一种大型商品网络购物手机支付系统的构成方法

一种大型商品网络购物手机支付系统的构成方法
【专利摘要】本发明属于图像处理领域中的一种大型商品网络购物手机支付系统的构成方法，是由选择要购买的商品步骤，在手机上选择信用卡步骤，在自动进入刷脸认证的步骤，手机支付步骤组成的，其特点是：该系统导入概率尺度距离的理论，可以直接将刷脸图像变换成代码，可以直接作为手机支付的密码，在网络传输上速度快，而且可以将刷脸图像所变换成的代码直接作为手机支付的密码，在系统搭建上无需使原有系统做较多的改变，减少投入成本。另外，刷脸或声纹支付代码稳定，还具有自适应学习的功能，能使系统性能不断的提高。刷脸支付具有生命体识别功能，可以防止不法者用照片骗取支付。可以解决支付的信用卡与持卡人的一致性认证，可使手机支付系统具有较高的安全性。
【专利说明】-种大型商品网络购物手机支付系统的构成方法 【技术领域】
[0001] 本发明属于图像处理领域中的一种大型商品网络购物手机支付系统的构成方法。 【【背景技术】】
[0002] 最近，网络购物的第Ξ方支付敲开了金融领域多年来的壁垒，一种新的W网络为 中屯、的金融系统的形成已经势在必行。运里，社会各个方面激烈竞争的核屯、就是手机支付 技术。在中国，最先应用于手机支付的技术就是被公开的通用二维条码。（非专利文献1)
[0003] 具有NFC Wear Field Communication近距离无线通讯技术）功能的iPhone6的 发表，又把人们的注意力集中到了 RFID技术的手机电子支付系统。在一些例如购买车票， 杂志或零食的方便店里广为应用。在此期间也有大量的专利文献的发表。代表性的专利申 请有日本电装公司申请的"支付系统及支付终端"专利（专利文献1)。
[0004] 【专利文献】 阳005]【专利文献1】（特开2014-78074号公告）
[0006] 【非专利文献1】（微信二维码支付功能使用方法）
[0007] (ht1:p ://news. mydrivers. com/1/198/198121. htm)
[0008] 访问时间：2015年1月24日
[0009] 上述的非专利文献1中记述的方法，曾被国家权威金融机关W二维码不安全而叫 停，用二维码进行手机支付的解决方案被搁置。
[0010] 上述专利文献1中记载的手机支付系统是通过无线通讯进行代码交换的，由于安 全问题还没有完全解决，特别是在手机丢失等情况下会使手机合法持有者出现较大的损 失，因此运种手机支付方法只适合小额支付。 【
【发明内容】
】
[0011] 本发明的第一个目的是：克服传统技术的不足，提供一个将随机分布的人脸的各 个器官的位置W及尺寸在概率尺度距离空间下进行位置参数的特定，并通过人为介入将器 官所在位置W及尺寸的模糊信息进行定式，提出一个既考虑人脸各器官的位置W及尺寸分 布的概率信息，同时又考虑模糊信息的更加稳定的手机刷脸支付系统的构成方法。
[0012] 本发明的第二个目的是：为了解决手机支付还要考虑个人隐私问题，提出一个通 过概率尺度的聚类计算实现更加稳定的声纹认证的手机声纹支付系统的构成方法。
[001引本发明的第Ξ个目的是：为了解决NFC因为通信会使个人信息被盗的安全隐患， 提出一个使用3D代码进行信息交互的手机"光"支付的系统构成方法。
[0014] 为了解决上述课题，提出如下技术方案：
[0015] 一种大型商品网络购物手机支付系统的构成方法，是由选择要购买的商品步骤， 在手机上选择信用卡步骤，在自动进入刷脸认证的步骤，手机支付步骤组成的，其特点如 下：
[0016] 在选择要购买的商品步骤里，可W直接上网，在诸如淘宝，京东等购物网站上利用 运些网站的现有系统，选择所需物品，按照所使用的网站的要求进行操作；
[0017] 在手机上选择信用卡步骤里，直接在手机端进行使用哪个信用卡，或银行卡的选 择；如果所持的信用卡只有一个时运个画面可W默认不必弹出直接进入刷脸认证的画面；
[0018] 在自动进入刷脸认证的步骤后，手机屏幕弹出一个识别窗，只要将持卡人的脸部 对准识别窗，就可进行快速的具有人脸的局部特征与全局特征相融合的手机刷脸认证；为 防止不法者通过照片骗取认证，本发明提出采用生命体识别的方法进行刷脸认证；手机刷 脸支付的学习数据是放在自己的手机里的，不用放到服务器上，从手机端只要发出一个代 码就可；
[0019] 手机支付步骤，通过微信或支付宝给出SDK的插件进行对接或者提供一个标准的 对接SDK插件，各个网站安装运个插件后就可同所有的网站进行对接的方法，将刷脸认证 后的密码W及信用卡的号码发送给网站进行手机支付。
[0020] 而且，所述的概率尺度距离空间的人脸特征信息，是指将人脸随机分布的特征信 息，通过包括正态分布（Normal distribution),指数分布巧xponential distribution)， 爱尔朗分布巧rlang Distribution),韦伯分布（Weibull distribution), Ξ角分布 (triangular distribution)，贝塔分布度eta Distribution)中至少一种具有概率分布的 概率属性的参数作为自组织概率尺度，最终通过概率尺度的自组织的算法获得的具有相对 确定性的特征信息。
[0021] 而且，所述的对持卡人的脸部识别是依赖于手机拍照的持卡人的脸部图像为不含 亮度信息的彩色图像，在不损失脸部图像色彩信息的基础上实现将脸部图像变换成可W特 定持卡人的代码。
[0022] 而且，所述的持卡人脸五官图像在某一颜色下，W及在某一灰度值下的像素分布 的密度规律，导入概率尺度自组织的算法，自动的将人脸五官位置信息抽出。
[0023] 而且，将上述人脸特征信息通过概率自组织算法得到最为接近母体的特征值，同 时又导入模糊数学的理论，针对上述求出的人脸的信息通过人为介入的方式，使用基于人 为经验所定义的复数个隶属函数（Membership化nction)，在0到η数值之间进行数值化直 接生成具有图像代码性质的特征向量。
[0024] 而且，所述的刷脸或声纹支付代码的生成是通过包括眼球的巧眼的动作，张嘴闭 嘴的动作，脸部微笑时的肌肉微小变化，瞳孔的变化，脸部微小晃动的加速度，脸部的颜色 在内至少一种反映生命体图像特征的刷脸图像的生命体图像的识别。
[0025] 而且，所述的人脸特征信息是通过刷脸图像的局部特征信息，与整体特征信息共 同构成的。
[0026] 【名词解释】
[0027] 【概率尺度的距离（Prob油ility Scale Distance)】
