一种基于人脸识别和密码识别的电子商务交易系统技术方案

本发明专利技术提供了一种基于人脸识别和密码识别的电子商务交易系统，包括人脸识别模块、密码识别模块、控制处理中心、交易模式切换模块和移动终端，所述人脸识别模块、密码识别模块分别与控制处理中心连接，所述控制处理中心与交易模式切换模块、移动终端连接。本发明专利技术的有益效果为：采用密码识别与人脸识别相结合的方式，使电子商务交易更加安全可靠。

【技术实现步骤摘要】
一种基于人脸识别和密码识别的电子商务交易系统
本专利技术涉及电子商务
，具体涉及一种基于人脸识别和密码识别的电子商务交易系统。
技术介绍
相关技术中，电子商务中的交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。
技术实现思路
针对上述问题，本专利技术提供一种基于人脸识别和密码识别的电子商务交易系统。本专利技术的目的采用以下技术方案来实现：提供了一种基于人脸识别和密码识别的电子商务交易系统，包括人脸识别模块、密码识别模块、控制处理中心、交易模式切换模块和移动终端，所述人脸识别模块、密码识别模块分别与控制处理中心连接，所述控制处理中心与交易模式切换模块、移动终端连接。本专利技术的有益效果为：采用密码识别与人脸识别相结合的方式，使电子商务交易更加安全可靠。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1本专利技术的结构连接框图；图2是本专利技术人脸识别模块的结构连接框图。附图标记：人脸识别模块1、密码识别模块2、控制处理中心3、交易模式切换模块4、移动终端5、人脸图像采集单元10、人脸图像识别单元20。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例提供了一种基于人脸识别和密码识别的电子商务交易系统，该系统包括人脸识别模块1、密码识别模块2、控制处理中心3、交易模式切换模块4和移动终端5，所述人脸识别模块1、密码识别模块2分别与控制处理中心3连接，所述控制处理中心3与交易模式切换模块4、移动终端5连接。优选地，所述交易模式切换模块4在人脸识别模块1、密码识别模块2识别皆成功时根据控制处理中心3的指令将电子商务交易切换为正常交易模式；交易模式切换模块4在人脸识别模块1、密码识别模块2识别皆失败时或者其中之一识别失败时，根据控制处理中心3的指令将电子商务交易切换为异常交易模式。本专利技术上述实施例，采用密码识别与人脸识别相结合的方式，使电子商务交易更加安全可靠。优选地，所述控制处理中心3在人脸识别模块1、密码识别模块2识别皆失败时或者其中之一识别失败时，将参与识别的人脸图像通过无线网络发送至移动终端5。本专利技术优选实施例，通过将识别不成功的人脸图像发送到用户的移动终端5，使得用户有所警觉，进一步提高了电子商务交易的安全性。优选地，如图2所示，所述人脸识别模块1包括相连接的人脸图像采集单元10和人脸图像识别单元20；所述人脸图像采集单元10用于采集多张待识别的人脸图像，并从采集的人脸图像中筛选出图像质量度最大的人脸图像作为用于人脸识别的最优人脸图像；所述人脸图像识别单元20用于对最优人脸图像进行识别，并向控制处理中心3输出人脸识别结果。其中，在筛选出图像质量度最大的人脸图像时，采用下述自定义公式计算人脸图像的图像质量度：式中，Ψi为多张图像中第i张人脸图像的图像质量度，λi为多张图像中第i张人脸图像的设定区域的平均灰度值，λ为根据实际情况设定的灰度值阈值，φi为多张图像中第i张人脸图像的边缘锐度，φ为根据实际情况设定的边缘锐度阈值，为多张图像的平均灰度值，为多张图像的平均边缘锐度，m为从摄像系统采集的多张图像的数量；式中，为第i张人脸图像中人脸所占该张人脸图像的比例，为设定的比例阈值，当时，时，本优选实施例中，采用上述方式选择最优人脸图像进行人脸识别检测，能够大大节约电子商务交易系统的存储空间，提高人脸识别检测的速度；其中自定义的图像质量度计算公式，一方面便利了电子商务交易系统对于人脸图像的筛选，另一方面考虑了人脸图像所占比例、边缘锐度和灰度值因素，从而能够避免通过单一特征进行图像质量评价的局限性，更为准确地筛选出最优的人脸图像进行识别，简化了计算量，从而提高了电子商务交易系统的工作效率和识别的精确性。优选地，所述人脸图像识别单元20对最优人脸图像进行识别，具体包括：(1)在人脸识别模块1预先构建的人脸数据库中选取N张人脸图像构建训练样本集X＝[X1,X2,…,XN]，将筛选出的人脸图像作为测试样本Y，对训练样本集进行过滤预处理，保留对测试样本的表示及分类影响较大的训练样本，并利用保留的训练样本构建最优训练样本集；(2)将最优训练样本集中的每副人脸图像平均分割成R个块，则该最优训练样本集被分割成R个子样本集Xδ,δ＝1,…,R，每个子样本集由每副人脸图像的第δ个块构成；(3)对于最优训练样本集中的任意一副人脸图像，用该人脸图像以外的剩余图像对该样本进行稀疏表示，得到该人脸图像的各块的稀疏残差，然后计算出所有人脸图像的第δ个块的稀疏残差均值Aδ；(4)将测试样本平均分成R个块，即Y＝[Yδ,δ＝1,…,R]，对最优训练样本集和测试样本按照下述公式进行块加权：式中，A1、A2为设定的残差阈值，A1<A2，f(Aδ)为判定函数，当Aδ<A1时，f(Aδ)＝1，当Aδ>A2时，f(Aδ)＝0；Bδ为最优训练样本集中的类间距离方差和类内距离方差的比值，B1、B2为设定的判别度阈值，B1<B2，f(Bδ)为判定函数，当Bδ<B2时，f(Bδ)＝0，当Bδ>B1时，f(Bδ)＝1；(5)用加权后的最优训练样本集对加权后的测试样本进行稀疏表示，计算其中每个类的重构残差，最终将测试样本分类为最小重构残差对应的类。本优选实施例中，人脸识别模块1一方面将测试样本和最优训练样本集中的人脸图像分割成相同大小的块，可以更好地在识别检测过程中捕捉到更具判别性的信息；另一方面，对最优训练样本集和测试样本按照上述公式进行块加权，能够更准确地选择出遮挡块和判别性块，降低遮挡部位对人脸识别性能的影响，从而能够提高人脸图像的识别率，进一步提高电子商务交易系统对人脸识别的精度。优选地，所述对训练样本集进行过滤预处理，保留对测试样本的表示及分类影响较大的训练样本，并利用保留的训练样本构建最优训练样本集，具体包括：(1)利用训练样本集X对测试样本Y进行线性表示，计算训练样本集X中各训练样本向量的表示系数W＝[W1,W2,…,WN]T；其中，表示系数W的计算公式为：W＝XTY(XTX+ρI)-1式中，I为单位矩阵，ρ为设定的系数；(2)设训练样本集X中共有M个类，第j个类中有nj个训练样本，j＝1,…,M，计算每个类的重构残差为：式中，Ej为第j个类的重构残差，Xj表示第j个类的训练样本集，Wk表示第j个类中第k个训练样本对应的表示系数；(3)选取前m个最小重构残差对应的类作为备选类，用该m个备选类构建近邻字典G＝[G1,G2,…,Gm]，Gj(j＝1,…,m)表示备选类中第j个类的训练样本集，用该备选类对测试样本Y进行线性表示，计算近邻字典G中各备选类对应的表示系数：W′＝GTY(GTG+ξI)-1式中，W′表示备选类对应的表示系数，W′＝[W1′,W2′,…,Wm′]，Wj(j＝1,…,m)表示备选类中第j个类对应的表示系数；(4)设表示第j个类的训练样本集中的第k个训练样本，则利用保留的训练样本构建最本文档来自技高网...

