安全支付方法、装置、计算机设备和存储介质
阅读说明:本技术 安全支付方法、装置、计算机设备和存储介质 (Secure payment method, apparatus, computer device and storage medium ) 是由 何梦雨 郭鸿程 于 2019-08-14 设计创作,主要内容包括:本申请涉及人脸识别技术领域,特别涉及一种基于人脸识别的安全支付方法、装置、计算机设备和存储介质。从医保卡信息中获取身份识别信息,再根据身份识别信息获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。(The present application relates to the field of face recognition technologies, and in particular, to a secure payment method and apparatus based on face recognition, a computer device, and a storage medium. The method comprises the steps of obtaining identity identification information from medical insurance card information, obtaining a corresponding image according to the identity identification information to obtain a first image, collecting a face image through a camera when a patient goes a doctor, identifying and comparing the face image with the first image, and judging whether the medical insurance card is allowed to pay according to a comparison result.)
技术领域
本申请涉及人脸识别技术领域,特别涉及一种基于人脸识别的安全支付方法、装置、计算机设备和存储介质。
背景技术
在就医标准流程中,按照“挂号-就诊-支付-取药”顺序进行,在支付时,如果采用医保卡支付,那么仅仅要求挂号者信息与医保卡卡主信息一致,并且多数人也不习惯设置密码,因此,容易导致医保卡的外借、代用或遗失盗刷的问题,对被代刷人的病史记录产生影响,之后在投保或其他相关业务中,产生不实的偏差,例如,投保过程会拉取医保就医记录,可能因此不能正确投保和理赔等。
申请内容
针对现有技术不足,本申请提出一种基于人脸识别的安全支付方法、装置、计算机设备和存储介质,旨在解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
本申请提出的技术方案是:
一种基于人脸识别的安全支付方法,所述方法包括:
检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息;
若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像;
检测就诊系统中所述挂号信息是否被激活;
若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位;
发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像;
确定所述人脸图像与所述第一图像的相似度;
若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付;
若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付。
进一步地,所述方法包括:
将多个医院的挂号系统互联访问形成区块链;
将被拒绝支付的医保卡的信息上传到所述区块链,所述区块链用于存储所述被拒绝支付的医保卡和对应的被拒绝次数。
进一步地,向所述挂号系统发送第二指令之后,所述方法还包括:
将所述医保卡的信息上传至所述区块链,以将所述医保卡的被拒绝次数加1;
获得所述医保卡的被拒绝次数;
若所述医保卡的被拒绝次数大于预设阈值,则冻结所述医保卡,并向所述医保卡登记的用户发送所述医保卡已被禁用的提示信息。
