1.基于云计算的数字化电子商务平台，包括：采集多帧人脸图像；

对采集的多帧人脸图像进行预处理；

采用预训练的卷积神经网络对预处理后的多帧人脸图像进行特征提取，得到特征向量；

将得到的特征向量与预先存储的授权人员人脸特征库中的特征向量进行相似度计算，得到相似度得分；

如果计算得到的相似度得分大于阈值，则身份验证通过，允许用户访问平台；

如果计算得到的相似度得分小于等于阈值，则身份验证失败；

当身份验证失败时，根据预先设置的第二身份验证方式进行验证。

2.根据权利要求1所述的基于云计算的数字化电子商务平台，其特征在于：第二身份验证方式，包括：

提取用户语音数据，采用深度神经网络模型进行声纹识别，得到语音识别相似度；

采集用户虹膜图像，提取虹膜特征，计算与预存虹膜特征的相似度，得到虹膜识别相似度；

将语音识别相似度和虹膜识别相似度输入贝叶斯网络融合算法，得到用户身份真实性验证结果；

根据用户身份真实性验证结果，控制用户对平台的访问。

3.根据权利要求2所述的基于云计算的数字化电子商务平台，其特征在于：得到语音识别相似度，包括：

采集用户语音数据；

采用基于深度神经网络的语音降噪算法对采集的用户语音数据进行去噪处理；

对去噪处理后的语音数据进行端点检测和静音去除，得到预处理后的语音数据；

采用线性预测分析法提取预处理后的语音数据的线性预测倒谱系数特征；

采用共振峰估计算法提取预处理后的语音数据的共振峰频率特征；

将提取的线性预测倒谱系统特征和共振峰频率特征进行特征拼接，得到声纹特征向量；

将得到的声纹特征向量作为输入，采用预训练的深度神经网络模型获取语音相似度。

4.根据权利要求3所述的基于云计算的数字化电子商务平台，其特征在于：采用线性预测分析法提取预处理后的语音数据的线性预测倒谱系数特征，包括：对预处理后的语音数据进行分帧处理，得到语音帧序列；

采用汉明窗函数对语音帧序列进行加窗处理，得到加窗语音帧；

对加窗语音帧进行自相关函数计算，得到自相关函数系数；

根据自相关函数系数，采用Levinson-Durbin递推算法计算线性预测系数；

对线性预测系数进行快速傅里叶变换，得到频域预测系数；

对频域预测系数取对数和反傅里叶变换，得到倒谱系数；

提取多维倒谱系数作为线性预测倒谱系数特征。

5.根据权利要求4所述的基于云计算的数字化电子商务平台，其特征在于：采用共振峰估计算法提取预处理后的语音数据的共振峰频率特征，包括：根据得到的线性预测系数，计算线性预测谱；

