CN109086645B - 人脸识别方法、装置以及虚假用户的识别方法、装置 - Google Patents

人脸识别方法、装置以及虚假用户的识别方法、装置 Download PDF

Info

Publication number
CN109086645B
CN109086645B CN201710444122.3A CN201710444122A CN109086645B CN 109086645 B CN109086645 B CN 109086645B CN 201710444122 A CN201710444122 A CN 201710444122A CN 109086645 B CN109086645 B CN 109086645B
Authority
CN
China
Prior art keywords
image
user
content
face
difference information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710444122.3A
Other languages
English (en)
Other versions
CN109086645A (zh
Inventor
林钧燧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN202110358438.7A priority Critical patent/CN113177437B/zh
Priority to CN201710444122.3A priority patent/CN109086645B/zh
Priority to TW107107026A priority patent/TW201903644A/zh
Priority to PCT/US2018/034141 priority patent/WO2018231465A1/en
Priority to US15/987,781 priority patent/US10885362B2/en
Publication of CN109086645A publication Critical patent/CN109086645A/zh
Application granted granted Critical
Publication of CN109086645B publication Critical patent/CN109086645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/67—Static or dynamic means for assisting the user to position a body part for biometric acquisition by interactive indications to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2111—Location-sensitive, e.g. geographical location, GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例提供了一种人脸识别方法和装置，所述方法包括：采集第一图像，所述第一图像包括人脸内容和背景内容；调整图像采集设备与用户之间的相对位置；采集调整相对位置之后的第二图像；分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；根据所述差异信息判定所述用户为真实用户或虚假用户。根据本申请实施例，解决了目前的人脸活体识别方法无法识别出虚假用户的问题。

Description

人脸识别方法、装置以及虚假用户的识别方法、装置
技术领域
本申请涉及图像识别领域，特别是涉及一种基于图像分析的人脸识别方法、装置，以及，一种虚假用户的识别方法、装置，以及，一种认证方法，一种识别设备，一种计算机设备，一种计算机可读存储介质。
背景技术
目前，人脸活体识别已经广泛应用于安全验证领域中。例如，用户在进行某个交易操作之前，先对用户进行人脸活体识别，若识别出为真实用户的本人，而非虚假用户展示的真实用户照片或真实用户的视频，则安全验证通过，允许用户进行交易操作。
在进行人脸活体识别时，可以通过图像采集设备采集当前用户的人脸图像，针对人脸图像进行图像分析，以识别当前用户是否真实用户本人；或者，指示用户执行某个动作，然后通过图像采集设备采集当前用户连续多帧人脸图像，根据多帧人脸图像判断用户当前是否执行了所指示的动作，以识别当前用户是否真实用户本人。
然而，针对上述的基于图像分析的人脸识别方法，虚假用户可以采用连续图片攻击、视频回放攻击、动作模拟软件攻击等多种不法手段，使得上述的人脸识别方法会错误地将虚假用户识别为真实用户。
因此，现有技术中的人脸活体识别方法存在着无法识别出虚假用户的问题。
发明内容
本申请实施例所要解决的技术问题是提供一种基于图像分析的人脸识别方法，一种基于图像分析的人脸识别装置，一种虚假用户的识别方法，一种虚假用户的识别装置，一种认证方法，以及，一种识别设备。
为了解决上述问题，本申请提供了一种基于图像分析的人脸识别方法，所述方法包括：
采集第一图像，所述第一图像包括人脸内容和背景内容；
调整图像采集设备与用户之间的相对位置；
采集调整相对位置之后的第二图像；
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
根据所述差异信息判定所述用户为真实用户或虚假用户。
可选地，所述调整图像采集设备与用户之间的相对位置包括：
调整所述图像采集设备的位置，或提示调整用户的位置。
可选地，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化。
可选地，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若一致，则判定所述用户为虚假用户。
可选地，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
可选地，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
可选地，在所述采集调整相对位置之后的第二图像之前，所述方法还包括：
调整所述图像采集设备指向所述用户的方向。
可选地，在所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息之前，所述方法还包括：
从所述背景内容中选取边界清晰的背景对象；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
可选地，所述调整图像采集设备与用户之间的相对位置为提示用户的位置时，所述方法还包括：
提示调整所限制的时间，并在提示后开始计时；
所述采集调整相对位置之后的第二图像包括：
当计时达到调整所限制的时间后，采集第二图像。
可选地，所述方法还包括：
若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
为了解决上述问题，本申请还提供了一种基于图像分析的人脸识别装置，所述装置包括：
第一图像采集模块，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块，用于采集调整相对位置之后的第二图像；
差异信息比较模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
用户判定模块，用于根据所述差异信息判定所述用户为真实用户或虚假用户。
为了解决上述问题，本申请还提供了一种虚假用户的识别方法，所述方法包括：
采集第一图像，所述第一图像包括人脸内容和背景内容；
调整图像采集设备与用户之间的相对位置；
采集调整相对位置之后的第二图像；
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
根据所述差异信息判定所述用户为真实用户或虚假用户；
若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
为了解决上述问题，本申请还提供了一种虚假用户的识别装置，所述装置包括：
第一图像采集模块，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块，用于采集调整相对位置之后的第二图像；
差异信息比较模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
用户判定模块，用于根据所述差异信息判定所述用户为真实用户或虚假用户；
风险提示模块，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
