本發(fā)明涉及電子交易領(lǐng)域，具體涉及一種基于識別技術(shù)的電子交易認證系統(tǒng)。
背景技術(shù)：
：相關(guān)技術(shù)中，在電子交易認證系統(tǒng)上采用雷達對目標進行跟蹤在定位精度和跟蹤成功率上具備很大優(yōu)勢，但僅從雷達獲取的距離信息上很難對目標的特征進行區(qū)分，尤其在目標被遮擋和多目標情況下，很難實現(xiàn)目標有效識別跟蹤。采用目標的視覺信息(如顏色、輪廓等)刻畫目標特征，基于目標視覺特征對目標進行識別跟蹤是解決上述問題的有效途徑。技術(shù)實現(xiàn)要素：針對上述問題，本發(fā)明提供一種基于識別技術(shù)的電子交易認證系統(tǒng)。本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；優(yōu)選地，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本發(fā)明的有益效果為：1、采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；2、修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；3、設(shè)置輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，計算量并不復(fù)雜，平滑除噪效果好，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。附圖說明利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的目標識別裝置模塊連接示意圖。具體實施方式結(jié)合以下實施例對本發(fā)明作進一步描述。實施例1參見圖1，本實施例一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；設(shè)置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設(shè)定的寬度為3，權(quán)值T的取值為0.2，識別精度提高了2％，識別速度提高了1％。實施例2參見圖1，本實施例一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；設(shè)置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設(shè)定的寬度為4，權(quán)值T的取值為0.3，識別精度提高了1％，識別速度提高了2％。實施例3參見圖1，本實施例一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；設(shè)置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設(shè)定的寬度為5，權(quán)值T的取值為0.4，識別精度提高了2％，識別速度提高了3％。實施例4參見圖1，本實施例一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；設(shè)置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設(shè)定的寬度為5，權(quán)值T的取值為0.5，識別精度提高了2％，識別速度提高了2.5％。實施例5參見圖1，本實施例一種基于識別技術(shù)的電子交易認證系統(tǒng)，包括電子交易認證系統(tǒng)和與電子交易認證系統(tǒng)相連的目標識別裝置，其特征是，所述電子交易認證系統(tǒng)包括：交易信息數(shù)據(jù)庫，其用于存儲用于授權(quán)的用戶的帳戶信息；讀取裝置，其用于讀取交易信息數(shù)據(jù)并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；生物測定數(shù)據(jù)裝置，其用于掃描與所述交易信息一起的生物測定數(shù)據(jù)，并將其傳輸?shù)剿鲂畔?shù)據(jù)庫；其中所述生物測定數(shù)據(jù)裝置選擇性地傳輸生物測定數(shù)據(jù)到所述生物測定數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述生物測定數(shù)據(jù)進行比較，以驗證出示所述交易代幣的所述個人的身份；其中所述讀取裝置選擇性地傳輸交易信息數(shù)據(jù)到所述信息數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的帳戶信息進行比較，以驗證所述帳戶的狀態(tài)。優(yōu)選地，還包括簽名掃描裝置，其用于掃描與所述交易信息一同接收的簽名數(shù)據(jù)；簽名數(shù)據(jù)庫，其用于存儲用于所述授權(quán)的用戶的簽名數(shù)據(jù)；以及其中所述簽名掃描裝置選擇性地傳輸簽名數(shù)據(jù)到所述簽名數(shù)據(jù)庫，以與存儲的用于所述授權(quán)的用戶的所述簽名進行比較。優(yōu)選地，所述交易代幣包括至少下述之一：支票，代用支票，信用卡，付款卡，智能卡，本票，旅行支票，以及食物券。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換并構(gòu)建所述懷疑目標在HSV顏色空間的色調(diào)顏色模型，轉(zhuǎn)換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調(diào)分量；色調(diào)顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內(nèi)的投影，w為特征空間的索引，bw為各子空間的權(quán)重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內(nèi)的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預(yù)設(shè)的位于所述選定區(qū)域內(nèi)的起始輪廓點，s為預(yù)設(shè)的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預(yù)設(shè)的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內(nèi)所具有的特征點的數(shù)目，Ny為設(shè)定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權(quán)值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設(shè)定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預(yù)設(shè)的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結(jié)果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結(jié)合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉(zhuǎn)化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調(diào)顏色模型中引入空間權(quán)重劃分，多次濾波，使模型更為科學，實用性更強；設(shè)置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應(yīng)地自動適應(yīng)性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設(shè)定的寬度為4，權(quán)值T的取值為0.3，識別精度提高了2.5％，識別速度提高了3.5％。最后應(yīng)當說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。當前第1頁1 2 3