关于线下智能支付你了解多少？
近期，随着淘咖啡、缤果盒子最近不断出现的新闻报端和观众视野，有不少人都去体验这种新奇的购物模式，建立在个人信用基础之上的极速支付、人脸识别应用愈加广泛。各家都利用互联网支付来加速了支付环节，提升了用户的整体体验。
讨论：关于新零售下的智能支付场景
急速支付
无人超市，这个在近期渐有赶超“共享单车”的热词，已经成为了大家眼前的一个亮点。马云在近期提出了“新零售”的概念，认为超市、便利店形式的零售店可以不借助收银员来达到“无人超市”。
各大企业也逐渐地让无人超市这一新零售概念成为了现实，无人超市或者无人货架的出现与RFID技术的运用密不可分。
目前，大多数支持无人售卖超市或者一部分的无人货架中的商品都被贴上了一种标签。
这种标签就是电子标签，也是RFID系统中的重要组成部分，电子标签结合自动收银台中的读写系统，帮助消费者完成付费。RFID技术的基本工作原理并不复杂：标签进入磁场后，接收解读器发出的射频信号，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（无源标签或被动标签），或者由标签主动发送某一频率的信号（Active Tag，有源标签或主动标签），解读器读取信息并解码后，送至中央信息系统进行有关数据处理。RFID技术作为一项无线通讯技术非常合适投入了新零售的概念之中。
目前无人超市结合RFID技和电子监控等技术，尽可能完美的让一个真正的无人超市呈现在人们的面前。也许智能支付和无人超市为载体的新购物模式的诞生会如同共享单车一般存在着许许多多的需要解决的问题，但是能为用户提供更为便捷的经济生活方式已然成为一种时代趋势。
人脸识别系统基于人的脸部特征，对输入的人脸图像或者视频流。首先判断其是否存在该人脸 , 如果存在该人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
（1）几何特征的人脸识别方法：几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。
（2）基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
（3）神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
（4）弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
（5）线段Hausdorff 距离（LHD） 的人脸识别方法：心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
（6）支持向量机(SVM) 的人脸识别方法：支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。
无人超市运用了哪些技术来保障超市的正常运行？
第一个是生物特征自主感知和学习系统，主要解决开放空间里消费者的识别问题。比如在入门场景和货架场景，首先要通过生物识别确定这是个真实的人，然后通过入场扫码后绑定淘宝ID，关键要把淘宝ID和这个人的生物特征做绑定。
第二个是结算意图识别和交易系统。消费者离店时需要经过由两道门组成的“结算门”，商品识别就在两道门之间完成。至于使用的是RFID还是机器视觉技术，目前商品识别技术公开还比较敏感，涉及到专利申请，具体哪一种就不得而知了。
第三个是目标检测与追踪系统。在持续追踪消费者时，体态识别比人脸识别可行性更高，不易跟丢，这主要是靠多路摄像头。根据消费者运动调整货品摆放?由于无人店面积和货品有限，噱头的成分多一些。
完整的购物流程：
一、面部识别
进门之前用户淘宝客户端扫描墙上的二维码，会在手机上打开一个二维码的页面（这个时候页面提示需要签订一个支付宝的代扣的协议，为面部识别支付做准备）。
进门时站在指定区域，用手机生成的二维码去贴近闸机的扫描区块，同时闸机上的摄像头做面部信息采集，就完成了面部识别和淘宝账号的绑定，后续的支付就可以通过刷脸了。
二、rfid商品识别
在店里选了一个熊笨熊的公仔
买完东西后，one by one的走进一个全封闭的透明屋子（当时设备出了点问题，排队等了有20来分钟），上面会展示正在剁手，然后提示支付成功，就算完成了支付。
主要工作原理：
计算机视觉+传感器感应的物联网。传感器不出意外应该是基于无线射频识别（Radio Frequency Identification，RFID）。入口处进行支付宝或者淘宝鉴权，进入无人超市，猜测这一步应该有绑定用户生物识别特征的过程；无人超市中的货品上有特定的识别标签，经过出口时传感器识别货品标签&计算机视觉识别，计算货款，识别会员信息并从对应支付宝账户中扣款。