[0028] 设给定的一个具有概率分布的数列gi，g2，…gt的集合为G e gf(f = 1，2，…， ζ )，该集合的中屯、值为A似，中屯、值为A似的概率尺度为Μ [G，A似]，而且由自组织化迭 代所算出的W第n-1次的中屯、值A(Gh ")，并且W该中屯、值为基准的半径M[Gh "，A(Gh ")] 内存在着k个概率分布的数列gi，g2，…gk的集合为GWegf(f=l，2，…，k)，则 阳029]【公式1】
[0030] A(n)=A(G(n))
[0033] 运里，概率尺度MW是一个具有多重属性的概率统计的参数。比方说正态分布，指 数分布，爱尔朗分布，韦伯分布，Ξ角分布，贝塔分布等等。例如概率尺度mW就可W作为正 态分布的分散值。
[0034] 由上述迭代公式1经过若干次迭代所算出的中屯、值是针对概率分布的数列gi， g2，一gt所得到的最为接近母体的估计值，而最终的基准半径值为一概率尺度，W最终的中 屯、值为基准，在概率尺度的范围内的所有的概率分布的数列g/，g2'，…均可属于概率 分布数列gl，邑2，…gt的真值。
[0035] 运用上述公式1，4,5 W及6的计算方法，可W针对两个概率分布的特征向量之间， 得到一个最为接近母体的距离值。为本发明提出的在复杂的手机拍摄环境下将人脸图像变 换成一个可认证持卡人身份的ID所能得到一个最为稳定的结果。 【【附图说明】】
[0036] 图1是大额商品购物手机支付操作流程示意图
[0037] 图2是小额商品购物手机支付操作流程示意图
[0038] 图3是线下购物手机刷脸支付与声纹支付示意图
[0039] 图4是手机信用卡储蓄卡的"光"支付的示意图
[0040] 图5是手机储蓄卡的现金存入的示意图
[0041] 图6是概率尺度距离的自组织处理流程
[0042] 图7是脸部识别五官位置特征点的设定方法示意图
[0043] 图8是脸部识别五官尺寸信息的特征值的定义方法示意图
[0044] 图9是通过人的眼位置与尺寸信息提取特征值的示意图
[0045] 图10是通过人脸的形状信息提取特征值的示意图
[0046] 图11是通过人脸的肤色信息提取特征值的示意图
[0047] 图12是通过人脸频率空间的信息提取特征值的示意图
[0048] 图13是把人脸的频率空间的信息作为人脸的整体信息的处理方法示意图
[0049] 图14是对声纹信息进行数值化的处理方法示意图
[0050] 图15是将人脸的形状信息定义成隶属函数的例子
[0051] 图16是刷脸或声纹代码自适应学习处理方法的流程图
[0052] 图17是生命体图像识别的例子之一的示意图
[0053] 图18是光学识别可能的3D网屏编码的电子图像的示意图 【【具体实施方式】】
[0054] W下结合附图对本发明实施例做进一步详述，但本发明所述的实施例是说明性 的，而不是限定性的。
[0055] 本发明解决其技术问题是采取W下技术方案实现的：根据说明书附图对于发明的 实施例进行说明。 阳056] 图1是大额商品购物手机支付操作流程示意图。
[0057] 如图1所示：首先在网上选择要购买的商品步骤（a)中，可W直接上网，在诸如淘 宝，京东等购物网站上利用运些网站的现有系统，选择所需物品，按照所使用的网站的要求 进行操作。
[0058] 淘宝，京东等网络购物平台都有自己的协议标准，如何统一标准，让手机支付通用 化是一个课题，运个问题不解决将严重影响手机支付无卡化的普及。
[0059] 按照目前的现状，同微信或支付宝对接可W通过微信或支付宝给出的插件进行对 接，但是，运样一来同那个网站对接，就要安装那个网站的插件，非常麻烦，给用户带来不 便，本发明提出可提供一个标准的对接插件，各个网站安装运个插件后就可同所有的网站 进行对接。
[0060] 在手机上选择信用卡步骤化）里，直接在手机端进行使用哪个信用卡，或银行储 蓄卡的选择。运里，一台手机可W支持不同的信用卡的支付，结算银行也可W是复数个。如 果所持的信用卡只有一个时，运个画面可W默认不必弹出直接进入刷脸认证的画面。
[0061] 在自动进入刷脸认证的步骤（C)后，手机屏幕弹出一个识别窗，只要将持卡人的 脸部对准识别窗，就可进行快速的具有人脸的局部特征与全局特征相融合的手机刷脸认 证。为防止不法者通过照片骗取认证，本发明提出采用生命体识别的方法进行刷脸认证。
[0062] 手机刷脸支付的学习数据是放在自己的手机里的，不用放到服务器上，从手机端 只要发出一个代码就可，运样可W使处理的速度更快，个人信息由自己的手机来保护，还可 W提高安全性。
[0063] 在手机支付数据送往银行服务器步骤（d)，将手机支付数据送往银行服务器，完成 认证及付款操作。
[0064] 导入概率尺度距离的理论的刷脸认证的特点：
[0065] 可W直接将刷脸图像变换成代码，可W直接作为手机支付的密码，在网络传输上 速度快，而且可W将刷脸图像所变换成的代码直接作为手机支付的密码，在系统搭建上无 需使原有系统做较多的改变，减少投入成本。
[0066] 刷脸或声纹支付代码稳定，还具有自适应学习的功能，能使系统性能不断的提高。 刷脸支付具有生命体识别功能，可W防止不法者用照片骗取支付。可W解决支付的信用卡 与持卡人的一致性认证，可使手机支付系统具有非常高的安全性。
[0067] 图2是小额商品购物手机支付操作流程示意图。如图2所示：在进行线上小额购 物时，利用手机声纹支付同样需要3个步骤，首先在网上选择要购买的商品步骤（a)中，同 图1所示的大额网络购物相同，需要在网络购物平台上选择所需的商品。在与各大网站对 接上本发明提出可提供一个标准的对接插件，各个网站安装运个插件后就可同所有的网站 进行对接。 W側在手机上选择信用卡步骤化）里，也同图1所示的大额网络购物相同，直接在手机 端进行使用哪个信用卡，或银行卡的选择。如果所持的信用卡只有一个时，运个画面可W默 认不必弹出，直接进入声纹认证的画面。
[0069] 在自动进入声纹认证的步骤（C)后，手机屏幕弹出一个声纹认证识别提示，持卡 人运要对准手机话筒说一句话，例如"同意支付"就可实现具有自适应学习的声纹手机支付 的认证，操作方便，认证效果好。选择是否为声纹认证，还是刷脸认证可由客户自己在系统 设定菜单中选择。
[0070] 声纹认证可通过随机的提出一些与持卡人事先登陆的内容有关的提问，让声纹认 证者回答，从而识别声纹认证者是否为生命体。
[0071] 声纹认证的生命体识别还可通过复数次的口令是否处于完全相同状态来实现。
[0072] 在手机支付数据送往银行服务器步骤（d)，将手机支付数据送往银行服务器，完成 认证及付款操作。
[0073] 导入概率尺度距离的理论的声纹认证的特点：
[0074] 可W直接将声纹信息变换成代码，可W直接作为手机支付的密码，在网络传输上 速度快，而且可W将声纹信息所变换成的代码直接作为手机支付的密码，在系统搭建上无 需使原有系统做较多的改变，减少投入成本。
