[發明專利]一種基于5G網絡的區塊電商平臺交易系統

在審

• 申請號: 202110019818.8
• 申請日: 2021-01-07
• 公開（公告）號: CN113487374A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 曾麗
• 申請（專利權）人: 十堰時風達工貿有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q20/40;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于5G網絡的區塊電商平臺交易系統，其特征在于：包括人臉圖像采集模塊、人臉圖像分析模塊、圖像處理模塊和云服務器；人臉圖像采集模塊包括雙目攝像頭，雙目攝像頭包括處于同一水平位置的第一攝像頭與第二攝像頭，人臉數據采集步驟如下：

1、獲取用戶的賬戶信息中的預存人臉信息；

2、第一攝像頭采集用戶的第一人臉信息；

3、采集用戶所購商品的標簽信息；

4、第二攝像頭采集用戶的第二人臉信息；

5、將第一人臉信息與第二人臉信息以及預存人臉信息傳送至人臉圖像分析模塊進行分析后的數據，送至圖像處理模塊進行比對；

6、當第一人臉信息與第二人臉信息均與預存人臉信息匹配時，云服務器根據商品標簽信息扣取購物金額、用戶完成支付。

2.如權利要求1的一種基于5G網絡的區塊電商平臺交易系統，其特征在于：人臉圖像分析模塊的分析方法為構建第一人臉與第二人臉圖像數據集合，圖像數據集合包含若干數量的人臉圖像成對數據，即高解像度人臉圖像和對應的低解像度人臉圖像；將圖像數據集合中的所有人臉圖像對進行剪切，得到局部人臉圖像剪切塊；

分批次將得到的局部人臉圖像剪切塊輸入，包含卷積計算且具有深度結構的前饋神經網絡中，包含卷積計算且具有深度結構的前饋神經網絡中又包括人臉全局時間循環神經網絡和人臉局部加強神經網絡，即將局部人臉圖像剪切塊分別輸入到人臉全局時間循環神經網絡和人臉局部加強神經網絡進行特征抽?。?/p>

在人臉全局時間循環神經網絡中，利用初始化摺積將低解像度局部人臉圖像剪切塊從人臉圖像空間映射對應到系統特征空間，獲得初始基礎人臉特征，再通過若干個密集殘差模塊提取基礎人臉特征，將不同殘差模塊的輸出集中起來，通過遞歸模塊建模不同階段和空間區域之間的相互對應關系，從初始基礎人臉特征中學習得到人臉全局輪廓特征；

在人臉局部加強神經網絡中，通過特定尺寸的數據采集器對輸入圖像進行采集，得到多個解像度局部人臉圖像剪切塊，為了獲得合適的局部人臉圖像剪切塊，并保持一定的局部結構，通過原始輸入尺寸1/i大小的數據采集器對輸入圖像進行無重復采集，得到i個低解像度局部人臉圖像剪切塊；

為了增強對局部特征關聯的建模，利用若干個多路徑途徑殘差操作處理來提取上述局部人臉特征，通過結合不同路徑途徑和階段的人臉特征信息，學習低解像度到高解像度人臉圖像剪切塊之間的對應關系，得到基于人臉局部剪切塊的特征表達；

將得到的人臉局部剪切塊的特征表達輸入到上采集層，利用亞像素摺積將這些人臉局部剪切塊的特征表達進行編譯重新排列，對應到系統全局人臉空間，得到與原始輸入人臉解像度大小的特征對應圖，即完整的整體人臉的局部特征；

利用若干個摺積對得到的人臉全局輪廓特征和整體人臉的局部特征進行結合，并將結合后的特征輸入到上采集層，利用亞像素摺積進行超解像度分析，實現人臉特征的全局和局部聯合表達，并對應到原始的人臉圖像空間，輸出對應的人臉殘差人臉圖像，將回歸得到的人臉殘差人臉圖像與低解像度清晰人臉圖像的插值數據進行累加，輸出得到清晰的人臉圖像，作為最終人臉圖像。

3.如權利要求2的一種基于5G網絡的區塊電商平臺交易系統，其特征在于：通過最小化輸出得到的清晰的人臉和原始高解像度人臉的余弦相似性，優化提出的人臉雙途徑深度融合整合網絡，實現低解像度輪廓人臉的分析；優化具體為：使用基于超分辨率代價函數來控制網絡生成的清晰的人臉圖像盡可能逼近原始的高解像度人臉圖像，實現途徑深度整合的人臉分析方法的優化。