为了解决上述问题，本申请还提供了一种认证方法，所述方法包括：
在采集设备与被采集对象的第一相对位置，采集第一图像；其中，所述第一图像包括被采集对象的生物特征内容和背景内容；
在采集设备与被采集对象的第二相对位置，采集第二图像；其中，所述第二图像包括被采集对象的生物特征内容和背景内容；
获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息；
判定是否通过认证。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对距离。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对角度。
可选地，所述判定是否通过认证的步骤包括：
根据所述差异信息，判定是否通过认证。
可选地，所述获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息的步骤包括：
获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
所述根据所述差异信息，判定是否通过认证的步骤包括：
判断所述生物特征内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若一致，则判定未通过认证；
若不一致，则判定通过认证。
可选地，所述获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息的步骤包括：
获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中的内容变化；
所述根据所述差异信息，判定是否通过认证的步骤包括：
若所述生物特征内容和/或所述背景内容均没有发生内容变化，则判定未通过认证；
若所述生物特征内容和/或所述背景内容发生内容变化，则判定通过认证。
为了解决上述问题，本申请还提供了一种识别设备，所述设备包括图像采集设备、第一提示信息和第二提示信息；
所述图像采集设备，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
所述第一提示信息，用于提示调整所述图像采集设备与用户之间的相对位置；
所述图像采集设备，还用于采集调整相对位置之后的第二图像；
所述识别设备，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息，根据所述差异信息判定所述用户为真实用户或虚假用户；
所述第二提示信息，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
与现有技术相比，本申请实施例包括以下优点：
根据本申请实施例，通过对调整图像采集设备与用户之间的相对位置前后分别采集第一图像和第二图像，并分别比较人脸内容和背景内容在第一图像和第二图像的差异信息，根据差异信息判定真实用户或虚假用户，即使虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行人脸活体识别，仍然可以识别出虚假用户，解决了目前的人脸活体识别方法无法识别出虚假用户的问题。
进一步地，通过从背景内容中选取边界清晰的背景对象，分别比较人脸内容和背景对象在第一图像和第二图像中的差异信息，根据异信息判定用户为真实用户或虚假用户，避免因边界模糊的对象内容得到错误的差异信息，提升识别真实用户或虚假用户的准确率。
进一步地，在识别出虚假用户后相应生成风险提示，以提示真实用户进行相应的防范措施，从而避免了因为虚假用户的连续图片攻击、视频回放攻击、动作模拟软件攻击造成真实用户个人信息泄露、财产损失。
进一步地，通过在第一相对位置和第二相对位置分别采集被采集对象的第一图像和第二图像，得到被采集对象的生物特征内容和背景内容在第一图像和第二图像中的差异信息，根据该差异信息判定是否通过活体认证，即使采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行活体认证，仍然可以识别出非活体用户，解决了目前的活体认证方法无法识别出非活体用户的问题
附图说明
图1是本申请实施例一的一种基于图像分析的人脸识别方法的步骤流程图；
图2是本申请实施例二的一种基于图像分析的人脸识别方法的步骤流程图；
图3是本申请实施例三的一种虚假用户的识别方法的步骤流程图；
图4是本申请实施例四的一种活体认证方法的步骤流程图；
图5是本申请实施例五的一种基于图像分析的人脸识别方法的结构框图；
图6是本申请实施例六的一种基于图像分析的人脸识别方法的结构框图；
图7是本申请实施例七的一种虚假用户的识别装置的结构框图；
图8是本申请实施例八的一种认证装置的结构框图；
图9是本申请实施例八的一种识别设备的结构框图；
图10是本申请的一种实现本公开中所述的各个实施例的示例性系统；
图11是本申请的一种人脸识别过程中的信息交互图；
图12是本申请的一种真实用户识别的场景示意图；
图13是本申请的一种虚假用户识别的场景示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
首先需要说明的是，本申请可以具体为一种应用软件，应用在用户进行电子交易、修改账户登录密码、查看个人隐私信息、修改重要数据等场景的安全监测。该应用软件作用是，基于图像分析的手段识别当前用户为真实用户或虚假用户。本申请也可以具体为某些软件的插件，以对软件的数据安全进行监控或者作为软件操作的识别依据。本申请提供的方法也可以以硬件方式，例如ASIC专用芯片(Application Specific IntegratedCircuit，专用目的设计集成电路)或者FPGA(Field－Programmable Gate Array，现场可编程门阵列)实现。
在实际的通过人脸活体识别方法进行安全验证场景中，用户可能需要通过手机、平板电脑、台式电脑等移动终端进行电子交易、修改账户登录密码、查看个人隐私信息等的涉及到用户的信息安全和财产安全的操作。通常，在进行上述操作之前，需要进行用户身份的安全验证，即，识别当前用户为真实用户、通过安全验证之后，才允许用户进行上述的操作；如果没有通过该安全验证，则禁止进行上述的操作。
可以通过人脸活体识别的方式，进行用户身份的安全验证。具体地，移动终端可以提示当前用户面对移动终端的摄像头进行实时拍摄，摄像头可以拍摄到包含有当前用户的人脸内容的图像。
移动终端可以针对拍摄到的图像进行图像分析，例如，从图像中识别出人脸，针对人脸提取出有代表性的如眼睛、鼻子、眉毛、嘴巴等的生物特征内容，通过将一个或多个生物特征内容与预设的真实用户的生物特征内容的比较，识别图像中的人脸是否为真实用户的人脸，并根据识别结果判断是否通过安全验证。
为了防止虚假用户使用照片攻击上述的静态的人脸活体识别方式，移动终端还可以提示当前用户在实时拍摄时进行指定的点头、摇头、眨眼、张嘴等一个或多个动作，在当前用户进行上述动作时拍摄连续多帧图像，根据对连续多帧图像的特征点的连续变化，通过一定规则或机器学习等方法，判断当前用户进行的动作为指定的动作，结合对图像中的人脸特征点的识别结果，识别当前用户是否为真实用户的活体。
然而，申请人经研究发现，虚假用户可以通过多种的不法手段攻击上述的人脸识别方法。例如，连续图片攻击，虚假用户采用一系列的真实用户进行某个动作的多张照片，通过播放幻灯片的方式模拟指定的动作；又例如，视屏回放攻击，虚假用户预先录制真实用户进行某个动作的视频，在人脸识别时则回放该视频；又例如，动作模拟软件攻击，虚假用户获取到真实用户的人脸图像后，通过动作模拟软件提取人脸特征点，合成真实用户进行某个动作的动画，在人脸活体识别时播放该动画。
上述的攻击方式，会导致人脸活体识别时错误地将虚假用户识别为真实用户本人，而通过安全验证并允许虚假用户进行电子交易、修改账户登录密码、查看个人隐私信息等的操作，从而引起真实用户本人的个人信息泄露、财产损失的风险。
因此，针对目前的人脸识别方法无法识别出虚假用户的问题，本申请实施例提供了一种基于图像分析的人脸识别方法，以识别出真实用户和虚假用户。
为了便于本领域技术人员深入理解本申请实施例，以下将首先介绍各个术语的定义。
人脸内容，包括图像中包含人脸图像特征的图像内容。人脸图像特征可以是完整人脸，也可以是部分人脸，还可以是人脸上某一个或多个人脸器官。例如，人脸内容可以是图像中完整的人脸，也可以是图像中人脸的上半部分，还可以是人脸中的眼睛、鼻子、眉毛、嘴巴等人脸器官中的一个或多个的组合。
背景内容，包括图像中当前拍摄的目标对象(例如：人脸内容)以外的图像内容。背景内容可以包括有一个或多个的背景物体，背景物体可以是景物、动物、人物、物件等。例如，在拍摄目标对象时，目标对象身后的高楼、路人、车辆等。
图像采集设备，包括用于采集图像的设备。例如，照相机、移动终端上的摄像头、外设摄像头等。