进一步地,在所述获取所述身份识别信息对应的第一图像的步骤中,包括:
判断所述身份识别信息是否包含于所述区块链中的就诊数据库中,所述就诊数据库包括已就诊患者的身份信息和与所述身份信息关联的图像;
若是,则根据所述身份识别信息在所述就诊数据库中确定与所述身份识别信息对应的图像,以作为所述第一图像;
若所述身份识别信息不包含于就诊数据库,则向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
进一步地,在所述向所述挂号系统发送第二指令的步骤之后,包括:
接收到所述挂号系统发送的反馈信息,所述反馈信息为所述挂号系统响应所述第二指令拒绝所述医保卡支付请求的信息;
发送非医保卡支付方式的显示指令给所述挂号系统。
进一步地,在所述确定所述人脸图像与所述第一图像的相似度的步骤中,包括:
将所述人脸图像和所述第一图像分别输入FaceNet模型;
接收所述FaceNet模型输出所述人脸图像和所述第一图像的特征向量计算结果,得到所述人脸图像的第一特征向量和所述第一图像的第二特征向量;
计算所述第一特征向量与所述第二特征向量的欧式距离,以确定所述人脸图像与所述第一图像的相似度。
进一步地,在将所述人脸图像输入FaceNet模型的步骤中,包括:
将所述人脸图像缩放到不同尺度形成图像金字塔输入P-Net模型,所述P-Net模块用于生成候选窗和边框回归向量;
接收所述P-Net模块使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述P-Net模块输出的所述人脸图像输入N-Net模型中;
接收所述N-Net模型剔除错误的候选窗,并使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述N-Net模型输出的所述人脸图像输入O-Net模块;
接收所述O-Net模块输出具有人脸框和特征点位置的所述人脸图像;
将具有人脸框和特征点位置的所述人脸图像输入FaceNet模型。
本申请还提供一种基于人脸识别的安全支付装置,所述装置包括:
第一检测模块,用于检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息;
第一获取模块,用于若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像;
第二检测模块,用于检测就诊系统中所述挂号信息是否被激活;
第二获取模块,用于若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位;
采集模块,用于发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像;
相似度模块,用于确定所述人脸图像与所述第一图像的相似度;
第一发送模块,用于若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付;
第二发送模块,用于若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付的指令。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。
本申请还提供一种计算机可读存储介质,其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上述任一项所述的方法的步骤。
根据上述的技术方案,本申请有益效果:从医保卡信息中获取身份识别信息,再根据身份识别信息获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请实施例提出一种基于人脸识别的安全支付方法,所述方法包括以下步骤:
步骤S101、检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息。
在挂号时,工作人员将患者的信息录入挂号系统,挂号系统根据患者的信息生成挂号信息,并标记为新增患者,挂号信息包括医保卡信息,医保卡信息包含患者的身份识别信息。
步骤S102、若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像。
在挂号系统中检测到挂号信息时,由于挂号信息中包括医保卡信息,而医保卡信息包含身份识别信息,所以,可以从医保卡信息中提取身份识别信息。在本实施例中,身份识别信息可以是身份证号码。
根据身份识别信息获取与之对应的图像,得到第一图像。
