一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法
【專利摘要】本發(fā)明屬于圖像處理領(lǐng)域中的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，是由選擇要購(gòu)買的商品步驟，在手機(jī)上選擇信用卡步驟，自動(dòng)進(jìn)入聲紋認(rèn)證的步驟，手機(jī)支付步驟組成的，其特點(diǎn)是：該系統(tǒng)導(dǎo)入概率尺度距離的理論，可以直接將聲紋變換成代碼，可以直接作為手機(jī)支付的密碼，在網(wǎng)絡(luò)傳輸上速度快，而且可以將聲紋所變換成的代碼直接作為手機(jī)支付的密碼，在系統(tǒng)搭建上無(wú)需使原有系統(tǒng)做較多的改變，減少投入成本。另外，聲紋支付代碼穩(wěn)定，還具有自適應(yīng)學(xué)習(xí)的功能，能使系統(tǒng)性能不斷的提高。聲紋支付具有生命體識(shí)別功能，可以防止不法者用錄音騙取支付?？梢越鉀Q支付的信用卡與持卡人的一致性認(rèn)證，可使手機(jī)支付系統(tǒng)具有非常高的安全性。
【專利說(shuō)明】-種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域中的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法。 【【背景技術(shù)】】
[0002] 最近，網(wǎng)絡(luò)購(gòu)物的第Ξ方支付敲開了金融領(lǐng)域多年來(lái)的壁壘，一種新的W網(wǎng)絡(luò)為 中屯、的金融系統(tǒng)的形成已經(jīng)勢(shì)在必行。運(yùn)里，社會(huì)各個(gè)方面激烈競(jìng)爭(zhēng)的核屯、就是手機(jī)支付 技術(shù)。在中國(guó)，最先應(yīng)用于手機(jī)支付的技術(shù)就是被公開的通用二維條碼。（非專利文獻(xiàn)1)
[0003] 具有NFC Wear Field Communication近距離無(wú)線通訊技術(shù)）功能的iPhone6的 發(fā)表，又把人們的注意力集中到了 RFID技術(shù)的手機(jī)電子支付系統(tǒng)。在一些例如購(gòu)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(qǐng)有日本電裝公司申請(qǐng)的"支付系統(tǒng)及支付終端"專利（專利文獻(xiàn)1)。
[0004] 【專利文獻(xiàn)】
[0005] 【專利文獻(xiàn)1】（特開2014-78074號(hào)公告）
[0006] 【非專利文獻(xiàn)1】（微信二維碼支付功能使用方法）
[0007] (ht1:p ://news. mydrivers. com/1/198/198121. htm)
[0008] 訪問(wèn)時(shí)間：2015年1月24日
[0009] 上述的非專利文獻(xiàn)1中記述的方法，曾被國(guó)家權(quán)威金融機(jī)關(guān)W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。
[0010] 上述專利文獻(xiàn)1中記載的手機(jī)支付系統(tǒng)是通過(guò)無(wú)線通訊進(jìn)行代碼交換的，由于安 全問(wèn)題還沒有完全解決，特別是在手機(jī)丟失等情況下會(huì)使手機(jī)合法持有者出現(xiàn)較大的損 失，因此運(yùn)種手機(jī)支付方法只適合小額支付。 【
【發(fā)明內(nèi)容】
】
[0011] 本發(fā)明的第一個(gè)目的是：克服傳統(tǒng)技術(shù)的不足，提供一個(gè)將隨機(jī)分布的人臉的各 個(gè)器官的位置W及尺寸在概率尺度距離空間下進(jìn)行位置參數(shù)的特定，并通過(guò)人為介入將器 官所在位置W及尺寸的模糊信息進(jìn)行定式，提出一個(gè)既考慮人臉各器官的位置W及尺寸分 布的概率信息，同時(shí)又考慮模糊信息的更加穩(wěn)定的手機(jī)刷臉支付系統(tǒng)的構(gòu)成方法。
[0012] 本發(fā)明的第二個(gè)目的是：為了解決手機(jī)支付還要考慮個(gè)人隱私問(wèn)題，提出一個(gè)通 過(guò)概率尺度的聚類計(jì)算實(shí)現(xiàn)更加穩(wěn)定的聲紋認(rèn)證的手機(jī)聲紋支付系統(tǒng)的構(gòu)成方法。
[0013] 為了解決上述課題，提出如下技術(shù)方案：
[0014] 一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，是由選擇要購(gòu)買的商品步驟，在手機(jī)上 選擇信用卡步驟，自動(dòng)進(jìn)入聲紋認(rèn)證的步驟，手機(jī)支付步驟組成的，其特點(diǎn)如下：
[0015] 在網(wǎng)上選擇要購(gòu)買的商品步驟中，需要在網(wǎng)絡(luò)購(gòu)物平臺(tái)上選擇所需的商品；
[0016] 在手機(jī)上選擇信用卡步驟里，直接在手機(jī)端進(jìn)行使用哪個(gè)信用卡，或銀行卡的選 擇。如果所持的信用卡只有一個(gè)時(shí)，運(yùn)個(gè)畫面可W默認(rèn)不必彈出，直接進(jìn)入聲紋認(rèn)證的畫 面；
[0017] 在自動(dòng)進(jìn)入聲紋認(rèn)證的步驟后，手機(jī)屏幕彈出一個(gè)聲紋認(rèn)證識(shí)別提示，持卡人就 要對(duì)準(zhǔn)手機(jī)話筒說(shuō)一句話，就可實(shí)現(xiàn)具有自適應(yīng)學(xué)習(xí)的聲紋手機(jī)支付的認(rèn)證；聲紋認(rèn)證可 通過(guò)隨機(jī)的提出一些與持卡人事先登陸的內(nèi)容有關(guān)的提問(wèn)，讓聲紋認(rèn)證者回答，從而識(shí)別 聲紋認(rèn)證者是否為生命體，或通過(guò)復(fù)數(shù)次的口令是否處于完全相同狀態(tài)來(lái)實(shí)現(xiàn)；
[0018] 手機(jī)支付步驟，通過(guò)微信或支付寶給出SDK的插件進(jìn)行對(duì)接或者提供一個(gè)標(biāo)準(zhǔn)的 對(duì)接SDK插件，各個(gè)網(wǎng)站安裝運(yùn)個(gè)插件后就可同所有的網(wǎng)站進(jìn)行對(duì)接的方法，將聲紋認(rèn)證 后的密碼W及信用卡的號(hào)碼發(fā)送給網(wǎng)站進(jìn)行手機(jī)支付。
[0019] 而且，所述的概率尺度距離空間的聲紋特征信息，是指將聲紋隨機(jī)分布的特征信 息，通過(guò)包括正態(tài)分布，指數(shù)分布，愛爾朗分布，韋伯分布，Ξ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(guò)概率尺度的自組織的算法 獲得的具有相對(duì)確定性的特征信息。
[0020] 而且，利用上述人臉五官圖像在某一顏色下，W及在某一灰度值下的像素分布的 密度規(guī)律，導(dǎo)入概率尺度自組織算法，自動(dòng)的將人臉五官位置信息抽出。
[0021] 而且，將上述聲紋信息通過(guò)概率自組織算法得到最為接近母體的特征值，同時(shí)又 導(dǎo)入模糊數(shù)學(xué)的理論，針對(duì)上述求出的人臉的信息通過(guò)人為介入的方式，使用基于人為經(jīng) 驗(yàn)所定義的復(fù)數(shù)個(gè)隸屬函數(shù)（Membership化nction)，在0到η數(shù)值之間進(jìn)行數(shù)值化直接生 成具有聲紋代碼性質(zhì)的特征向量。
[0022] 而且，所述的聲紋支付代碼的生成是考慮了聲紋認(rèn)證可通過(guò)隨機(jī)的提出一些與持 卡人事先登錄的內(nèi)容有關(guān)的提問(wèn)，讓聲紋認(rèn)證者回答，從而識(shí)別聲紋認(rèn)證者是否為生命體； 聲紋認(rèn)證的生命體識(shí)別還可通過(guò)復(fù)數(shù)次的口令是否處于完全相同狀態(tài)等方法來(lái)實(shí)現(xiàn)生命 體聲紋的識(shí)別。
[0023] 而且，所述的聲紋信息是通過(guò)聲紋信號(hào)的局部特征信息，與整體特征信息共同構(gòu) 成的。
[0024] 【名詞解釋】
[00巧]【概率尺度的距離（Prob油ility Scale Distance)】
[0026] 設(shè)給定的一個(gè)具有概率分布的數(shù)列g(shù)i，g2，…gt的集合為G e gf(f = 1，2，…， ζ )，該集合的中屯、值為A似，中屯、值為A似的概率尺度為Μ [G，A似]，而且由自組織化迭 代所算出的W第n-1次的中屯、值A(chǔ)(Gh ")，并且W該中屯、值為基準(zhǔn)的半徑M[Gh "，A(Gh ")] 內(nèi)存在著k個(gè)概率分布的數(shù)列g(shù)i，g2，…gk的集合為gf(f=l，2，…，k)，則
[0027] 【公式1】
[0028] A(n)=A(G(n))
[002引 M(n)=M[G(n)，A(G(n))]
[0030] G(n)= G{[A(G (η ")，M[G(n 1)，A(G(n ")]]
