，与所述双层提质机构连接，用于识别接收到的定制滤波画面中的
各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出；
52.分化处理部件，与所述对象选择部件连接，用于在接收到的参考图像分块内存在口罩目标时，采用第一模式的脸部鉴别模式，还用于在接收到的参考图像分块内不存在口罩目标时，采用第二模式的脸部鉴别模式，所述第一模式的脸部鉴别模式的运算复杂度大于所述第二模式的脸部鉴别模式的运算复杂度；
53.支付执行部件，与所述分化处理部件连接，用于基于所述分化处理部件采用第一模式或者第二模式的脸部鉴别结果实现对鉴别成功所解析到的对应用户金融账号的自动扣款处理；
54.网络传输器件，设置在金融支付设备上，用于基于所述金融支付设备接收到的网络数据包电子触发所述支付请求信号；
55.其中，所述网络传输器件与所述广角采集机构连接，用于将网络数据包电子触发的所述支付请求信号发送给所述广角采集机构；
56.其中，基于所述金融支付设备接收到的网络数据包电子触发所述支付请求信号包括：所述网络数据包内包括支付请求数据，所述支付请求信号中包括所述支付请求数据。
57.接着，继续对本发明的自适应金融支付平台的具体结构进行进一步的说明。
58.在根据本发明各个实施方案的自适应金融支付平台中：
59.识别接收到的定制滤波画面中的各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出包括：获取每一个人体脸部分块的中心位置，将中心位置距离所述定制滤波画面中心位置最近的人体脸部分块作为所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块；
60.其中，获取每一个人体脸部分块的中心位置，将中心位置距离所述定制滤波画面中心位置最近的人体脸部分块作为所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块包括：将每一个人体脸部分块的边缘形状的形心所在的像素点作为第一像素点，将所述定制滤波画面中心位置所在的像素点作为第二像素点，将所述第一像素点和所述第二像素点之间分布的像素点数量作为判断所述人体脸部分块到所述定制滤波画面中心位置的距离的参考数据；
61.其中，将所述第一像素点和所述第二像素点之间分布的像素点数量作为判断所述人体脸部分块到所述定制滤波画面中心位置的距离的参考数据包括：所述第一像素点和所述第二像素点之间分布的像素点数量越少，所述人体脸部分块到所述定制滤波画面中心位置的距离越近。
62.以及在根据本发明各个实施方案的自适应金融支付平台中：
63.识别接收到的定制滤波画面中的各个人体脸部图像分块，将所述各个人体脸部图像分块中最靠近所述定制滤波画面中心位置的人体脸部图像分块作为参考图像分块输出包括：采用神经网络模型对定制滤波画面中每一前景成像区域进行对象类型鉴定，将鉴定为人体脸部的前景成像区域作为人体脸部图像分块；
64.其中，采用神经网络模型对定制滤波画面中每一前景成像区域进行对象类型鉴定，将鉴定为人体脸部的前景成像区域作为人体脸部图像分块包括：将每一前景成像区域
的区域边缘形状输入到所述神经网络模型并执行所述神经网络模型以获得所述神经网络模型输出的所述前景成像区域归属的对象类型；
65.其中，采用神经网络模型对定制滤波画面中每一前景成像区域进行对象类型鉴定，将鉴定为人体脸部的前景成像区域作为人体脸部图像分块还包括：当所述神经网络模型输出的所述前景成像区域归属的对象类型为人体脸部时，鉴定所述前景成像区域为人体脸部；
66.其中，采用神经网络模型对定制滤波画面中每一前景成像区域进行对象类型鉴定，将鉴定为人体脸部的前景成像区域作为人体脸部图像分块还包括：检测定制滤波画面中的背景子画面，将剥除背景子画面后的定制滤波画面作为前景子画面，所述前景子画面由多块前景成像区域构成。
67.另外，在所述自适应金融支付平台中，在接收到的参考图像分块内存在口罩目标时，采用第一模式的脸部鉴别模式，还用于在接收到的参考图像分块内不存在口罩目标时，采用第二模式的脸部鉴别模式包括：基于口罩的标准外形轮廓检测接收到的参考图像分块内是否存在口罩目标，在存在时采用第一模式的脸部鉴别模式，以及在不存在时采用第二模式的脸部鉴别模式。
68.从上述实施方案可见，本发明在以下三个方面具有关键的技术要点：
69.(1)在执行基于面部鉴别结果的金融支付过程中，将中间位置的脸部图像分块作为待鉴别图像分块，在所述待鉴别图像分块中检测到口罩对象时，切换到复杂度较高的第一模式的脸部鉴别模式，否则，切换到复杂度较低的第二模式的脸部鉴别模式；
70.(2)第一模式的脸部鉴别模式基于待鉴别图像分块中的人体脸部的脸部轮廓、双眼分布位置、眉部分布位置以及发体分布等级实现脸部鉴别操作，第二模式的脸部鉴别模式基于待鉴别图像分块中的人体脸部的双眼分布位置、鼻部分布位置以及嘴部分布位置实现脸部鉴别操作；
71.(3)采用包括内容复原机构、双层提质机构以及对象选择部件的针对性画面内容优化机制，实现对脸部鉴别前的画面内容优化处理。
72.以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何在本技术实施例揭露的技术范围内的变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以所述权利要求的保护范围为准。