【技术实现步骤摘要】
基于人脸识别进行车辆缴费的方法、相关设备及存储介质
本申请涉及图像识别
,尤其涉及基于人脸识别进行车辆缴费的方法、相关设备及存储介质。
技术介绍
现阶段大家在停车场和高速公路缴费时主要人工现金支付、扫码支付和ETC缴费三种方式。其中,人工现金支付需要现金支付和找零,同时需要人工处理,效率比较低,且成本比较高,现阶段已经逐渐被扫码支付所替代。扫码支付在每次缴费时需要在停车场中到处找二维码,同时扫码支付完成时,需要在15分钟内离场,不够灵活。尤其高速公路的扫码缴费功能还在试点中,因此,扫码支付在收费站缴费过程中还是需要使用手机打开相应应用并扫码,效率并没有很明显的提升。ETC缴费则需要安装ETC设备,成本较高,同时ETC缴费的银行卡放置在车辆上时,存在可能被盗刷的风险。同时在开通ETC时需要去银行办理相关银行卡,同时需要在汽车上安装设备,比较复杂。综上所述,目前停车场和高速公路缴费的支付方式的便利性较差。
技术实现思路
本申请提供了一种基于人脸识别进行车辆缴费的方法、相关设备及存储介质,能够解决 ...
【技术保护点】
1.一种基于人脸识别进行车辆缴费的方法,其特征在于,所述方法包括:/n接收用户的绑定请求,使用3D结构光技术采集用户的面部信息,其中,所述绑定请求包括用户的实名认证信息、驾驶证信息和车牌号码;/n检测所述面部信息是否与所述驾驶证信息中驾驶证照片匹配;/n若匹配,则检测所述实名认证信息是否与所述驾驶证信息中的身份信息一致;/n若一致,则检测所述车牌号码是否与所述面部信息是否关联,若关联,则确定所述用户通过认证;/n在认证通过后,建立所述车牌号码和支付账号的绑定关系;/n在车辆缴费时,调用摄像头采集并识别待缴费车辆的车牌号码,根据所述绑定关系查询到与所述车牌号码绑定的支付账号, ...
【技术特征摘要】
1.一种基于人脸识别进行车辆缴费的方法,其特征在于,所述方法包括:
接收用户的绑定请求,使用3D结构光技术采集用户的面部信息,其中,所述绑定请求包括用户的实名认证信息、驾驶证信息和车牌号码;
检测所述面部信息是否与所述驾驶证信息中驾驶证照片匹配;
若匹配,则检测所述实名认证信息是否与所述驾驶证信息中的身份信息一致;
若一致,则检测所述车牌号码是否与所述面部信息是否关联,若关联,则确定所述用户通过认证;
在认证通过后,建立所述车牌号码和支付账号的绑定关系;
在车辆缴费时,调用摄像头采集并识别待缴费车辆的车牌号码,根据所述绑定关系查询到与所述车牌号码绑定的支付账号,以及计算所述待缴费车辆的待缴费金额;
生成第一提示信息,并显示所述第一提示信息和所述待缴费金额,其中,所述第一提示信息用于提示所述用户进行扫脸支付,或者还用于提示所述用户将全脸调整至所述摄像头的拍摄框中;
调用所述摄像头采集面部信息,通过AI技术对所述面部信息进行面部身份验证,通过面部身份验证后,向支付机构发送第一支付请求,所述第一支付请求用于向所述支付机构请求支付,所述第一支付请求携带所述代缴费金额和所述支付账号。
2.根据权利要求1所述的方法,其特征在于,所述通过AI技术对所述面部信息进行面部身份验证,包括:
将所述面部信息与所述人脸特征库进行匹配;
若确定所述人脸特征库中存在与所述面部信息匹配的人脸,则确定所述用户通过识别;
若检测到所述用户的全脸不在所述摄像头的拍摄范围内,则控制所述摄像头移动,直至检测到所述用户的全脸出现在所述摄像头的拍摄范围内;
若检测到在所述摄像头的拍摄范围内所述用户的人脸未显示全,则控制所述摄像头移动,直至检测到所述用户的全脸出现在所述摄像头的拍摄范围内。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若通过与人脸特征库进行匹配,确定所述人脸特征库中不存在与所述面部信息匹配的人脸,则生成第二提示信息,并显示所述第二提示信息,所述第二提示信息用于提示所述用户为非授权支付用户,以及提示所述用户申请绑定支付账号;
对所述摄像头的拍摄框中的人脸进行周期性扫描,并重复执行识别面部信息和匹配所述人脸特征库的操作,直至确定所述人脸特征库中存在与所述面部信息匹配的人脸后,向所述支付机构发送第二支付请求。
4.根据权利要求1所述的方法,其特征在于,所述调用摄像头采集所述待缴费车辆的车牌号码后,所述方法还包括:
对所述代缴费车辆的车牌号码区域进行边缘检测;
利用图像识别算法从车牌号码区域中识别所述车牌号码区域的特征区域,从所述特征区域中提取梯度直方图特征,将所述梯度直方图特征输入神经网络分类器;
根据所述梯度直方图特征对所述神经网络分类器中的预训练模型进行训练,根据检测对象的位置信息对所述预训练模型的训练结果计算像素均值和标准差,将像素均值和标准差最大的计算结果确定为目标车牌号码。
其中,所述神经网络分类器的一种表示方式为:
I^(i,j)=I(i,j)-μ(i,j)σ(i,j)+C,μ、σ分别是以像素点(i,j)为中心的局部小邻域内的像素均值和标准差,C是常数,I是像素点(i,j)的灰度值,(i,j)∈W,W为所述梯度直方图特征。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
启动变焦相机,通过openCV实时抓取采集拍摄范围内的视频流;
通过MTCNN函数对所述视频流中的每帧图片进行人脸检测和车牌号检测、对齐和裁剪,标注人脸中的5个特征点(例如眼睛、鼻子、嘴巴和耳朵)和各特征点的类别以及标注...
【专利技术属性】
技术研发人员:徐国平,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。