CN104965589A - 一种基于人脑智慧和人机交互的人体活体检测方法与装置 - Google Patents

Abstract

本发明公开了一种基于人脑智慧和人机交互的人体活体检测方法，包括下列步骤：随机调用指令数据库中事先预置的指令题目，并随机设定应答方式；获取用户应答信息，对应答方式和应答结果进行验证；若所述指令题目的应答方式和应答结果均匹配成功，则判断应答用户为人体活体。该方法通过随机指定题目请用户在规定的时间内以随机指定的应答方式进行回答，并且发出的指令题目均是需要用户经过大脑思考方可解答的，因此，假冒者不可能采用单纯的语音和/或视频合成或者剪辑等方式欺骗人体活体检测系统，本发明能够更有效地防止不法分子用各种手段进行假冒攻击，使得人体活体检测系统变得更加的有效和可靠。

Description

一种基于人脑智慧和人机交互的人体活体检测方法与装置

技术领域

本发明涉及计算机应用及图像识别技术领域，具体涉及一种基于人脑智慧和人机交互的人体活体检测方法与装置。

背景技术

身份验证的商业化应用需求越来越强烈，人们已经把生物特征识别技术作为身份验证的重要手段。人体生物特征包括生理特征和行为特征两种，生理特征通常有人脸、指纹、虹膜、视网膜、掌纹、手形、语音、DNA、耳廓形状等；行为特征通常有笔迹、步态等。然而，假冒问题对基于人体生物特征识别的身份验证系统构成了很大的威胁。假冒者可以使用伪造的指纹膜、盗用他人的照片或者视频、合成的语音等方式攻击现有的基于人体生物特征的身份验证系统。如果基于人体生物特征的身份验证系统缺少有效的防止假冒攻击的能力，将会带来灾难性的后果。避免前述假冒问题的手段之一是确保人体生物特征的获取是从人体活体中取得的，因此，需要有效的人体活体检测技术。

对基于人脸识别的身份验证系统而言，假冒者可以采用合法用户的照片来进行欺诈攻击，因此，目前现有的活体检测方法所采用的思路主要是自动区分照片人脸和活体人脸。照片人脸与活体人脸的主要区别在于照片中的人脸不会进行眨眼、张嘴等动作，而活体人脸可以做出张嘴、眨眼、摇头等动作。然而，不法分子可以通过事先录制合法用户的人脸视频图像或者剪辑、合成合法用户的人脸视频图像来对活体检测系统进一步进行欺诈攻击。本发明中所采用的技术手段，可以防止不法分子采用合法用户的照片人脸或者视频人脸图像来对身份验证系统进行欺诈攻击。

对基于语言识别的身份验证系统而言，假冒者可以通过事先录制的语音、剪辑或者合成的语音来对身份验证系统进行欺诈攻击。本发明中所采用的技术手段，可以有效地防止不法分子的此类欺诈攻击行为。

有的活体检测方法采用在系统终端屏幕上显示出一些文字，希望用户能够读出文字信息，以此来判别是否为人体活体；然而，假冒者可以通过自动文字识别技术先识别出文字，然后通过语音合成技术自动说出文字信息，这样也可以欺骗现有的活体检测系统。本发明中所采用的技术手段，可以有效地防止用此类手段来对身份验证系统的欺诈攻击。

总而言之，人类区分人体活体及非活体是非常容易的，但是对于机器来说，它是非常困难的。因此，研究一个易于采集、鲁棒性好、抗攻击能力强的人体活体检测系统成为急需解决的问题。

发明内容

本发明的第一个目的在于克服现有技术的缺点与不足，提供一种基于人脑智慧和人机交互的人体活体检测方法，该方法是基于用户配合来完成的，系统或终端预先保存大量的需要人体活体经过大脑思考方可解答的题目，由系统或终端随机发出指令题目，并指定用户在规定的时间内用相应的方式进行解答，解答方式包括但不限于语音回答、手指或者触摸工具(例如触摸笔)触摸屏幕选择、在相应的位置触摸书写答案、用手势比划正确答案选项等等。终端随即检测这些指令题目是否在规定的时间内用相应的应答方式进行了正确解答，并以此来判定当前用户是否是人体活体。

本发明通过系统或终端随机发指令，并且随机指定应答的方式来判断当前用户是否是人体活体，目的是为了避免不法者通过视频剪辑或合成、语音剪辑或合成、机器自动文字识别等一系列技术手段对基于人体生物特征识别的身份验证系统进行欺诈。