第一图像，包括在调整用户与图像采集设备的相对位置之前，所采集得到的包含有人脸内容和背景内容的图像。
第二图像，包括在调整用户与图像采集设备的相对位置之后，所采集得到的包含有人脸内容和背景内容的图像。
差异信息，包括人脸内容和/或背景内容在第一图像和第二图像之间的所占面积和/或内容的变化。例如，人脸内容在第一图像中所占面积(在图像中的面积占比)为42％，在第二图像中所占面积为63％，人脸内容在第一图像和第二图像中的所占面积发生了变化，两个所占面积的变化比例为63％/42％＝1.5，可以将该变化比例作为人脸内容在第一图像和第二图像的差异信息。又例如，某个背景内容在第一图像中所占面积为10％，在第二图像中所占面积仍然为10％，两个所占面积的变化比例为10％/10％＝1，可以将该变化比例作为该背景内容在第一图像和第二图像的差异信息。又例如，在第一图像中背景内容包含背景对象A和背景对象B，在第二图像中背景内容包含背景对象A和背景对象C，背景内容在第一图像和第二图像中的内容发生了变化，可以将发生变化的内容作为背景内容在第一图像和第二图像的差异信息。
生物特征内容，包括特定生物的外貌特征的内容。例如，人脸的眼睛、鼻子、眉毛、嘴巴等的特征，又例如，人体的四肢、躯体等。
实施例一
实施例一提供了一种基于图像分析的人脸识别方法，该方法可以具体应用于移动终端，图1是本申请实施例一的一种基于图像分析的人脸识别方法的步骤流程图，所述方法可以具体包括如下步骤：
步骤101，采集第一图像，所述第一图像包括人脸内容和背景内容。
需要说明的是，本申请实施例可以应用于手机、平板电脑、台式电脑等移动终端。移动终端上可以包括有摄像头等的图像采集设备，实际应用中，也可以采用照相机或外设摄像头作为图像采集设备。移动终端可以安装有识别应用，由识别应用对图像采集设备采集得到的图像进行真实用户或虚假用户的识别。
具体实现中，用户在识别应用发起人脸识别请求时，识别应用可以调用移动终端上的图像采集设备或者启动外部的图像采集设备，针对当前用户的人脸以及当前拍摄的背景进行拍摄，以采集到包含人脸内容和背景内容的图像，作为上述的第一图像。
步骤102，调整图像采集设备与用户之间的相对位置。
在采集到第一图像之后，识别应用可以指示用户调整图像采集设备与当前用户之间的相对位置。为了调整图像采集设备和用户之间的相对位置，调整的对象可以是图像采集设备，例如指示用户移动手机的摄像头；调整的对象也可以是用户自身，例如提示用户相对于摄像头移动。
调整相对位置的方式可以有多种。例如，可以在图像采集设备与用户的水平连线上，按照某个方向进行调整；又例如，可以垂直于在图像采集设备和用户的平面上，按照某个方向进行调整。
实际应用中，相对位置可以包括图像采集设备与用户之间的相对距离，还可以包括图像采集设备与用户之间的相对角度。
步骤103，采集调整相对位置之后的第二图像。
在调整图像采集设备和用户之间的相对位置之后，图像采集设备可以再次针对当前用户的人脸以及当前拍摄的背景进行拍摄，以采集到包含人脸内容和背景内容的图像，作为上述的第二图像。
步骤104，分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息。
具体实现中，识别应用可以将第一图像中的人脸内容和背景内容，与第二图像中的人脸内容和背景内容进行比较，确定内容之间的差异信息。
差异信息可以包括人脸内容和背景内容在第一图像和第二图像中所占面积的变化比例。例如，人脸内容和背景内容在第一图像中所占面积分别为24％和10％；按照图像采集设备与用户的水平连线上某个方向调整相对位置后，在第二图像中所占面积的比例分别为36％和15％，人脸内容和背景内容在第一图像和第二图像中所占面积的变化比例均为1.5，可以将该变化比例作为人脸内容和背景内容在第一图像和第二图像的差异信息。
差异信息也可以包括人脸内容和背景内容在第一图像和第二图像中的内容变化。例如，在第一图像中的人脸内容为完整的人脸，背景内容为包含两棵树，按照垂直于在图像采集设备和用户的平面上的某个方向调整相对位置后，在第二图像中的人脸内容仍为完整的人脸，而背景内容中只包含有一棵树，背景内容在第二图像中发生了内容变化，可以将变化的内容作为背景内容在第一图像和第二图像的差异信息。
步骤105，根据所述差异信息判定所述用户为真实用户或虚假用户。
识别应用可以根据通过上述比较而得到的差异信息，判断当前用户为真实用户或虚假用户。实际应用中，可以针对相对位置调整方式的不同而采用不同的差异信息作为判断依据。
针对于按照图像采集设备与用户的水平连线上某个方向调整相对位置的调整方式，以及，当前用户自身移动以接近或远离图像采集设备的情况，则可以人脸内容和背景内容在第一图像和第二图像中所占面积的变化作为差异信息，以该差异信息作为判断依据，以判断是否真实用户。
由于真实用户按照图像采集设备与用户的水平连线上某个方向调整与图像采集设备的相对位置之后，活体的真实用户与图像采集设备的距离发生变化，而背景内容与图像采集设备的距离则不会发生变化，从而引起人脸内容和背景内容在第二图像中的所占面积也发生变化。因此，在人脸内容和背景内容在第一图像和第二图像中所占面积的变化比例不一致时，可以判定当前用户为真实用户。
图12是本申请的一种真实用户识别的场景示意图。图中上半部分为图像采集设备采集第一图像的场景，图中下半部分为调整距离后，图像采集设备采集第二图像的场景。
在采集第一图像的场景中，从右侧显示的内容可见，当前用户与手机摄像头之间具有一定距离，将背景中某个背景物体作为背景内容。从左侧显示的内容可见，手机摄像头针对该场景采集到的第一图像中，人脸内容在第一图像中的所占面积为42％，背景内容在第一图像中的所占面积为7.5％。
在采集第二图像的场景中，从右侧显示的内容可见，如果当前用户为真实用户，当前用户接近手机摄像头，即，用户的人脸与手机摄像头的距离减小。而背景内容与手机摄像头的距离则会保持不变。从左侧显示的内容可见，手机摄像头针对该场景采集到的第二图像中，人脸内容在第二图像中的所占面积增大至63％，人脸内容在第一图像和第二图像中的两个所占面积的变化比例为1.5。
而背景内容由于与手机摄像头的距离没有发生变化，因此，其在第二图像中的所占面积仍然为7.5％，背景内容在第一图像和第二图像中的两个所占面积的变化比例为1。由于人脸内容和背景内容在第一图像和第二图像中所占面积的变化比例不一致，因此可以判定当前用户为真实用户。
而虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行活体人脸识别时，由于人脸内容和背景内容均显示在某个显示设备上，即使在水平连线的某个方向上，调整了该显示设备与图像采集设备之间的相对位置，该显示设备上显示的人脸与背景则会同时接近或远离图像采集设备。图像采集设备针对显示设备上的人脸与背景采集得到的第二图像中，人脸内容和背景内容所占面积会维持不变，从而人脸内容和背景内容在第一图像和第二图像中所占面积的比例并不会发生变化。因此，可以在在所占面积的比例一致时，判定当前用户为虚假用户。
图13是本申请的一种虚假用户识别的场景示意图。图中上半部分为图像采集设备采集第一图像的场景，图中下半部分为调整距离后，图像采集设备采集第二图像的场景。
在采集第一图像的场景中，从右侧显示的内容可见，当前虚假用户手持照片进行识别，照片与手机摄像头之间具有一定距离，将照片的背景中某个背景物体作为背景内容。从左侧显示的内容可见，手机摄像头针对该场景采集到的第一图像中，人脸内容在第一图像中的所占面积为24％，背景内容在第一图像中的所占面积为10％。
在采集第二图像的场景中，从右侧显示的内容可见，如果当前用户为虚假用户，被提示调整相对位置后，虚假用户将照片移动至接近手机摄像头的位置，即，照片中的人脸内容与背景内容与手机摄像头的距离均变小。从左侧显示的内容可见，手机摄像头针对该场景采集到的第二图像中，人脸内容在第二图像中的所占面积增大至36％，人脸内容在第一图像和第二图像中的两个所占面积的变化比例为1.5。
由于照片中的背景物体与手机摄像头的距离也变小，因此，其在第二图像中所占面积增大至15％，背景内容在第一图像和第二图像中的两个所占面积的变化比例为1.5。由于人脸内容和背景内容在第一图像和第二图像中所占面积的变化比例均为1.5，因此可以判定当前用户为虚假用户。
需要说明的是，虚假用户采用照片、视频等进行攻击的应用场景中，在采集第一图像时，照片、视频遮挡了真实的背景内容，虚假用户在收到提示并移动播放照片或视频的终端远离图像采集设备，当移动距离超过一定范围后，照片、视频可能无法继续遮挡真实的背景内容，使得图像采集设备采集得到的第二图像中，除了包含有照片、视频中的背景内容，可能还包含有部分实际的背景内容。第二图像中的实际的背景内容可能会干扰识别的准确性，例如，如果照片的背景内容和真实的背景内容相似，或者，在图像中所处的位置相同，在识别时可能将第一图像中的照片的背景内容和第二图像中的真实的背景内容进行所占面积的比较，得到错误的差异信息。