[0031] 運(yùn)里，概率尺度mW是一個(gè)具有多重屬性的概率統(tǒng)計(jì)的參數(shù)。比方說(shuō)正態(tài)分布，指 數(shù)分布，愛爾朗分布，韋伯分布，Ξ角分布，貝塔分布等等。例如概率尺度mW就可W作為正 態(tài)分布的分散值。
[0032] 由上述迭代公式1經(jīng)過(guò)若干次迭代所算出的中屯、值是針對(duì)概率分布的數(shù)列g(shù)i， g2，一gt所得到的最為接近母體的估計(jì)值，而最終的基準(zhǔn)半徑值為一概率尺度，W最終的中 屯、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)/，g2'，…均可屬于概率 分布數(shù)列g(shù)l，g2，…gt的真值。
[0033] 運(yùn)用上述公式1，4,5 W及6的計(jì)算方法，可W針對(duì)兩個(gè)概率分布的特征向量之間， 得到一個(gè)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(gè)可認(rèn)證持卡人身份的ID所能得到一個(gè)最為穩(wěn)定的結(jié)果。 【【附圖說(shuō)明】】
[0034] 圖1是大額商品購(gòu)物手機(jī)支付操作流程示意圖
[0035] 圖2是小額商品購(gòu)物手機(jī)支付操作流程示意圖
[0036] 圖3是線下購(gòu)物手機(jī)刷臉支付與聲紋支付示意圖
[0037] 圖4是手機(jī)信用卡儲(chǔ)蓄卡的"光"支付的示意圖
[0038] 圖5是手機(jī)儲(chǔ)蓄卡的現(xiàn)金存入的示意圖
[0039] 圖6是概率尺度距離的自組織處理流程
[0040] 圖7是臉部識(shí)別五官位置特征點(diǎn)的設(shè)定方法示意圖
[0041] 圖8是臉部識(shí)別五官尺寸信息的特征值的定義方法示意圖
[0042] 圖9是通過(guò)人的眼位置與尺寸信息提取特征值的示意圖
[0043] 圖10是通過(guò)人臉的形狀信息提取特征值的示意圖
[0044] 圖11是通過(guò)人臉的膚色信息提取特征值的示意圖
[0045] 圖12是通過(guò)人臉頻率空間的信息提取特征值的示意圖
[0046] 圖13是把人臉的頻率空間的信息作為人臉的整體信息的處理方法示意圖
[0047] 圖14是對(duì)聲紋信息進(jìn)行數(shù)值化的處理方法示意圖
[0048] 圖15是將人臉的形狀信息定義成隸屬函數(shù)的例子
[0049] 圖16是刷臉或聲紋代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖
[0050] 圖17是生命體圖像識(shí)別的例子之一的示意圖
[0051] 圖18是光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的電子圖像的示意圖 【【具體實(shí)施方式】】
[0052] W下結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步詳述，但本發(fā)明所述的實(shí)施例是說(shuō)明性 的，而不是限定性的。
[0053] 本發(fā)明解決其技術(shù)問(wèn)題是采取W下技術(shù)方案實(shí)現(xiàn)的：根據(jù)說(shuō)明書附圖對(duì)于發(fā)明的 實(shí)施例進(jìn)行說(shuō)明。
[0054] 圖1是大額商品購(gòu)物手機(jī)支付操作流程示意圖。
[0055] 如圖1所示：首先在網(wǎng)上選擇要購(gòu)買的商品步驟（a)中，可W直接上網(wǎng)，在諸如淘 寶，京東等購(gòu)物網(wǎng)站上利用運(yùn)些網(wǎng)站的現(xiàn)有系統(tǒng)，選擇所需物品，按照所使用的網(wǎng)站的要求 進(jìn)行操作。
[0056] 淘寶，京東等網(wǎng)絡(luò)購(gòu)物平臺(tái)都有自己的協(xié)議標(biāo)準(zhǔn)，如何統(tǒng)一標(biāo)準(zhǔn)，讓手機(jī)支付通用 化是一個(gè)課題，運(yùn)個(gè)問(wèn)題不解決將嚴(yán)重影響手機(jī)支付無(wú)卡化的普及。
[0057] 按照目前的現(xiàn)狀，同微信或支付寶對(duì)接可W通過(guò)微信或支付寶給出的插件進(jìn)行對(duì) 接，但是，運(yùn)樣一來(lái)同那個(gè)網(wǎng)站對(duì)接，就要安裝那個(gè)網(wǎng)站的插件，非常麻煩，給用戶帶來(lái)不 便，本發(fā)明提出可提供一個(gè)標(biāo)準(zhǔn)的對(duì)接插件，各個(gè)網(wǎng)站安裝運(yùn)個(gè)插件后就可同所有的網(wǎng)站 進(jìn)行對(duì)接。
[0058] 在手機(jī)上選擇信用卡步驟（b)里，直接在手機(jī)端進(jìn)行使用哪個(gè)信用卡，或銀行儲(chǔ) 蓄卡的選擇。運(yùn)里，一臺(tái)手機(jī)可W支持不同的信用卡的支付，結(jié)算銀行也可W是復(fù)數(shù)個(gè)。如 果所持的信用卡只有一個(gè)時(shí)，運(yùn)個(gè)畫面可W默認(rèn)不必彈出直接進(jìn)入刷臉認(rèn)證的畫面。
[0059] 在自動(dòng)進(jìn)入刷臉認(rèn)證的步驟（C)后，手機(jī)屏幕彈出一個(gè)識(shí)別窗，只要將持卡人的 臉部對(duì)準(zhǔn)識(shí)別窗，就可進(jìn)行快速的具有人臉的局部特征與全局特征相融合的手機(jī)刷臉認(rèn) 證。為防止不法者通過(guò)照片騙取認(rèn)證，本發(fā)明提出采用生命體識(shí)別的方法進(jìn)行刷臉認(rèn)證。
[0060] 手機(jī)刷臉支付的學(xué)習(xí)數(shù)據(jù)是放在自己的手機(jī)里的，不用放到服務(wù)器上，從手機(jī)端 只要發(fā)出一個(gè)代碼就可，運(yùn)樣可W使處理的速度更快，個(gè)人信息由自己的手機(jī)來(lái)保護(hù)，還可 W提高安全性。
[0061] 在手機(jī)支付數(shù)據(jù)送往銀行服務(wù)器（d)步驟，將手機(jī)支付數(shù)據(jù)送往銀行服務(wù)器，完 成認(rèn)證及付款操作。
[0062] 導(dǎo)入概率尺度距離的理論的刷臉認(rèn)征的特點(diǎn)：
[0063] 可W直接將刷臉圖像變換成代碼，可W直接作為手機(jī)支付的密碼，在網(wǎng)絡(luò)傳輸上 速度快，而且可W將刷臉圖像所變換成的代碼直接作為手機(jī)支付的密碼，在系統(tǒng)搭建上無(wú) 需使原有系統(tǒng)做較多的改變，減少投入成本。
[0064] 刷臉或聲紋支付代碼穩(wěn)定，還具有自適應(yīng)學(xué)習(xí)的功能，能使系統(tǒng)性能不斷的提高。
[0065] 刷臉支付具有生命體識(shí)別功能，可W防止不法者用照片騙取支付?？蒞解決支付 的信用卡與持卡人的一致性認(rèn)證，可使手機(jī)支付系統(tǒng)具有非常高的安全性。
[0066] 圖2是小額商品購(gòu)物手機(jī)支付操作流程示意圖。
[0067] 如圖2所示：在進(jìn)行線上小額購(gòu)物時(shí)，利用手機(jī)聲紋支付同樣需要3個(gè)步驟，
[0068] 首先在網(wǎng)上選擇要購(gòu)買的商品步驟（a)中，同圖1所示的大額網(wǎng)絡(luò)購(gòu)物相同，需要 在網(wǎng)絡(luò)購(gòu)物平臺(tái)上選擇所需的商品。在與各大網(wǎng)站對(duì)接上本發(fā)明提出可提供一個(gè)標(biāo)準(zhǔn)的對(duì) 接插件，各個(gè)網(wǎng)站安裝運(yùn)個(gè)插件后就可同所有的網(wǎng)站進(jìn)行對(duì)接。
[0069] 在手機(jī)上選擇信用卡步驟化）里，也同圖1所示的大額網(wǎng)絡(luò)購(gòu)物相同，直接在手機(jī) 端進(jìn)行使用哪個(gè)信用卡，或銀行卡的選擇。如果所持的信用卡只有一個(gè)時(shí)，運(yùn)個(gè)畫面可W默 認(rèn)不必彈出，直接進(jìn)入聲紋認(rèn)證的畫面。
[0070] 在自動(dòng)進(jìn)入聲紋認(rèn)證的步驟（C)后，手機(jī)屏幕彈出一個(gè)聲紋認(rèn)證識(shí)別提示，持卡 人運(yùn)要對(duì)準(zhǔn)手機(jī)話筒說(shuō)一句話，例如"同意支付"就可實(shí)現(xiàn)具有自適應(yīng)學(xué)習(xí)的聲紋手機(jī)支付 的認(rèn)證，操作方便，認(rèn)證效果好。選擇是否為聲紋認(rèn)證，還是刷臉認(rèn)證可由客戶自己在系統(tǒng) 設(shè)定菜單中選擇。
[0071] 聲紋認(rèn)證可通過(guò)隨機(jī)的提出一些與持卡人事先登陸的內(nèi)容有關(guān)的提問(wèn)，讓聲紋認(rèn) 證者回答，從而識(shí)別聲紋認(rèn)證者是否為生命體。
[0072] 聲紋認(rèn)證的生命體識(shí)別還可通過(guò)復(fù)數(shù)次的口令是否處于完全相同狀態(tài)來(lái)實(shí)現(xiàn)。