本发明中所述及的技术手段与方法，仅需利用常用的摄像头和/或麦克风等信号采集设备，成本低廉，易于使用。人脑是有智慧的，而且人的智慧远远超过机器的智能，通过人脑智慧与人机交互的检测方式，本发明的人体活体检测方法可以有效地防止不法分子利用上述手段对身份验证系统进行欺诈攻击。

本发明的另一个目的在于克服现有技术的缺点与不足，提供一种基于人脑智慧和人机交互的人体活体检测装置。

本发明的第一个目的通过下述技术方案实现：

一种基于人脑智慧和人机交互的人体活体检测方法，该方法包括下列步骤：

随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式；

获取用户应答信息，对应答方式和应答结果进行验证；

若所述指令题目的应答方式和应答结果均匹配成功，则判断应答用户为人体活体；否则，判断应答用户为非人体活体。

进一步的，所述指令题目的类型包括但不限于颜色识别、目标识别、目标数量识别、解答方程式、推理题目或节日问题等一系列需要人脑思考的题目。

进一步的，所述指令题目的应答方式的类型包括但不限于：用户通过语音应答、用户根据系统或终端提示点击选择答案应答、用户根据系统或终端提示在规定的位置书写答案应答或者用户通过手势勾划出正确答案的选项应答等一系列人机互动的应答方式。

进一步的，当所述指令题目的应答方式的类型是根据用户语音应答时，采用DTW动态时间规整的语音识别方法、HMM隐马尔可夫模型的语音识别方法或者基于深度学习算法的语音识别方法进行应答结果验证；

当所述指令题目的应答方式的类型是用户根据系统或终端提示点击选择答案应答时，采用触摸屏轨迹跟踪的方法或者自动识别触摸位置信息的方法等进行应答结果验证；

当所述指令题目的应答方式的类型是用户根据系统或终端提示在规定的位置书写答案应答时，采用OCR(Optical Character Recognition)/ICR(Intelligent Character Recognition)字符识别的方法进行应答结果验证；

当所述指令题目的应答方式的类型是用户通过手势勾划出答案的选项应答时，采用DTW动态时间规整的手势识别算法或者HMM隐马尔可夫模型的手势识别算法或者其它基于机器学习的手势识别算法等进行应答结果验证。

进一步的，在所述获取用户应答信息，对应答方式和应答结果进行验证的步骤之前，还包括：

设定应答时间的步骤，该步骤用于设定所述指令题目的应答时间，若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

进一步的，在所述随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式步骤之前，还包括：

指令数据库录入步骤，该步骤用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。

本发明的另一个目的通过下述技术方案实现：

一种基于人脑智慧和人机交互的人体活体检测装置，所述装置包括下列单元：

调用与设定单元，该单元用于随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式；

获取与验证单元，该单元用于获取用户应答信息，对应答方式和应答结果进行验证；

判断单元，该单元用于当所述指令题目的应答方式和应答结果均匹配成功时，则判断应答用户为人体活体；否则，判断应答用户为非人体活体。

进一步的，所述装置还包括：

应答时间设定单元，该单元用于设定所述指令题目的应答时间，若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

进一步的，所述装置还包括：

指令数据库录入单元，该单元用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。

本发明相对于现有技术具有如下的优点及效果：

本发明属于用户配合的活体检测领域，但与现有的技术方案的不同之处在于，本发明定义了一个指令题库，包括但不限于“颜色识别、数字识别、动物识别、物体识别、节日问题、推理题目、方程式解答、人机对话交互”等题目，系统或终端随机指定题目请用户在规定的时间内以规定的方式进行回答，回答方式包括但不限于“语音回答、手指触摸选择、手指触摸书写答案、手势比划正确选项”等。用户事先不知道系统或终端发出的是何种指令题目，并且也不知道系统指定的应答方式，发出的指令题目均需要用户经过大脑思考方可解答的，因此，假冒者不可能采用单纯的语音和/或视频合成或者剪辑等方式欺骗活体检测系统。另外由于回答的问题均是需要经过思考的并非单纯的显示文字，因此，假冒者不可能采用OCR/ICR字符识别的方式来攻击该活体检测系统，这就意味着，本发明的活体检测方法能够更有效地防止不法分子利用各种手段进行假冒攻击，使得活体检测系统变得更加有效和可靠，也为后续的基于人体生物特征识别的身份验证系统奠定了基础。

