地铁作为现在快捷出行的方式之一，人脸识别在地铁上的运用为这项技术在交通其它领域的运用提供了支持。公共交通作为现在交通事业中的重要组成部分，在解决道路拥挤问题与提高通行效率方面起到关键性作用，但乘车支付的形式及支付速度成为一个备受关注的问题。支付的快慢与便捷不仅影响上车时间还决定着乘客的乘车体验，更决定着人们出行效率，对道路通行能力也会带来一定的影响。
目前乘坐公交的支付方式大多是现金、刷卡、扫码支付，而在乘坐过程中往往会出现一些不确定因素，如忘带公交卡、手机欠费、手机关机、扫码时的识别错误等，这些都会给我们的出行带来不便以至于无法支付，导致不能乘车的尴尬局面。因此迫切需要开发不需要携带终端或硬件的支付方式，目前的无感支付方式主要包括指纹支付、虹膜支付、静脉支付、声纹支付和刷脸支付等，但在公共交通领域的实际应用还很少。为满足人们渴望更加方便快捷的支付方式，将人脸识别技术和支付宝结合，设计基于人脸识别的公交无感支付系统，提高人们乘车的支付效率，让出行更加方便。
1、人脸识别的方法
1.1 基于子空间的识别方法
基于子空间的人脸识别方法是在降低技术复杂度的情况下，根据人脸图像的性能目标，去寻找一个非线性或者线性的空间转换，把人脸图像的原始数据经过压缩至一个子空间，这个空间是低纬度的，在低纬度的子空间数据依据不同的人脸图像对性能目标的要求，尽可能的保留原空间的信息量。
1.2 基于几何结构的识别方法
基于几何结构的人脸识别方法的基本思想是使用几何特征矢量去表达人脸面部的几何关系，关于拓扑结构的关系，是一个将人脸识别过程转化为关于人脸特征矢量之间的匹配关系，且使用了欧式距离去进行相似度度量的方法。
1.3 基于深度学习的识别方法
因为人脸特征会随着内部环境和外部环境的变化而产生较大的变化，基于我们人脑的能力，不会因为这种变化而无法识别人的面部特征，仿照人脑的思维方式以及结构，即形成人工神经网络去实现这个可以不断学习和记忆的人脸识别，并且还具有稳定性、准确性、容错性等优势。
1.4 基于局部特征的识别方法
基于人脸局部特征的人脸识别方法就是找到不会随着干扰因素改变而受到影响的特殊的人脸特征，再对这些特征进行定位，最后通过定位的特殊人脸特征来进行人脸识别。根据研究表明人脸上具有部分面部特征是不会随着外部环境的变化而产生变化的，基于局部特征的人脸识别方法就是要找出这些面部特征，进行人脸图片信息识别，其局部特征不变的算法也为人脸识别带来很大帮助。
2、基于支付宝平台的系统设计
2.1 前端拍摄设备
前端拍摄设备采用支付宝蜻蜓f4,机身超薄且底座很小，内部ERP系统，对接好USB接口，即可完成扫脸、扫商品等工作，通过CRM运营一个设备就可以完成；软硬件结合能够更好地实现人脸识别支付，具有很广的应用前景。
2.1.1 前端拍摄采取的技术
1) WiFi无线电波双向传输技术：在摄像头采集到人脸图像之后，通过WiFi无线电波双向传输技术，将图片发送到支付宝的人脸数据库中进行人脸对比，完成后再将人脸识别之后的信息通过WiFi无线电波双向传输传回蜻蜓f4。并且具有多种优点：无需布线，就可以进行信息传输；传输速率高，最快可以达到54 Mbps; 稳定性强。
2) 人脸检测和预处理技术：人脸检测即从采集的图像中判断图像中是否存在人脸，若存在则给出人脸所在区域；预处理则是人脸识别的初级阶段，主要包括平滑去噪、面部区域的切割以及姿态矫正等。
2.1.2 前端拍摄设备的配置
支付宝蜻蜓f4全新刷脸支付设备的配置分为：3D结构光摄像头、主机、蓝牙键盘以及支柱。
3D结构光摄像头：该摄像头使用结构光成像，主要由红外光摄像头、红外光发射器、图像处理芯片和可见光摄像头四部分组成。摄像头发出光源投射到目标表面，然后芯片对摄像头采集到的含编码信息的结构光图像进行处理，再进行人脸图像3D建模，不同摄像头分别测人脸不同维度的信息，最后解码获得目标的三维信息。该摄像头具有很多优势：在明暗环境下都可以使用、具有较强的适应性，能够较好的适应公交的复杂环境，对于动态表情的捕捉都有较好的效果，对于妆容的改变也能较好适应，对于照片和视频这些非人脸物体可以完全杜绝。
主机：即前端设备的主要部分，也是最为显眼的部分，使用高通四核处理器的单片机，主机上具有连接WiFi或插入手机卡的位置，可以直接使用数据流量也可以连接WiFi, 进行人脸图像信息传输以及图像的预处理。
蓝牙键盘：蓝牙键盘直接连接在前端设备上，乘客输入所需要支付的金额就可以进行人脸识别支付。
主机支柱：蜻蜓f4的支柱为支撑整个前端设备，使前端设备可以安稳地立在公交的支付位置。
2.1.3 前端拍摄设备工作流程
1) 拍摄人脸图像：当乘客在公交车前门上车，将头部对准人脸前端设备时，设备使用3D结构光摄像头拍摄人脸图像。