因此，可以在采集第一图像时，确定作为比较对象的背景内容，在采集第二图像后，针对同一个背景内容，比较该背景内容在两个图像中所占面积的变化，从而避免获取到不同背景内容的差异信息，提升识别的准确性。
针对于按照垂直于在图像采集设备和用户的平面上的某个方向调整相对位置的调整方式，则可以人脸内容和背景内容在第一图像和第二图像中的内容变化作为差异信息，以该差异信息作为判断依据，以判断是否真实用户。
由于真实用户按照垂直于在图像采集设备和用户的平面上的某个方向调整相对位置之后，活体的真实用户可能遮挡了背景内容中的某些内容，从而引起背景内容在第二图像中发生较大的内容变化，而人脸内容则不会发生内容变化。因此，可以在人脸内容没有内容变化、而背景内容发生内容变化时，判定当前用户为真实用户。
而虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行活体人脸识别时，由于人脸内容和背景内容均显示在某个显示设备上，即使移动了该显示设备与图像采集设备之间的相对位置，在该显示设备中的背景内容不会发生被人脸内容遮挡的情况，从而人脸内容和背景内容均不会发生内容变化。因此，可以在人脸内容和背景内容均没有发生内容变化时，判定当前用户为虚假用户。
在实际应用中，针对于按照图像采集设备与用户的水平连线上某个方向调整相对位置的调整方式，也可以人脸内容和背景内容在第一图像和第二图像中的内容变化作为差异信息，以该差异信息作为判断依据，以判断是否真实用户。例如，当前用户靠近图像采集设备之后采集第二图像时，如果是真实用户，可能也会遮挡部分背景内容，从而引起背景内容在第二图像中发生较大的内容变化，而人脸内容则不会发生内容变化。
根据本申请实施例，通过对调整图像采集设备与用户之间的相对位置前后分别采集第一图像和第二图像，并分别比较人脸内容和背景内容在第一图像和第二图像的差异信息，根据差异信息判定真实用户或虚假用户，即使虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行人脸活体识别，仍然可以识别出虚假用户，解决了目前的人脸活体识别方法无法识别出虚假用户的问题。
实施例二
实施例二提供了一种基于图像分析的人脸识别方法，该方法可以具体应用于移动终端，图2是本申请实施例二的一种基于图像分析的人脸识别方法的步骤流程图，所述方法可以具体包括如下步骤：
步骤201，采集第一图像，所述第一图像包括人脸内容和背景内容。
步骤202，调整图像采集设备与用户之间的相对位置。
可选地，所述步骤202包括：
子步骤S11，所述调整图像采集设备与用户之间的相对位置为提示用户的位置时，调整所述图像采集设备的位置，或提示调整用户的位置；。
具体实现中，可以由移动终端上所安装的识别应用向用户进行提示，提示当前用户调整图像采集设备相对于用户自身的位置，也可以提示当前用户调整自身相对于图像采集设备的位置，以指示用户完成图像采集设备与用户之间相对位置的调整。
在得到调整位置的提示后，用户可以按照提示进行相应的调整。例如，用户可以将图像采集设备从当前位置移动至到远离或靠近用户自身的另一位置；或者，用户可以将图像采集设备固定在原位置上，用户自身从当前位置移动至靠近或远离图像采集设备的另一位置；或者，用户将图像采集设备纵向降低或升高、横向左右移动；或者，用户自身纵向降低或升高、横向左右移动。
步骤203，提示调整所限制的时间，并在提示后开始计时。
在提示进行相对位置调整的时候，还可以提示调整所限制的时间，当前用户可以在该时间内完成调整。在提示之后可以开始计时，以在计时达到限制时间后，触发图像采集设备进行图像采集。
步骤204，采集调整相对位置之后的第二图像。
可选地，所述步骤204包括：
子步骤S21，当计时达到调整所限制的时间后，采集第二图像。
在计时达到所限制的时间后，可以触发图像采集设备进行图像采集，以得到第二图像。
步骤205，分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息。
可选地，在所述步骤205之前，所述方法还包括：
从所述背景内容中选取边界清晰的背景对象；
所述步骤205包括：
子步骤S31，分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
具体实现中，可以在背景内容中查找边界清晰的对象内容，选取其作为背景对象。在比较人脸内容和背景内容在第一图像和第二图像的差异信息时，可以针对背景内容中的某个具体的背景对象进行差异信息的比较，从而可以得到更准确的差异信息，并提升识别结果的准确率，避免因边界模糊的对象内容得到错误的差异信息，从而影响识别结果的准确率。例如，比较人脸内容和背景内容中某个物件在第一图像和第二图像中的所占面积比例的变化，相比起确定整个背景内容在图像中的所占面积，基于边界清晰的背景对象确定其在图像中的所占面积，得到的所占面积更准确。
步骤206，根据所述差异信息判定所述用户为真实用户或虚假用户。
可选地，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整，所述步骤205包括：
分别比较所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化。
可选地，所述步骤206包括：
子步骤S41，判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致。
子步骤S42，若一致，则判定所述用户为虚假用户。
具体实现中，当调整的方式为当前用户在图像采集设备与用户的水平连线上至少一个方向的调整，即，用户自身在水平连线上接近或远离图像采集设备，在根据所述差异信息判定用户为真实用户或虚假用户的时候，可以判断人脸内容与背景内容在第一图像和第二图像中所占面积的变化比例是否一致。若不一致，表明当前用户为真实用户，因此可以判定当前用户为真实用户；若一致，表明当前用户可能采用了连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行识别，因此可以判定当前用户为虚假用户。
可选地，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整，所述步骤205包括：
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
可选地，所述步骤206包括：
子步骤S51，若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
具体实现中，当调整的方式为垂直于图像采集设备和用户的平面上至少一个方向的调整，在根据所述差异信息判定用户为真实用户或虚假用户的时候，可以判断人脸内容与背景内容在第一图像和第二图像中的内容变化。
若人脸内容没有发生内容变化，而背景内容发生内容变化，表明当前用户为真实用户，因此可以判定当前用户为真实用户。若人脸内容和背景内容均没有发生内容变化，表明当前用户可能采用了连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行识别，因此可以判定当前用户为虚假用户。
可选地，在所述步骤202之前，所述方法还包括：
调整所述图像采集设备指向所述用户的方向。
在实际应用中，当在垂直于图像采集设备和用户的平面上至少一个方向进行调整后，当前用户的人脸内容可能超出图像采集设备的拍摄范围，因此可以调整图像采集设备，将其拍摄方向指向用户当前位置的方向。
步骤207，若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
具体实现中，当识别出当前用户为虚假用户，可以由识别应用生成针对虚假用户的风险提示，并展示在移动终端上。实际应用中，也可以将该风险提示发送至真实用户，以提示真实用户进行相应的防范措施。
根据本申请实施例，通过从背景内容中选取边界清晰的背景对象，分别比较人脸内容和背景对象在第一图像和第二图像中的差异信息，根据异信息判定用户为真实用户或虚假用户，避免因边界模糊的对象内容得到错误的差异信息，提升识别真实用户或虚假用户的准确率。
为了便于本领域技术人员理解本申请实施例，以下将结合图11的具体示例予以说明。
图11是本申请的一种人脸识别过程中的信息交互图。从图中可见，用户通过识别应用发起人脸识别请求，识别应用调用移动终端上的摄像头或外设摄像头，对当前用户的人脸和背景进行拍摄，采集到第一图像。识别应用在移动终端的屏幕上展示提示用户调整与摄像头的距离的信息，用户根据该提示信息调整自身或摄像头的位置，以改变用户与摄像头的距离。在调整距离后，识别应用再次指示摄像头对当前用户的人脸和背景进行拍摄，采集到第二图像。识别应用通过第一图像和第二图像中人脸内容和背景内容的差异信息判定当前用户是真实用户或虚假用户。
实施例三
实施例三提供了一种虚假用户的识别方法，该方法可以具体应用于移动终端，图3是本申请实施例三的一种虚假用户的识别方法的步骤流程图，所述方法可以具体包括如下步骤：