此外，该发明还具有如下优点：

1)易用性

该发明只需用户对活体检测系统进行简单的应答即可，操作简单。

2)易采集

该信息仅需用户根据系统或者终端指令发出相应的语音或者触摸屏幕录入即可，信息采集较为简单。不像温度、心跳等信息需要用专门的设备接触身体进行采集。

3)鲁棒性好

有的活体检测系统，随着光线、温度等环境因素的影响，其检测正确率会受到一定的影响，本发明中的检测方法与装置不受温度等环境因素的影响，具有很好的鲁棒性。

4)抗欺骗性

系统或终端发出的指令是随机的且需要经过人脑思考的题目，并且随机指定回答问题的方式。指令的随机性、应答方式的不唯一性，以及指令问题是需要经过思考的，这些可以有效地避免假冒者通过人工音视频合成、机器自动文字识别等方式欺骗活体检测系统及装置，提高了活体检测系统及装置的安全性。

附图说明

图1是本发明实施例一中基于人脑智慧和人机交换的人体活体检测方法的流程图；

图2是本发明实施例二中采用语音方式进行回答的人体活体检测方法的流程图；

图3是本发明实施例三中采用手指触摸选择正确答案的方式回答的人体活体检测方法的流程图；

图4是本发明实施例四中采用手指触摸书写正确答案或者选项的人体活体检测方法的流程图；

图5是本发明实施例五中采是用手势比划正确答案或者选项的人体活体检测方法的流程图；

图6是本发明实施例六中基于人脑智慧和人机交换的人体活体检测装置的组成框图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一

请参见图1，图1是本发明实施例一中基于人脑智慧和人机交换的人体活体检测方法的流程图。图1所示的基于人脑智慧和人机交换的人体活体检测方法应用于终端设备，所述终端设备包括手机、笔记本电脑、平板电脑、掌上上网设备、多媒体设备、流媒体设备、服务器或者其它与云端相连的智能装置等等，终端设备包括但不限于以上举例。

如图1所示，该方法包括如下步骤：

步骤S1、系统或终端的指令数据库预先保存各种指令题目，系统或终端随机调用指令数据库中的指令题目，并要求用户在规定时间内以指令题目对应的应答方式解答系统或终端给出的指令题目。

由于活人与机器最大的区别就在于活人能够进行大脑思考，故而系统或者终端的指令数据库预先保存各种指令题目是需要经过大脑思考才可解答的。

如图1所示，在步骤S1随机调用指令数据库中的指令题目，并随机设定所述指令题目的应答方式步骤之前，还包括步骤S01：

步骤S01、指令数据库录入步骤，该步骤用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。

其中，指令题目包括但不限于：

在系统或者终端的屏幕上随机显示颜色指令(红、橙、黄、绿、青、蓝、紫等等)，请用户回答所显示的颜色。

在系统或者终端的屏幕上随机显示方程式指令，如列方程式“x+2＝9，请计算出x”。

在系统或者终端的屏幕上随机显示动物识别指令(其本质也是属于目标识别的一种)，如“猪、猫、狼、狗、兔、鸡、鸭、老鼠等等”，请用户回答所显示的动物。

在系统或者终端的屏幕上随机显示目标识别指令，如“房子、车子、树、围巾、帽子等等”，请用户回答所显示出的目标。

在系统或者终端的屏幕上随机显示一些推理题目指令，请用户回答所提出的问题。

在系统或者终端的屏幕上随机显示一些节日问题指令，如“请问4月5日是什么节日？”“6月1日是什么节日？”等等，请用户回答指令中的问题。

此外，还可通过系统或者终端设备与活体用户之间进行语音对话来完成活体检测，如：

系统或者终端设备随机提出问题，如“你叫什么名字？”“你的年龄？”“你的家庭住址？”“你的兴趣爱好？”等等，用户针对系统或者终端设备所提出的问题进行回答。

上述方法均可以有效地防止假冒者利用人脸照片、事先录制或者剪辑的视频、事先录制或合成或剪辑的语音、通过OCR/ICR自动识别屏幕上的文字等技术手段来攻击活体检测系统。

如图1所示还可知道，在步骤S1随机调用指令数据库中的指令题目，并随机设定所述指令题目的应答方式步骤之后，在步骤S2所述获取用户应答信息，对应答方式和应答结果进行验证的步骤之前还可以包括设定应答时间的步骤S01，该步骤用于设定所述指令题目的应答时间，此时若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