[0073] 在手機(jī)支付數(shù)據(jù)送往銀行服務(wù)器（d)步驟，將手機(jī)支付數(shù)據(jù)送往銀行服務(wù)器，完 成認(rèn)證及付款操作。
[0074] 導(dǎo)入概率尺度距離的理論的聲紋認(rèn)證的特點(diǎn)：
[00巧]可W直接將聲紋信息變換成代碼，可W直接作為手機(jī)支付的密碼，在網(wǎng)絡(luò)傳輸上 速度快，而且可W將聲紋信息所變換成的代碼直接作為手機(jī)支付的密碼，在系統(tǒng)搭建上無(wú) 需使原有系統(tǒng)做較多的改變，減少投入成本。
[0076] 可W直接將聲紋信息變換成代碼的手機(jī)信用卡儲(chǔ)蓄卡的支付系統(tǒng)，其特點(diǎn)是代碼 穩(wěn)定，還具有自適應(yīng)學(xué)習(xí)的功能，能使系統(tǒng)的識(shí)別性能不斷的提高。
[0077] 可W直接將聲紋信息變換成代碼的手機(jī)信用卡儲(chǔ)蓄卡的支付系統(tǒng)也具有生命體 識(shí)別功能，可W防止不法者利用持卡者的錄音騙取支付?？蒞解決支付的信用卡與持卡人 的一致性認(rèn)證，可使手機(jī)信用卡儲(chǔ)蓄卡的支付系統(tǒng)具有非常高的安全性。
[0078] 可W直接將聲紋信息變換成代碼的手機(jī)信用卡儲(chǔ)蓄卡的支付系統(tǒng)操作簡(jiǎn)單，不 存在個(gè)人隱私問(wèn)題，可W推廣到世界各國(guó)。
[0079] 圖3線下購(gòu)物手機(jī)刷臉支付與聲紋支付示意圖。
[0080] 在進(jìn)行線下購(gòu)物時(shí)，利用手機(jī)刷臉支付或聲紋支付同線上購(gòu)物相同需要3個(gè)步 驟，如圖3所示：
[0081] 在購(gòu)物結(jié)算步驟中：在超市選擇所要購(gòu)買的商品走到結(jié)算臺(tái)后，由收銀員輸入各 個(gè)商品，在P0S的屏幕上顯示商品價(jià)格，持卡人打開手機(jī)支付的APP后，通過(guò)聲波，藍(lán)牙W及 WiFi的通信，在持卡人手機(jī)的屏幕上顯示了購(gòu)買商品的清單W及價(jià)格，持卡人確認(rèn)商品價(jià) 格無(wú)誤，可立即進(jìn)入選擇所要支付的信用卡的步驟。
[0082] 在選擇所要支付的信用卡的步驟中：如果持卡人只有一個(gè)信用卡，可W跳過(guò)運(yùn)一 步驟。
[0083] 在持卡人認(rèn)證步驟中：持卡人面對(duì)自己的手機(jī)通過(guò)臉部的局部特征與整體特征相 融合的手機(jī)刷臉認(rèn)證，或具有自適應(yīng)學(xué)習(xí)的聲紋認(rèn)證，認(rèn)證成功后，自動(dòng)的把所持的信用卡 的卡號(hào)發(fā)往給P0S機(jī)，P0S機(jī)接受到信用卡的卡號(hào)就可完成手機(jī)支付的全過(guò)程。運(yùn)里，認(rèn)證 后手機(jī)通過(guò)藍(lán)牙或者WiFi直接同收銀臺(tái)的P0S進(jìn)行通信，將手機(jī)信用卡或儲(chǔ)蓄卡的卡號(hào)W 及密碼發(fā)到P0S機(jī)中，由P0S機(jī)收到信息后直接同銀行進(jìn)行交易。還可W讓手機(jī)直接同收 銀臺(tái)通信，手機(jī)方把所支付的金額傳送到收銀臺(tái)后，由手機(jī)直接同銀行進(jìn)行交易。
[0084] 如果持卡人選擇的是手機(jī)聲紋支付的認(rèn)證可W在自己的手機(jī)上報(bào)出自己的支付 口令，例如"可W支付"后就可完成手機(jī)支付的全過(guò)程。
[0085] 圖4是手機(jī)信用卡儲(chǔ)蓄卡的"光"支付的示意圖。
[0086] 如圖4所示：在結(jié)算步驟里；收銀員將頤客所要購(gòu)買的商品通過(guò)掃碼機(jī)錄入到收 銀臺(tái)里，收銀臺(tái)的屏幕上顯示光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的電子圖像。
[0087] 在手機(jī)支付認(rèn)證步驟中，顧客使用手機(jī)信用卡或儲(chǔ)蓄卡的照相機(jī)鏡頭對(duì)準(zhǔn)收銀臺(tái) 的屏幕上的3D網(wǎng)屏編碼圖像進(jìn)行識(shí)讀，就可將商品結(jié)算信息接受到手機(jī)端，實(shí)現(xiàn)手機(jī)信用 卡儲(chǔ)蓄卡的光支付的認(rèn)證；
[0088] 在手機(jī)信用卡儲(chǔ)蓄卡支付步驟里，顧客可W通過(guò)手機(jī)確認(rèn)自己購(gòu)買的商品之后， 通過(guò)手機(jī)選擇信用卡或儲(chǔ)蓄卡，如果持卡人只有一個(gè)信用卡或儲(chǔ)蓄卡，可W跳過(guò)運(yùn)一步驟。
[0089] 手機(jī)自動(dòng)的把所持的信用卡或儲(chǔ)蓄卡的卡號(hào)發(fā)往給P0S機(jī)，如果需要密碼時(shí)，可 W通過(guò)手機(jī)的刷臉或聲紋認(rèn)證產(chǎn)生密碼，P0S機(jī)接受到信用卡或儲(chǔ)蓄卡的卡號(hào)就可完成手 機(jī)支付的全過(guò)程。運(yùn)里，認(rèn)證后手機(jī)通過(guò)藍(lán)牙或者WiFi直接同收銀臺(tái)的P0S進(jìn)行通信，將 手機(jī)信用卡或儲(chǔ)蓄卡的卡號(hào)W及密碼發(fā)到P0S機(jī)中，由P0S機(jī)收到信息后直接同銀行進(jìn)行 交易。還可W讓手機(jī)直接同收銀臺(tái)通信，手機(jī)方把所支付的金額傳送到收銀臺(tái)后，由手機(jī)直 接同銀行進(jìn)行交易。
[0090] 如果持卡人選擇的是手機(jī)聲紋支付的認(rèn)證可W在自己的手機(jī)上報(bào)出自己的支付 口令，例如"可W支付"后就可完成手機(jī)支付的全過(guò)程。
[0091] 3D網(wǎng)屏編碼圖像是由P0S機(jī)的屏幕或手機(jī)平面顯示的具有包括二維電子圖像，帶 有多值灰度值的Ξ維電子圖像，W及帶有閃爍的多值灰度值的Ξ維電子圖像中的一種可顯 示在屏幕上的電子圖像。
[0092] 運(yùn)里，手機(jī)屏幕顯示的用3D網(wǎng)屏編碼埋入的信息，是動(dòng)態(tài)的，而且是3D的信息，因 此不會(huì)被不法者復(fù)制，同普通的二維碼支付相比，具有極高的安全性。
[0093] 持卡人在進(jìn)行3D網(wǎng)屏編碼的手機(jī)"光"支付時(shí)，手機(jī)與收銀臺(tái)之間是通過(guò)光的介 質(zhì)進(jìn)行的，因?yàn)榻换サ男畔⒉灰妆桓浇[藏著的不法者接收，具有系統(tǒng)及其安全的特點(diǎn)。
[0094] 再有，持卡人使用3D網(wǎng)屏編碼的手機(jī)"光"支付功能，可W感到操作簡(jiǎn)單，容易掌 握。
[0095] 由于3D網(wǎng)屏編碼的手機(jī)"光"支付系統(tǒng)非常接近于手機(jī)二維碼的支付系統(tǒng)，因此 對(duì)于目前使用二維條碼進(jìn)行手機(jī)支付的購(gòu)物網(wǎng)站來(lái)說(shuō)具有容易改造，不必添置很多的設(shè) 備，具有立桿見影的效果。
[0096] 識(shí)別3D網(wǎng)屏編碼無(wú)需添置任何設(shè)備，對(duì)手機(jī)信用卡儲(chǔ)蓄卡的支付系統(tǒng)的普及具 有得天獨(dú)厚的優(yōu)勢(shì)。
[0097] 圖5是手機(jī)儲(chǔ)蓄卡的現(xiàn)金存入的示意圖。
[0098] 用手機(jī)儲(chǔ)蓄卡存現(xiàn)金時(shí)，有兩種方式，一種通過(guò)手機(jī)的藍(lán)牙或WiFi與ATM機(jī)通訊， 將手機(jī)儲(chǔ)蓄卡號(hào)通知給ATM，再通過(guò)ATM鍵選擇操作內(nèi)容，就可實(shí)現(xiàn)手機(jī)存儲(chǔ)卡的存現(xiàn)金的 交易。
[0099] 還有一種方式，在ATM上安裝一個(gè)3D網(wǎng)屏編碼識(shí)讀器，手機(jī)選擇現(xiàn)金交易功能后， 就可在手機(jī)的屏幕上顯示一個(gè)3D網(wǎng)屏編碼，將手機(jī)放在ATM的3D網(wǎng)屏編碼識(shí)讀器上就可 把手機(jī)儲(chǔ)蓄卡的卡號(hào)傳送給ATM進(jìn)行現(xiàn)金的存入交易。
[0100] 在使用手機(jī)儲(chǔ)蓄卡取現(xiàn)金時(shí)，首先進(jìn)入手機(jī)儲(chǔ)蓄卡的APP程序，參照上述手機(jī)支 付的流程，選擇儲(chǔ)蓄卡的種類，如果儲(chǔ)蓄卡只有一個(gè)，該步驟跳過(guò)直接進(jìn)入手機(jī)刷臉認(rèn)證， 或聲紋認(rèn)證的步驟，通過(guò)臉部的局部特征與整體特征相融合的手機(jī)刷臉認(rèn)證，或具有自適 應(yīng)學(xué)習(xí)的聲紋認(rèn)證，認(rèn)證成功后就可進(jìn)入取現(xiàn)金的操作。運(yùn)里，輸入取現(xiàn)金額可W在ATM機(jī) 上進(jìn)行，也可在手機(jī)端輸入取現(xiàn)余額，通過(guò)手機(jī)與ATM的通信實(shí)現(xiàn)手機(jī)儲(chǔ)蓄卡的取現(xiàn)交易。
[0101] 圖6是概率尺度距離的自組織處理流程。
[0102] 如圖6所示：設(shè)給定的一個(gè)具有概率分布的數(shù)列g(shù)i，g2,…gi的集合為G e gf(f =1，2，…，1)，則基于概率尺度自組織算法由下邊4個(gè)步驟構(gòu)成。