步骤301，采集第一图像，所述第一图像包括人脸内容和背景内容。
步骤302，调整图像采集设备与用户之间的相对位置。
步骤303，采集调整相对位置之后的第二图像。
步骤304，分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息。
步骤305，根据所述差异信息判定所述用户为真实用户或虚假用户。
步骤306，若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
根据本申请实施例，在识别出虚假用户后相应生成风险提示，以提示真实用户进行相应的防范措施，从而避免了因为虚假用户的连续图片攻击、视频回放攻击、动作模拟软件攻击造成真实用户个人信息泄露、财产损失。
实施例四
实施例四提供了一种活体认证方法，该方法可以具体应用于移动终端，图4是本申请实施例四的一种活体认证方法的步骤流程图，所述方法可以具体包括如下步骤：
步骤401，在采集设备与被采集对象的第一相对位置，采集第一图像；其中，所述第一图像包括被采集对象的生物特征内容和背景内容。
具体实现中，可以通过采集设备在与被采集对象处于第一相对位置时，对被采集对象进行拍摄，采集到第一图像。第一图像中可以包括有被采集对象的生物特征内容和被采集对象当前所处背景的背景内容。例如，针对于对活人用户进行认证时，可以将用户的人脸作为生物特征内容进行采集，以及，将用户所处场景作为背景内容进行采集。
步骤402，在采集设备与被采集对象的第二相对位置，采集第二图像；其中，所述第二图像包括被采集对象的生物特征内容和背景内容。
具体实现中，可以指示被采集对象调整采集设备与被采集对象的位置至第二相对位置，在调整位置后，可以再次对被采集对象拍摄，采集到第二图像。第二图像中可以包括有被采集对象的生物特征内容和被采集对象当前所处背景的背景内容。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对距离。
具体实现中，采集设备与被采集对象之间的距离为第一相对距离时，可以采集第一图像。采集设备与被采集对象之间的距离为第二相对距离时，可以采集第二图像。例如，在采集设备与被采集对象相距1米时，采集第一图像，在相距2米时，采集第二图像。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对角度。
需要说明的是，采集设备在拍摄以采集图像时，其拍摄焦点与采集设备的连线，为采集设备的拍摄方向。实际应用中，被采集对象可能不在采集设备的拍摄方向上，从而，被采集对象与采集设备的拍摄方向形成一定的角度，即，被采集对象与采集设备之间存在一定的角度。
具体实现中，采集设备与被采集对象之间的角度为第一相对角度时，可以采集第一图像。采集设备与被采集对象之间的角度为第二相对距离时，可以采集第二图像。例如，采集设备与被采集对象之间的相对角度为10°时，采集第一图像，采集设备与被采集对象之间的相对角度为20°时，采集第二图像。
步骤403，获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息。
步骤404，判定是否通过活体认证。
具体实现中，可以获取生物特征内容和背景内容在第一图像和第二图像中的差异信息，或者，根据生物特征内容在第一图像和第二图像中的差异信息，或者，根据背景内容在第一图像和第二图像中的差异信息，判定是否通过活体认证。
可选地，所述步骤404包括以下子步骤：
子步骤S61，根据所述差异信息，判定是否通过认证。
可选地，所述步骤403可以包括：
获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
所述子步骤S61可以包括：
判断所述生物特征内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若一致，则判定未通过认证；
若不一致，则判定通过认证。
具体实现中，如果被采集对象为活体，在相对距离发生变化时，被采集对象的生物特征内容在第一图像和第二图像所占面积的变化比例，与背景内容在第一图像和第二图像所占面积的变化比例，两者的变化比例应该会发生变化导致并不一致。如果被采集对象为图片、视频等非活体，即使相对距离发生变化，两者的变化比例为一致的。由于具体示例在前述实施例中已经说明，在此不再赘述。
可选地，所述步骤403可以包括：
获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中的内容变化；
所述子步骤S61可以包括：
若所述生物特征内容和/或所述背景内容均没有发生内容变化，则判定未通过认证；
若所述生物特征内容和/或所述背景内容发生内容变化，则判定通过认证。
具体实现中，当相对距离和/或相对角度发生变化时，在第一图像和第二图像，生物特征内容和背景内容发生内容变化，或者，生物特征内容发生内容变化，或者，背景内容发生内容变化，可以确定当前为活体，因此可以判定通过认证。当生物特征内容和背景内容没有发生内容变化，或者，生物特征内容没有发生内容变化，或者，背景内容没有发生内容变化，可以确定当前为非活体，因此可以判定未通过认证。
例如，如果被采集对象为活体，活体围绕采集设备移动以变换采集图像的相对角度，或者，采集设备自转以变换采集图像的相对角度。活体变换相对角度后会遮挡部分背景内容，或者，采集设备变换相对角度后拍摄方向变化，该两者情况均会引起背景内容在第一图像和第二图像中会发生内容的变化。而如果被采集对象为图片、视频等非活体用户，即使变换了相对角度，图片、视频中的背景内容并不会发生变化。
根据本申请实施例，通过在第一相对位置和第二相对位置分别采集被采集对象的第一图像和第二图像，得到被采集对象的生物特征内容和背景内容在第一图像和第二图像中的差异信息，根据该差异信息判定是否通过活体认证，即使采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行活体认证，仍然可以识别出非活体用户，解决了目前的活体认证方法无法识别出非活体用户的问题。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
实施例五
与实施例一对应，实施例五提供了一种基于图像分析的人脸识别装置，该装置可以具体应用于移动终端，图5是本申请实施例五的一种基于图像分析的人脸识别方法的结构框图，所述装置可以具体包括如下模块：
第一图像采集模块501，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块502，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块503，用于采集调整相对位置之后的第二图像；
差异信息比较模块504，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
用户判定模块505，用于根据所述差异信息判定所述用户为真实用户或虚假用户。
根据本申请实施例，通过对调整图像采集设备与用户之间的相对位置前后分别采集第一图像和第二图像，并分别比较人脸内容和背景内容在第一图像和第二图像的差异信息，根据差异信息判定真实用户或虚假用户，即使虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行人脸活体识别，仍然可以识别出虚假用户，解决了目前的人脸活体识别方法无法识别出虚假用户的问题。
实施例六
与实施例二对应，实施例六提供了一种基于图像分析的人脸识别装置，该装置可以具体应用于移动终端，图6是本申请实施例六的一种基于图像分析的人脸识别方法的结构框图，所述装置可以具体包括如下模块：
第一图像采集模块601，用于采集第一图像，所述第一图像包括人脸内容和背景内容。
相对位置调整模块602，用于调整图像采集设备与用户之间的相对位置。
时间提示模块603，用于提示调整所限制的时间，并在提示后开始计时。
第二图像采集模块604，用于采集调整相对位置之后的第二图像。
差异信息比较模块605，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息。
用户判定模块606，用于根据所述差异信息判定所述用户为真实用户或虚假用户。
风险提示模块607，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
可选地，所述第二图像采集模块604包括：
第二图像采集子模块，用于当计时达到调整所限制的时间后，采集第二图像。
可选地，所述相对位置调整模块602包括：
位置调整子模块，用于调整所述图像采集设备的位置，或提示调整用户的位置。
可选地，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整；
所述差异信息比较模块605包括：
所占面积变化比较子模块，用于分别比较所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化。
