一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成的制作方法
【專利摘要】本發(fā)明屬于圖像處理領(lǐng)域中的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，其特點(diǎn)是在支付與被支付信息的交互步驟中，手機(jī)通過無線WiFi或者網(wǎng)絡(luò)接收到來自POS機(jī)或網(wǎng)絡(luò)的支付信息，手機(jī)自動的發(fā)送被支付信息。在拍照持卡人臉部步驟中，手機(jī)或POS機(jī)的攝像機(jī)將持卡人的臉部圖像取出。在刷臉支付代碼生成步驟中，將刷臉圖像的具有隨機(jī)分布的五官位置信息，變換成概率尺度距離空間的自適應(yīng)特征向量，按照人為介入的方法通過隸屬函數(shù)進(jìn)行數(shù)值化處理，再通過自適應(yīng)的特征向量學(xué)習(xí)方法，得到刷臉支付代碼。在代碼認(rèn)證與支付操作步驟中，將刷臉支付代碼送到銀行的網(wǎng)絡(luò)服務(wù)器中，進(jìn)行刷臉支付代碼的認(rèn)證以及支付操作。該系統(tǒng)可在復(fù)雜的手機(jī)拍攝環(huán)境下得到非常穩(wěn)定的刷臉支付代碼。
【專利說明】一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域中的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成。 【【背景技術(shù)】】
[0002] 近些年來，手機(jī)移動支付成為人們特別關(guān)注的話題，中國各大銀行紛紛投入手機(jī) 支付系統(tǒng)的開發(fā)，各大網(wǎng)站也將手機(jī)支付作為贏得對手的武器，一種用二維碼支付的解決 方案已經(jīng)在某些社交網(wǎng)站上應(yīng)用。（非專利文獻(xiàn)1)
[0003] 作為手機(jī)支付早在若干年前日本已經(jīng)開始推出RFID技術(shù)的手機(jī)電子支付系統(tǒng)。 在一些例如購買車票，雜志或零食的方便店里廣為應(yīng)用。在此期間也有大量的專利文獻(xiàn)的 發(fā)表。代表性的專利申請有日本電裝公司申請的"支付系統(tǒng)及支付終端"專利（專利文獻(xiàn) 1)〇
[0004] 同時，為了能夠?qū)⑷四樧R別結(jié)果進(jìn)行網(wǎng)絡(luò)認(rèn)證，將人臉圖像代碼化的提案很早之 前就被日本東芝公司發(fā)表了"人物識別裝置，人物識別方法以及通行控制裝置"的專利（專 利文獻(xiàn)2)。
[0005] 特別是通過手機(jī)識別人臉進(jìn)行網(wǎng)絡(luò)認(rèn)證更是被國際關(guān)注的技術(shù)，美國蘋果公司最 近也申請了有關(guān)"人臉特征向量化的構(gòu)筑"的專利（專利文獻(xiàn)3)。
[0006] 【專利文獻(xiàn)】
[0007]【專利文獻(xiàn)1】（特開2014-78074號公告）
[0008]【專利文獻(xiàn)2】（特開2006-178651號公告）
[0009]【專利文獻(xiàn)3】（特開2013-131209號公告）
[0010]【非專利文獻(xiàn)1】（微信二維碼支付功能使用方法）
[0011] (http ：//www. smzy. com/smzy/techl7871. html)
[0012] 訪問時間：2014年10月5日
[0013] 上述的非專利文獻(xiàn)1中記述的方法，曾被國家權(quán)威金融機(jī)關(guān)以二維碼不安全而叫 停，用二維碼進(jìn)行手機(jī)支付的解決方案被封殺。
[0014] 上述專利文獻(xiàn)1中記載的手機(jī)支付系統(tǒng)是通過無線通訊進(jìn)行代碼交換的，由于安 全問題還沒有完全解決，特別是在手機(jī)丟失等情況下會使手機(jī)合法持有者出現(xiàn)較大的損 失，因此這種手機(jī)支付方法只適合小額支付。
[0015] 同時，專利文獻(xiàn)2中提到的將人臉圖像進(jìn)行代碼化的方法，是采用普通的識別兩 個圖像是否同一圖像的"正規(guī)化相關(guān)函數(shù)"的算法。運(yùn)用這種經(jīng)典的算法得到的人臉代碼 的范圍極小，精度較低以及代碼穩(wěn)定性很差不適合于人臉網(wǎng)絡(luò)認(rèn)證。
[0016] 上述的專利文獻(xiàn)3中提到的人臉特征向量化的算法，是利用馬哈那羅比距離測度 (Mahalanobis Distance)的最佳算法將人臉圖像進(jìn)行向量化，可以獲得比專利文獻(xiàn)2的精 度要高的結(jié)果，但是這種算法針對手機(jī)拍照人臉時的環(huán)境的影響，在計算特征向量值的平 均，共分散上受傳統(tǒng)的算法的局限，在計算人臉特征向量值時仍然受到歐幾里德距離的影 響。另外，該方法還存在由于馬哈那羅比距離測度的算法最終所使用的統(tǒng)計學(xué)上的分散值 并不是最為接近概率分布母體的數(shù)值。而且，馬哈那羅比距離測度并不符合概率尺度距離 空間的結(jié)果的問題。特別是該方法沒有考慮人臉各器官的位置的模糊信息，以及人為介入 對人臉各器官的位置的模糊信息通過隸屬函數(shù)（Membership Function)進(jìn)行定式，并參與 人臉特征向量化的計算。 【
【發(fā)明內(nèi)容】
】
[0017] 本發(fā)明的第一個目的是：克服傳統(tǒng)技術(shù)的不足，提供一個將隨機(jī)分布的人臉的各 個器官的位置以及尺寸在概率尺度下進(jìn)行位置參數(shù)的特定，并通過人為介入將器官所在位 置以及尺寸的模糊信息進(jìn)行定式，提出一個既考慮人臉各器官的位置以及尺寸分布的概率 信息，同時又考慮模糊信息的更加穩(wěn)定的刷臉支付代碼的生成算法。
[0018] 本發(fā)明的第二個目的是：為了進(jìn)一步減少由于手機(jī)拍照人臉時的環(huán)境的影響，造 成人臉圖像的特征向量的不穩(wěn)定性，提供一個通過概率尺度的自組織的算法，以及特征向 量自適應(yīng)學(xué)習(xí)的算法，從而得到穩(wěn)定的持卡人刷臉支付代碼。
[0019] 本發(fā)明的第三個目的是：提供一個用刷臉進(jìn)行手機(jī)支付的系統(tǒng)構(gòu)成方法。
[0020] 為了解決上述課題，提出如下技術(shù)方案：
[0021] 1. -種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，是由支付與被支付信息的交互步驟，拍照持卡 人臉部步驟，刷臉支付代碼生成步驟，代碼認(rèn)證與支付操作步驟組成，其特點(diǎn)如下：
[0022] (1)支付與被支付信息的交互步驟；手機(jī)或計算機(jī)可通過無線WiFi，或者通過藍(lán) 牙，或者通過超聲波的聲音信號，或者通過二維碼，或者通過直接的網(wǎng)絡(luò)信息在內(nèi)的至少一 種通訊形式，接收到來自POS機(jī)，或通過網(wǎng)絡(luò)接收來自網(wǎng)絡(luò)銷售的支付金額，支付回數(shù)在內(nèi) 的至少一個支付信息；手機(jī)自動或手動的選擇所持銀行信用卡名稱，或網(wǎng)絡(luò)上的支付寶名 稱，手機(jī)自動的發(fā)送信用卡的卡號，存款銀行名稱與帳號，信用卡有效時間，安全認(rèn)證碼，或 支付寶的帳號在內(nèi)的至少一個被支付信息；
