一种支付前人脸识别数据处理方法及系统与流程

本发明涉及人脸识别，具体涉及一种支付前人脸识别数据处理方法及系统。

背景技术：

1、随着数字支付的普及以及生物识别技术的进步，人脸识别支付的应用越来越广，其相较于传统的数字支付方式对应的便捷性更高。人脸识别支付原理为在人脸识别支付确认前，通过人脸识别终端采集支付用户的待识别人脸图像，并将待识别人脸图像与数据库中存储的图像进行匹配，根据匹配结果进行支付前人脸识别。

2、现有技术将采集到的待识别人脸图像与数据库中存储的图像进行匹配的方法通常采用角点检测，也即对支付用户的待识别人脸图像通过角点检测的方法进行特征提取，并根据提取到的表征关键特征点的角点对人脸数据库中的人脸图像进行匹配。但是在实际支付场景中，支付用户的待识别人脸图像中的脸部特征可能会受到环境光的影响导致错位或显示不明显；并且支付用户周围的光源可能来自不同的方向，造成支付用户脸部上不同区域受到光线的影响不同；例如鼻子和颧骨等面部凸起的位置，容易受到光线影响，使得该区域的一些特征错位或不明显，导致角点检测后对应区域的角点不明显或者错位，从而影响根据角点检测到的表征关键特征点的角点对人脸数据库中的人脸图像进行匹配的准确性；也即现有技术在不考虑支付环境中的光照影响时，通过角点检测的方法对采集到的待识别人脸图像与人脸图像数据库中存储的人脸图像进行匹配的准确性较差。

技术实现思路

1、为了解决现有技术在不考虑支付环境中的光照影响时，通过角点检测的方法对采集到的待识别人脸图像与人脸图像数据库中存储的人脸图像进行匹配的准确性较差的技术问题，本发明的目的在于提供一种支付前人脸识别数据处理方法及系统，所采用的技术方案具体如下：

2、本发明提出了一种支付前人脸识别数据处理方法，所述方法包括：

3、在人脸识别支付前，通过人脸识别终端拍摄支付用户的待识别人脸图像；将所述待识别人脸图像划分为至少两个人脸结构区域；

4、根据每个人脸结构区域中的灰度渐变分布趋势，得到表征每个人脸结构区域的结构影响方向的结构方向角度；根据每个人脸结构区域与相邻的人脸结构区域之间的结构方向角度差异以及整体灰度差异，得到每个人脸结构区域的光照影响程度；

5、根据所述光照影响程度筛选出所有人脸结构区域中的角点异常区域；将待识别人脸图像中角点异常区域中的异常角点筛除后，通过人脸数据库进行支付前人脸识别。

6、进一步地，所述结构方向角度的获取方法包括：

7、对于任意一个人脸结构区域：

8、将人脸结构区域中的灰度值最大的像素点，作为光源像素点；以人脸结构区域中边界位置的像素点，作为边界像素点；

9、将所述光源像素点与每个边界像素点连接后的线段，作为每个边界像素点的参考线段；将每个参考线段上的像素点以光源像素点指向边界像素点的顺序排列，得到每个参考线段对应的像素点参考序列；

10、根据所述像素点参考序列中相邻像素点之间的灰度差异，相对于光源像素点与对应的边界像素点之间的灰度差异，得到每个参考线段上每个像素点的灰度变化混乱程度；根据每个参考线段上所有像素点的灰度变化混乱程度的整体大小，得到人脸结构区域中每个参考线段的结构阴影影响程度；

11、以每个参考线段中光源像素点指向对应的边界像素点的方向，作为每个参考线段的参考方向；以所述结构阴影影响程度作为权重，结合所述参考方向，得到表征人脸结构区域的结构影响方向的结构方向角度。

12、进一步地，所述灰度变化混乱程度的计算方法包括：

13、

14、其中，rk，h，x为第k个人脸结构区域中第h个参考线段对应的像素点参考序列中第x个像素点的灰度变化混乱程度；δgk，h，x为第k个人脸结构区域中第h个参考线段对应的像素点参考序列中第x个像素点与前一个像素点之间的灰度差异；g′k为第k个人脸结构区域中光源像素点的灰度值；g″k，h为第k个人脸结构区域中第h个参考线段对应的边界像素点的灰度值；nk，h为第k个人脸结构区域中第h个参考线段对应的像素点参考序列中的像素点数量。