【技术保护点】
一种基于人脸识别和密码识别的电子商务交易系统，其特征是，包括人脸识别模块、密码识别模块、控制处理中心、交易模式切换模块和移动终端，所述人脸识别模块、密码识别模块分别与控制处理中心连接，所述控制处理中心与交易模式切换模块、移动终端连接。

【技术特征摘要】
1.一种基于人脸识别和密码识别的电子商务交易系统，其特征是，包括人脸识别模块、密码识别模块、控制处理中心、交易模式切换模块和移动终端，所述人脸识别模块、密码识别模块分别与控制处理中心连接，所述控制处理中心与交易模式切换模块、移动终端连接。2.根据权利要求1所述的一种基于人脸识别和密码识别的电子商务交易系统，其特征是，所述交易模式切换模块在人脸识别模块、密码识别模块识别皆成功时根据控制处理中心的指令将电子商务交易切换为正常交易模式；交易模式切换模块在人脸识别模块、密码识别模块识别皆失败时或者其中之一识别失败时，根据控制处理中心的指令将电子商务交易切换为异常交易模式。3.根据权利要求1所述的一种基于人脸识别和密码识别的电子商务交易系统，其特征是，，所述控制处理中心在人脸识别模块、密码识别模块识别皆失败时或者其中之一识别失败时，将参与识别的人脸图像通过无线网络发送至移动终端。4.根据权利要求1所述的一种基于人脸识别和密码识别的电子商务交易系统，其特征是，所述人脸识别模块包括相连接的人脸图像采集单元和人脸图像识别单元；所述人脸图像采集单元用于采集多张待识别的人脸图像，并从采集的人脸图像中筛选出图像质量度最大的人脸图像作为用于人脸识别的最优人脸图像；所述人脸图像识别单元用于对最优人脸图像进行识别，并向控制处理中心输出人脸识别结果。5.根据权利要求4所述的一种基于人脸识别和密码识别的电子商务交易系统，其特征是，在筛选出图像质量度最大的人脸图像时，采用下述自定义公式计算人脸图像的图像质量度：式中，Ψi为多张图像中第i张人脸图像的图像质量度，λi为多张图像中第i张人脸图像的设定区域的平均灰度值，λ为根据实际情况设定的灰度值阈值，φi为多张图像中第i张人脸图像的边缘锐度，φ为根据实际情况设定的边缘锐度阈值，为多张图像的平均灰度值，为多张图像的平均边缘锐度，m为从摄像系统采集的多张图像的数量；式中，为第i张人脸图像中人脸所占该张人脸图像的比例，为设定的比例阈值，当时，时，6.根据权利要求5所述的一种基...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳汇通智能化科技有限公司，
类型：发明
国别省市：广东,44