与此同时，为了防止用户利用合成音视频或者一些其它方式攻击活体检测系统，该指令数据库中指令题目对应的应答方式也不是单一的，由系统或者终端随机提示用户用相应的应答方式进行解答。该应答方式包括但不限于：

请用户在规定的时间内用语音的方式进行正确回答；

请用户在规定的时间内根据屏幕上提示在正确答案处进行点击选择；

请用户在规定的时间内根据屏幕上的提示在正确答案处打勾；

请用户在规定的时间内根据屏幕提示在正确的位置书写正确答案；

请用户在规定的时间内用手势比划出正确答案或选项等等。

应答方式的不唯一可以更进一步地防止假冒者通过录制、剪辑或者合成音视频等不法手段对活体检测系统进行攻击。

步骤S2、系统或者终端对用户的应答信息进行录入，如语音应答方式则通过麦克风进行录入，手指触摸应答方式通过触摸屏捕捉屏幕上的触摸信息，手势比划应答方式则采用摄像头录入手势信息。

在步骤S2中，还包括系统或者终端对用户的应答信息进行验证的过程。由于应答的方式不同，因此验证过程中所采用的技术也不同。如：

语音回答：用户通过语音的方式进行回答，系统或者终端录入用户的语音回答信息，通过语音识别技术识别回答信息的正确与否，语音识别比较常用的识别方法主要有模板匹配法，以DTW动态时间规整(Dynamic Time Warping)算法为代表；统计模型法，以HMM隐马尔可夫模型(Hidden Markov Model)算法和基于深度学习的机器学习算法为代表。

手指触摸应答：用户通过手指触摸的方式在正确答案处触摸应答，包含但不限于在正确答案处点击选择，在正确答案处打勾，手指触摸书写正确答案等。终端录入用户的选择信息。获取用户的触摸信息后，首先对图像进行滤波，从而减小毛刺等外界环境对图像造成的干扰。进而对图像进行触点检测、触点跟踪等一系列的处理，进而识别出用户的触摸操作信息，如“点击选择、打勾、打叉、书写答案”等等。

手势比划正确答案或者选项：用户通过比划出正确答案或者选项来进行解答。系统或者终端录入用户的手势信息，接着进行预处理、手势分析、手势匹配识别等一系列的处理，最后识别出当前用户的手势信息，如比划出的“A、B、C、D”等等。

步骤S3、若系统或者终端在规定时间内以规定的回答方式接收到用户对随机指令中的题目的正确解答，则判定为人体活体，否则为非活体。

实施例二

请参见图2，图2是本实施例二中采用语音方式进行回答的人体活体检测方法的流程图。在该实施例二中，系统或者终端随机提示用户用语音的应答方式进行解答系统或者终端随机调用的指令题目。

如图2所示，系统或者终端首先从预置的指令数据库随机选择指令题目，并规定用户在规定时间内用语音的方式将正确结果表达出来，系统或者终端录入用户的语音信息，经过一系列的预处理，预处理包括对语音信号的采样、去噪、量化等；分帧处理、预加重、加窗处理、端点检测等，滤掉一些不重要的信息以及噪声；接着进行特征参数提取，较为常用的特征参数包括线性预测分析频谱(LPC)、线性预测分析倒谱(LPCC)、Mel频率倒谱系数(MFCC)、对数倒频谱(LSF)、基频(Pitch)、共振峰(Formant)等。提取语音特征的过程会去掉原始语音信号的冗余部分，把最能体现语音本质的特征参数提取出来，并且突出那些对辨别语音有利的信息，再按照一定的规则对数据加以聚类，形成模式库。当对系统或者终端录入的语音进行识别，就是提取出待识别语音的特征，根据一定的准则(如某种距离测度)，计算其与库存模式之间的相似度(如匹配距离、似然概率等)，以此来判断用户的回答是否正确，若用户在规定的时间内正确回答，则判定为人体活体，否则为非活体。

实施例三

请参见图3，图3是本实施例三中采用手指触摸选择正确答案的方式进行人体活体检测方法的流程图。在该实施例三中，系统或者终端随机提示用户用手指触摸选择正确答案，解答系统或者终端随机调用的指令题目。