[0023] (2)拍照持卡人臉部步驟；手機(jī)，計算機(jī)或POS機(jī)的攝像機(jī)自動進(jìn)入拍照人臉的狀 態(tài)，將持卡人的臉部圖像取出；
[0024] (3)刷臉支付代碼生成步驟；持卡人的臉部圖像的具有隨機(jī)分布的五官位置信 息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息，或可以 特定持卡人的其他信息，通過概率尺度距離空間的自組織處理，變換成概率尺度距離空間 的自適應(yīng)特征向量，按照人為介入的方法通過隸屬函數(shù)，構(gòu)成含有人臉圖像的模糊信息的 數(shù)值化數(shù)據(jù)，再通過自適應(yīng)的特征向量學(xué)習(xí)方法，得到刷臉支付代碼；
[0025] (4)代碼認(rèn)證與支付操作步驟；將刷臉支付代碼送到銀行的網(wǎng)絡(luò)服務(wù)器中，經(jīng)過 認(rèn)證成功后進(jìn)行支付操作，認(rèn)證失敗將返回拍照持卡人臉部步驟，重新進(jìn)行刷臉認(rèn)證，或拒 絕支付。
[0026] 而且，概率尺度距離空間的人臉特征信息，是指將人臉隨機(jī)分布的特征信息，通過 包括正態(tài)分布，指數(shù)分布，愛爾朗分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率 分布的概率屬性的參數(shù)作為自組織概率尺度，最終通過概率尺度的自組織的算法獲得的具 有相對確定性的特征信息。
[0027] 而且，針對持卡人的臉部進(jìn)行識別是依賴于手機(jī)拍照的持卡人的臉部圖像為不含 亮度信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實現(xiàn)將臉部圖像變換成可以特 定持卡人的代碼。
[0028] 而且，本發(fā)明利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素 分布的密度規(guī)律，導(dǎo)入概率尺度自組織的算法，自動的將人臉五官位置信息抽出。
[0029] 而且，將上述人臉特征信息通過概率自組織算法得到最為接近母體的特征值，同 時又導(dǎo)入模糊數(shù)學(xué)的理論，針對上述求出的人臉的信息通過人為介入的方式，使用基于人 為經(jīng)驗所定義的復(fù)數(shù)個隸屬函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化直 接生成具有圖像代碼性質(zhì)的特征向量。
[0030] 而且，刷臉支付代碼的生成是考慮了包括眼球的眨眼的動作，張嘴閉嘴的動作，臉 部微笑時的肌肉微小變化，瞳孔的變化，臉部微小晃動的加速度，臉部的顏色在內(nèi)至少一種 反映生命體圖像特征的刷臉圖像的生命體圖像的識別。
[0031] 【名詞解釋】
[0032] 【歐幾里德距離（Euclidean Distance)】
[0033] 設(shè)有q個由p個元素組成的向量，可用公式1所示的行列式來表達(dá)。
[0034]
[0035] 向量W11,W12，…，Wip，與公式1中的第i個向量的歐幾里德距離，可由公式2得出。
[0036] 【公式2】
[0037]
[0038] 歐幾里德距離用于針對一個特征向量Wil, Wi2，…，Wip，計算這個特征向量與特征向 量空間Vlj的各個特征向量之間的距離，沒有考慮特征向量W 11, W12，…，Wlp的各個要素的概 率分布，視各個要素的概率分布為相同的。實際上在圖像識別中，特征向量W 11, W12，…，Wlp 的各個要素的概率分布因各個模式的價值不同，呈現(xiàn)的概率分布也是不同的。因此，要引進(jìn) 新的距離的概念。
[0039] 【馬哈拉若比斯距離（Mahalanobis Distance)】
[0040] 針對公式1所示的q個由p個元素組成的向量，所構(gòu)成的行列式，現(xiàn)給定一個向量 Wil, wi2，…，Wip，與公式1中的第i個向量的馬哈拉若比斯距離，可由公式3得出。
[0041] 【公式3】
[0042]
[0043] 這里，σ ^是第i個向量v ^的各個要素v u，Vi2，…，νιρ，在多次學(xué)習(xí)后所得到的 數(shù)據(jù)所對應(yīng)的概率分布的分散。
[0044] 從公式3可以看出，在Vlj的各個要素V u，V12，…，Vip所對應(yīng)的概率分布的分散較 大時，歐幾里的距離相關(guān)的（ Wl]-Vl])2的值即使較大，所形成的馬哈拉若比斯的距離M1的計 算結(jié)果會偏小。反之的各個要素 Vll，V12，…，Vip所對應(yīng)的概率分布的分散較小時，歐 幾里的距離相關(guān)的（ Wl]-Vl])2的值即使較小，所形成的馬哈拉若比斯的距離M1的計算結(jié)果 會偏大，這就是說M 1的計算結(jié)果與V ^的各個要素V u，V12，…，Vlp所對應(yīng)的概率分布的分 散有關(guān)。
[0045] 但是，公式3所給出的馬哈拉若比斯的距離，針對Wl]的各個要素Wll，W 12，…，Wip 所對應(yīng)的概率分布，只是一個能夠考慮Wlj的各個要素w u，wl2，…，Wlp所對應(yīng)的概率分布的 分散值，這個分散值能夠影響馬哈拉若比斯的距離M 1的計算結(jié)果，并沒有給出一個更加嚴(yán) 格的可以更加準(zhǔn)確的計算出，在特征向量Wll，W 12，…，Wlp的各個要素有著不同的概率散值 時，可以計算出一個特征向量Wil, Wi2，…，Wip，與特征向量空間Vg的各個特征向量之間的 真實的距離。
[0046] 特別是，馬哈拉若比斯的距離所使用的表示特征向量Wll，W12，…，W ip的各個要素 的分散值σ /也會受到不同數(shù)據(jù)采樣下的白噪聲的干擾，并不是一個最接近概率分布的母 體的分散值。本發(fā)明提出全新的概率尺度的距離的算法。
[0047] 【概率尺度的距離（Probability Scale Distance)】
[0048] 設(shè)給定的一個具有概率分布的數(shù)列g(shù)p g2，…gi；的集合為G e g f (f = 1，2，…， ζ )，該集合的中心值為A (G)，中心值為A (G)的概率尺度為M [G，A (G)]，而且由自組織化迭 代所算出的以第η-1次的中心值A(chǔ)(G(nl))，并且以該中心值為基準(zhǔn)的半徑M[G (nl)，A(G(nl))] 內(nèi)存在著1^個概率分布的數(shù)列81，8 2，~81<的集3合為6(11)￡81；(€=1，2，~，1〇，則
[0049] 【公式4】
[0050] Aw=A(Gw)
[0051] M(n)= M[G (n)，A(Gw)]
[0052] G(n)= G{[A(G (n d)，M[G(n 1：)，A(G(n D)]]
[0053] 由上述迭代公式I經(jīng)過若干次迭代所算出的中心值是針對概率分布的數(shù)列g(shù)l， g 2，…ge所得到的最為接近母體的估計值，而最終的基準(zhǔn)半徑值為一概率尺度，以最終的中 心值為基準(zhǔn)，在概率尺度的范圍內(nèi)的所有的概率分布的數(shù)列g(shù)/，g 2'，…gk'均可屬于概率 分布數(shù)列g(shù)y g2，…ge的真值。
