本申请涉及人工智能领域,特别是涉及一种基于虹膜识别的支付验证方法及相关产品。
背景技术:
1、随着互联网的发展,越来越多的人选择在网上银行完成各种支付操作,包括转账、缴费等。相较于传统的银行柜台,网上银行具有更高的灵活性和便利性,省去了排队等待的时间和不必要的麻烦。
2、现有的网上银行支付验证方式包括短信验证码、密码、动态口令以及u盾等,由于使用场景的不同,这些验证方式在使用时会存在验证效率低以及安全性较差的问题。
3、因此,如何在保证支付验证效率的同时提高支付验证的安全性,是本领域技术人员急需解决的问题。
技术实现思路
1、基于上述问题,本申请提供了一种基于虹膜识别的支付验证方法及相关产品,通过深度学习算法实现虹膜识别,解决了现有技术存在的验证效率低以及安全性较差的问题。
2、第一方面,本申请提供了一种基于虹膜识别的支付验证方法,包括:
3、获取质量合格的人眼图像;
4、利用预训练好的虹膜语义分割网络从所述人眼图像中提取虹膜图像;
5、利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量;
6、支付验证时,将所述特征向量与服务器中存储的特征样本进行比对,若相似度达到第一预设阈值则认为支付验证成功,若相似度未达到第一预设阈值则认为支付验证失败。
7、可选的,所述获取质量合格的人眼图像之前,还包括:
8、利用图像采集装置采集目标对象的人眼图像;
9、将所述人眼图像与预设评估标准进行比对;
10、将符合预设评估标准的人眼图像标记为质量合格的人眼图像;
11、将不符合预设评估标准的人眼图像标记为质量不合格的人眼图像。
12、可选的,所述利用图像采集装置采集目标对象的人眼图像之前,还包括:
13、利用图像采集装置对目标对象进行活体检测;
14、若所述目标对象的活体检测通过则继续采集所述目标对象的人眼图像;
15、若所述目标对象的活体检测不通过则停止采集所述目标对象的人眼图像。
16、可选的,所述利用预训练好的虹膜语义分割网络从所述人眼图像中提取虹膜图像,包括:
17、利用预训练好的虹膜语义分割网络对所述人眼图像进行分割,得到含有目标噪声的虹膜图像;
18、利用预训练好的虹膜语义分割网络分离目标噪声,实现对虹膜图像的提取;
19、所述目标噪声包括:瞳孔、巩膜以及眼睑。
20、可选的,所述利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量之前,还包括:
21、根据截取策略利用预训练好的虹膜语义分割网络对分离目标噪声后的虹膜图像进行图像截取,得到第一截取图像;
22、所述截取策略为虹膜图像6点钟方向上且一边与虹膜内边缘相切的正方形图块。
23、可选的,所述利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量,包括:
24、利用预训练好的虹膜特征提取网络从虹膜图像的第一截取图像中提取特征向量。
25、可选的,所述支付验证时,将所述特征向量与服务器中存储的特征样本进行比对,若相似度达到第一预设阈值则认为支付验证成功,若相似度未达到第一预设阈值则认为支付验证失败之前,还包括:
26、判断人眼图像对应的目标对象是否为初次使用;
27、若是,则将利用预训练好的虹膜特征提取网络从所述虹膜图像中提取到的特征向量上传至虹膜样本库中进行存储;
28、若否,则继续进行支付验证。
29、第二方面,本申请提供了一种基于虹膜识别的支付验证装置,包括:
30、获取模块,用于获取质量合格的人眼图像;
31、第一提取模块,用于利用预训练好的虹膜语义分割网络从所述人眼图像中提取虹膜图像;
32、第二提取模块,用于利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量;
33、验证模块,用于支付验证时,将所述特征向量与服务器中存储的特征样本进行比对,若相似度达到第一预设阈值则认为支付验证成功,若相似度未达到第一预设阈值则认为支付验证失败。
34、第三方面,本申请提供了一种基于虹膜识别的支付验证设备,包括:
35、存储器,用于存储计算机程序;
36、处理器,用于执行所述计算机程序时实现如上述任一项所述基于虹膜识别的支付验证方法的步骤。
37、第四方面,本申请提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述基于虹膜识别的支付验证方法的步骤。
38、从以上技术方案可以看出,相较于现有技术,本申请具有以下优点:
39、本申请首先获取质量合格的人眼图像。然后利用预训练好的虹膜语义分割网络从人眼图像中提取虹膜图像,并利用预训练好的虹膜特征提取网络从虹膜图像中提取特征向量。最后在支付验证时,将特征向量与服务器中存储的特征样本进行比对,若相似度达到第一预设阈值则认为支付验证成功,若相似度未达到第一预设阈值则认为支付验证失败。由此,借助深度学习的高精度算法实现虹膜识别,提高了网上银行支付验证的效率及安全性,也为用户带来更好的支付体验。
1.一种基于虹膜识别的支付验证方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取质量合格的人眼图像之前,还包括:
3.根据权利要求2所述的方法,其特征在于,所述利用图像采集装置采集目标对象的人眼图像之前,还包括:
4.根据权利要求1所述的方法,其特征在于,所述利用预训练好的虹膜语义分割网络从所述人眼图像中提取虹膜图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量之前,还包括:
6.根据权利要求5所述的方法,其特征在于,所述利用预训练好的虹膜特征提取网络从所述虹膜图像中提取特征向量,包括:
7.根据权利要求1所述的方法,其特征在于,所述支付验证时,将所述特征向量与服务器中存储的特征样本进行比对,若相似度达到第一预设阈值则认为支付验证成功,若相似度未达到第一预设阈值则认为支付验证失败之前,还包括:
8.一种基于虹膜识别的支付验证装置,其特征在于,包括:
9.一种基于虹膜识别的支付验证设备,其特征在于,包括:
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于虹膜识别的支付验证方法的步骤。