本申请提供一种基于AI人脸识别技术的KTV刷脸支付方法，包括：通过KTV环境中的摄像头捕捉用户的行为和脸部特征；使用ResNet模型对捕获的脸部特征进行解析，特别针对眼睛、脸部红肿区域；使用基于ResNet模型的表情识别，评估酒精是否影响了用户的面部肌肉活动；通过姿态分析，检测用户的姿态是否与常规姿态存在差异；综合面部特征和姿态分析的结果，判断用户是否处于醉酒状态；若用户处于醉酒状态，暂时锁定高价KTV项目的支付功能，并为用户标记一个异常交易安全标签；对于带有异常交易安全标签的用户购买常规项目时，采用双重验证，包括面部识别和输入密码，确保支付安全。
【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于ai人脸识别技术的ktv刷脸支付方法。
技术介绍
1、随着ktv行业的不断发展和普及，用户在享受ktv带来的娱乐和社交体验时，确实面临着一些问题和风险。首先，酒精的摄入是一个不可忽视的问题。在ktv环境中，用户往往会在享受音乐、唱歌的同时摄入酒精，而过度饮酒可能会对他们的行为和判断力产生负面影响。在醉酒状态下，用户可能会做出不理智的决策，包括选择支付高价项目，这可能会导致不必要的支出和后续争议。这种状况不仅可能损害用户的经济利益，还可能影响他们与其他人之间的关系。如何准确检测用户是否醉酒，这个是一个问题，传统方式通过服务人员判断客户是否醉酒，但用户在ktv房间内可能并不希望服务人员打扰，而且，服务人员判断用户是否醉酒存在很大的主观因素，不一定符合每个客户的标准。另一方面，ktv场所中高价项目的存在也给一些恶意用户提供了可乘之机。他们可能会冒充他人或尝试盗刷他人的支付信息，以获取不正当的利益。这种情况下，用户在支付后可能无法享受到所支付的服务，从而造成经济损失。此外，虽然面部识别技术的发展为身份验证提供了便利和安全保障，但在ktv场所，仅依赖面部识别可能不足以确保用户的身份和支付安全。另外，如何及时获取用户已经清醒，为用户解锁高价支付服务，并再次提供服务，这也是个问题，判断不准确可能导致无法提供给用户需要的服务或令客户在醉酒状态下购买了不需要的服务。
技术实现思路
1、本专利技术提供了一种基于ai人脸识别技术的ktv刷脸支付方法，主要包括：
2、通过ktv环境中的摄像头捕捉用户的行为和脸部特征；使用resnet模型对捕获的脸部特征进行解析，特别针对眼睛、脸部红肿区域；使用基于resnet模型的表情识别，评估酒精是否影响了用户的面部肌肉活动；通过姿态分析，检测用户的姿态是否与常规姿态存在差异；综合面部特征和姿态分析的结果，判断用户是否处于醉酒状态；若用户处于醉酒状态，暂时锁定高价ktv项目的支付功能，并为用户标记一个异常交易安全标签；对于带有异常交易安全标签的用户购买常规项目时，采用双重验证，包括面部识别和输入密码，确保支付安全；持续监测用户姿态和面部特征，评估用户的状态，若判断用户已恢复正常状态，解锁高价支付功能，为用户提供服务。
3、作为优选方案，所述通过ktv环境中的摄像头捕捉用户的行为和脸部特征，包括：
4、获取用户授权同意后，使用ktv的摄像头捕捉用户的姿态和脸部图像；使用sift，从用户的姿态和脸部图像提取特征；分析用户的姿态特征，识别用户当前的活动状态，将姿态数据与脸部特征数据整合；将脸部特征和姿态特征经过aes加密后存入数据库，并删除原始图像数据。
5、作为优选方案，所述使用resnet模型对捕获的脸部特征进行解析，特别针对眼睛、脸部红肿区域，包括：
6、获取包含脸部特征的图像数据，包括正常状态和异常状态的脸部红肿或眼睛异常，对获取的图像数据进行预处理，包括图像清晰度、亮度和对比度的调整；建立数据库，用于存储脸部图像数据和相应的参照特征，将经过预处理的图像数据导入数据库，并与相应的参照特征进行关联，建立索引和组织结构，提高查询和匹配的效率；使用resnet模型，将获取的图像数据分为训练集和测试集，确保数据的随机性和均匀性；使用训练集对resnet模型进行训练，通过反向传播算法优化模型的参数；使用交叉验证评估模型的性能，使用测试集对训练好的模型进行测试；使用训练好的resnet模型对新的脸部图像进行特征提取，得到与红肿和眼睛状态相关的特征向量，在数据库中查找与提取的特征向量相似度高于预设相似度的参照特征向量；对比提取的特征向量与参照特征向量，检测是否存在脸部红肿或其他异常，根据对比结果，将特征数据分类为正常或异常两类；将分类结果反馈给resnet模型，根据实际应用效果，调整和优化模型参数；使用resnet模型的输出作为特征，对分类为异常的特征数据进行进一步的分析，通过计算特征的激活值，评估异常的严重度，包括红肿程度、眼睛状况，根据评估的异常程度，对异常特征进行解析；根据解析生成一个关于脸部状态的完整报告，包括异常种类、异常程度。
7、作为优选方案，所述使用基于resnet模型的表情识别，评估酒精是否影响了用户的面部肌肉活动，包括：