[0103] 步驟1 :預(yù)處理步驟：作為初始化概率尺度，A W作為自組織的初始中屯、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)。
[0104] 關(guān)于Μ?作為初始化概率尺度和A W作為自組織的初始中屯、值的決定方法，無(wú)需 進(jìn)行嚴(yán)密的設(shè)定。通過(guò)人工預(yù)測(cè)，對(duì)于最終的范圍，至少有一部分?jǐn)?shù)值是包含在初始化概率 尺度的范圍內(nèi)的。初始化概率尺度Μ W越大，計(jì)算的時(shí)間就越長(zhǎng)，反之太小，有可能得不 到正確的結(jié)果。
[0105] 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(jì)算花費(fèi)的時(shí)間越長(zhǎng)。正確的設(shè)定方法是最終自組織的概率尺度的10%左右。
[0106] 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。
[0107] 步驟2 :自組織步驟：進(jìn)行η次自組織處理，把A?作為自組織中屯、值，概率尺度 mW作為半徑，W中屯、值aW為基準(zhǔn)，計(jì)算半徑W內(nèi)的所有數(shù)值gf(f = 1，2,…，ζ)的平均 值 V(n")與分散值 S (η")，V(n")= A (η")，S(n")= Μ (η")，η = η+1。
[0108] 【公式2】
[0112] 步驟3 :自組織判別步驟。自組織處理達(dá)到最大次數(shù)（Ν > ΜΝ)或者自組織處理收 斂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)到步驟4。如 果是N0,就跳轉(zhuǎn)到步驟2繼續(xù)進(jìn)行自組織處理。
[011引步驟4 :自組織處理結(jié)束。
[0114] 概率尺度mW是一個(gè)具有多重屬性的概率統(tǒng)計(jì)的參數(shù)。比方說(shuō)正態(tài)分布，指數(shù)分 布，愛爾朗分布，韋伯分布，Ξ角分布，貝塔分布等等。例如概率尺度mW就可W作為正態(tài)分 布的分散值。
[0115] 本發(fā)明提出將人臉圖像變換成手機(jī)支付的認(rèn)證代碼，是通過(guò)兩種方法實(shí)現(xiàn)的，一 種是針對(duì)人臉的局部信息，生成各個(gè)特征值，再將各個(gè)特征值構(gòu)成一個(gè)數(shù)值化的向量，在通 過(guò)隸屬函數(shù)將各個(gè)數(shù)值化的向量構(gòu)成特征向量，再由不同人臉的圖像構(gòu)成特征向量空間。
[0116] 針對(duì)人臉的局部信息，生成各個(gè)特征值的方法如下：
[0117] 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(duì)臉部的位置信息 進(jìn)行如下的定義。
[0118] 圖7是臉部識(shí)別五官位置特征點(diǎn)的設(shè)定方法示意圖。
[011引如圖7所示：由臉部的五官的位置可W構(gòu)成24個(gè)W上的特征點(diǎn)化amlmarks)。例 如，左眼的左右眼角位置構(gòu)成了 li與12兩個(gè)特征點(diǎn)，右眼的左右眼角位置又構(gòu)成了 13與14 兩個(gè)特征點(diǎn)，左眼與左眼眉毛中屯、的垂直位置構(gòu)成了 與le兩個(gè)特征點(diǎn)，右眼與右眼眉毛 中屯、的垂直位置又構(gòu)成了 1,與1 S兩個(gè)特征點(diǎn)，鼻子兩邊構(gòu)成了 1 e與1 1。兩個(gè)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 111與1 12兩個(gè)特征點(diǎn)，嘴的兩邊構(gòu)成了 1 13與1 14 兩個(gè)特征點(diǎn)，嘴的兩邊與鼻子的中間又構(gòu)成了 與Iw兩個(gè)特征點(diǎn)，左眼的左眼角與右眼的 右眼角位置構(gòu)成了 與1 18兩個(gè)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 lie與12。兩個(gè)特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相 交構(gòu)成了 121與1 22兩個(gè)特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)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124兩個(gè)特征點(diǎn)。
[0120] 運(yùn)里，嘴的兩邊與鼻子的中間構(gòu)成的lie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111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 1 17與1 18兩個(gè) 特征點(diǎn)，是與ll與U兩個(gè)特征點(diǎn)重合的，左限的左眼角與右眼的右眼角與臉的額部構(gòu)成的 1。與1 2。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1 12特征點(diǎn)，W及與嘴的兩 邊的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相交所構(gòu)成的連線W及臉額的垂直線構(gòu)成的124特 征點(diǎn)是重合的，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)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123特征點(diǎn)與嘴的兩邊與鼻子的中間又構(gòu)成的1 U特征點(diǎn)重合。
[0121] 也就是說(shuō)，li與1 17是一個(gè)左眼的左眼角位置，1 4與1 18是一個(gè)右眼的右眼角位置， ll2與1 ig是一個(gè)兩眼的連接線的垂直位置，1 11與1 le是一個(gè)鼻子兩邊的中屯、位置，1 15與1 23 是嘴的兩邊的特征點(diǎn)的中屯、位置，12。與1 21是臉額的特征點(diǎn)的位置，因此實(shí)際可描述臉部五 官的特征點(diǎn)是18個(gè)。
[0122] 實(shí)際上，只要把li與1 2兩個(gè)特征點(diǎn)，1 3與1 4兩個(gè)特征點(diǎn)，1 e與1 8兩個(gè)特征點(diǎn)，1 e 與廂個(gè)特征點(diǎn)，1。與1 Μ兩個(gè)特征點(diǎn)，1 21與1 2巧個(gè)特征點(diǎn)W及1 24特征點(diǎn)，總共13個(gè)特 征點(diǎn)抽出就可。
[0123] 可W把li與1 2兩個(gè)特征點(diǎn)所連接的直線，1 3與1 4兩個(gè)特征點(diǎn)所連接的直線，1 δ與 le兩個(gè)特征點(diǎn)所連接的直線，1 7與1 8兩個(gè)特征點(diǎn)所連接的直線，1 g與1 1。兩個(gè)特征點(diǎn)所連接 的直線，與1。兩個(gè)特征點(diǎn)所連接的直線，1。與1 Μ兩個(gè)特征點(diǎn)所連接的直線，1 15與1 16 兩個(gè)特征點(diǎn)所連接的直線，1?7與1 18兩個(gè)特征點(diǎn)所連接的直線，1 ig與1 2。兩個(gè)特征點(diǎn)所連接 的直線，121與1 22兩個(gè)特征點(diǎn)所連接的直線，1 23與1 24兩個(gè)特征點(diǎn)所連接的直線。本發(fā)明將 總共12條直線的長(zhǎng)度作為描述臉部五官位置的特征信息，即把運(yùn)12個(gè)描述臉部五官位置 的特征信息作為12個(gè)認(rèn)證持卡人的特征向量的要素。
[0124] 作為利用人臉的局部信息生成特征值的方法，本發(fā)明還提出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(duì)臉部的尺寸信息進(jìn)行如下的定義。
[0125] 圖8是臉部識(shí)別五官尺寸信息的特征值的定義方法示意圖。
[0126] 圖8(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8(a)所示：(8-1)是人眼的眼球，一般為 深色，（8-2)人眼的眼底，一般為淺色。Vi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Vi作為認(rèn)證持卡人的特征向量的1個(gè)要素，同時(shí)還將眼球 的直徑尺寸V2作為認(rèn)證持卡人的特征向量的其中1個(gè)要素。
[0127] 圖8(b)是人嘴的尺寸示意圖，人嘴的大小W及厚度是判別持卡人特征的重要信 息。如圖8(b)所示：(8-3)是人的嘴唇，一般為紅色。V4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(gè)要素，同 時(shí)還將嘴的厚度尺寸V3作為認(rèn)證持卡人的特征向量的另一個(gè)要素。
