支付电子设备控制方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供了一种支付电子设备控制方法，包括：响应于提示信息，通过支付电子设备的立体摄像头向信息输入区域投射数字信息投影；通过支付电子设备的激光发射器向信息输入区域的数字信息投影发射线性激光，通过线性激光，侦测目标指示物在信息输入区域的数字信息投影中的操作，确定相应的输入信息；通过图像采集装置采集的目标用户的人脸图像；通过人脸图像和输入信息对目标用户的支付信息进行检测。本发明专利技术还提供支付电子设备、电子设备及存储介质，由此，能够实现支付电子设备通过人脸图像和输入信息对目标用户的支付信息进行检测，保证用户电子支付的安全性，同时，减少支付电子设备的硬件设备的硬件成本，有利于支付电子设备的大规模推广。备的大规模推广。备的大规模推广。

【技术实现步骤摘要】
支付电子设备控制方法、装置、电子设备和存储介质


[0001]本专利技术涉及快速充电设备制备技术，尤其涉及支付电子设备控制方法、装置、电子设备和存储介质。

技术介绍

[0002]随着电子支付的不断发展，电子支付方式可以依靠人脸识别技术对消费者进行较为准确的身份验证，但将人脸与消费相结合，还有诸多方面的不足，相关电子支付设备进行活体检测，人脸识别支付中无法及时的对人脸图像进行活体检测，同时支付电设备需要配置相应的屏幕和系统级芯片用于获取用户输入的数字验证信息，增加了支付电子设备的成本，不利于支付电子设备的大规模推广。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种支付电子设备控制方法、装置、电子设备和存储介质，能够实现通过支付电子设备通过所述人脸图像和输入信息对所述目标用户的支付信息进行检测，保证用户电子支付的安全性，同时，减少支付电子设备的硬件设备，减少支付电子设备的硬件成本，有利于支付电子设备的大规模推广。
[0004]本专利技术实施例的技术方案是这样实现的：
[0005]本专利技术实施例提供了一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种支付电子设备控制方法，其特征在于，所述方法包括：接收唤醒支付电子设备的提示信息；响应于所述提示信息，通过所述支付电子设备的立体摄像头向信息输入区域投射数字信息投影；通过所述支付电子设备的激光发射器向所述信息输入区域的数字信息投影发射线性激光，以实现所述线性激光覆盖所述信息输入区域的数字信息投影；通过所述线性激光，侦测目标指示物在所述信息输入区域的数字信息投影中的操作，确定相应的输入信息；通过所述支付电子设备的图像采集装置采集的目标用户的人脸图像；通过所述人脸图像和输入信息对所述目标用户的支付信息进行检测。2.根据权利要求1所述的方法，其特征在于，所述通过所述线性激光，侦测目标指示物在所述信息输入区域的数字信息投影中的操作，确定相应的输入信息，包括：当所述线性激光照射至所述目标指示物时，获取所述目标指示物反射的线性激光参数；通过所述目标指示物反射的线性激光参数，侦测目标指示物在所述信息输入区域的数字信息投影中的坐标参数；基于所述目标指示物在所述信息输入区域的数字信息投影中的坐标参数，确定相匹配的输入数字信息。3.根据权利要求1所述的方法，其特征在于，所述通过所述支付电子设备的图像采集装置采集的目标用户的人脸图像，包括：确定目标用户的人脸图像采集环境中的人脸区域以及相对应的光照信息；根据所述光照信息，确定所述人脸区域相匹配的人脸特征点位置；通过所述人脸特征点位置，在所述人脸区域中采集目标用户的人脸图像。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述支付电子设备的使用环境中所采集的人脸图像；对所述人脸图像进行图像增广处理；基于图像增广的处理结果，通过人脸检测算法确定相应的人脸位置，并截取包括背景图像的人脸图像；对所述包括背景图像的人脸图像进行处理，形成相应的目标用户的人脸图像。5.根据权利要求1所述的方法，其特征在于，所述通过所述人脸图像和输入信息对所述目标用户的支付信息进行检测，包括：通过对所述人脸图像进行检测，确定相对应的人脸分类结果；通过对所述输入信息进行检测，确定相应数字验证信息的结果；当所述人脸分类结果为活体人脸图像，并且所述数字验证信息的结果通过时，确定所述目标用户的支付信息为有效支付信息。6.根据权利要求1所述的方法，其特征在于，所述通过对所述人脸图像进行检测，确定相对应的人脸分类结果，包括：基于所述目标用户的人脸图像，通过人脸检测模型进行处理，形成所述目标用户的人脸分类概率；
基于所述目标用户的人脸分类概率和人脸检测模型相匹配的概率阈值，确定相应的人脸分类结果。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：获取与所述人脸图像处理模型的使用环境相匹配的第一训练样本集合，其中，所述第一训练样本中包括正例用户人脸图像和负例用户人脸图像；对所述第一训练样本集合进行去噪处理，形成相应的第二训练样本集合；通过人脸图像处理模型对所述第二训练样本集合进行处理，以确定所述人脸图像处理模型中的深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数；响应于所述深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数，通过所述人脸图像处理模型对所述第二训练样本集合进行处理，确定所述人脸图像处理模型的不同神经网络对应的更新参数；根据所述人脸图像处理模型的不同神经网络对应的更新参数，通过所述第二训练样本集合对所述人脸图像处理模型的深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数分别进行迭代更新，以实现通过所述人脸图像处理模型对所述人脸图像进行图像类型识别。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：基于所述正例样本，确定对应的第一深度图像，并基于所述负例样本，确定对应的...

【专利技术属性】
技术研发人员：王少鸣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：