本发明专利技术提出人脸识别支付管理系统，包括：支付信息输入模块，用于输入支付信息；人脸识别模块，用于用户来到支付位置时拍摄支付前视频，用于人脸识别身份验证获得用户信息，还用于支付后用户离开支付位置前拍摄支付后视频；动作异常判定模块，用于通过异常动作机器学习模型判断支付前视频或支付后视频是否异常，异常则输出动作异常信号；支付行为判定模块，包括风险规则存储模块和支付记录判定模块；支付记录判定模块包括支付信息抓取模块和风险决策模块。本发明专利技术能够发现异常的支付行为和组合购物的风险，对消费者一系列购物行为全程进行监控，对风险进行种类判断实施相应的策略，拦截风险较大的支付交易，避免风险发生。
【技术实现步骤摘要】
本专利技术涉及消费系统，尤其涉及人脸识别支付管理系统。
技术介绍
1、人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，由于其快速身份验证且生物特征不可复制的特点得到了广泛的应用。人脸识别支付功能就是其常用的应用之一。
2、而如果使用者通过照片、佩戴伪装的面具或伪装来模拟真实用户的面具可能会攻击并成功欺骗人脸识别系统；一些使用者在支付前后做出的行为，是异常的支付行为，比如偷窃、携带或使用上述欺骗道具、多拿少拿购物商品，这给人脸识别支付技术带来的很大的挑战；有些采购商品列表组合出现异常，比如购买的食物一起烹饪有中毒风险、购买材料有使用或制造风险物品的危险。
3、为解决上述问题，亟需人脸识别支付管理系统，发现异常的支付行为和组合购物的风险，对消费者一系列购物行为全程进行监控，对风险进行种类判断实施相应的策略，拦截风险较大的支付交易，避免风险发生。
技术实现思路
1、针对现有技术的不足，本专利技术的目的是提供人脸识别支付管理系统，发现异常的支付行为和组合购物的风险，对消费者一系列购物行为全程进行监控，对风险进行种类判断实施相应的策略，拦截风险较大的支付交易，避免风险发生。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、本专利技术人脸识别支付管理系统，包括：
4、支付信息输入模块，用于输入支付信息；所述支付信息包括若干个支付记录；所述支付记录包括购买时间、支付总金额、商品编号、商品数量、商品单价；
5、人脸识别模块，用于用户来到支付位置时拍摄支付前视频，用于人脸识别身份验证获得用户信息，还用于支付后用户离开支付位置前拍摄支付后视频；
6、动作异常判定模块，用于通过异常动作机器学习模型判断支付前视频或支付后视频是否异常，异常则输出动作异常信号；
7、支付行为判定模块，包括风险规则存储模块和支付记录判定模块，所述风险规则存储模块用于存储能够判断出风险类型的规则模型；支付记录判定模块包括支付信息抓取模块和风险决策模块；所述支付信息抓取模块用于按用户筛选后整合的历史支付信息并输入至规则模型获得风险类型；所述风险决策模块用于存储风险类型及对应的管理决策；所述管理决策为向控制模块输出信号，该信号为提醒语音信息、支付拦截信号、支付信号中一种或多种；
8、控制模块用于接收动作异常判定模块的动作异常信号和支付行为判定模块获得的信号，并控制语音提醒模块、支付拦截模块、支付模块；
9、语音提醒模块，用于依据提醒语音信息播放相应的语音提示；
10、支付拦截模块，用于根据支付拦截信号拦截支付；
11、支付模块，分别连接商家支付系统和支付平台，用于通过支付平台进行支付扣款并生成平台支付信息，还用于将支付信息和平台支付信息传送至商家支付系统。
12、进一步地，所述规则模型的建立方法包括以下步骤：
13、步骤s1.建立筛选规则，所述筛选规则包括特定商品筛选、制定商品时间标准、购买时间间隔计算方法、商品数量计算方法；
14、所述特定商品筛选的方法包括以下步骤：建立特定商品库存储需要特别监控的商品编号；从当前的支付信息提取出商品编号并匹配商品库的商品编号是否相同，相同则从当前的支付信息提取出商品编号对应的支付记录；
15、所述制定商品时间标准为对于每个商品编号根据经验或需要设定时间范围后进行商品编号和时间范围的关联；
16、所述购买时间间隔计算方法包括以下步骤：获取商品编号，根据制定商品时间标准中商品编号对应的时间范围从历史支付信息中筛选所有支付记录，计算前后支付记录间隔的时间；
17、所述商品数量计算方法包括以下步骤：获取商品编号，根据制定商品时间标准商品编号对应的时间范围从历史支付信息中筛选所有支付记录并获取商品数量；
18、步骤s2.建立风险计算规则和风险类型；所述风险计算规则用于设置风险参数及条件式，条件式为代入商品编号组合的元素满足条件后得到指定的风险类型；
19、步骤s3.将商品编号组合、风险计算规则关联风险类型后存储；
20、步骤s4.获取历史支付信息；