[0128] 本發(fā)明針對(duì)持卡人的臉部進(jìn)行識(shí)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(shí)現(xiàn)的將臉部圖像變換成可 W特定持卡人的代碼。因?yàn)槟槻繄D像的色彩信息是高效率的對(duì)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W很快而且很準(zhǔn)確的將上述五官信息抽出， 同時(shí)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(shí)別結(jié)果對(duì)環(huán)境的影響要小。
[0129] 本發(fā)明針對(duì)持卡人臉部的識(shí)別還利用了險(xiǎn)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。
[0130] 本發(fā)明利用上述人臉五官圖像在某一顏色下，W及在某一灰度值下的像素分布的 密度規(guī)律，可W導(dǎo)入上述概率尺度自組織算法，自動(dòng)的將人臉五官位置信息抽出。因?yàn)楦怕?尺度自組織的計(jì)算結(jié)果，就是得到某一顏色，W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W得到在某一顏色，W及在某一灰度值下的像素分布密度值最大化的結(jié) 果。
[0131] 例如針對(duì)人的眼特征值的識(shí)別，首先應(yīng)從眼球開始比較方便，因?yàn)檠矍虻奶攸c(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W很方便的提取出人的眼的 位置信息W及尺寸信息。
[0132] 圖9是通過(guò)人的眼位置與尺寸信息提取特征值的示意圖。
[0133] 導(dǎo)入概率自組織的方法針對(duì)人的眼位置與尺寸特征的抽出，與上述圖6所示的 方法略有不同，圖9所示的概率自組織的方法是針對(duì)一維數(shù)據(jù)進(jìn)行的，運(yùn)里是針對(duì)二維空 間的眼球的分布中屯、W及尺寸計(jì)算出的。
[0134] 如圖9(a)所示：作為二維空間數(shù)據(jù)的概率自組織的方法參照?qǐng)D2給出的算法，最 初應(yīng)在眼球的附近給出最初的中屯、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的設(shè)定方法 是，眼球一定要被包括在WAW= (Xe，y。）為中屯、的半徑的范圍內(nèi)，運(yùn)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?yàn)楦怕首越M織算法可W自動(dòng)的將被包 括的范圍，在多次的自組織的計(jì)算下自動(dòng)的移動(dòng)到密度最高的像素分布的地方。
[0135] 在運(yùn)一步驟中，如圖6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?qǐng)D2即可。
[013引如圖9(b)所示：在下面的概率自組織的計(jì)算中，Α^= (xe，y。)^可參照公式4計(jì) 算出。
[0137]【公式4】
[0140] 同樣，概率尺度Μ^= S 可參照公式5計(jì)算出。
[0141] 【公式5】
[0142]
[0143] 公式4與公式5只是給出了一個(gè)例子，可W參照運(yùn)兩個(gè)公式采用其他的類似公式 同樣可W得到所需的結(jié)果，運(yùn)里就不一一列舉了。
[0144] 進(jìn)行h次自組織處理，把（X。，y。) W作為自組織中屯、值，概率尺度Μ W作為半徑，計(jì) 算半徑^內(nèi)的所有眼部的像素1^1，7，）（1 = 1，2，"，^，^' = 1，2，一，1)的灰度密度分散 值S<h"：)。Μ&"：)= S <h"：)，h二h+i。如圖9(b)所示：概率尺度Μ^= S A叫勺半徑值在收斂， 中屯、位置Α^= (X。，y。)^逐漸移到眼球的中屯、。
[0145] 經(jīng)過(guò)η次的概率尺度自組織的計(jì)算，在9(c)的步驟中，中屯、位置AW= (X。，y。）^ 在眼球的中屯、位置上停下，概率尺度mw的半徑也停在眼球的周圍，眼球的尺寸與位置被精 確的計(jì)算出。
[0146] 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(guò)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，運(yùn)里就不一一列舉了。
[0147] 圖10是通過(guò)人臉的形狀信息提取特征值的示意圖。
[0148] 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(shí)間內(nèi)不會(huì)有很大的變化，也不受發(fā)型或化妝后的影響，因此是一個(gè)相對(duì)穩(wěn)定的 信息。
[014引如圖10所示：(a)表示臉型比較瘦的人臉的形狀信息，化）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(gè)人的臉型會(huì)有不同的差異，利 用運(yùn)些差異信息可W作為區(qū)分不同人的特征值。
[0150] 運(yùn)里，本發(fā)明再提出另一種人臉局部信息的抽取方法，設(shè)二維G油or小波（GWT)的 核函數(shù)為一個(gè)用高斯包絡(luò)函數(shù)約束的平面波：
[0151] 【公式6】
[0152]
(3)
[01閲其中，、,,二、6"'"^=1^"_/^表示核函數(shù)的頻率（尺度），0,二"兀/ 8，巧,巨[0，兀)表 示核函數(shù)的方向。通過(guò)設(shè)置不同的尺度和方向，可W得到一組G油or小波核函數(shù)。對(duì)圖像 的特征提取是通過(guò)多個(gè)Gabor小波核函數(shù)分別與圖像進(jìn)行卷積操作來(lái)完成的。
[0154] 為了更好地提取局部信息，將G油or特征按照空間位置進(jìn)行分塊，每一個(gè)塊內(nèi)的 特征被串接成一個(gè)特征向量。運(yùn)樣，對(duì)于一幅人臉圖像，我們就可W得到多個(gè)特征向量，稱 為局部G油or特征向量（LGFV)。
[0155] 上述圖8到圖10是抽取人臉的局部信息，所得到的結(jié)果是每一部位的特征值，將 各個(gè)部位的特征值構(gòu)成一組可W反映人臉各個(gè)部位的特征的數(shù)值化向量，
[0156] 人臉的整體信息是指其特征向量的每一維都包含了人臉圖像上所有部分（甚至 所有像素）的信息，因此反映的是人臉的整體屬性。運(yùn)里人臉的膚色信息就是一個(gè)具體的 特征值。
[0157] 局部特征的每一維都只對(duì)應(yīng)人臉圖像上的一個(gè)局部區(qū)域，因此側(cè)重于提取人臉的 細(xì)節(jié)特征。本發(fā)明將人臉整體信息所得到的特征向量，與局部信息所構(gòu)成的特征向量融為 一體，即可反映人臉的整體粗曠信息，由可反映人臉局部的細(xì)微信息?？蒞更加精確的得到 人臉的認(rèn)證代碼。
[015引圖11是通過(guò)人臉的膚色信息提取特征值的示意圖。
[0159] 人臉的膚色信息是快速的區(qū)分不同人的重要信息，如圖11所示：（a)表示黃種人 的臉部，化）表示白種人的臉部，（C)表示黑人的臉部。將通過(guò)手機(jī)攝像機(jī)讀取到的RGB顏 色的人臉圖像，進(jìn)行L油顏色空間的變換，把亮度信息L去掉，用a和b來(lái)表示人臉的圖像， 用上述概率尺度自組織算法，分別計(jì)算顏色a和b的最大分布密度的灰度值，將運(yùn)兩個(gè)灰度 值作為人臉的膚色信息并通過(guò)隸屬函數(shù)得到人臉膚色的特征值。
[0160] 圖12是通過(guò)人臉頻率空間的信息提取特征值的示意圖。
[016。 如圖12所示：1201表示人臉的面部，1202為人臉額頭的皺紋，1203為人臉眼部的 眼袋，1204為人嘴兩邊的法令紋。如圖12的1202所示：當(dāng)額頭的皺紋非常密集時(shí)，可W通 過(guò)額頭的局部區(qū)域的頻率特性抽出皺紋的特征。
[016引如圖12的1204所示：當(dāng)皺紋比較清晰，可W通過(guò)對(duì)皺紋所在的區(qū)域的圖像進(jìn)行微 分計(jì)算，找出皺紋的邊線，識(shí)別出皺紋的長(zhǎng)度。針對(duì)皺紋圖像的微分計(jì)算，也是屬于針對(duì)皺 紋圖像進(jìn)行頻率空間的計(jì)算。
[0163] 圖13是把人臉的頻率空間的信息作為人臉的整體信息的處理方法示意圖。
[0164] 把人臉的頻率空間的信息作為人臉的整體信息，它反映人臉的粗糖程度，例如皺 紋的多少，臉部的瘤痕等等，為使識(shí)別結(jié)果不會(huì)因?yàn)槟槻康募?xì)微部位在圖像讀取時(shí)產(chǎn)生的 白噪聲，而影響識(shí)別的穩(wěn)定性，運(yùn)里只取臉部圖像所進(jìn)行的快速傅立葉變換結(jié)果的低頻部 分的系數(shù)，作為人臉的頻率空間的數(shù)值化向量。
[0165] 如圖13所示，把人臉的頻率空間的信息作為人臉的整體信息的處理分Ξ個(gè)步驟 進(jìn)行的；
[0166] 第一步驟是讀取人臉圖像步驟，在運(yùn)里將人臉的整體圖像進(jìn)行讀取，作為人臉的 頻率空間的信息的處理的對(duì)象。