[0075] 可W直接将声纹信息变换成代码的手机信用卡储蓄卡的支付系统，其特点是代码 稳定，还具有自适应学习的功能，能使系统的识别性能不断的提高。
[0076] 可W直接将声纹信息变换成代码的手机信用卡储蓄卡的支付系统也具有生命体 识别功能，可W防止不法者利用持卡者的录音骗取支付。可W解决支付的信用卡与持卡人 的一致性认证，可使手机信用卡储蓄卡的支付系统具有非常高的安全性。
[0077] 可W直接将声纹信息变换成代码的手机信用卡储蓄卡的支付系统操作简单，不存 在个人隐私问题，可W推广到世界各国。
[0078] 图3线下购物手机刷脸支付与声纹支付示意图。
[0079] 在进行线下购物时，利用手机刷脸支付或声纹支付同线上购物相同需要3个步 骤，如图3所示：
[0080] 在购物结算步骤中：在超市选择所要购买的商品走到结算台后，由收银员输入各 个商品，在P0S的屏幕上显示商品价格，持卡人打开手机支付的APP后，通过声波，蓝牙W及 WiFi的通信，在持卡人手机的屏幕上显示了购买商品的清单W及价格，持卡人确认商品价 格无误，可立即进入选择所要支付的信用卡的步骤。
[0081] 在选择所要支付的信用卡的步骤中：如果持卡人只有一个信用卡，可W跳过运一 步骤。
[0082] 在持卡人认证步骤中：持卡人面对自己的手机通过脸部的局部特征与整体特征相 融合的手机刷脸认证，或具有自适应学习的声纹认证，认证成功后，自动的把所持的信用卡 的卡号发往给P0S机，P0S机接受到信用卡的卡号就可完成手机支付的全过程。运里，认证 后手机通过蓝牙或者WiFi直接同收银台的P0S进行通信，将手机信用卡或储蓄卡的卡号W 及密码发到P0S机中，由P0S机收到信息后直接同银行进行交易。还可W让手机直接同收 银台通信，手机方把所支付的金额传送到收银台后，由手机直接同银行进行交易。
[0083] 如果持卡人选择的是手机声纹支付的认证可W在自己的手机上报出自己的支付 口令，例如"可W支付"后就可完成手机支付的全过程。
[0084] 图4是手机信用卡储蓄卡的"光"支付的示意图。
[00化]如图4所示：在结算步骤里；收银员将顾客所要购买的商品通过扫码机录入到收 银台里，收银台的屏幕上显示光学识别可能的3D网屏编码的电子图像。
[0086] 在手机支付认证步骤中，顾客使用手机信用卡或储蓄卡的照相机镜头对准收银台 的屏幕上的3D网屏编码图像进行识读，就可将商品结算信息接受到手机端，实现手机信用 卡储蓄卡的光支付的认证；
[0087] 在手机信用卡储蓄卡支付步骤里，顾客可W通过手机确认自己购买的商品之后， 通过手机选择信用卡或储蓄卡，如果持卡人只有一个信用卡或储蓄卡，可W跳过运一步骤。
[0088] 手机自动的把所持的信用卡或储蓄卡的卡号发往给P0S机，如果需要密码时，可 W通过手机的刷脸或声纹认证产生密码，P0S机接受到信用卡或储蓄卡的卡号就可完成手 机支付的全过程。运里，认证后手机通过蓝牙或者WiFi直接同收银台的P0S进行通信，将 手机信用卡或储蓄卡的卡号W及密码发到P0S机中，由P0S机收到信息后直接同银行进行 交易。还可W让手机直接同收银台通信，手机方把所支付的金额传送到收银台后，由手机直 接同银行进行交易。
[0089] 如果持卡人选择的是手机声纹支付的认证可W在自己的手机上报出自己的支付 口令，例如"可W支付"后就可完成手机支付的全过程。
[0090] 3D网屏编码图像是由P0S机的屏幕或手机平面显示的具有包括二维电子图像，带 有多值灰度值的Ξ维电子图像，W及带有闪烁的多值灰度值的Ξ维电子图像中的一种可显 示在屏幕上的电子图像。
[0091] 运里，手机屏幕显示的用3D网屏编码埋入的信息，是动态的，而且是3D的信息，因 此不会被不法者复制，同普通的二维码支付相比，具有极高的安全性。
[0092] 持卡人在进行3D网屏编码的手机"光"支付时，手机与收银台之间是通过光的介 质进行的，因为交互的信息不易被附近隐藏着的不法者接收，具有系统及其安全的特点。
[0093] 再有，持卡人使用3D网屏编码的手机"光"支付功能，可W感到操作简单，容易掌 握。
[0094] 由于3D网屏编码的手机"光"支付系统非常接近于手机二维码的支付系统，因此 对于目前使用二维条码进行手机支付的购物网站来说具有容易改造，不必添置很多的设 备，具有立杆见影的效果。
[0095] 识别3D网屏编码无需添置任何设备，对手机信用卡储蓄卡的支付系统的普及具 有得天独厚的优势。
[0096] 图5是手机储蓄卡的现金存入的示意图。
[0097] 用手机储蓄卡存现金时，有两种方式，一种通过手机的蓝牙或WiFi与ATM机通讯， 将手机储蓄卡号通知给ATM，再通过ATM键选择操作内容，就可实现手机存储卡的存现金的 交易。
[0098] 还有一种方式，在ATM上安装一个3D网屏编码识读器，手机选择现金交易功能后， 就可在手机的屏幕上显示一个3D网屏编码，将手机放在ATM的3D网屏编码识读器上就可 把手机储蓄卡的卡号传送给ATM进行现金的存入交易。
[0099] 在使用手机储蓄卡取现金时，首先进入手机储蓄卡的APP程序，参照上述手机支 付的流程，选择储蓄卡的种类，如果储蓄卡只有一个，该步骤跳过直接进入手机刷脸认证， 或声纹认证的步骤，通过脸部的局部特征与整体特征相融合的手机刷脸认证，或具有自适 应学习的声纹认证，认证成功后就可进入取现金的操作。运里，输入取现金额可W在ATM机 上进行，也可在手机端输入取现金额，通过手机与ATM的通信实现手机储蓄卡的取现交易。
[0100] 图6是概率尺度距离的自组织处理流程。 阳1〇1] 如图6所示：设给定的一个具有概率分布的数列gi，g2,…gi的集合为G e gf(f =1，2，…，1)，则基于概率尺度自组织算法由下边4个步骤构成。 阳102] 步骤1 :预处理步骤：mW作为初始化概率尺度，A W作为自组织的初始中屯、值，V作 为自组织的收敛值，MN作为自组织最大组织次数值，最初η = 0作为自组织的当前次数。 阳103] 关于Μ?作为初始化概率尺度和A W作为自组织的初始中屯、值的决定方法，无需 进行严密的设定。通过人工预测，对于最终的范围，至少有一部分数值是包含在初始化概率 尺度的范围内的。初始化概率尺度Μ W越大，计算的时间就越长，反之太小，有可能得不 到正确的结果。
[0104] 关于V作为收敛值的设定方法，收敛值V越大，就有可能得不到正确的结果。收敛 值越小，计算花费的时间越长。正确的设定方法是最终自组织的概率尺度的10%左右。 阳105] 关于最大自组织次数ΜΝ的设定方法，一般是5-10次就足够了。 阳106] 步骤2 :自组织步骤：进行η次自组织处理，把Α?作为自组织中屯、值，概率尺度 mW作为半径，W中屯、值aW为基准，计算半径W内的所有数值gf(f = 1，2,…，ζ)的平均 值 V(n")与分散值 S (η")，V(n")= A (η")，S(n")= Μ (η")，η = η+1。 阳1〇7]【公式2】