可选地，所述用户判定模块606包括：
比例一致判断子模块，用于判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
第一虚假用户判定子模块，用于若一致，则判定所述用户为虚假用户。
可选地，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整；
所述差异信息比较模块605包括：
内容变化比较子模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
可选地，所述用户判定模块606包括：
第二虚假用户判定子模块，用于若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
可选地，所述装置还包括：
指向方向调整模块，用于调整所述图像采集设备指向所述用户的方向。
可选地，所述装置还包括：
背景对象选取模块，用于从所述背景内容中选取边界清晰的背景对象；
所述差异信息比较模块605包括：
差异信息比较子模块，用于分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
根据本申请实施例，通过从背景内容中选取边界清晰的背景对象，分别比较人脸内容和背景对象在第一图像和第二图像中的差异信息，根据异信息判定用户为真实用户或虚假用户，避免因边界模糊的对象内容得到错误的差异信息，提升识别真实用户或虚假用户的准确率。
实施例七
与实施例三对应，实施例七提供了一种虚假用户的识别装置，该装置可以具体应用于移动终端，图7是本申请实施例七的一种虚假用户的识别装置的结构框图，所述装置可以具体包括如下模块：
第一图像采集模块701，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块702，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块703，用于采集调整相对位置之后的第二图像；
差异信息比较模块704，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
用户判定模块705，用于根据所述差异信息判定所述用户为真实用户或虚假用户；
风险提示模块706，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
根据本申请实施例，在识别出虚假用户后相应生成风险提示，以提示真实用户进行相应的防范措施，从而避免了因为虚假用户的连续图片攻击、视频回放攻击、动作模拟软件攻击造成真实用户个人信息泄露、财产损失。
实施例八
与实施例四对应，实施例八提供了一种认证装置，该装置可以具体应用于移动终端，图8是本申请实施例八的一种认证装置的结构框图，所述装置可以具体包括如下模块：
第一图像采集模块801，用于在采集设备与被采集对象的第一相对位置，采集第一图像；其中，所述第一图像包括被采集对象的生物特征内容和背景内容；
第二图像采集模块802，用于在采集设备与被采集对象的第二相对位置，采集第二图像；其中，所述第二图像包括被采集对象的生物特征内容和背景内容；
差异信息获取模块803，用于获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息；
认证模块804，用于判定是否通过认证。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对距离。
可选地，所述相对位置包括所述采集设备与所述被采集对象的相对角度。
可选地，所述认证模块804包括：
差异判定子模块，用于根据所述差异信息，判定是否通过认证。
可选地，所述差异信息获取模块803包括：
所占面积变化获取子模块，用于获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
所述差异判定子模块包括：
变化比例判断单元，用于判断所述生物特征内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；若一致，则调用第一未通过认证判定单元；若不一致，则调用第一通过认证判定单元；
第一未通过认证判定单元，用于判定未通过认证；
第一通过认证判定单元，用于判定通过认证。
可选地，所述差异信息获取模块803包括：
内容变化获取子模块，用于获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中的内容变化；
所述差异判定子模块包括：
第二未通过认证判定单元，用于若所述生物特征内容和/或所述背景内容均没有发生内容变化，则判定未通过认证；
第二通过认证判定单元，用于若所述生物特征内容和/或所述背景内容发生内容变化，则判定通过认证。
根据本申请实施例，通过在第一相对位置和第二相对位置分别采集被采集对象的第一图像和第二图像，得到被采集对象的生物特征内容和背景内容在第一图像和第二图像中的差异信息，根据该差异信息判定是否通过活体认证，即使采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行活体认证，仍然可以识别出非活体用户，解决了目前的活体认证方法无法识别出非活体用户的问题。
实施例九
实施例九提供了一种识别设备。图9是本申请实施例八的一种识别设备的结构框图，所述识别设备900包括图像采集设备901、第一提示信息902和第二提示信息903；
所述图像采集设备901，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
所述第一提示信息902，用于提示调整所述图像采集设备与用户之间的相对位置；
所述图像采集设备901，还用于采集调整相对位置之后的第二图像；
所述识别设备900，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息，根据所述差异信息判定所述用户为真实用户或虚假用户；
所述第二提示信息903，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
根据本申请实施例，通过对调整图像采集设备与用户之间的相对位置前后分别采集第一图像和第二图像，并分别比较人脸内容和背景内容在第一图像和第二图像的差异信息，根据差异信息判定真实用户或虚假用户，即使虚假用户采用连续图片攻击、视频回放攻击、动作模拟软件攻击等方式进行人脸活体识别，仍然可以识别出虚假用户，解决了目前的人脸活体识别方法无法识别出虚假用户的问题。
根据本申请实施例，在识别出虚假用户后相应生成风险提示，以提示真实用户进行相应的防范措施，从而避免了因为虚假用户的连续图片攻击、视频回放攻击、动作模拟软件攻击造成真实用户个人信息泄露、财产损失。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的系统。图10示意性地示出了可被用于实现本公开中所述的各个实施例的示例性系统(或装置)1000。
对于一个实施例，图10示出了示例性系统1000，该系统具有一个或多个处理器1002、被耦合到(一个或多个)处理器1002中的至少一个的系统控制模块(芯片组)1004、被耦合到系统控制模块1004的系统存储器1006、被耦合到系统控制模块1004的非易失性存储器(NVM)/存储设备1008、被耦合到系统控制模块1004的一个或多个输入/输出设备1010，以及被耦合到系统控制模块1006的网络接口1012。
处理器1002可包括一个或多个单核或多核处理器，处理器1002可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，系统1000能够作为本申请实施例中所述的浏览器。
在一些实施例中，系统1000可包括具有指令的一个或多个计算机可读介质(例如，系统存储器1006或NVM/存储设备1008)以及与该一个或多个计算机可读介质相合并被配置为执行指令以实现模块从而执行本公开中所述的动作的一个或多个处理器1002。
对于一个实施例，系统控制模块1004可包括任意适当的接口控制器，以向(一个或多个)处理器1002中的至少一个和/或与系统控制模块1004通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块1004可包括存储器控制器模块，以向系统存储器1006提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
系统存储器1006可被用于例如为系统1000加载和存储数据和/或指令。对于一个实施例，系统存储器1006可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器1006可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块1004可包括一个或多个输入/输出控制器，以向NVM/存储设备1008及(一个或多个)输入/输出设备1010提供接口。