[0167] 第二步驟是快速傅立葉變換步驟，將上述讀取到的人臉圖像進(jìn)行快速的傅立葉變 換。
[016引第Ξ步驟是數(shù)值化向量的構(gòu)成步驟，將上述快速傅立葉變換結(jié)果的低頻端的實(shí)數(shù) 系數(shù)與虛數(shù)系數(shù)構(gòu)成人臉的頻率空間的數(shù)值化向量。
[0169] 本發(fā)明利用人臉的五官位置信息，人臉五官的尺寸信息，人臉的頻率空間的信息， 人臉的形狀信息W及人臉的膚色信息，實(shí)現(xiàn)對(duì)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(huì)出現(xiàn)隨機(jī)分布的問(wèn)題，通過(guò)上述的概率尺度自組織算法，可 W得到最為接近概率分布母體的期望值與分散值。
[0170] 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(jì)算出最為接近母體的特征值，同時(shí)又導(dǎo)入模糊數(shù)學(xué)的 理論，針對(duì)上述求出的人臉的數(shù)值化信息通過(guò)人為介入的方式，使用基于人為經(jīng)驗(yàn)所定義 的復(fù)數(shù)個(gè)隸屬函數(shù)（Membership化nction)，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。
[0171] 圖14是對(duì)聲紋信息進(jìn)行數(shù)值化的處理方法示意圖。
[0172] 一維聲紋信息同樣可W通過(guò)傅立葉變換生成數(shù)值化信息。
[0173] 如圖14所示，對(duì)聲紋信息進(jìn)行數(shù)值化的處理分Ξ個(gè)步驟進(jìn)行的：
[0174] 第一步驟是讀取聲紋信號(hào)步驟，在運(yùn)里將聲紋信號(hào)進(jìn)行讀取，作為聲紋認(rèn)證信息 的處理的對(duì)象。
[0Π5] 第二步驟是快速傅立葉變換步驟，將上述讀取到的聲紋信號(hào)進(jìn)行快速的傅立葉變 換。
[0176] 第Ξ步驟是數(shù)值化向量的構(gòu)成步驟，將上述快速傅立葉變換結(jié)果的低頻端的實(shí)數(shù) 系數(shù)與虛數(shù)系數(shù)構(gòu)成聲紋信息的數(shù)值化向量。
[0177] 圖15是將人臉的形狀信息定義成隸屬函數(shù)的例子。
[017引如圖15(a)所示：由曰1與a速接成的直線，由a 2與a速接成的直線，化及由a 3與 曰1連接成的直線構(gòu)成的Ξ角形，a'為該Ξ角形除了臉型所占用的區(qū)域W外的面積，一般來(lái) 說(shuō)當(dāng)人臉的臉型越瘦，a'的面積就越接近與Ξ角形的面積，當(dāng)人臉的臉型越胖，a'所剩下的 面積就越小。利用運(yùn)一人為主觀的經(jīng)驗(yàn)，可W構(gòu)造出如下的隸屬函數(shù)。設(shè)由曰1與曰3連接成 的直線為L(zhǎng)i，由曰2與a 3連接成的直線為L(zhǎng) 2,則將人臉的形狀信息定義成的隸屬函數(shù)MBi可 由公式7做成：
[0179]【公式7】
[0180]
[0181] 當(dāng)人臉非常胖時(shí)，其面積a'接近于"0"，MBi接近于100,當(dāng)人臉非常瘦時(shí)，其面積 2曰'接近于L 2"，MB準(zhǔn)近于"0"，因此隸屬函數(shù)MB 1是描述人臉胖瘦的特征函數(shù)。
[0182] 再舉一個(gè)計(jì)算人嘴的寬度的隸屬函數(shù)的例子，設(shè)人嘴通過(guò)統(tǒng)計(jì)求出的最大寬度為 Vm。、，最小寬度為Vmm，如圖8化）所示再設(shè)嘴的寬度為V4,則人嘴的寬度的隸屬函數(shù)MBs可由 公式8做成：
[018引【公式8】
[0184]
[01財(cái)運(yùn)里設(shè)Vmax聲Vmin，公式8給出了當(dāng)人嘴接近最小寬度時(shí)，V產(chǎn)V mi。人嘴的寬度 的隸屬函數(shù)MBs接近于100,當(dāng)人嘴接近最大寬度時(shí)，V4> Vm。,人嘴的寬度的隸屬函數(shù)MBs接 近于0。因此隸屬函數(shù)MBs是描述人嘴寬度的特征函數(shù)。
[0186] 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，臉炊的寬度，嘴與額頭的距離等等反映五官的位 置與大小的信息，W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(wú)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)。
[0187] 在運(yùn)里定義特征向量空間，設(shè)將q個(gè)不同人的人臉圖像按照上述方法，求出q個(gè)特 征向量，每個(gè)特征向量具有P個(gè)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。 [018引設(shè)有q個(gè)由P個(gè)元素組成的向量，可用公式1所示的行列式來(lái)表達(dá)。
[0189] 【公式9】
[0190] 在計(jì)算兩個(gè)概率分布的向量Wii，Wi2，…，巧;。與向量Vii，Vi2，…，Vip，所對(duì)應(yīng)的各個(gè) 要素的概率分布的概率尺度的距離時(shí)，設(shè)向量Vil，Vi2,…，Vi，，…，Vip中第j個(gè)要素 V 1,的 概率分布的數(shù)列為g。，gi2, 一gw通過(guò)公式4算出的最終的中屯、值A(chǔ)i,，W及概率尺度Ml,， 則
[0191] 【公式10】
[0192]
[0193] 將公式10的結(jié)果帶入公式11就可得到概率尺度的距離Pi。
[0194] 【公式11】
[0195]
[0196] 再設(shè)持卡人刷臉圖像或聲紋信號(hào)的特征向量…，Wtp與第i個(gè)人臉圖像 的特征向量Vil，Vi2,…，Vip，對(duì)應(yīng)Ψ個(gè)經(jīng)過(guò)若干次識(shí)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。
[0197] 【公式12】
[019 引
[0199] 按照上述公式1，4 W及12,進(jìn)行概率尺度的自組織計(jì)算，可分別得到如下的學(xué)習(xí) 數(shù)據(jù)矩陣的中屯、值W及分散值Lam:
[0200] 【公式13】
[0201] Lab= [(A 1，Ml)，（A2, M2)，…，（Ap，Mp)]
[0202] 運(yùn)里設(shè)第Τ次進(jìn)行手機(jī)支付時(shí)，持卡人刷臉圖像或聲紋信號(hào)的特征向量Wti， Wt2,…，Wtp與特征向量空間V。中的各個(gè)特征向量之間的概率尺度的距離按照公式5,6可 得：
[0203] 【公式14】
[0204]
[020引其中最小值Pmm所對(duì)應(yīng)的特征向量值V …，乂了。為第T個(gè)人的刷臉圖像或 聲紋信號(hào)的代碼值。
[0206] 圖16是刷臉或聲紋代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖。
[0207] 持卡人刷臉或聲紋認(rèn)證時(shí)所拍攝的人臉圖像或聲紋信號(hào)通過(guò)特征信息抽出，隸屬 函數(shù)的計(jì)算等得到的持卡人刷臉圖像或聲紋信號(hào)的特征向量，與特征向量空間的各個(gè)特征 向量進(jìn)行概率尺度的距離的計(jì)算，求出公式14的概率尺度距離的最小值所對(duì)應(yīng)的特征向 量作為持卡人的刷臉或聲紋代碼。為提高刷臉或聲紋支付代碼的精度與穩(wěn)定性，本發(fā)明提 出一個(gè)自適應(yīng)的刷臉或聲紋代碼生成方法。
[0208] 如圖16所示，刷臉或聲紋代碼自適應(yīng)學(xué)習(xí)處理方法分3個(gè)步驟進(jìn)行的。
[0209] 步驟1 :自適應(yīng)的特征向量空間的構(gòu)成步驟；為了把每次的刷臉或聲紋數(shù)據(jù)作為 一次學(xué)習(xí)的數(shù)據(jù)，通過(guò)大量的統(tǒng)計(jì)，保證不斷的將最接近概率分布母體的真實(shí)的學(xué)習(xí)數(shù)據(jù) 保留，而把超出偏差的不真實(shí)的數(shù)據(jù)剔除，在真實(shí)的特征向量的要素的各個(gè)學(xué)習(xí)數(shù)據(jù)中進(jìn) 行概率尺度距離的計(jì)算，才能保證通過(guò)自適應(yīng)學(xué)習(xí)，使刷臉或聲紋代碼越來(lái)越趨于穩(wěn)定，使 代碼生成更加準(zhǔn)確，運(yùn)是自適應(yīng)學(xué)習(xí)的主要目的。
[0210] 為了更加精確的計(jì)算持卡人的刷臉或聲紋代碼，首先將公式1的刷臉圖像或聲紋 信號(hào)的特征向量空間中的Vi，，通過(guò)學(xué)習(xí)數(shù)據(jù)矩陣公式12, W及針對(duì)學(xué)習(xí)數(shù)據(jù)矩陣的概率尺 度空間的距離計(jì)算得到公式13,置換成概率尺度距離空間的中屯、值的矩陣Ai,，可將該矩陣 作為自適應(yīng)的特征向量空間，