[0054] 因此在計算兩個概率分布的向量Wil, wi2，…，Wip與向量V u，vi2，…，Vip，所對應(yīng) 的各個要素的概率分布的概率尺度的距離時，設(shè)向量 Vii，Vi2，…，Vij，…，Vip中第j個要素 Vi_j的概率分布的數(shù)列為g _n，，g_j2，…，通過公式4算出的最終的中心值A(chǔ)u，以及概率尺 度M l j，則
[0057] 將公式5的結(jié)果帶入公式6就可得到概率尺度的距離Pp
[0055]
[0056]
[0058] 【公式6】
[0059]
[0060] 運(yùn)用上述公式1，4, 5以及6的計算方法，可以針對兩個概率分布的特征向量之間， 得到一個最為接近母體的距離值。為本發(fā)明提出的在復(fù)雜的手機(jī)拍攝環(huán)境下將人臉圖像變 換成一個可認(rèn)證持卡人身份的ID所能得到一個最為穩(wěn)定的結(jié)果。 【【附圖說明】】
[0061] 圖1是手機(jī)刷臉支付系統(tǒng)的終端流程圖
[0062] 圖2概率尺度距離的自組織處理流程示意圖
[0063] 圖3是臉部識別五官位置特征點(diǎn)的設(shè)定方法示意圖
[0064] 圖4是臉部識別五官尺寸信息的特征值的定義方法示意圖
[0065] 圖5是通過人的眼位置與尺寸信息提取特征值的示意圖
[0066] 圖6是通過人臉局部頻率空間的信息提取特征值的示意圖
[0067] 圖7是通過人臉的形狀信息提取特征值的示意圖
[0068] 圖8是通過人臉的膚色信息提取特征值的示意圖
[0069] 圖9將人臉的形狀信息定義成隸屬函數(shù)的例子
[0070] 圖10是刷臉代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖
[0071] 圖11是手機(jī)刷臉支付終端的構(gòu)成與操作過程示意圖
[0072] 圖12是具有刷臉支付功能的POS機(jī)的示意圖
[0073] 圖13是具有刷臉支付功能所實現(xiàn)的三卡合一的示意圖
[0074] 圖14是生命體圖像識別的例子之一的示意圖 【【具體實施方式】】
[0075] 以下結(jié)合附圖對本發(fā)明實施例做進(jìn)一步詳述，但本發(fā)明所述的實施例是說明性 的，而不是限定性的。
[0076] 本發(fā)明解決其技術(shù)問題是采取以下技術(shù)方案實現(xiàn)的：根據(jù)說明書附圖對于發(fā)明的 實施例進(jìn)行說明。
[0077] 圖1是手機(jī)刷臉支付系統(tǒng)的處理流程圖。
[0078] 如圖1所示：在"支付與被支付信息的交互" S1步驟中，手機(jī)或計算機(jī)可通過無線 WiFi，或者通過藍(lán)牙，或者通過超聲波的聲音信號，或者通過二維碼，或者通過直接的網(wǎng)絡(luò) 信息在內(nèi)的接收到來自POS機(jī)，或通過網(wǎng)絡(luò)接收來自網(wǎng)絡(luò)銷售的支付金額，支付回數(shù)等支 付信息。手機(jī)自動或手動的選擇所持銀行信用卡名稱，或網(wǎng)絡(luò)上的支付寶名稱，手機(jī)自動的 發(fā)送信用卡的卡號，存款銀行名稱與帳號，信用卡有效時間，安全認(rèn)證碼，或支付寶的帳號 等所要支付金額的來源，以及確認(rèn)支付的金額等的被支付信息。
[0079] 在"拍照持卡人臉部" S2步驟中，手機(jī)，計算機(jī)或POS機(jī)的攝像機(jī)自動進(jìn)入拍照人 臉的狀態(tài)，將持卡人的臉部圖像取出。
[0080] 這里，針對持卡人的臉部進(jìn)行識別是依賴于手機(jī)拍照的持卡人的臉部圖像為不含 亮度信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實現(xiàn)將臉部圖像變換成可以特 定持卡人的代碼。
[0081] 在"刷臉支付代碼生成"S3步驟中，將在S2步驟中得到的持卡人的臉部圖像的具有 隨機(jī)分布的五官位置信息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息， 人臉的膚色信息，或可以特定持卡人的其他信息，通過概率尺度距離空間的自組織處理，變 成比較穩(wěn)定的刷臉圖像特征信息。
[0082] 也就是說，利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分 布的密度規(guī)律，導(dǎo)入概率尺度自組織的算法，自動的將人臉五官的真實位置信息抽出。
[0083] 然后按照人為介入的方法進(jìn)行公式化處理，形成含有人臉圖像的模糊信息，概率 信息以及人臉的特征信息的數(shù)字化數(shù)據(jù)，再按照人臉識別的學(xué)習(xí)數(shù)據(jù)，自適應(yīng)的，自組織的 得到可對人臉圖像進(jìn)行認(rèn)證的代碼。
[0084] 在"代碼認(rèn)證與支付操作" S4步驟中，上述人臉代碼將被送到銀行的網(wǎng)絡(luò)服務(wù)器 中，經(jīng)過認(rèn)證成功后進(jìn)行支付操作，認(rèn)證失敗將重新返回"支付確認(rèn)"Si步驟或"拍照持卡人 臉部" S2步驟中，重復(fù)上述操作，或在多次認(rèn)證沒有通過的情況下進(jìn)行拒付的處理。
[0085] 圖2是概率尺度距離的自組織處理流程。
[0086] 如圖2所示：設(shè)給定的一個具有概率分布的數(shù)列g(shù)l，g2，…集合為G e g f (f =1，2，…，1)，則基于概率尺度的自組織算法由下邊4個步驟構(gòu)成。
[0087] STEPl :預(yù)處理步驟:Mw作為初始化概率尺度，A w作為自組織的初始中心值，V作 為自組織的收斂值，MN作為自組織最大組織次數(shù)值，最初η = 0作為自組織的當(dāng)前次數(shù)。
[0088] 關(guān)于Mw作為初始化概率尺度和A w作為自組織的初始中心值的決定方法，無需 進(jìn)行嚴(yán)密的設(shè)定。通過人工預(yù)測，對于最終的范圍，至少有一部分?jǐn)?shù)值是包含在初始化概率 尺度M w的范圍內(nèi)的。初始化概率尺度M w越大，計算的時間就越長，反之太小，有可能得不 到正確的結(jié)果。
[0089] 關(guān)于V作為收斂值的設(shè)定方法，收斂值V越大，就有可能得不到正確的結(jié)果。收斂 值越小，計算花費(fèi)的時間越長。正確的設(shè)定方法是最終自組織的概率尺度的10%左右。
[0090] 關(guān)于最大自組織次數(shù)MN的設(shè)定方法，一般是5-10次就足夠了。
[0091] STEP2 :自組織步驟：進(jìn)行η次自組織處理，把A(n)作為自組織中心值，概率尺度M(n) 作為半徑，以中心值A(chǔ)(n)為基準(zhǔn)，計算半徑以內(nèi)的所有數(shù)值gf(f=l，2,…，ζ)的平均值 v( n+1)與分散值 S (n+1)，V(n+1)= A (n+1)，S(n+1)= M (η+1)，η = η+1。
[0092] 【公式6】
