基于人脸支付的高校消费方式研究

胡锐 芮忠

（苏州科技大学 信息化建设与管理中心，江苏 苏州 215009）

一、引言

人脸识别与指纹识别、掌纹识别、视网膜识别、骨骼识别、心跳识别等都属于人体生物特征识别技术，都是随着光电技术、微计算机技术、图像处理技术与模式识别等技术的快速发展应运而生的。它是一种基于人的相貌特征信息进行身份认证的生物特征识别技术，技术的最大特征是能避免个人信息泄露，并采用非接触的方式进行识别[1-3]。

人脸支付，是一种用AI 智能去识别出的新型支付方式，能得到重要信息，重要的是在支付过程中，能有效防止虚假攻击，识别几率将近百分百。可以快捷、精准、卫生地进行身份认定;具有不可复制性，即使做了整容手术，该技术也能从几百项脸部特征中找出“原来的你”。无需其他，只需自己，就可以完成整个支付过程，让交易过程变得更简单[4]。

目前，刷脸支付的应用更是不存在任何行业限制，而是不断渗透到各个细分的领域，应用于各个场景。如：智慧医疗、智慧校园、智慧城市、智慧金融等[5]。

二、人脸支付原理

它主要是通过人脸识别的方式进行，再结合数据处理的方式，通消费者将自己的脸部正放入摄像头将棋采集，可以是静态，也可以是动态，在不同的地方和，不同的表情都可以识别出来，摄像头把他们的人脸特征全部都记录下来，将有用的信息挑选出来，并利用这些特征实现人脸识别，当消费者达到了系统上的人脸拍摄的范围时，系统将会自动收集该用户的人脸头像。图1 人脸识别原理图。

对于特征的提取，可以归纳为两种，一种是匹配法，另一种是根据人脸的描述和他们的距离来判断。所谓特征值，即面部特征所组成的信息集。我们辨别一个人的特征，可能会记住他是双眼皮、黑眼睛、蓝色头发、塌鼻梁……但人工智能算法可以辨别和记住的面部特征会比肉眼所能观察到的多很多。

人脸识别算法通过深度学习，利用卷积神经网络对海量人脸图片进行学习，借助输入图像，提取出对区分不同人脸的特征向量，以替代人工设计的特征。每张人脸在算法中都有一组对应的特征值，这也是进行人脸比对的依据。同一人的不同照片提取出的特征值，在特征空间里距离很近，不同人的脸在特征空间里相距较远。我们就是通过这个来识别两张脸是不是同一个人。

人脸识别算法一般会设定一个阈值作为评判通过与否的标准，该阈值一般是用分数或者百分比来衡量。业界一般采用“认假率（FAR，又称误识率，把某人误识为其他人）”和“拒真率（FRR 拒真率，本人注册在底库中，但比对相似度达到不预定的值）”，来作为评判依据。

当人脸比对的相似度值大于此阈值时，则比对通过，是同一个人，否则比对失败，不是同一个人。每个阈值我们都可以统计对应的FARFRR，不同阈值的FAR/FRR 值可绘成ROC 曲线（Receiver Operating Curve），我们可以通过ROC 曲线选定一个合理的阈值点。

三、人脸支付构成

（一）硬件基础

采用AVS03A+Sony 方案设计。保持性能和价格的完美结合。Sony 方案色彩更艳丽，对光线明暗交界处还原更好。自带OSD 控制，提供人脸识别、强光抑制、动态白平衡、隐蔽遮挡、背光补偿、画面调整等多种功能。提供人脸识别、智能放大功能。采用大功率台湾鼎元超远阵列红外灯设计，提供室内外：50-70 米的夜视距离。可选择3.6mm，6mm，8mm，12mm 多种镜头。超过48db 的信噪比，有效提高信号抗干扰能力。