[0211] 【公式！5】
[0212]
[021引同樣通過(guò)公式12,13可W得到特征向量空間Vi沖的概率尺度距離空間的分散矩 陣，即
[0214]【公式16】
[021引公式15與16所得到的概率尺度距離空間的中屯、值，與概率尺度距離空間的分散 值是同W下所述的隨著學(xué)習(xí)數(shù)據(jù)的變化而變化的，因此可W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)。運(yùn)樣處理可W保證持卡人的刷臉圖像或聲紋信號(hào)代碼的特 征向量空間的檢索處于最佳的狀態(tài)，可W提高刷臉或聲紋支付的代碼處于最佳值的計(jì)算結(jié) 果。
[0219] 運(yùn)里，如公式17所示：由于概率尺度距離空間的中屯、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(gè)與概率尺度距離空間的中屯、值矩陣的各個(gè)要素所對(duì)應(yīng)的，但是其 數(shù)值是不變的刷臉或聲紋支付代碼的矩陣Di，。
[0220] 設(shè)第T次刷臉支付時(shí)，所得到的特征向量Wti，Wt2，···,Κτρ，如公式15所示，持卡 人刷臉圖像或聲紋信號(hào)的特征向量與自適應(yīng)特征向量空間Ai，的概率尺度的距離Ρ 1如下：
[0221] 【公式18】
[0222]
[0225] 當(dāng)檢索第Τ次進(jìn)行刷臉支付時(shí)，持卡人刷臉圖像或聲紋信號(hào)的特征向量Wti， Wt2, ···tWTp與概率尺度距離空間的中屯、值A(chǔ)。中的各個(gè)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(duì)應(yīng)的刷臉或聲紋支付代碼的矩陣D。的代碼值，就可作為 第T次刷臉或聲紋支付的代碼。
[0226] 步驟2 :自適應(yīng)學(xué)習(xí)刷臉或聲紋支付代碼取得步驟；經(jīng)過(guò)上述步驟的處理，將持卡 人第T次進(jìn)行刷臉或聲紋支付的刷臉圖像或聲紋信號(hào)的特征向量WT1，WT2,…，Wtp經(jīng)過(guò) 概率尺度的距離計(jì)算，檢索出最小概率尺度的距離所對(duì)應(yīng)的自適應(yīng)特征向量空間中的一個(gè) 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(duì)應(yīng)的刷臉或聲紋支付代碼的 矩陣中的一個(gè)代碼，將運(yùn)個(gè)代碼作為自適應(yīng)學(xué)習(xí)的刷臉或聲紋支付代碼。
[0227] 按照本發(fā)明的思路可W有各種方法實(shí)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(shuō)明，參照公式14,設(shè)持卡人第T次進(jìn)行刷臉或聲紋支付的刷臉圖像或聲紋信號(hào)的特 征向量Wti，Wt2，…，Wtp與概率尺度距離空間的中屯、值的矩陣Ai.廝構(gòu)成的自適應(yīng)特征向 量空間中的某一個(gè)特征向量存在著的最小距離為另一個(gè)特征向量存在著比 稍微大的概率尺度最小距離為9了1_">1。2。
[022引又可設(shè)持卡人刷臉圖像或聲紋信號(hào)的特征向量WT1，WT2,…，Wtp與Ψ個(gè)經(jīng)過(guò)若 干次識(shí)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Li，中的各個(gè)特征向量之間的 概率尺度的距離按照公式5,6可得：
[0229]【公式2〇】
[0230]
[0231] 將公式20的P'=如'，化'，…，口/}概率尺度的距離，再通過(guò)公式5,6進(jìn)行概 率尺度的自組織計(jì)算，即可得到針對(duì)持卡人刷臉圖像或聲紋信號(hào)的特征向量WT1，WT2,…， Wtp與學(xué)習(xí)數(shù)據(jù)的矩陣L 1,的中屯、值A(chǔ)'，W及分散r。
[0232] 如果滿足{P 了 1/化 Ti_mm2且 ε > 1/化 了 或（P M'）}貝1J，刷臉 圖像或聲紋信號(hào)的特征向量Wti，Wt2,…，Wtp可作為學(xué)習(xí)數(shù)據(jù)的矩陣Li,的新的學(xué)習(xí)向量。
[0233] 運(yùn)里，作為加入學(xué)習(xí)數(shù)據(jù)的條件之一是1/化其物理意義是：限定 第Τ次進(jìn)行刷臉或聲紋支付的刷臉圖像或聲紋信號(hào)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，W防止誤識(shí)讀的現(xiàn)象出現(xiàn)。
[0234] 范圍條件ε > 1/化。mm2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(shí)，不會(huì)因?yàn)樗⒛槇D像的特征向量WT1，WT2,…，Wtp并不適合進(jìn)入學(xué)習(xí)數(shù)據(jù)而錯(cuò)誤的進(jìn) 入了學(xué)習(xí)數(shù)據(jù)中。
[0235] 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 尺度的距離的各個(gè)要素進(jìn)行（ω = Pi-A' ；i = 1，2,…，Ψ}偏差計(jì)算，將最大偏差值ω。。、 所對(duì)應(yīng)的學(xué)習(xí)數(shù)據(jù)剔除就可。
[023引運(yùn)里，只是提供了一個(gè)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)，W及如何剔除 一個(gè)不適于作為學(xué)習(xí)數(shù)據(jù)的方法，但是實(shí)際在系統(tǒng)構(gòu)成時(shí)往往是針對(duì)若干個(gè)數(shù)據(jù)同時(shí)，或 逐步地進(jìn)入學(xué)習(xí)數(shù)據(jù)中，W及實(shí)際在系統(tǒng)構(gòu)成時(shí)往往是針對(duì)若干個(gè)數(shù)據(jù)同時(shí)，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(cè)到相關(guān)的處理方法。
[0237] 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(huì)出現(xiàn)刷臉 圖像的特征向量發(fā)生較大的變化，為解決運(yùn)些問(wèn)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(shí)，將當(dāng)前最近得到的α次的特征向量記錄下，成為輔助學(xué)習(xí)數(shù)據(jù)的矩陣：
[023引【公式21】
[0239]
[0240] 如果計(jì)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屯、值A(chǔ)"，W及分散值 M"處于穩(wěn)定的且收斂的狀態(tài)，另外，A"與M"與學(xué)習(xí)數(shù)據(jù)的矩陣的中屯、值A(chǔ)' W及分散值r， 在概率尺度距離空間中具行較遠(yuǎn)的距離時(shí)，可W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W參照本發(fā)明提出的上述例子與思維方式，舉一反=可W得到各種各樣 的處理手段。
[0241] 步驟3 :自適應(yīng)學(xué)習(xí)刷臉或聲紋支付代碼取得步驟：經(jīng)過(guò)上述步驟的處理，將持卡 人第T次進(jìn)行刷臉或聲紋支付的刷臉圖像或聲紋信號(hào)的特征向量WT1，WT2，…，Wtp經(jīng)過(guò) 概率尺度的距離計(jì)算，檢索出最小概率尺度的距離所對(duì)應(yīng)的自適應(yīng)特征向量空間中的一個(gè) 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(duì)應(yīng)的刷臉或聲紋支付代碼的矩 陣中的一個(gè)代碼，將運(yùn)個(gè)代碼作為自適應(yīng)學(xué)習(xí)的刷臉或聲紋支付代碼。
[0242] 本發(fā)明提出的刷臉或聲紋支付不僅用于商品支付，還可W作為普通信用卡在支付 時(shí)，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(wèn)題的產(chǎn)生。
[0243] 另外，本發(fā)明提出的刷臉或聲紋支付方法還可W作為普通銀行現(xiàn)金卡的現(xiàn)金提取 時(shí)，可增加一個(gè)刷臉認(rèn)證或聲紋認(rèn)證的步驟，可W提高銀行現(xiàn)金卡的安全。
[0244] 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(duì)刷臉圖像進(jìn) 行是否為生命體圖像的識(shí)別，本發(fā)明提出如下針對(duì)刷臉圖像進(jìn)行生命體圖像識(shí)別的方法。
[0245] 圖17是生命體圖像識(shí)別的例子之一的示意圖。