[0096] STEP3 :自組織判別步驟。自組織處理達(dá)到最大次數(shù)（Ν彡MN)或者自組織處理收
[0093]
[0094]
[0095] 斂（M(n)-M(n+1)彡V)，如為YES，就不再進(jìn)行下次的自組織處理，自組織結(jié)束跳轉(zhuǎn)到STEP4。如 果是N0,就跳轉(zhuǎn)到STEP2繼續(xù)進(jìn)行自組織處理。
[0097] STEP4 :自組織處理結(jié)束。
[0098] 概率尺度M(n)是一個具有多重屬性的概率統(tǒng)計的參數(shù)。比方說正態(tài)分布，指數(shù)分 布，愛爾朗分布，韋伯分布，三角分布，貝塔分布等等。例如概率尺度M (n)就可以作為正態(tài)分 布的分散值。
[0099] 本發(fā)明將臉部的位置信息作為特定持卡人的重要信息，因此針對臉部的位置信息 進(jìn)行如下的定義。
[0100] 圖3是臉部識別五官位置特征點(diǎn)的設(shè)定方法示意圖。
[0101] 如圖3所示：由臉部的五官的位置可以構(gòu)成24個以上的特征點(diǎn)（Landmarks)。例 如，左眼的左右眼角位置構(gòu)成了 1與12兩個特征點(diǎn)，右眼的左右眼角位置又構(gòu)成了 13與14 兩個特征點(diǎn)，左眼與左眼眉毛中心的垂直位置構(gòu)成了 15與I6兩個特征點(diǎn)，右眼與右眼眉毛 中心的垂直位置又構(gòu)成了 17與I s兩個特征點(diǎn)，鼻子兩邊構(gòu)成了 19與I i。兩個特征點(diǎn)，鼻子 兩邊與兩眼的連接線的垂直位置又構(gòu)成了 1與1 12兩個特征點(diǎn)，嘴的兩邊構(gòu)成了 1 13與1 14 兩個特征點(diǎn)，嘴的兩邊與鼻子的中間又構(gòu)成了 115與I16兩個特征點(diǎn)，左眼的左眼角與右眼的 右眼角位置構(gòu)成了 117與118兩個特征點(diǎn)，左眼的左眼角與右眼的右眼角的連接線與臉的額 部的垂直又構(gòu)成了 119與Im兩個特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長之后與臉的兩側(cè)相 交構(gòu)成了 121與122兩個特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長之后與臉的兩側(cè)相交所構(gòu)成 的連線與臉額的垂直線又構(gòu)成了 123與I24兩個特征點(diǎn)。
[0102] 這里，嘴的兩邊與鼻子的中間構(gòu)成的I16特征點(diǎn)與鼻子兩邊與兩眼的連接線的垂 直位置構(gòu)成的^特征點(diǎn)是重合的，左眼的左眼角與右眼的右眼角位置構(gòu)成了 117與118兩個 特征點(diǎn)，是與1:與14兩個特征點(diǎn)重合的，左眼的左眼角與右眼的右眼角與臉的額部構(gòu)成的 1 19與12。特征點(diǎn)與鼻子兩邊與兩眼的連接線的垂直位置又構(gòu)成的112特征點(diǎn)，以及與嘴的兩 邊的特征點(diǎn)連接線延長之后與臉的兩側(cè)相交所構(gòu)成的連線以及臉額的垂直線構(gòu)成的1 24特 征點(diǎn)是重合的，嘴的兩邊的特征點(diǎn)連接線延長之后與臉的兩側(cè)相交所構(gòu)成的連線與臉額的 垂直線又構(gòu)成的I 23特征點(diǎn)與嘴的兩邊與鼻子的中間又構(gòu)成的115特征點(diǎn)重合。
[0103] 也就是說，1與117是一個左眼的左眼角位置，14與1 18是一個右眼的右眼角位置， 112與119是一個兩眼的連接線的垂直位置，1 ::與116是一個鼻子兩邊的中心位置，115與123 是嘴的兩邊的特征點(diǎn)的中心位置，與124是臉額的特征點(diǎn)的位置，因此實際可描述臉部五 官的特征點(diǎn)是18個。
[0104] 實際上，只要把1占1 2兩個特征點(diǎn)，1 3與1 4兩個特征點(diǎn)，1 6與I s兩個特征點(diǎn)，1 9 與Iio兩個特征點(diǎn)，1 13與1 14兩個特征點(diǎn)，1 21與1 22兩個特征點(diǎn)以及1 24特征點(diǎn)，總共13個特 征點(diǎn)抽出就可。
[0105] 可以把1與1 2兩個特征點(diǎn)所連接的直線，1 3與1 4兩個特征點(diǎn)所連接的直線，1 5與 I6兩個特征點(diǎn)所連接的直線，17與18兩個特征點(diǎn)所連接的直線，1 9與11(:兩個特征點(diǎn)所連接 的直線，I1^ 112兩個特征點(diǎn)所連接的直線，113與114兩個特征點(diǎn)所連接的直線，1 15與116 兩個特征點(diǎn)所連接的直線，117與118兩個特征點(diǎn)所連接的直線，119與I M兩個特征點(diǎn)所連接 的直線，121與122兩個特征點(diǎn)所連接的直線，1 23與124兩個特征點(diǎn)所連接的直線。本發(fā)明將 總共12條直線的長度作為描述臉部五官位置的特征信息，即把這12個描述臉部五官位置 的特征信息作為12個認(rèn)證持卡人的特征向量的要素。
[0106] 本發(fā)明還將臉部的五官尺寸信息作為特定持卡人的重要信息，因此針對臉部的尺 寸信息進(jìn)行如下的定義。
[0107] 圖4是臉部識別五官尺寸信息的特征值的定義方法示意圖。
[0108] 圖4(a)是人眼的尺寸示意圖，人眼的大小是判別持卡人特征的重要信息，特別是 人眼眼球的大小是判別持卡人的重要特征。如圖4(a)所示：(4-1)是人眼的眼球，一般為 深色，（4-2)人眼的眼底，一般為淺色。V 1是眼的寬度尺寸，V2是眼球的直徑尺寸。本發(fā)明 除了上述所示的將眼的寬度尺寸1作為認(rèn)證持卡人的特征向量的1個要素，同時還將眼球 的直徑尺寸V 2作為認(rèn)證持卡人的特征向量的其中1個要素。
[0109] 圖4(b)是人嘴的尺寸示意圖，人嘴的大小以及厚度是判別持卡人特征的重要信 息。如圖4(b)所示：(4-3)是人的嘴唇，一般為紅色。V 4是嘴的寬度尺寸，V3是嘴的厚度尺 寸。本發(fā)明除了上述所示的將嘴的寬度尺寸V4，作為認(rèn)證持卡人的特征向量的1個要素，同 時還將嘴的厚度尺寸^作為認(rèn)證持卡人的特征向量的另一個要素。
[0110] 本發(fā)明針對持卡人的臉部進(jìn)行識別是依賴于手機(jī)拍照的持卡人的臉部圖像為不 含亮度信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實現(xiàn)的將臉部圖像變換成可 以特定持卡人的代碼。因為臉部圖像的色彩信息是高效率的對臉部五官位置，五官尺寸信 息的抽出提供重要的特征。例如，眼球的顏色，在臉部上最深，眼底顏色在臉部上最淺，嘴唇 是紅色的等。利用不含亮度信息的色彩信息可以很快而且很準(zhǔn)確的將上述五官信息抽出， 同時由于沒有受手機(jī)拍攝環(huán)境影響較大的亮度信息，因此識別結(jié)果對環(huán)境的影響要小。
[0111] 本發(fā)明針對持卡人臉部的識別還利用了臉部五官部位在某一顏色下像素灰度的 分布的密度進(jìn)行五官部位的信息抽出。例如眼球在黑顏色下同其他五官比較其密度最大， 眼底在白顏色下同其他五官比較其密度最大。嘴在紅顏色下同其他五官比較其密度最大。