在一些实施例中,在获取所述身份识别信息对应的第一图像的步骤中,包括:
向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
根据身份识别信息从公安部身份证系统中获取对应的图像,该图像是该身份识别信息对应的真实图像。
所述方法包括:
将多个医院的挂号系统互联访问形成区块链;
将被拒绝支付的医保卡的信息上传到所述区块链,所述区块链用于存储所述被拒绝支付的医保卡和对应的被拒绝次数。
通过区块链对被拒绝支付的医保卡的信息进行统计和存储。
步骤S103、检测就诊系统中所述挂号信息是否被激活。
患者在挂号之后,取得挂号单,在对应的就诊室中进行就诊时,工作人员需要将挂号单上的对应的挂号信息录入就诊系统中,之后就会将挂号信息在就诊系统中激活,表示患者正在就诊。通过检测挂号信息是否被激活,来确定挂号信息对应的患者是否正在就诊。
步骤S104、若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位。
就诊系统存储就诊座位与摄像头的关联关系,并且记录每一个挂号信息对应的就诊座位。在挂号信息被激活时,在就诊系统中查找到对应的就诊座位。
步骤S105、发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像。
步骤S106、确定所述人脸图像与所述第一图像的相似度。
将人脸图像与第一图像进行识别对比,确定相似度。
在一些实施例中,在步骤S106中,包括:
提取所述人脸图像的多个特征点;
将所述多个特征点分别与所述第一图像进行匹配;
根据匹配到的特征点的数量,计算出所述人脸图像与所述第一图像的相似度。
以人脸图像的特征点数量为分母,以人脸图像上的特征点在第一图像上匹配到的数量为分子,计算出人脸图像与第一图像的相似度。
在一些实施例中,在步骤S106中,包括:
将所述人脸图像和所述第一图像分别输入FaceNet模型;
接收所述FaceNet模型输出所述人脸图像和所述第一图像的特征向量计算结果,得到所述人脸图像的第一特征向量和所述第一图像的第二特征向量;
计算所述第一特征向量与所述第二特征向量的欧式距离,以确定所述人脸图像与所述第一图像的相似度。
通过FaceNet模型分别计算人脸图像和第一图像的特征向量,得到第一特征向量和第二特征向量,之后通过计算第一特征向量与第二特征向量的欧式距离,以确定人脸图像与第一图像的相似度。
在将所述人脸图像输入FaceNet模型的步骤中,包括:
将所述人脸图像缩放到不同尺度形成图像金字塔输入P-Net模型,所述P-Net模块用于生成候选窗和边框回归向量;
接收所述P-Net模块使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述P-Net模块输出的所述人脸图像输入N-Net模型中;
接收所述N-Net模型剔除错误的候选窗,并使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述N-Net模型输出的所述人脸图像输入O-Net模块;
接收所述O-Net模块输出具有人脸框和特征点位置的所述人脸图像;
将具有人脸框和特征点位置的所述人脸图像输入FaceNet模型。
通过P-Net模型、N-Net模型和O-Net模块,最终输出具有人脸框和特征点位置的所述人脸图像。
步骤S107、若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付。
步骤S108、若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付的指令。
由于就诊座位与摄像头存在关联关系,根据就诊座位就能获得相关联的摄像头,发送采集命令到相关联的摄像头,通过摄像头采集当前患者的人脸图像,之后将人脸图像与第一图像进行识别对比,若两者的相似度大于预设值,则对比通过,说明当前患者与挂号信息中的患者是同一个人,允许患者采用医保卡进行支付,若两者的相似度小于或者等于预设值,则对比不通过,说明当前患者与挂号信息中的患者不是同一个人,存在医保卡代刷的行为,拒绝患者采用医保卡进行支付。
在本实施例中,在步骤S108之后,包括:
当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求,并提示输入实际就诊人的身份证信息;
若接收到实际就诊人的身份证信息,则从所述实际就诊人的身份证信息中提取身份证号码,获得目标身份证号码;