阳11U 步骤3 :自组织判别步骤。自组织处理达到最大次数（Ν > ΜΝ)或者自组织处理收 敛V)，如为YES，就不再进行下次的自组织处理，自组织结束跳转到步骤4。如 果是Ν0,就跳转到步骤2继续进行自组织处理。 阳11引步骤4 :自组织处理结束。
[0113] 概率尺度mW是一个具有多重属性的概率统计的参数。比方说正态分布，指数分 布，爱尔朗分布，韦伯分布，Ξ角分布，贝塔分布等等。例如概率尺度mW就可W作为正态分 布的分散值。
[0114] 本发明提出将人脸图像变换成手机支付的认证代码，是通过两种方法实现的，一 种是针对人脸的局部信息，生成各个特征值，再将各个特征值构成一个数值化的向量，在通 过隶属函数将各个数值化的向量构成特征向量，再由不同人脸的图像构成特征向量空间。
[0115] 针对人脸的局部信息，生成各个特征值的方法如下：
[0116] 本发明将脸部的位置信息作为特定持卡人的重要信息，因此针对脸部的位置信息 进行如下的定义。
[0117] 图7是脸部识别五官位置特征点的设定方法示意图。 阳11引如图7所示：由脸部的五官的位置可W构成24个W上的特征点化amlmarks)。例 如，左眼的左右眼角位置构成了 li与12两个特征点，右眼的左右眼角位置又构成了 13与14 两个特征点，左眼与左眼眉毛中屯、的垂直位置构成了 与le两个特征点，右眼与右眼眉毛 中屯、的垂直位置又构成了 1,与1 S两个特征点，鼻子两边构成了 1 e与1 1。两个特征点，鼻子 两边与两眼的连接线的垂直位置又构成了 111与1 12两个特征点，嘴的两边构成了 1 13与1 14 两个特征点，嘴的两边与鼻子的中间又构成了 与Iw两个特征点，左眼的左眼角与右眼的 右眼角位置构成了 与1 18两个特征点，左眼的左眼角与右眼的右眼角的连接线与脸的额 部的垂直又构成了 lie与12。两个特征点，嘴的两边的特征点连接线延长之后与脸的两侧相 交构成了 121与1 22两个特征点，嘴的两边的特征点连接线延长之后与脸的两侧相交所构成 的连线与脸额的垂直线又构成了 123与124两个特征点。
[0119] 运里，嘴的两边与鼻子的中间构成的lie特征点与鼻子两边与两眼的连接线的垂 直位置构成的111特征点是重合的，左眼的左眼角与右眼的右眼角位置构成了 1 17与1 18两个 特征点，是与ll与U两个特征点重合的，左眼的左眼角与右眼的右眼角与脸的额部构成的 1。与1 2。特征点与鼻子两边与两眼的连接线的垂直位置又构成的1 12特征点，W及与嘴的两 边的特征点连接线延长之后与脸的两侧相交所构成的连线W及脸额的垂直线构成的124特 征点是重合的，嘴的两边的特征点连接线延长之后与脸的两侧相交所构成的连线与脸额的 垂直线又构成的123特征点与嘴的两边与鼻子的中间又构成的1 U特征点重合。
[0120] 也就是说，li与1 17是一个左眼的左眼角位置，1 4与1 18是一个右眼的右眼角位置， ll2与1 ig是一个两眼的连接线的垂直位置，1 11与1 le是一个鼻子两边的中屯、位置，1 15与1 23 是嘴的两边的特征点的中屯、位置，12。与1 24是脸额的特征点的位置，因此实际可描述脸部五 官的特征点是18个。 阳121] 实际上，只要把li与1 2两个特征点，1 3与1 4两个特征点，1 e与1 8两个特征点，1 e 与！1厢个特征点，1。与1 Μ两个特征点，1 21与1 22两个特征点W及1 24特征点，总共13个 特征点抽出就可。
[0122] 可W把li与1 2两个特征点所连接的直线，1 3与1 4两个特征点所连接的直线，1 δ与 le两个特征点所连接的直线，1 7与1 8两个特征点所连接的直线，1 g与1 1。两个特征点所连接 的直线，与1。两个特征点所连接的直线，1。与1 Μ两个特征点所连接的直线，1 15与1 16 两个特征点所连接的直线，1?7与1 18两个特征点所连接的直线，1 ig与1 2。两个特征点所连接 的直线，121与1 22两个特征点所连接的直线，1 23与1 24两个特征点所连接的直线。本发明将 总共12条直线的长度作为描述脸部五官位置的特征信息，即把运12个描述脸部五官位置 的特征信息作为12个认证持卡人的特征向量的要素。
[0123] 作为利用人脸的局部信息生成特征值的方法，本发明还提出将脸部的五官尺寸信 息作为特定持卡人的重要信息，因此针对脸部的尺寸信息进行如下的定义。
[0124] 图8是脸部识别五官尺寸信息的特征值的定义方法示意图。 阳125] 图8(a)是人眼的尺寸示意图，人眼的大小是判别持卡人特征的重要信息，特别是 人眼眼球的大小是判别持卡人的重要特征。如图8(a)所示：(8-1)是人眼的眼球，一般为 深色，（8-2)人眼的眼底，一般为浅色。Vi是眼的宽度尺寸，V2是眼球的直径尺寸。本发明 除了上述所示的将眼的宽度尺寸Vi作为认证持卡人的特征向量的1个要素，同时还将眼球 的直径尺寸V2作为认证持卡人的特征向量的其中1个要素。
[0126]图8(b)是人嘴的尺寸示意图，人嘴的大小W及厚度是判别持卡人特征的重要信 息。如图8(b)所示：(8-3)是人的嘴唇，一般为红色。V4是嘴的宽度尺寸，V3是嘴的厚度尺 寸。本发明除了上述所示的将嘴的宽度尺寸V4,作为认证持卡人的特征向量的1个要素，同 时还将嘴的厚度尺寸V3作为认证持卡人的特征向量的另一个要素。
[0127] 本发明针对持卡人的脸部进行识别是依赖于手机拍照的持卡人的脸部图像为不 含亮度信息的彩色图像，在不损失脸部图像色彩信息的基础上实现的将脸部图像变换成可 W特定持卡人的代码。因为脸部图像的色彩信息是高效率的对脸部五官位置，五官尺寸信 息的抽出提供重要的特征。例如，眼球的颜色，在脸部上最深，眼底颜色在脸部上最浅，嘴唇 是红色的等。利用不含亮度信息的色彩信息可W很快而且很准确的将上述五官信息抽出， 同时由于没有受手机拍摄环境影响较大的亮度信息，因此识别结果对环境的影响要小。
[0128] 本发明针对持卡人脸部的识别还利用了脸部五官部位在某一颜色下像素灰度的 分布的密度进行五官部位的信息抽出。例如眼球在黑颜色下同其他五官比较其密度最大， 眼底在白颜色下同其他五官比较其密度最大。嘴在红颜色下同其他五官比较其密度最大。