[0112] 本發(fā)明利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布的 密度規(guī)律，可以導(dǎo)入上述概率尺度自組織的算法，自動的將人臉五官位置信息抽出。因為概 率尺度自組織的計算結(jié)果，就是得到某一顏色，以及某一灰度值的像素分布的概率值最大 化的結(jié)果，也就是可以得到在某一顏色，以及在某一灰度值下的像素分布密度值最大化的 結(jié)果。
[0113] 例如針對人的眼特征值的識別，首先應(yīng)從眼球開始比較方便，因為眼球的特點(diǎn)是 黑色像素的密度非常大，在眼球附近利用概率自組織的算法可以很方便的提取出人的眼的 位置信息以及尺寸信息。
[0114] 圖5是通過人的眼位置與尺寸信息提取特征值的示意圖。
[0115] 導(dǎo)入概率自組織的方法針對人的眼位置與尺寸特征的抽出，與上述圖2所示的方 法略有不同，圖2所示的概率自組織的方法是針對一維數(shù)據(jù)進(jìn)行的，這里是針對二維空間 的眼球的分布中心以及尺寸計算出的。
[0116] 如圖5(a)所示：作為二維空間數(shù)據(jù)的概率自組織的方法參照圖2給出的算法，最 初應(yīng)在眼球的附近給出最初的中心位置A w= (W(]，y。)，以及最初的概率尺度M?。在找到 眼球的位置的附近，最初的中心位置Aw= (X。，y。)，以及最初的概率尺度Mw的設(shè)定方法 是，眼球一定要被包括在以Aw= (X(]，y。）為中心的半徑Mw的范圍內(nèi)，這里，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，因為概率自組織算法可以自動的將被包 括的范圍，在多次的自組織的計算下自動的移動到密度最高的像素分布的地方。
[0117] 在這一步驟中，如上圖2所示：同樣還要設(shè)定自組織的收斂值V，自組織最大組織 次數(shù)值MN，自組織的當(dāng)前次數(shù)h = 0。其方法可參照圖2即可。
[0118] 如圖5(b)所示：在下面的概率自組織的計算中，A(h)= (X(]，y(])(h)可參照公式8計 算出。
[0119] 【公式8】
[0120]
[0121]
[0122]
[0123]
[0124]
[0125] 公式8與公式9只是給出了一個例子，可以參照這兩個公式采用其他的類似公式 同樣可以得到所需的結(jié)果，這里就不一一列舉了。
[0126] 進(jìn)行h次自組織處理，把（X。，y。）(h)作為自組織中心值，概率尺度M (h)作為半徑，計 算半徑以內(nèi)的所有眼部的像素1〇^，1)(1 = 1，2，一，1^，」=1，2，一，1)的灰度密度分散 值S(h+1)。M(h+1)= S (h+1)，h = h+Ι。如圖5(b)所示：概率尺度M(h)= S (h)2的半徑值在收斂， 中心位置A(h)= (X。，yQ)(h)逐漸移到眼球的中心。
[0127] 經(jīng)過η次的概率尺度自組織的計算，在5(c)的步驟中，中心位置A(n)= (X。，yQ)(h) 在眼球的中心位置上停下，概率尺度M(h)的半徑也停在眼球的周圍，眼球的尺寸與位置被精 確的計算出。
[0128] 刷臉圖像所具有的隨機(jī)分布的五官位置信息，五官尺寸信息，五官形狀信息，五官 顏色信息，五官頻率信息等，經(jīng)過類似上述的概率尺度的自組織處理，就可得到在概率尺度 距離空間中的穩(wěn)定的刷臉信息，這里就不一一列舉了。
[0129] 作為人臉識別的五官位置與尺寸信息之外，還有人臉局部頻率空間的信息，也可 稱為高次諧波的信息。
[0130] 圖6是通過人臉局部頻率空間的信息提取特征值的示意圖。
[0131] 如圖6所示：601表示人臉的面部，602為人臉額頭的皺紋，603為人臉眼部的眼 袋，604為人嘴兩邊的法令紋。如圖6的602所示：當(dāng)額頭的皺紋非常密集時，可以通過額 頭的局部區(qū)域的頻率特性抽出皺紋的特征，可以通過類似快速的傅立葉變換特區(qū)特征值。
[0132] 如圖6的604所示：當(dāng)皺紋比較清晰，可以通過對皺紋所在的區(qū)域的圖像進(jìn)行微分 計算，找出皺紋的邊線，識別出皺紋的長度。針對皺紋圖像的微分計算，也是屬于針對皺紋 圖像進(jìn)行頻率空間的計算。
[0133] 圖7是通過人臉的形狀信息提取特征值的示意圖。
[0134] 人臉的形狀信息是區(qū)別不同人的重要特征，依附于拍攝環(huán)境的不同變化比較小， 而且在短時間內(nèi)不會有很大的變化，也不受發(fā)型或化妝后的影響，因此是一個相對穩(wěn)定的 信息。
[0135] 如圖7所示：（a)表示臉型比較瘦的人臉的形狀信息，（b)表示臉型比較普通的人 臉的形狀信息，（c)表示臉型比較胖的人臉的形狀信息。每個人的臉型會有不同的差異，利 用這些差異信息可以作為區(qū)分不同人的特征值。
[0136] 圖8是通過人臉的膚色信息提取特征值的示意圖。
[0137] 人臉的膚色信息是快速的區(qū)分不同人的重要信息，如圖8所示：(a)表示黃種人的 臉部，（b)表示白種人的臉部，（c)表示黑人的臉部。將通過手機(jī)攝像機(jī)讀取到的RGB顏色 的人臉圖像，進(jìn)行Lab顏色空間的變換，把亮度信息L去掉，用a和b來表示人臉的圖像，用 上述概率尺度自組織的算法，分別計算顏色a和b的最大分布密度的灰度值，將這兩個灰度 值作為人臉的膚色信息并通過隸屬函數(shù)得到人臉膚色的特征值。
[0138] 本發(fā)明利用人臉的五官位置信息，人臉五官的尺寸信息，人臉局部的頻率空間的 信息，人臉的形狀信息以及人臉的膚色信息，實現(xiàn)對持卡人的認(rèn)證。但是，在不同的手機(jī)拍 攝環(huán)境下，上述信息在一定范圍內(nèi)會出現(xiàn)隨機(jī)分布的問題，通過上述的概率尺度的自組織 算法，可以得到最為接近概率分布母體的期望值與分散值。
[0139] 為能更加準(zhǔn)確的將持卡人的臉部變換成比較穩(wěn)定的代碼，本發(fā)明在考慮人臉信息 的隨機(jī)性，并采取最為有效的方法計算出最為接近母體的特征值，同時又導(dǎo)入模糊數(shù)學(xué)的 理論，針對上述求出的人臉的信息通過人為介入的方式，使用基于人為經(jīng)驗所定義的復(fù)數(shù) 個隸屬函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化，并直接生成具有圖像 代碼性質(zhì)的特征向量。
[0140] 圖9是將人臉的形狀信息定義成隸屬函數(shù)的例子。
[0141] 如圖9(a)所示：由&1與a2連接成的直線，由& 2與a3連接成的直線，以及由&3與 %連接成的直線構(gòu)成的三角形，a'為該三角形除了臉型所占用的區(qū)域以外的面積，一般來 說當(dāng)人臉的臉型越瘦，a'的面積就越接近與三角形的面積，當(dāng)人臉的臉型越胖，a'所剩下的 面積就越小。利用這一人為主觀的經(jīng)驗，可以構(gòu)造出如下的隸屬函數(shù)。設(shè)由％與 &3連接成 的直線為L1，由&2與a 3連接成的直線為L 2，則將人臉的形狀信息定義成的隸屬函數(shù)1^可 由公式10做成：
[0142] 【公式10】
[0143]
[0144] 當(dāng)人臉非常胖時，其面積a'接近于"0"，MB1接近于100,當(dāng)人臉非常瘦時，其面積 2a'接近于L/,MB 1接近于"0"，因此隸屬函數(shù)MB^描述人臉胖瘦的特征函數(shù)。