向所述公安部身份证系统请求所述目标身份证号码对应的图像,接收所述公安部身份证系统反馈的图像,获得第二图像;
将所述人脸图像与所述第二图像进行识别对比;
若对比通过,则将所述挂号信息中的患者信息更改为所述实际就诊人的身份证信息,并向所述挂号系统发送第三指令,所述第三指令为允许采用所述目标身份证号码对应的医保卡进行支付的指令。
当前患者与挂号信息中的患者不是同一个人,需要将挂号信息中的患者信息更换为实际就诊人的信息,之后才允许使用对应的医保卡进行支付。
在本实施例中,在所述当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求,并提示输入实际就诊人的身份证信息的步骤之后,包括:
若在预设时间内未接收到实际就诊人的身份证信息,或者接收到拒绝输入实际就诊人的身份证信息,则显示非医保卡支付方式。
当前患者与挂号信息中的患者不是同一个人,又不将挂号信息中的患者信息更换为实际就诊人的信息,只能提供非医保卡支付方式,非医保卡支付方式包括支付宝、微信和银行卡的支付方式。
在一些实施例中,在步骤S108之后,包括:
接收到所述挂号系统发送的反馈信息,所述反馈信息为所述挂号系统响应所述第二指令拒绝所述医保卡支付请求的信息;
发送非医保卡支付方式的显示指令给所述挂号系统。
当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求,并显示非医保卡支付方式。
当前患者与挂号信息中的患者不是同一个人,提供非医保卡支付方式。
在一些实施例中,在步骤S108之后,包括:
当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求;
若检测到采用所述医保卡对所述挂号信息发起支付的第二次请求,则响应所述第二指令拒绝所述第二次请求,获取医保卡的资料;
从所述资料中获取手机号码,发送是否挂失信息给所述手机号码;
若接收到所述手机号码反馈确认挂失的回复信息,则对所述医保卡进行挂失处理。
在采用医保卡对挂号信息进行支付被拒绝两次之后,医保卡可能被盗用,这时,通过手机号码发送是否挂失信息给医保卡的联系人,根据回复信息,决定是否对医保卡进行挂失处理。
在所述若接收到所述手机号码反馈确认挂失的回复信息,则对所述医保卡进行挂失处理的步骤之后,包括:
将所述人脸图像和预设报警信息发送给公安部报警系统。
在确认进行挂失处理之后,说明医保卡是被盗用,将人脸图像和预设报警信息发送给公安部报警系统进行报警,预设报警信息可以是XX的医保卡已被盗用。
在一些实施例中,在步骤S108中,包括:
若所述相似度小于预设值,则再次通过所述摄像头采集当前患者的人脸图像,获得第一人脸图像;
确定所述第一人脸图像与所述第一图像的第一相似度;
若所述第一相似度小于预设值,则向所述挂号系统发送第二指令。
一次的对比可能会有误差,在二次对比都不通过时,才发送第二指令,避免误差。在向所述挂号系统发送第二指令的步骤之后,所述方法还包括:
将所述医保卡的信息上传至所述区块链,以将所述医保卡的被拒绝次数加1;
获得所述医保卡的被拒绝次数;
若所述医保卡的被拒绝次数大于预设阈值,则冻结所述医保卡,并向所述医保卡登记的用户发送所述医保卡已被禁用的提示信息。
通过区块链获取医保卡的被拒绝次数,如果医保卡的被拒绝次数大于预设阈值,说明该医保卡可能被盗刷,就冻结所述医保卡。还需要通知医保卡真正的主人,该医保卡已被禁用。
在所述获取所述身份识别信息对应的第一图像的步骤中,包括:
判断所述身份识别信息是否包含于所述区块链中的就诊数据库中,所述就诊数据库包括已就诊患者的身份信息和与所述身份信息关联的图像;
若是,则根据所述身份识别信息在所述就诊数据库中确定与所述身份识别信息对应的图像,以作为所述第一图像;
若所述身份识别信息不包含于就诊数据库,则向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
通过区块链,可以判断身份识别信息是否在其它医院的就诊过,如果在其它医院就诊过,会将身份识别信息对应的图像存储在区块链中的就诊数据库。如果没有在其它医院就诊过,那么需要通过公安部身份证系统获取身份识别信息对应的图像。
综上所述,从医保卡信息中获取身份识别信息,再根据身份识别信息获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
如图2所示,本申请实施例提出一种基于人脸识别的安全支付装置1,装置1包括第一检测模块11、第一获取模块12、第二检测模块13、第二获取模块14、采集模块15、相似度模块16、第一发送模块17和第二发送模块18。
