一种智能座舱环境下的虹膜支付方法及装置与流程

本公开涉及智能汽车与生物特征识别，具体涉及提供一种智能座舱环境下的虹膜支付方法及装置。

背景技术：

1、随着汽车智能化和网联化程度的不断提升，智能座舱已成为人们生活和出行中重要的第三空间。在智能座舱场景下，用户产生了大量支付需求，包括但不限于高速公路etc充值、加油站付费、停车场缴费、车内购物、订阅服务续费等。传统的支付方式需要驾驶员操作手机或车载屏幕进行扫码、输入密码等操作，不仅分散驾驶注意力带来安全隐患，而且在行车过程中单手操作极为不便。

2、虹膜识别作为一种高精度的生物特征识别技术，具有唯一性高、稳定性强、非接触式采集等优势，理论上非常适合车载支付场景。然而，现有的虹膜识别技术在车载应用环境中面临以下技术挑战：第一，车内光照环境复杂多变，白天强光直射、夜间黑暗、隧道内光线骤变、对面车灯眩光等极端光照条件交替出现，严重影响虹膜图像采集质量。现有的虹膜识别系统通常采用固定补光策略，无法根据光照条件动态调整，导致在车内复杂光照环境下的识别准确率大幅下降。第二，驾驶员在驾驶过程中的头部姿态不固定，视线需要关注路况，无法像传统虹膜识别场景那样配合设备进行固定姿势采集，现有技术缺乏针对非配合姿态下的虹膜自适应追踪和采集机制。第三，车内支付对安全性要求极高，需要有效防范各类生物特征伪造攻击，包括高清打印照片、硅胶美瞳、lcd屏幕重放、深度伪造视频等。现有单一的活体检测方法在车载环境下容易被突破，且活体检测耗时过长会影响支付体验。第四，支付安全与便利性之间存在固有矛盾，提高安全等级往往意味着增加认证步骤和时间，在行车场景下过长的认证流程反而会带来新的安全隐患。现有技术缺乏根据驾驶场景、支付风险动态调整认证策略的机制。因此，亟需一种能够适应智能座舱复杂环境、兼顾安全性与便利性的自适应虹膜支付方案。解决了车内光照多变、驾驶员姿态不固定、单手操作等场景下虹膜支付准确率低和安全与便利难以平衡的技术问题。

技术实现思路

1、本公开提供了一种智能座舱环境下的虹膜支付方法及装置。

2、根据本公开的第一方面，提供了一种智能座舱环境下的虹膜支付方法。该方法包括：

3、在驾驶员处于智能座舱环境进行虹膜支付的情况下，获取所述驾驶员所对应的虹膜图像；

4、对所述虹膜图像进行质量评估，若所述虹膜图像的质量评分大于等于第一预设阈值，则对通过质量评估的虹膜图像进行特征提取，得到虹膜图像特征；

5、通过非接触式采集所述驾驶员的胸腔微动信号，提取心跳特征；

6、采集驾驶员的面部视频数据，对所述面部视频数据进行特征提取，得到面部微表情时序特征；

7、采用预训练的轻量级决策融合网络，对所述虹膜图像特征、所述心跳特征和所述面部微表情时序特征，进行三维活体检测，输出活体置信度分数；

8、如果所述活体置信度分数低于第二预设阈值但大于等于第三预设阈值，则获取当前车辆的驾驶状态信息、支付金额信息和驾驶员历史支付过程中产生的多维度历史支付行为数据；

9、将所述驾驶状态信息、所述支付金额信息和所述多维度历史支付行为数据输入至预设的基于场景感知的风险评估模型，输出风险等级和风险等级对应的适配性评分，根据所述风险等级和所述适配性评分匹配并执行相应的安全认证策略；

10、在完成安全认证且校验通过后，车端将支付请求和预先存储的认证令牌发送至云端设备支付网关，所述云端设备支付网关与金融支付平台安全通信进行对应的支付处理并将支付处理结果返回给所述驾驶员。

11、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：

12、若所述虹膜图像的质量评分低于第一预设阈值，则动态调整补采策略和采集参数。

13、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对通过质量评估的虹膜图像进行特征提取，得到虹膜图像特征，包括：

14、利用lbp-top算法，对通过质量评估的虹膜图像进行特征提取，得到虹膜图像特征。

15、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对所述面部视频数据进行特征提取，得到面部微表情时序特征，包括：

16、利用3d-cnn模型，对所述面部视频数据进行特征提取，得到面部微表情时序特征。

17、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述预设的基于场景感知的风险评估模型，包括：

18、驾驶状态评估子模型、支付风险计算子模型和动态策略决策子模型。

19、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述多维度历史支付行为数据，包括：

20、常规支付时段、历史支付金额区间、常用支付载体及历史支付地理位置。

21、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，

22、所述预先存储的认证令牌，包括：

23、所述虹膜图像特征的哈希值、认证令牌有效期时间戳、安全芯片签名和所述活体置信度分数。

24、根据本公开的第二方面，提供了一种智能座舱环境下的虹膜支付装置。该装置包括：

25、第一获取模块，用于在驾驶员处于智能座舱环境进行虹膜支付的情况下，获取所述驾驶员所对应的虹膜图像；

26、特征提取模块，用于对所述虹膜图像进行质量评估，若所述虹膜图像的质量评分大于等于第一预设阈值，则对通过质量评估的虹膜图像进行特征提取，得到虹膜图像特征；

27、第一采集模块，用于通过非接触式采集所述驾驶员的胸腔微动信号，提取心跳特征；

28、第二采集模块，用于采集驾驶员的面部视频数据，对所述面部视频数据进行特征提取，得到面部微表情时序特征；

29、三维活体检测模块，用于采用预训练的轻量级决策融合网络，对所述虹膜图像特征、所述心跳特征和所述面部微表情时序特征，进行三维活体检测，输出活体置信度分数；

30、第二获取模块，用于如果所述活体置信度分数低于第二预设阈值但大于等于第三预设阈值，则获取当前车辆的驾驶状态信息、支付金额信息和驾驶员历史支付过程中产生的多维度历史支付行为数据；

31、执行模块，用于将所述驾驶状态信息、所述支付金额信息和所述多维度历史支付行为数据输入至预设的基于场景感知的风险评估模型，输出风险等级和风险等级对应的适配性评分，根据所述风险等级和所述适配性评分匹配并执行相应的安全认证策略；

32、支付处理模块，用于在完成安全认证且校验通过后，车端将支付请求和预先存储的认证令牌发送至云端设备支付网关，所述云端设备支付网关与金融支付平台安全通信进行对应的支付处理并将支付处理结果返回给所述驾驶员。

33、根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

34、根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。

35、应当理解， 技术实现要素： 部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。