[0145] 再舉一個計算人嘴的寬度的隸屬函數(shù)的例子，設(shè)人嘴通過統(tǒng)計求出的最大寬度為 Vniax，最小寬度為V_，如圖4 (b)所示再設(shè)嘴的寬度為V4,則人嘴的寬度的隸屬函數(shù)MB2可由 公式11做成：
[0146]【公式11】
[0147]
[0148] 這里設(shè)Vmax辛Vmin，公式11給出了當(dāng)人嘴接近最小寬度時，V4^ V _人嘴的寬 度的隸屬函數(shù)MB2接近于100,當(dāng)人嘴接近最大寬度時，V Vniax人嘴的寬度的隸屬函數(shù)MB 2 接近于0。因此隸屬函數(shù)182是描述人嘴寬度的特征函數(shù)。
[0149] 其他人臉的眼角寬度，眼球大小，眼角距離，眼球距離，鼻子大小，鼻子與眼的距 離，嘴的寬度，嘴的厚度，嘴與鼻子的距離，臉頰的寬度，嘴與額頭的距離等等反映五官的位 置與大小的信息，以及臉的皺紋，臉的膚色，臉的形狀等等信息都可參照上述隸屬函數(shù)的定 義方法，將人臉信息變換成0到η的標(biāo)準(zhǔn)數(shù)值的特征向量，無論采用什么形式的隸屬函數(shù)， 都將是屬于本發(fā)明的范圍之內(nèi)。
[0150] 在這里定義特征向量空間，設(shè)將q個不同人的人臉圖像按照上述方法，求出q個特 征向量，每個特征向量具有p個特征要素的人臉圖像特征向量構(gòu)成公式1的特征向量空間。
[0151] 再設(shè)持卡人刷臉圖像的特征向量wYl，wY2，…，W yp與第i個人臉圖像的特征向量 V11, V12，…，Vip，對應(yīng)ψ個經(jīng)過若干次識別被登錄的學(xué)習(xí)數(shù)據(jù)，構(gòu)成學(xué)習(xí)數(shù)據(jù)的矩陣L。
[0152] 【公式12】
[0153]
[0154] 按照上述公式1，4以及12,進(jìn)行概率尺度的自組織計算，可分別得到如下的學(xué)習(xí) 數(shù)據(jù)矩陣的中心值以及分散值L am:
[0155]【公式13】
[0156] Lab= [(A !，M1)，（A2, M2)，…，（Ap，Mp)]
[0157] 這里設(shè)第γ次進(jìn)行刷臉支付時，持卡人刷臉圖像的特征向量wYl，wY2，…，w γρ與 特征向量空間Vlj中的各個特征向量之間的概率尺度的距離按照公式5,6可得：
[0158]【公式14】
[0159]
[0160] 其中最小值？_所對應(yīng)的特征向量值V γ1，νγ2，…，Vyp為第γ個人的刷臉圖像的 刷臉代碼值。
[0161] 圖10是刷臉代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖。
[0162] 持卡人刷聯(lián)認(rèn)證時所拍攝的人臉圖像通過特征信息抽出，隸屬函數(shù)的計算等得到 的持卡人刷臉圖像的特征向量，與特征向量空間的各個特征向量進(jìn)行概率尺度的距離的計 算，求出公式14的概率尺度距離的最小值所對應(yīng)的特征向量作為持卡人的刷臉代碼。為提 高刷臉支付代碼的精度與穩(wěn)定性，本發(fā)明提出一個自適應(yīng)的刷臉代碼生成方法。
[0163] 如圖10所示，刷臉代碼自適應(yīng)學(xué)習(xí)處理方法分3個步驟進(jìn)行的。
[0164] STEPl :自適應(yīng)的特征向量空間的構(gòu)成步驟；為了把每次的刷臉數(shù)據(jù)作為一次學(xué) 習(xí)的數(shù)據(jù)，通過大量的統(tǒng)計，保證不斷的將最接近概率分布母體的真實的學(xué)習(xí)數(shù)據(jù)保留，而 把超出偏差的不真實的數(shù)據(jù)剔除，在真實的特征向量的要素的各個學(xué)習(xí)數(shù)據(jù)中進(jìn)行概率尺 度距離的計算，才能保證通過自適應(yīng)學(xué)習(xí)，使刷臉代碼越來越趨于穩(wěn)定，使代碼生成更加準(zhǔn) 確，這是自適應(yīng)學(xué)習(xí)的主要目的。
[0165] 為了更加精確的計算持卡人的刷臉代碼，首先將公式1的刷臉圖像的特征向量空 間中的Vl]，通過學(xué)習(xí)數(shù)據(jù)矩陣公式12,以及針對學(xué)習(xí)數(shù)據(jù)矩陣的概率尺度空間的距離計算 得到公式13,置換成概率尺度距離空間的中心值的矩陣A lj，可將該矩陣作為自適應(yīng)的特征 向量空間，
[0166] 【公式15】
[0167]
[0168] 同樣通過公式12,13可以得到特征向量空間Vlj中的概率尺度距離空間的分散矩 陣，即
[0169] 【公式16】
[0170]
[0171] 以及刷脫叉何代媽的圯陣Dl j, E3|J
[0172] 【公式17】
[0173]
[0174] 公式15與16所得到的概率尺度距離空間的中心值，與概率尺度距離空間的分散 值是同以下所述的隨著學(xué)習(xí)數(shù)據(jù)的變化而變化的，因此可以具有自適應(yīng)的特性，是不斷的 趨于概率分布的母體的數(shù)據(jù)。這樣處理可以保證持卡人的刷臉圖像代碼的特征向量空間的 檢索處于最佳的狀態(tài)，可以提高刷臉支付的代碼處于最佳值的計算結(jié)果。
[0175] 這里，如公式17所示：由于概率尺度距離空間的中心值是隨著學(xué)習(xí)數(shù)據(jù)的變化而 變化，因此需要引進(jìn)一個與概率尺度距離空間的中心值矩陣的各個要素所對應(yīng)的，但是其 數(shù)值是不變的刷臉支付代碼的矩陣D 1,。
[0176] 設(shè)第γ次刷臉支付時，所得到的特征向量WpWli2，…，Wlip,如公式15所示，持卡 人刷臉圖像的特征向量與自適應(yīng)特征向量空間A lj的概率尺度的距離P i如下：
[0177] 【公式18】
[0178]
[0179]
[0180]
[0181] 當(dāng)檢索第γ次進(jìn)行刷臉支付時，持卡人刷臉圖像的特征向量wYl，Wy2，…，W yp與 概率尺度距離空間的中心值A(chǔ)1 j中的各個自適應(yīng)特征向量之間的概率尺度的距離最小的自 適應(yīng)特征向量，所對應(yīng)的刷臉支付代碼的矩陣Du的代碼值，就可作為第γ次刷臉支付的代 碼。
[0182] STEP2 :自適應(yīng)學(xué)習(xí)刷臉支付代碼取得步驟；經(jīng)過上述步驟的處理，將持卡人第γ 次進(jìn)行刷臉支付的刷臉圖像的特征向量wYl，wY2，…，wYP經(jīng)過概率尺度的距離計算，檢索 出最小概率尺度的距離所對應(yīng)的自適應(yīng)特征向量空間中的一個自適應(yīng)學(xué)習(xí)特征向量，再找 到與該自適應(yīng)學(xué)習(xí)特征向量所對應(yīng)的刷臉支付代碼的矩陣中的一個代碼，將這個代碼作為 自適應(yīng)學(xué)習(xí)的刷臉支付代碼。
[0183] 按照本發(fā)明的思路可以有各種方法實現(xiàn)自適應(yīng)學(xué)習(xí)數(shù)據(jù)矩陣的構(gòu)成，現(xiàn)僅舉一 例進(jìn)行說明，參照公式14,設(shè)持卡人第γ次進(jìn)行刷臉支付的刷臉圖像的特征向量w Yl， wY2，…，wYP與概率尺度距離空間的中心值的矩陣A u所構(gòu)成的自適應(yīng)特征向量空間中的某 一個特征向量存在著的最小距離為P γ i_minl，另一個特征向量存在著比P γ i_minl稍微大的概率 尺度最小距離為Ργι__2。