15、进一步地，所述结构阴影影响程度的获取方法包括：

16、将每个人脸结构区域中每个参考线段上所有像素点的灰度变化混乱程度的均值的归一化值，作为每个人脸结构区域中每个参考线段上的结构阴影影响程度。

17、进一步地，所述以所述结构阴影影响程度作为权重，结合所述参考方向，得到表征人脸结构区域的结构影响方向的结构方向角度的方法包括：

18、将每个参考线段的参考方向与水平向右的方向之间的角度差异，作为每个参考线段的参考角度；将所述参考角度与所述结构阴影影响程度的乘积，作为每个参考线段的加权角度；

19、将对应的结构阴影影响程度大于预设结构影响阈值的参考线段，作为结构影响线段；将所有结构影响线段的加权角度的均值，作为人脸结构区域的结构方向角度。

20、进一步地，所述光照影响程度的获取方法包括：

21、依次将每个人脸结构区域作为目标区域；将与目标区域邻接的人脸结构区域，作为目标区域的邻接区域；

22、将每个邻接区域的结构方向角度与目标区域的结构方向角度之间差异的负相关映射值，作为每个邻接区域的邻接渐变关联性；将目标区域对应的所有邻接区域的邻接渐变关联性的均值，作为目标区域的区域渐变关联性；

23、根据目标区域与对应的各个邻接区域之间的灰度值整体差异情况，得到目标区域的灰度值显著程度；

24、将所述区域渐变关联性的负相关映射值与所述灰度值显著程度的乘积的归一化值，作为目标区域的光照影响程度。

25、进一步地，所述灰度值显著程度的获取方法包括：

26、将目标区域中所有像素点的灰度值均值与每个邻接区域中所有像素点的灰度值均值之间的差值，作为每个邻接区域的参考灰度偏差；将目标区域对应的所有邻接区域的参考灰度偏差的均值，作为目标区域的灰度值显著程度。

27、进一步地，所述角点异常区域的获取方法包括：

28、将光照影响程度大于预设影响阈值的人脸结构区域，作为角点异常区域。

29、进一步地，所述将待识别人脸图像中角点异常区域中的异常角点筛除后，通过人脸数据库进行支付前人脸识别的方法包括：

30、将待识别人脸图像中角点异常区域中的处于非边缘位置的角点筛除后，得到待识别人脸图像的剩余角点；根据所述剩余角点对人脸数据库中的人脸图像数据进行角点匹配，得到人脸识别结果。

31、本发明还提出了一种支付前人脸识别数据处理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现任意一项一种支付前人脸识别数据处理方法的步骤。

32、本发明具有如下有益效果：

33、在实际支付过程中，支付用户与光源的距离越近，光源直射的人脸结构区域对应的光照强度越大，对应的人脸结构区域反射的光线会越大，对应的人脸结构区域的特征角点越可能出现错位或者特征不明显的情况，在待识别人脸图像上表现为对应的人脸结构区域的灰度值相对更大；因此可通过人脸结构区域的整体灰度值在反映光照影响程度。并且根据光线沿直线传播的原理，当光源靠近人脸结构区域越近时，各个人脸结构区域的结构产生的阴影对应的映射方向会存在较大的差别；而光源较远时，各个人脸结构区域的结构产生的阴影对应的映射方向对应的差别相对较小；因此可以根据人脸结构区域之间的结构方向差异大小来反映光源的靠近程度，从而反映光照影响程度。

34、因此本发明首先计算出表征每个人脸结构区域的结构影响方向的结构方向角度；结合人脸结构区域的整体灰度值与光照影响程度之间的关系，根据每个人脸结构区域与相邻的人脸结构区域之间的结构方向角度差异以及整体灰度差异，得到每个人脸结构区域的光照影响程度，通过光照影响程度来间接反映每个人脸结构区域上角点的异常情况，从而根据光照影响程度筛选出所有人脸结构区域中的角点特征模糊或者角点特征缺失的角点异常区域。因此进一步地将待识别人脸图像中角点异常区域中的异常角点筛除后，通过人脸数据库进行支付前人脸识别，从而减少光照导致的特征角点错位对人脸识别的准确性影响，使得根据去除异常角点后的待识别人脸图像与人脸图像数据库中存储的人脸图像进行匹配的准确性更高，对应的支付前人脸识别的准确性也就更高。