[0246] 如圖17(a)所示：上述圖8給出了用概率尺度自組織算法識(shí)別眼球大小的方法， 為了識(shí)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W巧動(dòng)， 因此，如圖17(b)所示：使用識(shí)別眼球大小的概率尺度自組織算法，在刷臉圖像巧眼時(shí)，圖 17 (a)的mW遠(yuǎn)遠(yuǎn)大于圖17化）的Μ W '，即Μ W ' < mW的狀態(tài)瞬時(shí)具備。
[0247] 刷臉圖像為生命體的圖像的識(shí)別不僅是上述的眼球巧眼的識(shí)別，還可W按照上述 概率尺度自組織算法方法識(shí)別張嘴閉嘴的動(dòng)作，臉部微笑時(shí)的肌肉微小變化，瞳孔的變化， 識(shí)別臉部微小晃動(dòng)的加速度，識(shí)別臉部的顏色頭部的晃動(dòng)等等的方法。
[024引圖18是光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的電子圖像的示意圖。
[0249] 如圖18所示：（1800)是屏幕顯示器的屏幕，也可是手機(jī)的顯示屏。所謂的屏幕上 顯示的光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的電子圖像的定義，如圖18的1801所示：首先為能成 為光學(xué)可識(shí)讀的代碼，其代碼的符號(hào)首先應(yīng)該是在電子屏幕上的每一個(gè)二維的劃分，即在 屏幕上至少被分割成若干個(gè)大于光學(xué)可識(shí)讀的尺寸的小區(qū)域作為代碼的符號(hào)，每一個(gè)符號(hào) 在記錄信息上，是通過(guò)包括符號(hào)的不同的顏色，不同位置，不同大小，不同方向，集中與分散 在內(nèi)的幾何學(xué)的分布，或通過(guò)不同的調(diào)制方式，不同的相位差，不同的傳播方向，不同的灰 度分布在內(nèi)的物理學(xué)的分布。
[0巧0] 上述光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的每一符號(hào)是通過(guò)二維，Ξ維或四維空間的分 布記錄信息的。同時(shí)如圖18的1802所示：光學(xué)識(shí)別可能的3D網(wǎng)屏編碼的每一符號(hào)還同時(shí) 通過(guò)時(shí)間的分布記錄信息的。即針對(duì)每一個(gè)符號(hào)還會(huì)W紅，綠，藍(lán)，白，黑W及由此組合的各 種可能的顏色，還可按調(diào)幅1804或調(diào)頻1803的方式，在每一瞬間進(jìn)行變化，例如按該顏色 閃爍的不同速度記錄信息（可稱為調(diào)頻信息），按黑或白閃爍的強(qiáng)度（可稱為調(diào)幅信息）記 錄信息。
[0巧。各種可在手機(jī)屏幕上顯示的信息，如：二維條碼1805、QR碼、漢信碼、商品的標(biāo)識(shí) 商標(biāo)等也可W按照調(diào)幅1807與調(diào)頻1806的方式在每一瞬間的變化來(lái)記錄信息的。
[0巧引所述的3D網(wǎng)屏編碼是指包括所有可在屏幕上發(fā)射信息的QR二維碼，DM二維碼， PDF417二維碼，漢信碼，網(wǎng)屏編碼，任意屏幕顯示的圖像。
[0巧3] 為不影響屏幕顯示的內(nèi)容，W及盡可能的利用屏幕的顯示空間，從空間領(lǐng)域上，可 W采取例如不同位置記錄信息，運(yùn)樣符號(hào)僅使用2% W下的空間，而把98% W上的空間用 于屏幕圖像的顯示。
[0254] 還可W將符號(hào)隱藏在屏幕顯示圖像的某一階灰度上，例如把符號(hào)信息放在位圖 的最低若干位上。
[0255] 從時(shí)間領(lǐng)域上，利用人眼的運(yùn)動(dòng)知覺的視覺特性，可W設(shè)置符號(hào)的閃爍在圖像顯 示時(shí)間的0. 3秒W下，屏幕顯示圖像占據(jù)主要的顯示時(shí)間，被人眼記憶下，就不容易發(fā)現(xiàn)符 號(hào)在時(shí)間領(lǐng)域中記錄信息的狀態(tài)，可W起到信息隱藏的效果。
[0巧6] 總之光學(xué)識(shí)別可能的3D網(wǎng)屏編碼是利用了時(shí)域與空域的統(tǒng)合視覺特性，使屏幕 即可已正常顯示屏幕圖像，又可W讓每一符號(hào)在時(shí)域與空域中埋入信息，又可做到對(duì)顯示 圖像的影響最小。
【主權(quán)項(xiàng)】
1. 一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，是由選擇要購(gòu)買的商品步驟，在手機(jī)上選 擇信用卡步驟，自動(dòng)進(jìn)入聲紋認(rèn)證的步驟，手機(jī)支付步驟組成的，其特征在于： 在網(wǎng)上選擇要購(gòu)買的商品步驟中，需要在網(wǎng)絡(luò)購(gòu)物平臺(tái)上選擇所需的商品； 在手機(jī)上選擇信用卡步驟里，直接在手機(jī)端進(jìn)行使用哪個(gè)信用卡，或銀行卡的選擇。如 果所持的信用卡只有一個(gè)時(shí)，這個(gè)畫面可以默認(rèn)不必彈出，直接進(jìn)入聲紋認(rèn)證的畫面； 在自動(dòng)進(jìn)入聲紋認(rèn)證的步驟后，手機(jī)屏幕彈出一個(gè)聲紋認(rèn)證識(shí)別提示，持卡人就要對(duì) 準(zhǔn)手機(jī)話筒說(shuō)一句話，就可實(shí)現(xiàn)具有自適應(yīng)學(xué)習(xí)的聲紋手機(jī)支付的認(rèn)證；聲紋認(rèn)證可通過(guò) 隨機(jī)的提出一些與持卡人事先登陸的內(nèi)容有關(guān)的提問(wèn)，讓聲紋認(rèn)證者回答，從而識(shí)別聲紋 認(rèn)證者是否為生命體，或通過(guò)復(fù)數(shù)次的口令是否處于完全相同狀態(tài)來(lái)實(shí)現(xiàn)； 手機(jī)支付步驟，通過(guò)微信或支付寶給出SDK的插件進(jìn)行對(duì)接或者提供一個(gè)標(biāo)準(zhǔn)的對(duì)接 SDK插件，各個(gè)網(wǎng)站安裝這個(gè)插件后就可同所有的網(wǎng)站進(jìn)行對(duì)接的方法，將聲紋認(rèn)證后的密 碼以及信用卡的號(hào)碼發(fā)送給網(wǎng)站進(jìn)行手機(jī)支付。2. 根據(jù)權(quán)利要求1所述的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，其特征在于：所 述的概率尺度距離空間的聲紋特征信息，是指將聲紋隨機(jī)分布的特征信息，通過(guò)包括正 態(tài)分布（Normal distribution)，指數(shù)分布（Exponential distribution)，愛爾朗分布 (Erlang Distribution)，韋伯分布(ffeibull distribution)，三角分布(triangular distribution)，貝塔分布（Beta Distribution)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(guò)概率尺度自組織算法獲得的具有相對(duì)確定性的特征信 息。3. 根據(jù)權(quán)利要求1所述的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，其特征在于：利用 上述聲紋的信號(hào)分布的密度規(guī)律，導(dǎo)入概率尺度自組織算法，自動(dòng)的將聲紋信息抽出。4. 根據(jù)權(quán)利要求1所述的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，其特征在于：將上 述聲紋信息通過(guò)概率自組織算法得到最為接近母體的特征值，同時(shí)又導(dǎo)入模糊數(shù)學(xué)的理 論，針對(duì)上述求出的人臉的信息通過(guò)人為介入的方式，使用基于人為經(jīng)驗(yàn)所定義的復(fù)數(shù)個(gè) 隸屬函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化直接生成具有聲紋代碼性 質(zhì)的特征向量。5. 根據(jù)權(quán)利要求1所述的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，其特征在于：所述 的聲紋支付代碼的生成是考慮了聲紋認(rèn)證可通過(guò)隨機(jī)的提出一些與持卡人事先登錄的內(nèi) 容有關(guān)的提問(wèn)，讓聲紋認(rèn)證者回答，從而識(shí)別聲紋認(rèn)證者是否為生命體；聲紋認(rèn)證的生命體 識(shí)別還可通過(guò)復(fù)數(shù)次的口令是否處于完全相同狀態(tài)等方法來(lái)實(shí)現(xiàn)生命體聲紋的識(shí)別。6. 根據(jù)權(quán)利要求1所述的一種聲紋認(rèn)證手機(jī)支付系統(tǒng)的構(gòu)成方法，其特征在于：所述 的聲紋信息是通過(guò)聲紋信號(hào)的局部特征信息，與整體特征信息共同構(gòu)成的。
【文檔編號(hào)】G06Q20/32GK105989492SQ201510091481
【公開日】2016年10月5日
【申請(qǐng)日】2015年2月17日
【發(fā)明人】顧澤蒼
【申請(qǐng)人】顧澤蒼