[0184] 又可設(shè)持卡人刷臉圖像的特征向量wYl，Wli2，…，W lip與Ψ個經(jīng)過若干次識別被 登錄的學(xué)習(xí)數(shù)據(jù)構(gòu)成的公式12的學(xué)習(xí)數(shù)據(jù)的矩陣L1,中的各個特征向量之間的概率尺度的 距離按照公式5,6可得：
[0185] 【公忒201
[0186]
[0187] 將公式20的P' = {Pl'，p2'，…，ρΦ' }概率尺度的距離，再通過公式5,6進(jìn)行概 率尺度的自組織計算，即可得到針對持卡人刷臉圖像的特征向量Wyl，W y2，…，Wyp與學(xué)習(xí) 數(shù)據(jù)的矩陣L1,的中心值A(chǔ)'，以及分散M'。
[0188] 如果滿足{Ργι ηιιη1< 1/2ρ γι ηιιη2且 ε 彡 1/2ρ γι ηιιη2;或（p γι ηιιη1< M'）}則，刷臉 圖像的特征向量wYl，Wli2，…，Wlip可作為學(xué)習(xí)數(shù)據(jù)的矩陣L 的新的學(xué)習(xí)向量。
[0189] 這里，作為加入學(xué)習(xí)數(shù)據(jù)的條件之一是Pyi nunl彡1/2ρ γι__2，其物理意義是；限定 第Y次進(jìn)行刷臉支付的刷臉圖像的特征向量進(jìn)入學(xué)習(xí)數(shù)據(jù)的條件是盡量與其他特征向量 保持一定的概率尺度的距離，以防止誤識讀的現(xiàn)象出現(xiàn)。
[0190] 范圍條件ε彡1/2ργι__2的物理意義是，當(dāng)與該模式的概率尺度的距離相差比較 大時，不會因為刷臉圖像的特征向量W yl，Wy2，…，Wyp并不適合進(jìn)入學(xué)習(xí)數(shù)據(jù)而錯誤的進(jìn) 入了學(xué)習(xí)數(shù)據(jù)中。
[0191] 關(guān)于如何剔除不適應(yīng)作為學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)向量的方法，首先將公式20中的概率 尺度的距尚的各個要素進(jìn)行{ ω =Pi_A' ；i = 1，2，…，Ψ}偏差計算，將最大偏差值ω_ 所對應(yīng)的學(xué)習(xí)數(shù)據(jù)剔除就可。
[0192] 這里，只是提供了一個特征向量數(shù)據(jù)如何自適應(yīng)的進(jìn)入學(xué)習(xí)數(shù)據(jù)，以及如何剔除 一個不適于作為學(xué)習(xí)數(shù)據(jù)的方法，但是實際在系統(tǒng)構(gòu)成時往往是針對若干個數(shù)據(jù)同時，或 逐步地進(jìn)入學(xué)習(xí)數(shù)據(jù)中，以及實際在系統(tǒng)構(gòu)成時往往是針對若干個數(shù)據(jù)同時，或逐步地從 學(xué)習(xí)數(shù)據(jù)中剔除。只要參照上述方法就可預(yù)測到相關(guān)的處理方法。
[0193] 在刷臉支付中，持卡人往往由于改變發(fā)型，或進(jìn)行不同的化妝等，往往會出現(xiàn)刷臉 圖像的特征向量發(fā)生較大的變化，為解決這些問題，本發(fā)明還提出在設(shè)立學(xué)習(xí)數(shù)據(jù)的矩陣 的同時，將當(dāng)前最近得到的α次的特征向量紀(jì)錄下，成為輔助學(xué)習(xí)數(shù)據(jù)的矩陣：
[0194] 【公式21】
[0195]
[0196] 如果計算輔助學(xué)習(xí)數(shù)據(jù)的矩陣的概率尺度距離空間中的中心值Α"，以及分散值 Μ"處于穩(wěn)定的且收斂的狀態(tài)，另外，Α"與Μ"與學(xué)習(xí)數(shù)據(jù)的矩陣的中心值Α'以及分散值Μ'， 在概率尺度距離空間中具有較遠(yuǎn)的距離時，可以把輔助學(xué)習(xí)數(shù)據(jù)的矩陣L'與學(xué)習(xí)數(shù)據(jù)的矩 陣L合并再生成新的學(xué)習(xí)數(shù)據(jù)的矩陣，或進(jìn)行輔助學(xué)習(xí)數(shù)據(jù)的矩陣與學(xué)習(xí)數(shù)據(jù)矩陣的置換 等等。具體方法可以參照本發(fā)明提出的上述例子與思維方式，舉一反三可以得到各種各樣 的處理手段。
[0197] STEP3 :自適應(yīng)學(xué)習(xí)刷臉支付代碼取得步驟：經(jīng)過上述步驟的處理，將持卡人第γ 次進(jìn)行刷臉支付的刷臉圖像的特征向量Wyl，W y2，…，Wyp經(jīng)過概率尺度的距離計算，檢索 出最小概率尺度的距離所對應(yīng)的自適應(yīng)特征向量空間中的一個自適應(yīng)學(xué)習(xí)特征向量，再找 到與該自適應(yīng)學(xué)習(xí)特征向量所對應(yīng)的刷臉支付代碼的矩陣中的一個代碼，將這個代碼作為 自適應(yīng)學(xué)習(xí)的刷臉支付代碼。
[0198] 圖11是手機(jī)刷臉支付終端的構(gòu)成與操作過程示意圖。
[0199] 如圖11所示：手機(jī)刷臉支付終端構(gòu)成是由手機(jī)以及在手機(jī)中下載的手機(jī)刷臉支 付程序構(gòu)成的。手機(jī)刷臉支付終端的操作過程是：當(dāng)手機(jī)通過包括藍(lán)牙，WiFi等無線電波， 或聲頻等接受到了來自其他POS系統(tǒng)，或網(wǎng)絡(luò)銷售平臺所發(fā)來的支付信息，手機(jī)顯示消費(fèi) 清單以及支付金額，是否分期付款，是否需要發(fā)票等，再通過人工選擇界面，或自動的決定 由那一的信用卡進(jìn)行支付，或自動的決定由那一個支付金融機(jī)關(guān)進(jìn)行支付，而后手機(jī)自動 的彈出刷臉支付的認(rèn)證畫面拍照被支付者的臉部，手機(jī)程序通過識別臉部得到一個代表臉 部特征的認(rèn)證代碼，并將這個代碼發(fā)送到手機(jī)支付系統(tǒng)的服務(wù)器中進(jìn)行認(rèn)證，認(rèn)證通過后 進(jìn)行支付處理，手機(jī)顯示支付完成，如果認(rèn)證不成功將重新進(jìn)行刷臉認(rèn)證，在多次被拒絕的 情況下，手機(jī)將顯示拒絕支付的信息。
[0200] 圖12是具有刷臉支付功能的POS機(jī)的示意圖。
[0201] 如圖12所示：在超市中導(dǎo)入了具有刷臉支付功能的POS機(jī)后，在結(jié)算時的支付過 程是這樣的，首先，在收銀員的錄入所購入的商品明細(xì)后，POS機(jī)向商品購買者的手機(jī)發(fā)出 購買商品的明細(xì)的信息，手機(jī)收到商品信息后在手機(jī)屏幕顯示商品名稱，數(shù)量以及價格等， 購買者只需按確認(rèn)鍵，或再選擇支付信用卡種類或支付的金融機(jī)關(guān)名稱，這時，手機(jī)將信用 卡，或金融機(jī)關(guān)的帳號發(fā)到POS機(jī)中，商品購買者只需通過POS機(jī)裝載的攝像頭拍照臉部就 可實現(xiàn)支付的全過程。為了簡化支付過程，在收銀員的錄入所購入的商品明細(xì)后，POS機(jī)的 屏幕顯示商品名稱，數(shù)量，價格等，并向商品購買者的手機(jī)發(fā)出購買商品的明細(xì)的信息，商 品購買者的手機(jī)自動的接受商品信息，自動的決定使用那個信用卡種或支付的金融機(jī)關(guān)， 自動的將信用卡的卡號或金融機(jī)關(guān)的帳號發(fā)給POS機(jī)，商品購買者只需通過POS機(jī)裝載的 攝像頭拍照臉部就可完成支付。