[0129] 本发明利用上述人脸五官图像在某一颜色下，W及在某一灰度值下的像素分布 的密度规律，可W导入上述概率尺度自组织的算法，自动的将人脸五官位置信息抽出。因为 概率尺度自组织的计算结果，就是得到某一颜色，W及某一灰度值的像素分布的概率值最 大化的结果，也就是可W得到在某一颜色，W及在某一灰度值下的像素分布密度值最大化 的结果。 阳130] 例如针对人的眼特征值的识别，首先应从眼球开始比较方便，因为眼球的特点是 黑色像素的密度非常大，在眼球附近利用概率自组织的算法可W很方便的提取出人的眼的 位置信息W及尺寸信息。 阳131] 图9是通过人的眼位置与尺寸信息提取特征值的示意图。
[0132] 导入概率自组织的方法针对人的眼位置与尺寸特征的抽出，与上述图6所示的方 法略有不同，图9所示的概率自组织的方法是针对一维数据进行的，运里是针对二维空间 的眼球的分布中屯、W及尺寸计算出的。
[0133] 如图9(a)所示：作为二维空间数据的概率自组织的方法参照图2给出的算法，最 初应在眼球的附近给出最初的中屯、位置Α?= (X。，y。)，^及最初的概率尺度M?。在找到 眼球的位置的附近，最初的中屯、位置AW= (X。，y。)，^及最初的概率尺度mW的设定方法 是，眼球一定要被包括在WAW= (Xe，y。）为中屯、的半径的范围内，运里，不一定要完全 包括眼球的所有部分，即使有一部分被包括也可，因为概率自组织算法可W自动的将被包 括的范围，在多次的自组织的计算下自动的移动到密度最高的像素分布的地方。
[0134] 在运一步骤中，如上图6所示：同样还要设定自组织的收敛值V，自组织最大组织 次数值MN，自组织的当前次数h = 0。其方法可参照图2即可。
[013引如图9(b)所示：在下面的概率自组织的计算中，Α^= (xe，y。)^可参照公式4计 算出。 阳136]【公式4】 阳 137]
阳13引
阳139] 同样，概率尺度Μ^= S 可参照公式5计算出。 阳140]【公式5】
[0141]
阳142] 公式4与公式5只是给出了一个例子，可W参照运两个公式采用其他的类似公式 同样可W得到所需的结果，运里就不一一列举了。 阳1创进行h次自组织处理，把（X。，y。）W作为自组织中屯、值，概率尺度Μ W作为半径，计 算半径^内的所有眼部的像素 1^1，7,)(1 = 1，2，"，，4，^' = 1，2，"，，1)的灰度密度分散 值5<4"：)。S h二h+i。如图9(b)所示：概率尺度Μ^= S A叫勺半径值在收敛， 中屯、位置Α^= (X。，y。)^逐渐移到眼球的中屯、。
[0144] 经过η次的概率尺度自组织的计算，在9(c)的步骤中，中屯、位置Α^= (X。，y。)^ 在眼球的中屯、位置上停下，概率尺度的半径也停在眼球的周围，眼球的尺寸与位置被精 确的计算出。
[0145] 刷脸图像所具有的随机分布的五官位置信息，五官尺寸信息，五官形状信息，五官 颜色信息，五官频率信息等，经过类似上述的概率尺度自组织处理，就可得到在概率尺度距 离空间中的稳定的刷脸信息，运里就不一一列举了。 阳146] 图10是通过人脸的形状信息提取特征值的示意图。
[0147] 人脸的形状信息是区别不同人的重要特征，依附于拍摄环境的不同变化比较小， 而且在短时间内不会有很大的变化，也不受发型或化妆后的影响，因此是一个相对稳定的 ?目息。
[014引如图10所示：(a)表示脸型比较瘦的人脸的形状信息，化）表示脸型比较普通的人 脸的形状信息，（C)表示脸型比较胖的人脸的形状信息。每个人的脸型会有不同的差异，利 用运些差异信息可W作为区分不同人的特征值。
[0149] 运里，本发明再提出另一种人脸局部信息的抽取方法，设二维G油or小波（GWT)的 核函数为一个用高斯包络函数约束的平面波： 阳150]【公式6】
[0151]
阳1巧其中，
，kv= kmax/fv表示核函数的频率（尺度），從=M兀/8， 從6[0，;r)表示核函数的方向。通过设置不同的尺度和方向，可W得到一组G油or小波核函 数。对图像的特征提取是通过多个G油or小波核函数分别与图像进行卷积操作来完成的。
[0153] 为了更好地提取局部信息，将G油or特征按照空间位置进行分块，每一个块内的 特征被串接成一个特征向量。运样，对于一幅人脸图像，我们就可W得到多个特征向量，称 为局部G油or特征向量（LGFV)。
[0154] 上述图8到图10是抽取人脸的局部信息，所得到的结果是每一部位的特征值，将 各个部位的特征值构成一组可W反映人脸各个部位的特征的数值化向量，
[0155] 人脸的整体信息是指其特征向量的每一维都包含了人脸图像上所有部分（甚至 所有像素）的信息，因此反映的是人脸的整体属性。运里人脸的肤色信息就是一个具体的 特征值。 阳156] 局部特征的每一维都只对应人脸图像上的一个局部区域，因此侧重于提取人脸的 细节特征。本发明将人脸整体信息所得到的特征向量，与局部信息所构成的特征向量融为 一体，即可反映人脸的整体粗旷信息，由可反映人脸局部的细微信息。可W更加精确的得到 人脸的认证代码。 阳157] 图11是通过人脸的肤色信息提取特征值的示意图。
[0158] 人脸的肤色信息是快速的区分不同人的重要信息，如图11所示：（a)表示黄种人 的脸部，化）表示白种人的脸部，（C)表示黑人的脸部。将通过手机摄像机读取到的RGB颜 色的人脸图像，进行L油颜色空间的变换，把亮度信息L去掉，用a和b来表示人脸的图像， 用上述概率尺度自组织算法，分别计算颜色a和b的最大分布密度的灰度值，将运两个灰度 值作为人脸的肤色信息并通过隶属函数得到人脸肤色的特征值。 阳159] 图12是通过人脸频率空间的信息提取特征值的示意图。
[0160] 如图12所示：1201表示人脸的面部，1202为人脸额头的皱纹，1203为人脸眼部的 眼袋，1204为人嘴两边的法令纹。如图12的1202所示：当额头的皱纹非常密集时，可W通 过额头的局部区域的频率特性抽出皱纹的特征。 阳161] 如图12的1204所示：当皱纹比较清晰，可W通过对皱纹所在的区域的图像进行微 分计算，找出皱纹的边线，识别出皱纹的长度。针对皱纹图像的微分计算，也是属于针对皱 纹图像进行频率空间的计算。 阳162] 图13是把人脸的频率空间的信息作为人脸的整体信息的处理方法示意图。把人 脸的频率空间的信息作为人脸的整体信息，它反映人脸的粗糖程度，例如皱纹的多少，脸部 的瘤痕等等，为使识别结果不会因为脸部的细微部位在图像读取时产生的白噪声，而影响 识别的稳定性，运里只取脸部图像所进行的快速傅立叶变换结果的低频部分的系数，作为 人脸的频率空间的数值化向量。
[0163] 如图13所示，把人脸的频率空间的信息作为人脸的整体信息的处理分Ξ个步骤 进行的：
[0164] 第一步骤是读取人脸图像步骤，在运里将人脸的整体图像进行读取，作为人脸的 频率空间的信息的处理的对象。