例如，NVM/存储设备1008可被用于存储数据和/或指令。NVM/存储设备1008可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1008可包括在物理上作为系统1000被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备1008可通过网络经由(一个或多个)输入/输出设备1010进行访问。
(一个或多个)输入/输出设备1010可为系统1000提供接口以与任意其他适当的设备通信，输入/输出设备1010可以包括通信组件、音频组件、传感器组件等。网络接口1012可为系统1000提供接口以通过一个或多个网络通信，系统1000可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合进行无线通信。
对于一个实施例，(一个或多个)处理器1002中的至少一个可与系统控制模块1004的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1002中的至少一个可与系统控制模块1004的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器1002中的至少一个可与系统控制模块1004的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1002中的至少一个可与系统控制模块1004的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统1000可以但不限于是：浏览器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统1000可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统1000包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中，如果显示器包括触摸面板，显示屏可以被实现为触屏显示器，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在终端设备时，可以使得该终端设备执行本申请实施例中各方法步骤的指令(instructions)。
在一个示例中提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本申请实施例的方法。
在一个示例中还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请实施例的一个或多个的方法。
本申请实施例公开了一种基于图像分析的人脸识别方法和装置，示例1包括一种基于图像分析的人脸识别方法，包括：
采集第一图像，所述第一图像包括人脸内容和背景内容；
调整图像采集设备与用户之间的相对位置；
采集调整相对位置之后的第二图像；
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
根据所述差异信息判定所述用户为真实用户或虚假用户。
示例2可包括示例1所述的方法，其中，所述调整图像采集设备与用户之间的相对位置包括：
调整所述图像采集设备的位置，或提示调整用户的位置。
示例3可包括示例1所述的方法，其中，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化。
示例4可包括示例3所述的方法，其中，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若一致，则判定所述用户为虚假用户。
示例5可包括示例1所述的方法，其中，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
示例6可包括示例5所述的方法，其中，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
示例7可包括示例5所述的方法，其中，在所述采集调整相对位置之后的第二图像之前，所述方法还包括：
调整所述图像采集设备指向所述用户的方向。
示例8可包括示例1-7任一1所述的方法，其中，在所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息之前，所述方法还包括：
从所述背景内容中选取边界清晰的背景对象；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
示例9可包括示例2所述的方法，其中，所述调整图像采集设备与用户之间的相对位置为提示用户的位置时，所述方法还包括：
提示调整所限制的时间，并在提示后开始计时；
所述采集调整相对位置之后的第二图像包括：
当计时达到调整所限制的时间后，采集第二图像。
示例10可包括示例1所述的方法，其中，所述方法还包括：
若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
示例11可包括一种基于图像分析的人脸识别装置，其中，所述装置包括：
第一图像采集模块，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块，用于采集调整相对位置之后的第二图像；
差异信息比较模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；
用户判定模块，用于根据所述差异信息判定所述用户为真实用户或虚假用户。
示例12可包括示例11所述的装置，其中，所述相对位置调整模块包括：
位置调整子模块，用于调整所述图像采集设备的位置，或提示调整用户的位置。
示例13可包括示例11所述的装置，其中，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整；
所述差异信息比较模块包括：
所占面积变化比较子模块，用于分别比较所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化。
示例14可包括示例13所述的装置，其中，所述差异信息比较模块包括：
比例一致判断子模块，用于判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
第一虚假用户判定子模块，用于若一致，则判定所述用户为虚假用户。
示例15可包括示例11所述的装置，其中，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整；
所述差异信息比较模块包括：
内容变化比较子模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
示例16可包括示例15所述的装置，其中，所述用户判定模块包括：
第二虚假用户判定子模块，用于若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
示例17可包括示例15所述的装置，其中，所述装置还包括：
指向方向调整模块，用于调整所述图像采集设备指向所述用户的方向。
示例18可包括示例11-17任一所述的装置，其中，所述装置还包括：
背景对象选取模块，用于从所述背景内容中选取边界清晰的背景对象；
所述差异信息比较模块包括：
差异信息比较子模块，用于分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
示例19可包括示例12所述的装置，其中，所述调整图像采集设备与用户之间的相对位置为提示用户的位置时，所述装置还包括：
时间提示模块，用于提示调整所限制的时间，并在提示后开始计时；
所述第二图像采集模块包括：
第二图像采集子模块，用于当计时达到调整所限制的时间后，采集第二图像。
示例20可包括示例11所述的装置，其中，所述装置还包括：
风险提示模块，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
示例21、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-10一个或多个的方法。
示例22、一个计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10一个或多个的方法。
虽然某些实施例是以说明和描述为目的的，各种各样的替代、和/或、等效的实施方案、或计算来达到同样的目的实施例示出和描述的实现，不脱离本申请的实施范围。本申请旨在覆盖本文讨论的实施例的任何修改或变化。因此，显然本文描述的实施例仅由权利要求和它们的等同物来限定。