如图3所示，系统或者终端首先从预置的指令数据库随机选择指令题目，并规定用户在规定时间内用手指触摸的方式，选择正确答案，终端录入用户的触摸信息。首先对录入的图像进行预处理(如滤波等方式)，减小毛刺等外界环境对图像的干扰；接着进行触点检测与跟踪。触点跟踪采用运动跟踪算法，先根据在连续帧中触点的个数来判断新出现的点和消失的点，多出的触点表示手指按下，消失的点表示手指弹起。若在一定的时间内(如0.5s)，单个手指完成“按下-弹起”动作，则表示为点击状态。根据触点的位置坐标，判断点击的区域是否正确，从而判断用户是否选择了正确答案，若是，则表示为人体活体，否则为非活体。

实施例四

请参见图4，图4是本实施例四中采用手指触摸书写正确答案或者选项的人体活体检测方法的流程图。在该实施例四中，系统或者终端随机提示用户用手指触摸书写正确答案或者选项，解答系统或者终端随机调用的指令题目。

如图4所示，系统或者终端首先从预置的指令数据库随机选择指令题目，然后系统或者终端录入用户的触摸书写信息，如上述图3所示的步骤过程一样，对图像进行预处理、触点检测、触点定位、触点跟踪，生成原始的书写字符数据，接着对原始书写数据提取特征向量，并进行分类识别，通过分类决策识别出用户触摸书写的答案，判断用户在规定时间内触摸书写的答案是否正确，若正确则判定为人体活体，否则为非活体。

实施例五

请参见图5，图5是本实施例五中采用手势比划出正确答案或者选项的人体活体检测方法的流程图。在该实施例五中，系统或者终端随机提示用户用手势比划正确答案或选项，解答系统或者终端随机调用的指令题目。

如图5所示，系统或者终端首先从预置的指令数据库随机选择指令题目，并提示用户在规定的时间内用手势比划出正确答案或选项的方式来完成解答。事先终端需要训练出一个手势模板库，便于后面的手势匹配识别。然后，系统或者终端录入用户的手势信息后，并对录入的信息进行预处理，包括滤波、平滑处理等等。接着将录入的手势信息进行手势分解、提取特征，再与预先训练好的手势模板库进行匹配来进行手势识别。进行手势识别后，判断用户是否在规定时间内通过手势比划出了正确答案或选项，若是则判定为人体活体，否则为非活体。

以上各个实施例中所述及的技术手段与方法，仅需利用常用的摄像头和/或麦克风等信号采集设备，成本低廉，易于使用。人脑是有智慧的，而且人的智慧远远超过机器的智能，通过人脑智慧与人机交互的检测方式，本发明的人体活体检测方法可以有效地防止不法分子利用上述手段对身份验证系统进行欺诈攻击。

实施例六

如图6所示，图6是该实施例六中基于人脑智慧和人机交换的人体活体检测装置的组成框图。本装置通过随机调用指令数据库中的指令题目，并且随机指定应答的方式来判断当前用户是否是人体活体，目的是为了避免不法者通过视频录制或合成、语音剪辑或合成、机器自动OCR/ICR识别等一系列技术手段对人体活体检测验证系统进行攻击，防止人体活体检测验证系统被欺骗。

从图6从可见，该基于人脑智慧和人机交换的人体活体检测装置包括下列单元：

1、调用与设定单元，该单元用于随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式。

其中，指令题目的类型包括颜色识别、目标识别、目标数量识别、解答方程式、推理题目或节日问题等一系列需要经过大脑思考的问题。具体的类型可参见实施例一中描述。

同时，指令题目的应答方式的类型包括：用户通过语音应答、用户根据系统或者终端屏幕上的提示来点击选择答案进行应答、用户根据系统或者终端屏幕上的提示在规定的位置书写答案进行应答或者用户通过手势勾划出答案或者选项进行应答等。

当所述指令题目的应答方式的类型是用户通过语音应答时，采用DTW动态时间规整的语音识别方法或者基于隐马尔可夫模型(HMM)的语音识别方法或者其它基于机器学习(如深度学习)的语音识别方法进行应答结果验证；

当所述指令题目的应答方式的类型是用户根据系统或者终端屏幕上的提示来点击选择答案进行应答时，采用触摸屏轨迹跟踪的方法或者自动识别触摸位置信息的方法等进行应答结果验证；