第一检测模块11,用于检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息。
在挂号时,工作人员将患者的信息录入挂号系统,挂号系统根据患者的信息生成挂号信息,并标记为新增患者,挂号信息包括医保卡信息,医保卡信息包含患者的身份识别信息。
第一获取模块12,用于若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像。
在挂号系统中检测到挂号信息时,由于挂号信息中包括医保卡信息,而医保卡信息包含身份识别信息,所以,可以从医保卡信息中提取身份识别信息。在本实施例中,身份识别信息可以是身份证号码。
根据身份识别信息获取与之对应的图像,得到第一图像。
在一些实施例中,第一获取模块12包括:
第一子获取模块,用于向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
根据身份识别信息从公安部身份证系统中获取对应的图像,该图像是该身份识别信息对应的真实图像。
装置1包括:
区块链模块,用于将多个医院的挂号系统互联访问形成区块链;
上传模块,用于将被拒绝支付的医保卡的信息上传到所述区块链,所述区块链用于存储所述被拒绝支付的医保卡和对应的被拒绝次数。
通过区块链对被拒绝支付的医保卡的信息进行统计和存储。
第二检测模块13,用于检测就诊系统中所述挂号信息是否被激活。
患者在挂号之后,取得挂号单,在对应的就诊室中进行就诊时,工作人员需要将挂号单上的对应的挂号信息录入就诊系统中,之后就会将挂号信息在就诊系统中激活,表示患者正在就诊。通过检测挂号信息是否被激活,来确定挂号信息对应的患者是否正在就诊。
第二获取模块14,用于若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位。
就诊系统存储就诊座位与摄像头的关联关系,并且记录每一个挂号信息对应的就诊座位。在挂号信息被激活时,在就诊系统中查找到对应的就诊座位。
采集模块15,用于发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像。
相似度模块16,用于确定所述人脸图像与所述第一图像的相似度。
将人脸图像与第一图像进行识别对比,确定相似度。
在一些实施例中,相似度模块16包括:
第一子提取模块,用于提取所述人脸图像的多个特征点;
第一子匹配模块,用于将所述多个特征点分别与所述第一图像进行匹配;
第一子计算模块,用于根据匹配到的特征点的数量,计算出所述人脸图像与所述第一图像的相似度。
以人脸图像的特征点数量为分母,以人脸图像上的特征点在第一图像上匹配到的数量为分子,计算出人脸图像与第一图像的相似度。
在一些实施例中,相似度模块16包括:
第一子输入模块,用于将所述人脸图像和所述第一图像分别输入FaceNet模型;
第二子接收模块,用于接收所述FaceNet模型输出所述人脸图像和所述第一图像的特征向量计算结果,得到所述人脸图像的第一特征向量和所述第一图像的第二特征向量;
第二子计算模块,用于计算所述第一特征向量与所述第二特征向量的欧式距离,以确定所述人脸图像与所述第一图像的相似度。
通过FaceNet模型分别计算人脸图像和第一图像的特征向量,得到第一特征向量和第二特征向量,之后通过计算第一特征向量与第二特征向量的欧式距离,以确定人脸图像与第一图像的相似度。
第一子输入模块包括:
第二子输入模块,用于将所述人脸图像缩放到不同尺度形成图像金字塔输入P-Net模型,所述P-Net模块用于生成候选窗和边框回归向量;
第三子接收模块,用于接收所述P-Net模块使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
第三子输入模块,用于将所述P-Net模块输出的所述人脸图像输入N-Net模型中;
第四子接收模块,用于接收所述N-Net模型剔除错误的候选窗,并使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
第四子输入模块,用于将所述N-Net模型输出的所述人脸图像输入O-Net模块;
第五子接收模块,用于接收所述O-Net模块输出具有人脸框和特征点位置的所述人脸图像;
第五子输入模块,用于将具有人脸框和特征点位置的所述人脸图像输入FaceNet模型。
通过P-Net模型、N-Net模型和O-Net模块,最终输出具有人脸框和特征点位置的所述人脸图像。