采用三角窗函数对线性预测谱进行平滑处理，得到平滑线性预测谱；

获取平滑线性预测谱的局部极大值点，作为初始共振峰频率；

对初始共振峰频率进行谐波检测，剔除谐波峰，得到优化后的共振峰频率；

获取优化后的共振峰频率中能量最高的前N个共振峰频率，作为共振峰频率特征；

对共振峰频率特征进行离散傅里叶变换，得到频域共振峰特征；

对频域共振峰特征进行三角形Mel滤波器组滤波，得到Mel频域共振峰特征；

对Mel频域共振峰特征进行对数变换和离散余弦变换，得到共振峰的MFCC特征；

将共振峰的MFCC特征与对应的一阶、二阶差分参数进行拼接，得到最终的共振峰频率特征。

6.根据权利要求2所述的基于云计算的数字化电子商务平台，其特征在于：得到虹膜识别相似度，包括：

采用基于卷积神经网络的虹膜检测算法对虹膜图像进行虹膜定位，得到虹膜区域；

采用图像分割算法对虹膜区域进行虹膜分割，得到分割后的虹膜图像；其中，图像分割算法通过构建虹膜区域的能量函数，获取全局最优分割曲线，进行虹膜分割；

采用Gabor小波变换方法提取虹膜分割后图像的虹膜纹理特征；

采用基于Zernike矩的方法提取虹膜分割后图像的虹膜形状特征；

采用基于Markov随机场的方法提取虹膜分割后图像的虹膜纹理统计特征；

将提取的虹膜纹理特征、虹膜形状特征和虹膜纹理统计特征进行特征融合，得到虹膜特征向量；

将虹膜特征向量作为输入，采用汉明距离度量计算虹膜识别相似度。

7.根据权利要求6所述的基于云计算的数字化电子商务平台，其特征在于：采用图像分割算法对虹膜区域进行虹膜分割，得到分割后的虹膜图像；其中，图像分割算法通过构建虹膜区域的能量函数，获取全局最优分割曲线，进行虹膜分割，包括：将虹膜区域表示为一个加权无向图；其中，图的节点为虹膜区域的像素，边的权重为相邻像素之间的相似度；

构建加权无向图的能量函数，能量函数包含区域项和边界项；其中，区域项表示像素属于虹膜区域或非虹膜区域的概率，边界项表示相邻像素标签一致性的概率；

采用最大流最小割算法对能量函数进行最小化求解，获得全局最优分割曲线；

根据全局最优分割曲线对虹膜区域进行分割，得到分割后的虹膜图像；其中，分割曲线内部为虹膜区域，外部为非虹膜区域。

8.根据权利要求7所述的基于云计算的数字化电子商务平台，其特征在于：采用Gabor小波变换方法提取虹膜分割后图像的虹膜纹理特征，包括：构建Gabor小波基函数，其中，Gabor小波的参数包含尺度、方向、中心频率和带宽；

对分割后的虹膜图像进行径向归一化处理，将环形虹膜图像转换为矩形图像；

利用构建的Gabor小波基函数对得到的矩形图像进行卷积运算，得到Gabor小波变换系数；

对Gabor小波变换系数取模，得到Gabor小波能量图像；

对Gabor小波能量图像进行分块，计算每个分块的均值和方差，得到分块Gabor特征；

将分块Gabor特征按照尺度和方向进行组合，得到虹膜纹理特征向量。

9.根据权利要求8所述的基于云计算的数字化电子商务平台，其特征在于：采用基于Zernike矩的方法提取虹膜分割后图像的虹膜形状特征，包括：对分割后的虹膜图像进行坐标归一化，将笛卡尔坐标系转换为极坐标系，得到归一化虹膜图像；

在极坐标系下，将归一化后的虹膜图像表示为径向距离函数；其中，径向距离函数表示虹膜边界到虹膜中心的距离随角度变化的函数；

采用Zernike多项式基函数对径向距离函数进行展开，得到Zernike矩系数；其中，Zernike多项式基函数为一组正交基函数，用于描述径向距离函数；

选择预设低阶Zernike矩系数作为虹膜形状特征向量；其中，预设低阶系数对应虹膜形状的全局特征。

10.根据权利要求9所述的基于云计算的数字化电子商务平台，其特征在于：采用基于Markov随机场的方法提取虹膜分割后图像的虹膜纹理统计特征，包括：将分割后的虹膜图像划分为多个重叠的局部图像块；

对每个局部图像块建立Markov随机场模型；其中，图像块中的像素为场点，像素之间的相关性为场点之间的交互作用；

采用Gibbs分布定义Markov随机场模型的能量函数；其中，能量函数由像素灰度分布和像素间相关性组成；

采用最大似然估计方法估计能量函数的参数，得到Markov随机场模型参数；

对Markov随机场模型参数进行统计，得到局部图像块的纹理统计特征；其中，纹理统计特征包含均值、方差和熵；

将所有局部图像块的纹理统计特征级联，得到虹膜纹理统计特征向量。