（二）通讯基础

云平台的承载能力越来越强，5G 加WIFI 的优良通讯环境为刷脸支付提供平台和通讯。在WiFi 断网情况下，也能采用5G 网络。5G 模块采用华为MH5000-315G 工业模组。此工业模组核心采用华为巴龙5000 芯片，核心器件包括主芯片、PMU、射频等完全自主可控；支持NSA/SA 双模，帮助行业客户灵活接入不同5G 模式网络，支持中国5G SA 网络建设；支持单芯全模，2G/3G/4G/5G 全兼容，直接同步5G 网络覆盖节奏，保护客户设备投资。下行速率高达2Gbps，上行速率高达230Mbps，满足行业应用的高带宽要求；工作温度范围广至-40℃～85℃，采用高可靠性器件以及工业独特设计，适应工业环境的多样化；微内核加持TrustZone 的双重安全机制，让工业环境使用真正安全可靠；自带高性能的应用处理器，其算力达14400DMPIS，拥有业界标准的多个硬件接口，充分满足工业设备接口需求。支持Ant 1,TRX,824MHz～5GHz、Ant 2,TRX,824MHz～5GHz、Ant 3,RX,1805MHz～5GHz、Ant 4,RX,1805MHz～5GHz 4 种频段，大大的提高了信号传输的稳定性。

（三）数据基础

需要采集人员数据，形成数据库。采集时保持摄像机及照明设备等物理条件基本一致。数据库中男女性别比例应基本保持平衡。人脸数据库中尽量多摄取各年龄段的人脸样本，避免采集的样本太集中于某个年龄段。如果原来带眼镜的饰物，除要求带饰物的图像外，其它所有图像在摄取前应除下饰物，所用饰物如眼镜等应尽量根据个人情况随机选取，即不规定只采用何种眼镜等。

在摄取过程中，命名采集对象的文件名时应注意以下两点：（a）同名同姓的不同采集对象不应归类为同一个识别号；

（b）在不同时期摄取的同一采集对象应归类为同一个识别号。应建立专门的完成图像摄入任务的程序，对每个采集对象的输入只应包括姓名、性别、出生日期以及命名规则中的相关项，摄入数据库中图像文件名应由输入程序产生以减少人工输入所造成的错误。合理安排对采集对象的摄取顺序，以减少输入时间。

为了扩大本数据库的影响和针对以后进行的各种标准测试，需建立一个公开发行的比较典型的基本代表了本数据库特性的发布子库和不同的测试子库，即建立如下的子库：发布子库每人10 幅图像、标准正面中性表情单人脸子库、标准正面人脸子库（中性表情）、表情变化子库、姿态实验子库、光照实验子库。

四、人脸支付流程

人脸支付包含4 个部分：拍照、数据处理、人脸对比到最后完成支付，流程图如图2。

（一）拍照数据采集

人脸识别系统通过摄像机对人脸的数据进行采集，可以智能采集各种人脸，对人脸进行采集时候可以对人脸进行跟踪，确保采集到的是有效的人脸数据。

（二）数据处理

在对人脸的图形进行采集完成后，系统可以根据采集到的图像，进行处理，由于采集到的人脸受到光线、表情以及角度的影响，所以要进行处理，通过光线补偿、几何校正等技术，对人脸进行修复。

（三）数据对比

人脸识别后进行匹配。在采集到人脸后，系统会自动从数据库里面开始检索，检索到匹配度最高的人脸信息，通过设置一个匹配度的值，如果对比的结果超过或者约等于这个设置的值，就对人脸信息进行输出，所以总体来说，匹配的依据就是根据人脸的相似值，值越高，那么匹配度就越精准。

（四）消费扣款

人脸比对完毕后，判断账户上余额是否足够支付目前购买的商品，如果满足，则扣除相应账户上钱；如果不满足，则提示余额不足。

五、总结

随着光电技术、微计算机技术、图像处理技术与模式识别等技术的快速发展人脸支付已经很成熟。校园人员短时间流动性低，每年毕业或开学才会形成大面积人员流动，身份库更新要求不高，有利于人脸识别与支付。且人脸支付在一定程度上解决了校园公共浴室洗澡可不带手机问题。在未来几年，人脸支付一定能在校园支付方式上占一定比例。