[01化]第二步骤是快速傅立叶变换步骤，将上述读取到的人脸图像进行快速的傅立叶变 换。
[0166] 第Ξ步骤是数值化向量的构成步骤，将上述快速傅立叶变换结果的低频端的实数 系数与虚数系数构成人脸的频率空间的数值化向量。 阳167] 本发明利用人脸的五官位置信息，人脸五官的尺寸信息，人脸的频率空间的信息， 人脸的形状信息W及人脸的肤色信息，实现对持卡人的认证。但是，在不同的手机拍摄环境 下，上述信息在一定范围内会出现随机分布的问题，通过上述的概率尺度自组织算法，可W 得到最为接近概率分布母体的期望值与分散值。
[0168] 为能更加准确的将持卡人的脸部变换成比较稳定的代码，本发明在考虑人脸信息 的随机性，并采取最为有效的方法计算出最为接近母体的特征值，同时又导入模糊数学的 理论，针对上述求出的人脸的数值化信息通过人为介入的方式，使用基于人为经验所定义 的复数个隶属函数（Membership化nction)，在0到η数值之间进行数值化，并直接生成具 有图像代码性质的特征向量。
[0169] 图14是对声纹信息进行数值化的处理方法示意图。
[0170] 一维声纹信息同样可W通过傅立叶变换生成数值化信息。 阳171] 如图14所示，对声纹信息进行数值化的处理分Ξ个步骤进行的：
[0172] 第一步骤是读取声纹信号步骤，在运里将声纹信号进行读取，作为声纹认证信息 的处理的对象。
[0173] 第二步骤是快速傅立叶变换步骤，将上述读取到的声纹信号进行快速的傅立叶变 换。
[0174] 第Ξ步骤是数值化向量的构成步骤，将上述快速傅立叶变换结果的低频端的实数 系数与虚数系数构成声纹信息的数值化向量。 阳1巧]图15是将人脸的形状信息定义成隶属函数的例子。 阳176] 如图15 (a)所不：由曰1与a速接成的直线，由a 2与a速接成的直线，W及由曰3与 曰1连接成的直线构成的Ξ角形，a'为该Ξ角形除了脸型所占用的区域W外的面积，一般来 说当人脸的脸型越瘦，a'的面积就越接近与Ξ角形的面积，当人脸的脸型越胖，a'所剩下的 面积就越小。利用运一人为主观的经验，可W构造出如下的隶属函数。设由曰1与曰3连接成 的直线为Li，由曰2与a 3连接成的直线为L 2,则将人脸的形状信息定义成的隶属函数MBi可 由公式7做成： 阳177]【公式7】 阳17引
[0179] 当人脸非常胖时，其面积a'接近于"0"，MBi接近于100,当人脸非常瘦时，其面积 2曰'接近于L 2"，MB准近于"0"，因此隶属函数MB 1是描述人脸胖瘦的特征函数。
[0180] 再举一个计算人嘴的宽度的隶属函数的例子，设人嘴通过统计求出的最大宽度为 Vm。、，最小宽度为Vmm，如图8化）所示再设嘴的宽度为V4,则人嘴的宽度的隶属函数MBs可由 公式8做成： 阳1引]【公式8】 阳 182]
阳18引运里设Vmax声Vmin，公式8给出了当人嘴接近最小宽度时，V产V 人嘴的宽度 的隶属函数MBs接近于100,当人嘴接近最大宽度时，V4>Vm。,人嘴的宽度的隶属函数MBs接 近于0。因此隶属函数MBs是描述人嘴宽度的特征函数。
[0184] 其他人脸的眼角宽度，眼球大小，眼角距离，眼球距离，鼻子大小，鼻子与眼的距 离，嘴的宽度，嘴的厚度，嘴与鼻子的距离，脸颊的宽度，嘴与额头的距离等等反映五官的位 置与大小的信息，W及脸的皱纹，脸的肤色，脸的形状等等信息都可参照上述隶属函数的定 义方法，将人脸信息变换成0到η的标准数值的特征向量，无论采用什么形式的隶属函数， 都将是属于本发明的范围之内。 阳化5] 在运里定义特征向量空间，设将q个不同人的人脸图像按照上述方法，求出q个特 征向量，每个特征向量具有P个特征要素的人脸图像特征向量构成公式1的特征向量空间。 阳186] 设有q个由P个元素组成的向量，可用公式1所示的行列式来表达。 阳187]【公式9】
阳188] 在计算两个概率分布的向量…，Wip与向量Vii，v。，…，乂;。，所对应的各个 要素的概率分布的概率尺度的距离时，设向量Vil，Vi2,…，Vi，，…，Vip中第j个要素 V 1,的 概率分布的数列为g,i，g,2,…gw，通过公式4算出的最终的中屯、值Ai,，W及概率尺度Mi,， 则
[0189]【公式10】 阳 190]
阳191] 将公式10的结果带入公式11就可得到概率尺度的距离Pi。 阳192]【公式11】 阳 193]
[0194] 再设持卡人刷脸图像或声纹信号的特征向量Wti，Wt2,…，Wtp与第i个人脸图像 的特征向量Vil，Vi2,…，Vip，对应Ψ个经过若干次识别被登录的学习数据，构成学习数据的 矩阵L。 阳1巧]【公式12】 阳 196]
[0197] 按照上述公式1，4 W及12,进行概率尺度的自组织计算，可分别得到如下的学习 数据矩阵的中屯、值W及分散值Lam: 阳19引【公式13】 阳 199] Lab= [(A 1，Ml)，（A2, M2)，…，（Ap，Mp)] 阳200] 运里设第Τ次进行手机支付时，持卡人刷脸图像或声纹信号的特征向量Wti， Wt2,…，Wtp与特征向量空间V。中的各个特征向量之间的概率尺度的距离按照公式5,6可 得： 阳201]【公式14】 阳202]
阳2〇引其中最小值Pmm所对应的特征向量值V …，乂了。为第T个人的刷脸图像或 声纹信号的代码值。 阳204] 图16是刷脸或声纹代码自适应学习处理方法的流程图。 阳205] 持卡人刷脸或声纹认证时所拍摄的人脸图像或声纹信号通过特征信息抽出，隶属 函数的计算等得到的持卡人刷脸图像或声纹信号的特征向量，与特征向量空间的各个特征 向量进行概率尺度的距离的计算，求出公式14的概率尺度距离的最小值所对应的特征向 量作为持卡人的刷脸或声纹代码。为提高刷脸或声纹支付代码的精度与稳定性，本发明提 出一个自适应的刷脸或声纹代码生成方法。 阳206] 如图16所示，刷脸或声纹代码自适应学习处理方法分3个步骤进行的。 阳207] 步骤1 :自适应的特征向量空间的构成步骤；为了把每次的刷脸或声纹数据作为 一次学习的数据，通过大量的统计，保证不断的将最接近概率分布母体的真实的学习数据 保留，而把超出偏差的不真实的数据剔除，在真实的特征向量的要素的各个学习数据中进 行概率尺度距离的计算，才能保证通过自适应学习，使刷脸或声纹代码越来越趋于稳定，使 代码生成更加准确，运是自适应学习的主要目的。 阳20引为了更加精确的计算持卡人的刷脸或声纹代码，首先将公式1的刷脸图像或声纹 信号的特征向量空间中的Vi，，通过学习数据矩阵公式12, W及针对学习数据矩阵的概率尺 度空间的距离计算得到公式13,置换成概率尺度距离空间的中屯、值的矩阵Aw可将该矩阵 作为自适应的特征向量空间， 悦例【公式！5】 阳 210]