第一发送模块17,用于若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付。
第二发送模块18,用于若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付的指令。
由于就诊座位与摄像头存在关联关系,根据就诊座位就能获得相关联的摄像头,发送采集命令到相关联的摄像头,通过摄像头采集当前患者的人脸图像,之后将人脸图像与第一图像进行识别对比,若两者的相似度大于预设值,则对比通过,说明当前患者与挂号信息中的患者是同一个人,允许患者采用医保卡进行支付,若两者的相似度小于或者等于预设值,则对比不通过,说明当前患者与挂号信息中的患者不是同一个人,存在医保卡代刷的行为,拒绝患者采用医保卡进行支付。
在本实施例中,装置1包括:
第一提示模块,用于当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求,并提示输入实际就诊人的身份证信息;
第一提取模块,用于若接收到实际就诊人的身份证信息,则从所述实际就诊人的身份证信息中提取身份证号码,获得目标身份证号码;
第三获取模块,用于向所述公安部身份证系统请求所述目标身份证号码对应的图像,接收所述公安部身份证系统反馈的图像,获得第二图像;
第一对比模块,用于将所述人脸图像与所述第二图像进行识别对比;
第三发送模块,用于若对比通过,则将所述挂号信息中的患者信息更改为所述实际就诊人的身份证信息,并向所述挂号系统发送第三指令,所述第三指令为允许采用所述目标身份证号码对应的医保卡进行支付的指令。
当前患者与挂号信息中的患者不是同一个人,需要将挂号信息中的患者信息更换为实际就诊人的信息,之后才允许使用对应的医保卡进行支付。
在本实施例中,装置1包括:
第一显示模块,用于若在预设时间内未接收到实际就诊人的身份证信息,或者接收到拒绝输入实际就诊人的身份证信息,则显示非医保卡支付方式。
当前患者与挂号信息中的患者不是同一个人,又不将挂号信息中的患者信息更换为实际就诊人的信息,只能提供非医保卡支付方式,非医保卡支付方式包括支付宝、微信和银行卡的支付方式。
在一些实施例中,装置1包括:
第三接收模块,用于接收到所述挂号系统发送的反馈信息,所述反馈信息为所述挂号系统响应所述第二指令拒绝所述医保卡支付请求的信息;
显示指令发送模块,用于发送非医保卡支付方式的显示指令给所述挂号系统。
当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求,并显示非医保卡支付方式。
当前患者与挂号信息中的患者不是同一个人,提供非医保卡支付方式。
在一些实施例中,装置1包括:
第一拒绝模块,用于当检测到采用所述医保卡对所述挂号信息发起支付的请求时,响应所述第二指令拒绝所述请求;
第四获取模块,用于若检测到采用所述医保卡对所述挂号信息发起支付的第二次请求,则响应所述第二指令拒绝所述第二次请求,获取医保卡的资料;
第四发送模块,用于从所述资料中获取手机号码,发送是否挂失信息给所述手机号码;
第一挂失模块,用于若接收到所述手机号码反馈确认挂失的回复信息,则对所述医保卡进行挂失处理。
在采用医保卡对挂号信息进行支付被拒绝两次之后,医保卡可能被盗用,这时,通过手机号码发送是否挂失信息给医保卡的联系人,根据回复信息,决定是否对医保卡进行挂失处理。
装置1包括:
第五发送模块,用于将所述人脸图像和预设报警信息发送给公安部报警系统。
在确认进行挂失处理之后,说明医保卡是被盗用,将人脸图像和预设报警信息发送给公安部报警系统进行报警,预设报警信息可以是XX的医保卡已被盗用。
在一些实施例中,第二发送模块18包括:
第一采集模块,用于若所述相似度小于预设值,则再次通过所述摄像头采集当前患者的人脸图像,获得第一人脸图像;
第二相似度模块,用于确定所述第一人脸图像与所述第一图像的第一相似度图像图像;
第六发送模块,用于若所述第一相似度小于预设值,则向所述挂号系统发送第二指令。
一次的对比可能会有误差,在二次对比都不通过时,才发送第二指令,避免误差。
装置1还包括:
第一上传模块,用于将所述医保卡的信息上传至所述区块链,以将所述医保卡的被拒绝次数加1;
第一获得模块,用于获得所述医保卡的被拒绝次数;
第一处理模块,用于若所述医保卡的被拒绝次数大于预设阈值,则冻结所述医保卡,并向所述医保卡登记的用户发送所述医保卡已被禁用的提示信息。
通过区块链获取医保卡的被拒绝次数,如果医保卡的被拒绝次数大于预设阈值,说明该医保卡可能被盗刷,就冻结所述医保卡。还需要通知医保卡真正的主人,该医保卡已被禁用。