2) 人脸图像预处理：这一步的目的是消除人脸图像中与人脸无关的信息，增强与人脸相关的真实有用的信息，为后面的特征提取准备，经过平滑、去噪和增强达到对图像预处理的要求。
3) 传输人脸图像：使用车载WiFi或者自身携带的数据流量进行图像信息传输，车载WiFi传播图像信息使用无线短波进行传输，自身的数据流量则需要借用基站进行图像信息传输。
4) 接收返回数据：支付系统将支付请求进行处理之后，使用同样的传输技术将相关信息传输到前端设备，前端设备对信息进行接收后，将信息显示到主机的屏幕上面。
5) 确认支付信息：乘客对前端设备上返回的相关支付信息进行确认。
2.1.4 支付宝平台数据交互
在进行数据交互时，商户客户端需构造订单数据，同时将这个订单数据发送到钱包支付的开发包客户端，开发包客服端对该订单的数据请求进行构造业务，同时将这个数据发送到钱包支付的服务端，钱包支付服务端在接收到商户服务端发送完成支付数据之后，返回开发包客户端完成支付这个结果，该客户端同步将支付结果返回商户客户端。当商户在客户端对支付结果进行处理之后，钱包支付服务端将收到这个处理结果，再将这个结果异步发送到商户客户端，该客户端对该支付通知进行响应，并把这个响应发送到钱包支付的服务端，钱包支付服务端进行该数据的接收。其具体数据交互如图1所示。
图1 支付宝平台的数据交互
3、人脸识别支付程序设计
前端设备进行人脸图像拍摄以及人脸图像预处理，将处理后的人脸图像传输到人脸识别系统进行人脸身份识别，再将识别信息传到前端设备和支付系统，进行支付扣款和后续把支付信息发送到乘客的相应账户，进而达到公交无感支付。具体流程如图2所示。
图2 公交无感支付系统流程
3.1 录入人脸信息
乘客通过手机APP—支付宝开通人脸识别功能，通过支付宝APP客户端的设置开通生物识别内的面容支付同时手机相机拍摄一张照片，录入到支付宝的人脸识别人脸库内，即可以开通人脸识别支付功能。
3.2 前端人脸数据采集
采用了3D光结构摄像头对人脸图像实现3D重建。用不可见红外光采集深度Z轴的信息，确定物体景深相关信息，再用可见光摄像头采集X轴和Y轴的信息进行采集，最后将可见光摄像头与红外光摄像头采集的信息集合起来，运用算法将这些信息与镜头成像端采集的关于色彩的信息结合起来，最终完成了人脸图像的3D重建。
3.3 人脸识别对比系统
1) 读入人脸库：
蜻蜓f4将已拍摄并3D建模重现的人脸图像通过WiFi传输到支付宝当地的人脸识别人脸库，随即人脸库将接收的人脸图像读入人脸库。
2) 提取特征：
将前端设备传输来的图像，进行图像特征提取，提取人脸的颜色特征、纹理特征、形状特征等。
3) 模板匹配：
同支付宝人脸库中已录入的人脸模板进行比对，选择相似度最高的人脸模板。
4) 人脸识别：
选择的人脸模板与人脸信息进行匹配，匹配成功即则实现了人脸识别。
3.4 支付扣款
前端设备(蜻蜓f4)收到人脸识别系统通过WiFi无线电波传输返回的信息后，系统对收到的用户信息比对成功后，将通知支付宝的支付系统对用户扣款，扣款成功后，支付宝的支付系统返回乘客相关信息、扣款金额、时间等信息给蜻蜓f4前端设备。如果比对不成功，则返回前端设备错误的信息，同时前端设备通知乘客扣款不成功，请改变支付方式。支付系统的具体支付步骤如下：
step1:前端设备收到人脸识别系统传输回来的消息。
step2:对比成功通知支付系统进行扣款。
step3:支付系统将扣款成功的相关信息分别返回到支付宝APP客户端和前端设备蜻蜓f4。
step4:若人脸识别系统识别信息失败，将信息返回前端设备，并提醒乘客变换支付方式。
4、系统测试及分析
表1 不同时间段平均支付时间
对某市的公交支付系统、公交车结构和公交支付设备等相关现状的测试和分析后，对公交支付系统进行了改进，实现了无感支付。公交车的复杂环境和支付时间段对人脸识别支付的速度和体验影响较小，并且在一天的三个高峰时间段内在公交车内进行了基于人脸识别的公交无感支付的实验，都达到了较好的支付体验和无感支付效果。公交现有的WiFi也可以满足前端支付设备对于信息传输的要求，能够实现对人脸图像信息传输的要求，但受位置、天气、公交车内乘客的数量或者其他情况造成WiFi信号的强弱影响，对于人脸识别支付的速度将会产生相应的影响，但影响较小在可控范围内。
5、结束语
研究了基于人脸识别的公交无感支付系统，将人脸识别与公交支付有效的结合，对支付系统和形式进行了深入分析，进行了大量的分析和对比，结果表明公交车现有的刷卡设备的电压与前端支付设备契合，可以较好的结合在一起，实现支付方式的转变，达到基于人脸识别的公交无感支付效果。现有的公交车配有移动WiFi可以满足前端设备传输人脸图像信息的需求。人脸识别支付时间十秒左右，可以满足乘客乘坐公交时对支付时间的要求。
