[发明专利]一种信用卡流媒体识别技术并实现在线支付的方法

说明书

技术领域

本发明涉及数据处理，信号与信息处理，数据加密，数据编码，数据显示，数据传输，图像识别，数据存储，以及移动电话以及支付领域，尤其是属于基于图像识别的技术以及基于图像识别实现在线支付的技术。

背景技术

在线支付指基于互联网、移动互联网，完成从终端用户到企业商家的在线货币支付、资金清算、查询统计等系列过程的一种支付交易方式。商业移动应用目临的最大的障碍之一，就是让用户真正为一件商品付款。在使用信用卡或者银行卡进行在线支付的过程中，第一步就是对卡号的获取，传统方式一般是手工输入卡号；手工输入方式，需要连续输入16～18位的数字，对绝大多数用户而言，此过程非常不友好，并且出错概率很高，导致销售支付过程终结。并且传输过程中账号信息易被截取，为不法分子所利用进行伪卡制作盗取账户资金。一种信用卡流媒体识别技术并实现在线支付的方法应用高效的滤波器特征提取算法和合理的分类器设计算法，通过普通家用电脑摄像头或者手机摄像头获取媒体流影像，同步识别并在点对点传输过程中加密。快速、方便、非接触的方式准确识别出信用卡、银行卡卡号，进而安全、高效的完成在线支付。

发明内容

本发明的目的在于：采用纯软件方式，通过家用摄像头、手机摄像头等多媒体设备，对信用卡卡面进行扫描，并采用高效字符识别技术，自动快捷的获取信用卡卡号、信用卡所属银行等信用卡卡面基本信息，进而完成支付。

本发明采取的技术方案是：

关键技术1：采用优化的数学算法保障软件识别的实时性；

在整个识别过程中，边缘检测过程属于大计算量环节；因此采用优化的数学算法进行计算量优化，是保证识别实时性的关键；针对信用卡、身份证的特殊材质及纹理情况，我们对不同的边缘检测算子进行了大数据样本分析；针对Roberts边缘算子、Sobel边缘算子、Prewitt边缘算子、Laplacian边缘算子、Canny边缘算子等算法的比较，最终选定优化后的Canny算子边缘检测算法，其算法既能滤去噪声有可以保持边缘特性的边缘检测的一阶微分算法中的最佳选择方法；优化有的算法可以自适应的对检测算子的判别阈值进行分析调整；从而有效降低计算量，保证检测的实时性。

关键技术2：准确可控的识别流程保证软件识别的准确性

识别的准确率高低取决于整个识别流程的设计和管控；我们的系统平台对识别流程进行了更为精细的规划和设计；设计流程包括视频帧截取(VideoFrameShot)、边缘检测(EdgeDetection)，图像归一化预处理(Normalization)，卡面分析切分(Analysis)，特征提取(FeatureExtraction)，字符识别(Recognition)，后处理(PostProcessing)，语义对比分析等环节；为保证整体流程的准确性，我们对流程中的每个子环节都进行了优化处理，从而对整个处理识别流程可控；对大数据样本进行反复测试，整体识别准确率已经达到95％。并在持续优化中；

关键技术3：改进的最小距离分类器识别算法确保软件识别容错性由于软件实际使用的场景环境比较复杂，因此软件算法的容错性是一个关键因素；而影响容错性最大的环节是字符的识别；考虑字符识别主要是英文和数字，最小距离分类器是基于向量空间模型的分类算法，在图像识别处理和文本分类领域有独特优势；为了适应实际使用场景，我们采取了一种基于标准化欧式距离的新分类模型加权最小距离分类器(Weighted Minimum Distance Classifier)；

具体实施方式

信用卡流媒体识别技术并实现在线支付的方法采用前沿的图像模式识别核心技术，在进入在线支付系统后，电脑摄像头或者手机内置摄像头会自动打开，用户仅需要将信用卡对着摄像头进行数据读取，就可以实现卡号获取，并完成后续的在线支付交易；摄像头设备，对扫描的视频流截取3～4图片，预处理采用常用的灰度化、二值化、祛除噪声、归一化等手段完成；边缘检测使用优化后的Canny边缘检测算子；卡面分析和卡面区域切分，确定扫描区域，进行区域二值化扫描，并存放到矩形结构体链表中；特征提取基于垂直方向数据统计的特征提取法是自左向右的对图像进行逐列扫描，统计每列的黑色像素的个数，然后自上而下逐行扫描，统计每行的黑色像素个数，将统计结果作为字符的特征向量；利用改进后的加权最小距离分类器识别算法完成核心的字符识别；最后进行语义化后处理。