第一获取模块12包括:
第一子判断模块,用于判断所述身份识别信息是否包含于所述区块链中的就诊数据库中,所述就诊数据库包括已就诊患者的身份信息和与所述身份信息关联的图像;
第一子确定模块,用于若是,则根据所述身份识别信息在所述就诊数据库中确定与所述身份识别信息对应的图像,以作为所述第一图像;
第一子接收模块,用于若所述身份识别信息不包含于就诊数据库,则向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
通过区块链,可以判断身份识别信息是否在其它医院的就诊过,如果在其它医院就诊过,会将身份识别信息对应的图像存储在区块链中的就诊数据库。如果没有在其它医院就诊过,那么需要通过公安部身份证系统获取身份识别信息对应的图像。
综上所述,从医保卡中获取身份识别信息,再根据身份识别信息从公安部身份证系统中获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
如图3所示,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于人脸识别的安全支付方法的模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的安全支付方法。
上述处理器执行上述基于人脸识别的安全支付方法的步骤:检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息;若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像;检测就诊系统中所述挂号信息是否被激活;若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位;发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像;确定所述人脸图像与所述第一图像的相似度;若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付;若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付。
在一个实施例中,所述方法包括:
将多个医院的挂号系统互联访问形成区块链;
将被拒绝支付的医保卡的信息上传到所述区块链,所述区块链用于存储所述被拒绝支付的医保卡和对应的被拒绝次数。
在一个实施例中,上述向所述挂号系统发送第二指令之后,所述方法还包括:
将所述医保卡的信息上传至所述区块链,以将所述医保卡的被拒绝次数加1;
获得所述医保卡的被拒绝次数;
若所述医保卡的被拒绝次数大于预设阈值,则冻结所述医保卡,并向所述医保卡登记的用户发送所述医保卡已被禁用的提示信息。
在一个实施例中,上述获取所述身份识别信息对应的第一图像的步骤中,包括:
判断所述身份识别信息是否包含于所述区块链中的就诊数据库中,所述就诊数据库包括已就诊患者的身份信息和与所述身份信息关联的图像;
若是,则根据所述身份识别信息在所述就诊数据库中确定与所述身份识别信息对应的图像,以作为所述第一图像;
若所述身份识别信息不包含于就诊数据库,则向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
在一个实施例中,上述向所述挂号系统发送第二指令的步骤之后,包括:
接收到所述挂号系统发送的反馈信息,所述反馈信息为所述挂号系统响应所述第二指令拒绝所述医保卡支付请求的信息;
发送非医保卡支付方式的显示指令给所述挂号系统。
在一个实施例中,上述确定所述人脸图像与所述第一图像的相似度的步骤中,包括:
将所述人脸图像和所述第一图像分别输入FaceNet模型;
接收所述FaceNet模型输出所述人脸图像和所述第一图像的特征向量计算结果,得到所述人脸图像的第一特征向量和所述第一图像的第二特征向量;
计算所述第一特征向量与所述第二特征向量的欧式距离,以确定所述人脸图像与所述第一图像的相似度。
在一个实施例中,上述在将所述人脸图像输入FaceNet模型的步骤中,包括:
将所述人脸图像缩放到不同尺度形成图像金字塔输入P-Net模型,所述P-Net模块用于生成候选窗和边框回归向量;
接收所述P-Net模块使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述P-Net模块输出的所述人脸图像输入N-Net模型中;