悦11] 同样通过公式12,13可W得到特征向量空间Vi冲的概率尺度距离空间的分散矩 阵，即 阳212]【公式16】 阳21引
[0214] W及刷脸或声纹支付代码的矩阵Di,，即
[02151 【/A井 17】
[02
[0217] 公式15与16所得到的概率尺度距离空间的中屯、值，与概率尺度距离空间的分散 值是同W下所述的随着学习数据的变化而变化的，因此可W具有自适应的特性，是不断的 趋于概率分布的母体的数据。运样处理可W保证持卡人的刷脸图像或声纹信号代码的特 征向量空间的检索处于最佳的状态，可W提高刷脸或声纹支付的代码处于最佳值的计算结 果D
[0218] 这里，如公式17所示：由于概率尺度距离空间的中屯、值是随着学习数据的变化而 变化，因此需要引进一个与概率尺度距离空间的中屯、值矩阵的各个要素所对应的，但是其 数值是不变的刷脸或声纹支付代码的矩阵Di，。
[0219] 设第T次刷脸支付时，所得到的特征向量Wti，Wt2,…，Wtp，如公式15所示，持卡 人刷脸图像或声纹信号的特征向量与自适应特征向量空间Ai，的概率尺度的距离P 1如下： 阳220]【公式18】 阳 221]
阳222]【公式19】 阳223]
阳224]当检索第T次进行刷脸支付时，持卡人刷脸图像或声纹信号的特征向量WT1， WT2,…，Wtp与概率尺度距离空间的中屯、值A。中的各个自适应特征向量之间的概率尺度的 距离最小的自适应特征向量，所对应的刷脸或声纹支付代码的矩阵D。的代码值，就可作为 第T次刷脸或声纹支付的代码。 阳225] 步骤2 :自适应学习刷脸或声纹支付代码取得步骤；经过上述步骤的处理，将持卡 人第T次进行刷脸或声纹支付的刷脸图像或声纹信号的特征向量WT1，WT2，…，Wtp经过 概率尺度的距离计算，检索出最小概率尺度的距离所对应的自适应特征向量空间中的一个 自适应学习特征向量，再找到与该自适应学习特征向量所对应的刷脸或声纹支付代码的矩 阵中的一个代码，将运个代码作为自适应学习的刷脸或声纹支付代码。 阳226] 按照本发明的思路可W有各种方法实现自适应学习数据矩阵的构成，现仅举一例 进行说明，参照公式14,设持卡人第T次进行刷脸或声纹支付的刷脸图像或声纹信号的特 征向量W。，WT2，…，Wtp与概率尺度距离空间的中屯、值的矩阵A。所构成的自适应特征向 量空间中的某一个特征向量存在着的最小距离为另一个特征向量存在着比 稍微大的概率尺度最小距离为9了1_">1。2。
[0227] 又可设持卡人刷脸图像或声纹信号的特征向量WT1，WT2,…，Wtp与Ψ个经过若 干次识别被登录的学习数据构成的公式12的学习数据的矩阵Li,中的各个特征向量之间的 概率尺度的距离按照公式5,6可得： 阳22引【公式20】 阳229]
阳23〇] 将公式20的P'=如'，化'，…，pw' }概率尺度的距离，再通过公式5,6进行概 率尺度的自组织计算，即可得到针对持卡人刷脸图像或声纹信号的特征向量WT1，WT2,…， Wtp与学习数据的矩阵L 1,的中屯、值A'，W及分散M'。 阳 231]如果满足 1/化 Ti_mm2且 ε > 1/化 Ti_min2;或（P M')贝1J，刷脸图 像或声纹信号的特征向量WT1，WT2,…，Wtp可作为学习数据的矩阵L 1,的新的学习向量。 [0232] 运里，作为加入学习数据的条件之一是1/化了1_。1。2,其物理意义是：限定 第T次进行刷脸或声纹支付的刷脸图像或声纹信号的特征向量进入学习数据的条件是尽 量与其他特征向量保持一定的概率尺度的距离，W防止误识读的现象出现。
[023引范围条件ε > 的物理意义是，当与该模式的概率尺度的距离相差比较 大时，不会因为刷脸图像的特征向量WT1，WT2,…，Wtp并不适合进入学习数据而错误的进 入了学习数据中。
[0234] 关于如何剔除不适应作为学习数据的学习向量的方法，首先将公式20中的概率 尺度的距离的各个要素进行（ω = Pi-A' ；i = 1，2,…，Ψ}偏差计算，将最大偏差值ω。。、 所对应的学习数据剔除就可。
[0235] 运里，只是提供了一个特征向量数据如何自适应的进入学习数据，W及如何剔除 一个不适于作为学习数据的方法，但是实际在系统构成时往往是针对若干个数据同时，或 逐步地进入学习数据中，W及实际在系统构成时往往是针对若干个数据同时，或逐步地从 学习数据中剔除。只要参照上述方法就可预测到相关的处理方法。
[0236] 在刷脸支付中，持卡人往往由于改变发型，或进行不同的化妆等，往往会出现刷脸 图像的特征向量发生较大的变化，为解决运些问题，本发明还提出在设立学习数据的矩阵 的同时，将当前最近得到的α次的特征向量记录下，成为辅助学习数据的矩阵： 阳237]【公式21】 阳23引
阳239] 如果计算辅助学习数据的矩阵的概率尺度距离空间中的中屯、值A"，W及分散值 M"处于稳定的且收敛的状态，另外，A"与M"与学习数据的矩阵的中屯、值A' W及分散值r， 在概率尺度距离空间中具有较远的距离时，可W把辅助学习数据的矩阵L'与学习数据的矩 阵L合并再生成新的学习数据的矩阵，或进行辅助学习数据的矩阵与学习数据矩阵的置换 等等。具体方法可w参照本发明提出的上述例子与思维方式，举一反Ξ可w得到各种各样 的处理手段。
[0240] 步骤3 :自适应学习刷脸或声纹支付代码取得步骤：经过上述步骤的处理，将持卡 人第T次进行刷脸或声纹支付的刷脸图像或声纹信号的特征向量WT1，WT2,…，Wtp经过 概率尺度的距离计算，检索出最小概率尺度的距离所对应的自适应特征向量空间中的一个 自适应学习特征向量，再找到与该自适应学习特征向量所对应的刷脸或声纹支付代码的矩 阵中的一个代码，将运个代码作为自适应学习的刷脸或声纹支付代码。 阳241] 本发明提出的刷脸或声纹支付不仅用于商品支付，还可W作为普通信用卡在支付 时，进行本人认证的一种方式，可解决由于信用卡被盗而产生的非法支付的问题的产生。 阳242] 另外，本发明提出的刷脸或声纹支付方法还可W作为普通银行现金卡的现金提取 时，可增加一个刷脸认证或声纹认证的步骤，可W提高银行现金卡的安全。 阳243] 为了制止不法者利用持卡人的照片进行刷脸支付的犯罪行为，需要对刷脸图像进 行是否为生命体图像的识别，本发明提出如下针对刷脸图像进行生命体图像识别的方法。 阳244] 图17是生命体图像识别的例子之一的示意图。