当所述指令题目的应答方式的类型是用户根据系统或者终端屏幕上的提示在规定的位置书写答案进行应答时，采用OCR/ICR字符识别的方法进行应答结果验证；

当所述指令题目的应答方式的类型是用户通过手势勾划出答案或者选项进行应答时，可以采用无接触的基于视觉的手势识别方法，例如裸手字母手势识别、动态手势识别、变形手势跟踪与识别、基于最大似然Hausdorff距离的手势识别等，利用模板匹配、机器学习(如深度学习、人工神经网络、隐马尔科夫模型HMM等)理论，进行应答结果验证。

以上只是应答类型的概述，具体的应答类型的实现方式可参考之前实施例中的详细描述。

2、获取与验证单元，该单元用于获取用户应答信息，对应答方式和应答结果进行验证。

3、判断单元，该单元用于当所述指令题目的应答方式和应答结果都匹配正确，则判断应答用户为人体活体；否则，判断应答用户为非活体。

4、应答时间设定单元，该单元用于设定所述指令题目的应答时间，若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

5、指令数据库录入单元，该单元用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。

值得注意的是，上述装置实施例中，所包括的各个装置和单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各装置和单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于人脑智慧和人机交互的人体活体检测方法，其特征在于，所述方法包括下列步骤：

随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式；

获取用户应答信息，对应答方式和应答结果进行验证；

若所述指令题目的应答方式和应答结果均匹配成功，则判断应答用户为人体活体；否则，判断应答用户为非人体活体。

2.根据权利要求1所述的基于人脑智慧和人机交互的人体活体检测方法，其特征在于，

所述指令题目的类型包括颜色识别、目标识别、目标数量识别、解答方程式、推理题目或节日问题。

3.根据权利要求1所述的基于人脑智慧和人机交互的人体活体检测方法，其特征在于，

所述指令题目的应答方式的类型包括：根据用户语音应答、根据终端屏幕上提示点击选择答案应答、根据终端屏幕上提示在规定的位置书写答案应答或者根据用户手势勾划出答案的选项应答。

4.根据权利要求3所述的基于人脑智慧和人机交互的人体活体检测方法，其特征在于，

当所述指令题目的应答方式的类型是根据用户语音应答时，采用DTW动态时间规整的语音识别方法、HMM隐马尔可夫模型的语音识别方法或者基于深度学习算法的语音识别方法进行应答结果验证；

当所述指令题目的应答方式的类型是根据终端屏幕上提示点击选择答案应答时，采用触摸屏轨迹跟踪的方法或者自动识别触摸位置信息的方法进行应答结果验证；

当所述指令题目的应答方式的类型是根据终端屏幕上提示在规定的位置书写答案应答时，采用OCR/ICR字符识别的方法进行应答结果验证；

当所述指令题目的应答方式的类型是根据用户手势勾划出答案的选项应答时，采用DTW动态时间规整的手势识别算法或者HMM隐马尔可夫模型的手势识别算法或者其它基于机器学习的手势识别算法进行应答结果验证。

5.根据权利要求1至4任一所述的基于人脑智慧和人机交互的人体活体检测方法，其特征在于，

在所述获取用户应答信息，对应答方式和应答结果进行验证的步骤之前，还包括：

设定应答时间的步骤，该步骤用于设定所述指令题目的应答时间，若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

6.根据权利要求1至4任一所述的基于人脑智慧和人机交互的人体活体检测方法，其特征在于，

在所述随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式步骤之前，还包括：

指令数据库录入步骤，该步骤用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。

7.一种基于人脑智慧和人机交互的人体活体检测装置，其特征在于，所述装置包括下列单元：

调用与设定单元，该单元用于随机调用指令数据库中事先预置的指令题目，并随机设定所述指令题目的应答方式；

获取与验证单元，该单元用于获取用户应答信息，对应答方式和应答结果进行验证；

判断单元，该单元用于当所述指令题目的应答方式和应答结果均匹配成功，则判断应答用户为人体活体；否则，判断应答用户为非人体活体。

8.根据权利要求7所述的基于人脑智慧和人机交互的人体活体检测装置，其特征在于，所述装置还包括：

应答时间设定单元，该单元用于设定所述指令题目的应答时间，若所述指令题目的应答时长超过事先设定的所述应答时间，则判断应答用户为非人体活体。

9.根据权利要求7或8所述的基于人脑智慧和人机交互的人体活体检测装置，其特征在于，所述装置还包括：

指令数据库录入单元，该单元用于向指令数据库中录入指令题目，并设置该指令题目的正确应答结果以及至少一种对应的应答方式。