[0202] 圖13是具有刷臉支付功能所實現(xiàn)的三卡合一的示意圖。
[0203] 如圖13所示：本發(fā)明提出的刷臉支付的方法，可以解決身份證，信用卡，以及大 型公共場所的入場卡的融合，可以通過導(dǎo)入刷臉支付功能的自動閘機(jī)，入場者不需實現(xiàn)購 買入場券，或只在網(wǎng)絡(luò)上購買了入場券就可直接入場，并可在通過閘機(jī)的過程中，由于入場 者的臉部能夠在攝像頭的拍照過程中進(jìn)行入場者的認(rèn)證，因此可以實現(xiàn)對入場者的身份識 另IJ，信用卡的入場費(fèi)的支付，以及作為入場券的識別，三卡合一的同時操作，提高了入場管 理的效率以及入場的安全性對應(yīng)。
[0204] 本發(fā)明提出的刷臉支付不僅用于商品支付，還可以作為普通信用卡在支付時，進(jìn) 行本人認(rèn)證的一種方式，可解決由于信用卡被盜而產(chǎn)生的非法支付的問題的產(chǎn)生。
[0205] 另外，本發(fā)明提出的刷臉支付方法還可以作為普通銀行現(xiàn)金卡的現(xiàn)金提取時，可 增加一個刷臉認(rèn)證的步驟，可以提高銀行現(xiàn)金卡的安全。
[0206] 為了制止不法者利用持卡人的照片進(jìn)行刷臉支付的犯罪行為，需要對刷臉圖像進(jìn) 行是否為生命體圖像的識別，本發(fā)明提出如下針對刷臉圖像進(jìn)行生命體圖像識別的方法。
[0207] 圖14是生命體圖像識別的例子之一的示意圖。
[0208] 如圖14(a)所示：上述圖4給出了用概率尺度的自組織算法識別眼球大小的方法， 為了識別是否為生命體，根據(jù)人臉的眼球在具有生命的刷臉圖像的特點(diǎn)是眼球可以眨動， 因此，如圖14(b)所示：使用識別眼球大小的概率尺度的自組織算法，在刷臉圖像眨眼時， 圖14(a)的M (n)遠(yuǎn)遠(yuǎn)大于圖14(b)的M(n)'，即M(n)' <M(n)的狀態(tài)瞬時具備。
[0209] 刷臉圖像為生命體的圖像的識別不僅是上述的眼球眨眼的識別，還可以按照上述 概率尺度的自組織算法方法識別張嘴閉嘴的動作，臉部微笑時的肌肉微小變化，瞳孔的變 化，識別臉部微小晃動的加速度，識別臉部的顏色的方法等等。
【主權(quán)項】
1. 一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，是由支付與被支付信息的交互步驟，拍照持卡人臉 部步驟，刷臉支付代碼生成步驟，代碼認(rèn)證與支付操作步驟組成，其特點(diǎn)如下： (1) 支付與被支付信息的交互步驟；手機(jī)或計算機(jī)可通過無線WiFi，或者通過藍(lán)牙，或 者通過超聲波的聲音信號，或者通過二維碼，或者通過直接的網(wǎng)絡(luò)信息在內(nèi)的至少一種通 訊形式，接收到來自POS機(jī)，或通過網(wǎng)絡(luò)接收來自網(wǎng)絡(luò)銷售的支付金額，支付回數(shù)在內(nèi)的至 少一個支付信息；手機(jī)自動或手動的選擇所持銀行信用卡名稱，或網(wǎng)絡(luò)上的支付寶名稱，手 機(jī)自動的發(fā)送信用卡的卡號，存款銀行名稱與帳號，信用卡有效時間，安全認(rèn)證碼，或支付 寶的帳號在內(nèi)的至少一個被支付信息； (2) 拍照持卡人臉部步驟；手機(jī)，計算機(jī)或POS機(jī)的攝像機(jī)自動進(jìn)入拍照人臉的狀態(tài)， 將持卡人的臉部圖像取出； (3) 刷臉支付代碼生成步驟；持卡人的臉部圖像的具有隨機(jī)分布的五官位置信息，五 官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息，或可以特定 持卡人的其他信息，通過概率尺度距離空間的自組織處理，變換成概率尺度距離空間的自 適應(yīng)特征向量，按照人為介入的方法通過隸屬函數(shù)，構(gòu)成含有人臉圖像的模糊信息的數(shù)值 化數(shù)據(jù)，再通過自適應(yīng)的特征向量學(xué)習(xí)方法，得到刷臉支付代碼； (4) 代碼認(rèn)證與支付操作步驟；將刷臉支付代碼送到銀行的網(wǎng)絡(luò)服務(wù)器中，經(jīng)過認(rèn)證 成功后進(jìn)行支付操作，認(rèn)證失敗將返回拍照持卡人臉部步驟，重新進(jìn)行刷臉認(rèn)證，或拒絕支 付。2. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，其特征在于：概率尺度距離 空間的人臉特征信息，是指將人臉隨機(jī)分布的特征信息，通過包括正態(tài)分布，指數(shù)分布，愛 爾朗分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率分布的概率屬性的參數(shù)作為 自組織概率尺度，最終通過概率尺度的自組織的算法獲得的具有相對確定性的特征信息。3. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，其特征在于：針對持卡人的 臉部進(jìn)行識別是依賴于手機(jī)拍照的持卡人的臉部圖像為不含亮度信息的彩色圖像，在不損 失臉部圖像色彩信息的基礎(chǔ)上實現(xiàn)將臉部圖像變換成可以特定持卡人的代碼。4. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，其特征在于：本發(fā)明利用上 述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布的密度規(guī)律，導(dǎo)入概率尺 度自組織的算法，自動的將人臉五官位置信息抽出。5. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付系統(tǒng)的構(gòu)成，其特征在于：將上述人臉特 征信息通過概率自組織算法得到最為接近母體的特征值，同時又導(dǎo)入模糊數(shù)學(xué)的理論，針 對上述求出的人臉的信息通過人為介入的方式，使用基于人為經(jīng)驗所定義的復(fù)數(shù)個隸屬函 數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化直接生成具有圖像代碼性質(zhì)的特 征向量。6. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：刷臉支付 代碼的生成是考慮了包括眼球的眨眼的動作，張嘴閉嘴的動作，臉部微笑時的肌肉微小變 化，瞳孔的變化，臉部微小晃動的加速度，臉部的顏色在內(nèi)至少一種反映生命體圖像特征的 刷臉圖像的生命體圖像的識別。
【文檔編號】G06Q20/40GK105844460SQ201510023070
【公開日】2016年8月10日
【申請日】2015年1月13日
【發(fā)明人】顧澤蒼
【申請人】顧澤蒼