接收所述N-Net模型剔除错误的候选窗,并使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述N-Net模型输出的所述人脸图像输入O-Net模块;
接收所述O-Net模块输出具有人脸框和特征点位置的所述人脸图像;
将具有人脸框和特征点位置的所述人脸图像输入FaceNet模型。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请实施例的计算机设备,从医保卡信息中获取身份识别信息,再根据身份识别信息获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种基于人脸识别的安全支付方法,具体为:检测挂号系统中是否新增患者的挂号信息,所述挂号信息包括医保卡信息;若检测到新增患者的挂号信息,则从所述医保卡信息中提取身份识别信息,并获取所述身份识别信息对应的第一图像;检测就诊系统中所述挂号信息是否被激活;若被激活,则从所述就诊系统中获取所述挂号信息对应的就诊座位;发送采集命令到与所述就诊座位相关联的摄像头,通过所述摄像头采集当前患者的人脸图像;确定所述人脸图像与所述第一图像的相似度;若所述相似度大于预设值,则向所述挂号系统发送第一指令,所述第一指令用于指示允许采用所述医保卡进行支付;若所述相似度小于预设值,则向所述挂号系统发送第二指令,所述第二指令为拒绝采用所述医保卡进行支付。
在一个实施例中,所述方法包括:
将多个医院的挂号系统互联访问形成区块链;
将被拒绝支付的医保卡的信息上传到所述区块链,所述区块链用于存储所述被拒绝支付的医保卡和对应的被拒绝次数。
在一个实施例中,上述向所述挂号系统发送第二指令之后,所述方法还包括:
将所述医保卡的信息上传至所述区块链,以将所述医保卡的被拒绝次数加1;
获得所述医保卡的被拒绝次数;
若所述医保卡的被拒绝次数大于预设阈值,则冻结所述医保卡,并向所述医保卡登记的用户发送所述医保卡已被禁用的提示信息。
在一个实施例中,上述获取所述身份识别信息对应的第一图像的步骤中,包括:
判断所述身份识别信息是否包含于所述区块链中的就诊数据库中,所述就诊数据库包括已就诊患者的身份信息和与所述身份信息关联的图像;
若是,则根据所述身份识别信息在所述就诊数据库中确定与所述身份识别信息对应的图像,以作为所述第一图像;
若所述身份识别信息不包含于就诊数据库,则向公安部身份证系统请求所述身份识别信息对应的图像,并接收所述公安部身份证系统反馈的图像,获得第一图像。
在一个实施例中,上述向所述挂号系统发送第二指令的步骤之后,包括:
接收到所述挂号系统发送的反馈信息,所述反馈信息为所述挂号系统响应所述第二指令拒绝所述医保卡支付请求的信息;
发送非医保卡支付方式的显示指令给所述挂号系统。
在一个实施例中,上述确定所述人脸图像与所述第一图像的相似度的步骤中,包括:
将所述人脸图像和所述第一图像分别输入FaceNet模型;
接收所述FaceNet模型输出所述人脸图像和所述第一图像的特征向量计算结果,得到所述人脸图像的第一特征向量和所述第一图像的第二特征向量;
计算所述第一特征向量与所述第二特征向量的欧式距离,以确定所述人脸图像与所述第一图像的相似度。
在一个实施例中,上述在将所述人脸图像输入FaceNet模型的步骤中,包括:
将所述人脸图像缩放到不同尺度形成图像金字塔输入P-Net模型,所述P-Net模块用于生成候选窗和边框回归向量;
接收所述P-Net模块使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述P-Net模块输出的所述人脸图像输入N-Net模型中;
接收所述N-Net模型剔除错误的候选窗,并使用边框回归向量校正候选窗,使用非极大值抑制合并重叠的候选窗输出的所述人脸图像;
将所述N-Net模型输出的所述人脸图像输入O-Net模块;
接收所述O-Net模块输出具有人脸框和特征点位置的所述人脸图像;
将具有人脸框和特征点位置的所述人脸图像输入FaceNet模型。
本申请实施例的存储介质,从医保卡信息中获取身份识别信息,再根据身份识别信息获取对应的图像,得到第一图像,在患者就诊时,通过摄像头采集人脸图像,将人脸图像与第一图像进行识别对比,根据对比结果,判断是否允许医保卡进行支付,解决在采用医保卡支付,仅要求挂号者信息与医保卡卡主信息一致,容易代刷医保卡的问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包括在本申请的保护范围之内。
- 上一篇:一种医用注射器针头装配设备
- 下一篇:一种智能防伪新零售酒柜