[0245] 如图17(a)所示：上述图8给出了用概率尺度自组织算法识别眼球大小的方法， 为了识别是否为生命体，根据人脸的眼球在具有生命的刷脸图像的特点是眼球可W巧动， 因此，如图17(b)所示：使用识别眼球大小的概率尺度自组织算法，在刷脸图像巧眼时，图 17(a)的mW远远大于图17(b)的Μ W'，即Μ W' < Μ W的状态瞬时具备。 阳246] 刷脸图像为生命体的图像的识别不仅是上述的眼球巧眼的识别，还可W按照上述 概率尺度自组织算法方法识别张嘴闭嘴的动作，脸部微笑时的肌肉微小变化，瞳孔的变化， 识别脸部微小晃动的加速度，识别脸部的颜色头部的晃动等等的方法。
[0247] 图18是光学识别可能的3D网屏编码的电子图像的示意图。
[0248] 如图18所示：（1800)是屏幕显示器的屏幕，也可是手机的显示屏。所谓的屏幕上 显示的光学识别可能的3D网屏编码的电子图像的定义，如图18的1801所示：首先为能成 为光学可识读的代码，其代码的符号首先应该是在电子屏幕上的每一个二维的划分，即在 屏幕上至少被分割成若干个大于光学可识读的尺寸的小区域作为代码的符号，每一个符号 在记录信息上，是通过包括符号的不同的颜色，不同位置，不同大小，不同方向，集中与分散 在内的几何学的分布，或通过不同的调制方式，不同的相位差，不同的传播方向，不同的灰 度分布在内的物理学的分布。
[0249] 上述光学识别可能的3D网屏编码的每一符号是通过二维，Ξ维或四维空间的分 布记录信息的。同时如图18的1802所示：光学识别可能的3D网屏编码的每一符号还同时 通过时间的分布记录信息的。即针对每一个符号还会W红，绿，蓝，白，黑W及由此组合的各 种可能的颜色，还可按调幅1804或调频1803的方式，在每一瞬间进行变化，例如按该颜色 闪烁的不同速度记录信息（可称为调频信息），按黑或白闪烁的强度（可称为调幅信息）记 录?目息。 阳巧0] 各种可在手机屏幕上显示的信息，如：二维条码1805、QR码、汉信码、商品的标识 商标等也可W按照调幅1807与调频1806的方式在每一瞬间的变化来记录信息的。 阳巧U 所述的3D网屏编码是指包括所有可在屏幕上发射信息的QR二维码，DM二维码， PDF417二维码，汉信码，网屏编码，任意屏幕显示的图像。 阳巧2] 为不影响屏幕显示的内容，W及尽可能的利用屏幕的显示空间，从空间领域上，可 W采取例如不同位置记录信息，运样符号仅使用2% W下的空间，而把98% W上的空间用 于屏幕图像的显示。 阳253] 还可W将符号隐藏在屏幕显示图像的某一阶灰度上，例如把符号信息放在位图的 最低若干位上。 阳254] 从时间领域上，利用人眼的运动知觉的视觉特性，可W设置符号的闪烁在图像显 示时间的0. 3秒W下，屏幕显示图像占据主要的显示时间，被人眼记忆下，就不容易发现符 号在时间领域中记录信息的状态，可W起到信息隐藏的效果。 阳巧日]总之光学识别可能的3D网屏编码是利用了时域与空域的统合视觉特性，使屏幕 即可已正常显示屏幕图像，又可W让每一符号在时域与空域中埋入信息，又可做到对显示 图像的影响最小。
【主权项】
1. 一种大型商品网络购物手机支付系统的构成方法，是由选择要购买的商品步骤，在 手机上选择信用卡步骤，在自动进入刷脸认证的步骤，手机支付步骤组成的，其特征在于： 在选择要购买的商品步骤里，可以直接上网，在购物网站上利用这些网站的现有系统， 选择所需物品，按照所使用的网站的要求进行操作； 在手机上选择信用卡步骤里，直接在手机端进行使用哪个信用卡，或银行卡的选择；如 果所持的信用卡只有一个时这个画面可以默认不必弹出直接进入刷脸认证的画面； 在自动进入刷脸认证的步骤后，手机屏幕弹出一个识别窗，只要将持卡人的脸部对准 识别窗，就可进行快速的具有人脸的局部特征与全局特征相融合的手机刷脸认证；为防止 不法者通过照片骗取认证，本发明提出采用生命体识别的方法进行刷脸认证；手机刷脸支 付的学习数据是放在自己的手机里的，不用放到服务器上，从手机端只要发出一个代码就 可； 手机支付步骤，通过微信或支付宝给出SDK的插件进行对接或者提供一个标准的对接 SDK插件，各个网站安装这个插件后就可同所有的网站进行对接的方法，将刷脸认证后的密 码以及信用卡的号码发送给网站进行手机支付。2. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征 在于：所述的概率尺度距离空间的人脸特征信息，是指将人脸随机分布的特征信息，通过包 括正态分布（Normal distribution)，指数分布（Exponential distribution)，爱尔朗分 布（Erlang Distribution)，韦伯分布（Weibull distribution)，三角分布（triangular distribution)，贝塔分布（Beta Distribution)中至少一种具有概率分布的概率属性的参 数作为自组织概率尺度最终通过概率尺度的自组织的算法获得的具有相对确定性的特征 信息。3. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征在 于：所述的对持卡人的脸部识别是依赖于手机拍照的持卡人的脸部图像为不含亮度信息的 彩色图像，在不损失脸部图像色彩信息的基础上实现将脸部图像变换成可以特定持卡人的 代码。4. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征在 于：所述的持卡人脸五官图像在某一颜色下，以及在某一灰度值下的像素分布的密度规律， 导入概率尺度自组织算法，自动的将人脸五官位置信息抽出。5. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征在 于：将上述人脸特征信息通过概率自组织算法得到最为接近母体的特征值，同时又导入模 糊数学的理论，针对上述求出的人脸的信息通过人为介入的方式，使用基于人为经验所定 义的复数个隶属函数（Membership Function)，在0到η数值之间进行数值化直接生成具有 图像代码性质的特征向量。6. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征在 于：所述的刷脸或声纹支付代码的生成是通过包括眼球的眨眼的动作，张嘴闭嘴的动作，脸 部微笑时的肌肉微小变化，瞳孔的变化，脸部微小晃动的加速度，脸部的颜色在内至少一种 反映生命体图像特征的刷脸图像的生命体图像的识别。7. 根据权利要求1所述的一种大型商品网络购物手机支付系统的构成方法，其特征在 于：所述的人脸特征信息是通过刷脸图像的局部特征信息，与整体特征信息共同构成的。
【文档编号】G06K9/62GK105989346SQ201510090743
【公开日】2016年10月5日
【申请日】2015年2月17日
【发明人】顾泽苍
【申请人】天津市阿波罗信息技术有限公司