21、步骤s5.使用筛选规则，根据特定商品筛选选出所有支付记录后，根据购买时间间隔计算方法计算所有商品编号前后支付记录间隔的时间，根据商品数量计算方法获取所有商品编号的商品数量；
22、步骤s6.将使用筛选规则获取的所有数据通过风险计算规则得到风险类型。
23、进一步地，所述风险参数包括商品数量阈值、购买时间间隔阈值。
24、进一步地，所述支付信息输入模块采用oled触摸屏。
25、进一步地，还包括身份识别模块，所述身份识别模块包括黑名单模块和白名单模块；所述黑名单模块用于存储不允许交易的用户信息；所述白名单模块用于存储能够跳过支付记录判定模块的用户信息。
26、进一步地，所述风险类型包括制造危险品危险、食用组合风险、限购产品超量风险。
27、进一步地，所述异常动作机器学习模型的建立方法包括以下步骤：
28、获取海量支付前视频和支付后视频；
29、按指定帧间隔分别截取支付前视频和支付后视频获得若干个图像组；
30、提取图像组中图像的连续动作特征；
31、根据专家经验将连续动作特征区分为异常支付动作特征和正常支付动作特征；
32、将异常支付动作特征、正常支付动作特征进行二分类构建分类作为训练样本集对神经模型进行训练，以图像组的连续动作特征为输入，异常支付动作特征为输出，训练好的神经模型为异常动作机器学习模型。
33、一种使用上述人脸识别支付管理系统的支付管理方法，包括以下步骤：
34、人脸识别模块获取用户来到支付位置时拍摄支付前视频；
35、用户输入支付信息，所述支付信息包括若干个支付记录；所述支付记录包括购买时间、支付总金额、商品编号、商品数量、商品单价；
36、用户使用人脸识别模块，人脸识别模块进行人脸识别身份验证获得用户信息；
37、动作异常判定模块通过异常动作机器学习模型判断支付前视频是否异常，异常则输出动作异常信号至控制模块；
38、支付信息抓取模块按用户筛选后整合的历史支付信息并输入至规则模型获得风险类型；风险决策模块根据存储风险类型输出对应的管理决策至控制模块；所述管理决策为向控制模块输出信号，该信号为提醒语音信息、支付拦截信号、支付信号中一种或多种；
39、控制模块接收动作异常判定模块的动作异常信号和支付行为判定模块获得的信号，并控制语音提醒模块、支付拦截模块、支付模块；
40、人脸识别模块在支付后用户离开支付位置前拍摄支付后视频；
41、动作异常判定模块，通过异常动作机器学习模型判断支付后视频是否异常，异常则输出动作异常信号至控制模块；
42、控制模块接收本文档来自技高网
...
【技术保护点】
1.人脸识别支付管理系统，其特征在于，包括：
2.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述规则模型的建立方法包括以下步骤：
3.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述风险参数包括商品数量阈值、购买时间间隔阈值。
4.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述支付信息输入模块采用OLED触摸屏。
5.根据权利要求1所述的人脸识别支付管理系统，其特征在于，还包括身份识别模块，所述身份识别模块包括黑名单模块和白名单模块；所述黑名单模块用于存储不允许交易的用户信息；所述白名单模块用于存储能够跳过支付记录判定模块的用户信息。
6.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述风险类型包括制造危险品危险、食用组合风险、限购产品超量风险。
7.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述异常动作机器学习模型的建立方法包括以下步骤：
8.一种使用权利要求1-7任意一种人脸识别支付管理系统的支付管理方法，包括以下步骤：
【技术特征摘要】
1.人脸识别支付管理系统，其特征在于，包括：
2.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述规则模型的建立方法包括以下步骤：
3.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述风险参数包括商品数量阈值、购买时间间隔阈值。
4.根据权利要求1所述的人脸识别支付管理系统，其特征在于，所述支付信息输入模块采用oled触摸屏。
5.根据权利要求1所述的人脸识别支付管理系统，其特征在于，还包括身份识别模块，所述身份识别...
【专利技术属性】
技术研发人员：陈静，杨华，李光彬，蒙秀金，林荣科，
申请(专利权)人：广西申能达智能技术有限公司，
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。