8、在用户授权同意下，获取用户面部表情数据，包括酒精影响前后的样本，标记数据，指示样本是否受到酒精影响；对面部表情数据进行预处理，包括裁剪、归一化和去除噪声，将预处理后的数据整理为数据集；使用resnet模型，在resnet模型的顶层添加分类器来识别用户是否受到酒精影响；使用获取的数据集对resnet模型进行训练，包括有酒精影响和无酒精影响的样本，使用二元交叉熵，进行分类训练；使用验证数据集来评估resnet模型的性能，包括准确率、召回率、f1分数；根据特征权重提取关键特征，分析resnet模型输出的面部肌肉活动数据，确定酒精影响的关键特征；基于关键特征对resnet模型进行优化，调整网络架构、增加数据量、进行数据增强；重新运行优化后的resnet模型，对用户表情进行再次识别，根据验证结果对算法进行最终调整。
9、作为优选方案，所述通过姿态分析，检测用户的姿态是否与常规姿态存在差异，包括：
10、在用户授权同意下，获取用户的姿态数据并实时监控，建立实时用户姿态数据集；对获取的用户姿态数据进行预处理，包括数据清洗、去噪、归一化；利用卷积神经网络对预处理后的用户姿态数据进行特征提取，获取姿态特征；对提取的特征进行分类，分为常规姿态模式、异常姿态模式；建立历史姿态数据集，包括用户常规姿态和异常姿态的历史数据；将实时用户姿态数据的特征与常规姿态模式历史数据的特征进行对比，若实时数据特征与常规姿态模式特征相似度小于预设相似度，则标记为待核实数据；使用孤立森林对待核实数据进行分析，判断其是否为异常姿态，若被判断为异常姿态，则与已知的异常姿态模式进行对比，若异常姿态与已知的异常姿态模式相似度大于预设相似度，将其记录异常姿态模式；还包括：通过不断更新异常姿态模式数据库，完善异常姿态的识别模型；通过对姿态数据的时序分析，检测身体姿态的稳定性，判断是否存在身体晃动或不稳定，判断用户是否处于异常状态。
11、所述通过不断更新异常姿态模式数据库，完善异常姿态的识别模型，具体包括：
12、获取异常姿态模式数据库，存储已知的异常姿态模式。针对待核实数据，使用孤立森林算法进行分析，判断其是否为异常姿态。使用孤立森林获取异常值，计算每个数据点的孤立度si，si表示该数据点与其他数据点的平均距离。其中n是数据点的总数，dist(di，dj)表示数据点di与dj之间的距离。若待核实数据被判断为异常姿态，使用余弦相似度将其与已知的异常姿态模式进行对比。若待核实数据的异常姿态与已知的异常姿态模式的相似度大于预设的相似度阈值，将其记录为新的异常姿态模式，并将其添加到已知的异常姿态模式数据库中。
13、所述通过对姿态数据的时序分析，检测身体姿态的本文档来自技高网
...
【技术保护点】
1.一种基于AI人脸识别技术的KTV刷脸支付方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述通过KTV环境中的摄像头捕捉用户的行为和脸部特征，包括：
3.根据权利要求1所述的方法，其中，所述使用ResNet模型对捕获的脸部特征进行解析，特别针对眼睛、脸部红肿区域，包括：
4.根据权利要求1所述的方法，其中，所述使用基于ResNet模型的表情识别，评估酒精是否影响了用户的面部肌肉活动，包括：
5.根据权利要求1所述的方法，其中，所述通过姿态分析，检测用户的姿态是否与常规姿态存在差异，包括：
6.根据权利要求1所述的方法，其中，所述综合面部特征和姿态分析的结果，判断用户是否处于醉酒状态，包括：
7.根据权利要求1所述的方法，其中，所述若用户处于醉酒状态，暂时锁定高价KTV项目的支付功能，并为用户标记一个异常交易安全标签，包括：
8.根据权利要求1所述的方法，其中，所述对于带有异常交易安全标签的用户购买常规项目时，采用双重验证，包括面部识别和输入密码，确保支付安全，包括：>
9.根据权利要求1所述的方法，其中，所述持续监测用户姿态和面部特征，评估用户的状态，若判断用户已恢复正常状态，解锁高价支付功能，为用户提供服务，包括：
...
【技术特征摘要】
1.一种基于ai人脸识别技术的ktv刷脸支付方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述通过ktv环境中的摄像头捕捉用户的行为和脸部特征，包括：
3.根据权利要求1所述的方法，其中，所述使用resnet模型对捕获的脸部特征进行解析，特别针对眼睛、脸部红肿区域，包括：
4.根据权利要求1所述的方法，其中，所述使用基于resnet模型的表情识别，评估酒精是否影响了用户的面部肌肉活动，包括：
5.根据权利要求1所述的方法，其中，所述通过姿态分析，检测用户的姿态是否与常规姿态存在差异，包括：
<...
【专利技术属性】
技术研发人员：王中华，唐中良，
申请(专利权)人：广州准捷电子科技有限公司，
类型：发明
国别省市：
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。