虽然某些实施例是以说明和描述为目的的，各种各样的替代、和/或、等效的实施方案、或计算来达到同样的目的实施例示出和描述的实现，不脱离本申请的实施范围。本申请旨在覆盖本文讨论的实施例的任何修改或变化。因此，显然本文描述的实施例仅由权利要求和它们的等同物来限定。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中，所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (19)

1.一种基于图像分析的人脸识别方法，包括：
采集第一图像，所述第一图像包括人脸内容和背景内容；
调整图像采集设备与用户之间的相对位置；
采集调整相对位置之后的第二图像；
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；所述差异信息包括所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
根据所述差异信息判定所述用户为真实用户或虚假用户；
其中，所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括：
判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若所述人脸内容在所述第一图像和所述第二图像中所占面积的变化比例，与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例一致，则判定所述用户为虚假用户；
所述调整相对位置之后的第二图像包括用户遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括：
若所述人脸内容没有发生变化，而所述背景内容发生变化，则判定所述用户为真实用户。
2.根据权利要求1所述的方法，所述调整图像采集设备与用户之间的相对位置包括：
调整所述图像采集设备的位置，或提示调整用户的位置。
3.根据权利要求1所述的方法，所述调整包括在所述图像采集设备与所述用户的水平连线上至少一个方向的调整。
4.根据权利要求1所述的方法，所述调整包括在垂直于所述图像采集设备和所述用户的平面上至少一个方向的调整；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的内容变化。
5.根据权利要求4所述的方法，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
若所述人脸内容和所述背景内容均没有发生内容变化，则判定所述用户为虚假用户。
6.根据权利要求4所述的方法，在所述采集调整相对位置之后的第二图像之前，所述方法还包括：
调整所述图像采集设备指向所述用户的方向。
7.根据权利要求1-6任意一项所述的方法，在所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息之前，所述方法还包括：
从所述背景内容中选取边界清晰的背景对象；
所述分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息包括：
分别比较人脸内容和背景对象在所述第一图像和所述第二图像中的差异信息。
8.根据权利要求2所述的方法，所述调整图像采集设备与用户之间的相对位置为提示用户的位置时，所述方法还包括：
提示调整所限制的时间，并在提示后开始计时；
所述采集调整相对位置之后的第二图像包括：
当计时达到调整所限制的时间后，采集第二图像。
9.根据权利要求1所述的方法，所述方法还包括：
若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
10.一种虚假用户的识别方法，包括：
采集第一图像，所述第一图像包括人脸内容和背景内容；
调整图像采集设备与用户之间的相对位置；
采集调整相对位置之后的第二图像；
分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；所述差异信息包括所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
根据所述差异信息判定所述用户为真实用户或虚假用户；
若判定所述用户为虚假用户，则生成针对虚假用户的风险提示；
其中，所述根据所述差异信息判定所述用户为真实用户或虚假用户包括：
判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若所述人脸内容在所述第一图像和所述第二图像中所占面积的变化比例，与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例一致，则判定所述用户为虚假用户；
所述调整相对位置之后的第二图像包括用户遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括：
若所述人脸内容没有发生变化，而所述背景内容发生变化，则判定所述用户为真实用户。
11.一种基于图像分析的人脸识别装置，包括：
第一图像采集模块，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块，用于采集调整相对位置之后的第二图像；
差异信息比较模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；所述差异信息包括所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
用户判定模块，用于根据所述差异信息判定所述用户为真实用户或虚假用户；所述调整相对位置之后的第二图像包括用户遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括若所述人脸内容没有发生变化，而所述背景内容发生变化，则判定所述用户为真实用户；
其中，所述用户判定模块包括：
比例一致判断子模块，用于判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
第一虚假用户判定子模块，用于若一致，则判定所述用户为虚假用户。
12.一种虚假用户的识别装置，包括：
第一图像采集模块，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
相对位置调整模块，用于调整图像采集设备与用户之间的相对位置；
第二图像采集模块，用于采集调整相对位置之后的第二图像；
差异信息比较模块，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息；所述差异信息包括所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
用户判定模块，用于根据所述差异信息判定所述用户为真实用户或虚假用户；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；若所述人脸内容在所述第一图像和所述第二图像中所占面积的变化比例，与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例一致，则判定所述用户为虚假用户；其中，所述调整相对位置之后的第二图像包括用户遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括若所述人脸内容没有发生变化，而所述背景内容发生变化，则判定所述用户为真实用户；
风险提示模块，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
13.一种识别设备，其特征在于，所述识别设备包括图像采集设备、第一提示信息和第二提示信息；
所述图像采集设备，用于采集第一图像，所述第一图像包括人脸内容和背景内容；
所述第一提示信息，用于提示调整所述图像采集设备与用户之间的相对位置；
所述图像采集设备，还用于采集调整相对位置之后的第二图像；
所述识别设备，用于分别比较人脸内容和背景内容在所述第一图像和所述第二图像中的差异信息，根据所述差异信息判定所述用户为真实用户或虚假用户；所述差异信息包括所述人脸内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括判断所述人脸内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；若所述人脸内容在所述第一图像和所述第二图像中所占面积的变化比例，与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例一致，则判定所述用户为虚假用户；其中，所述调整相对位置之后的第二图像包括用户遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息判定所述用户为真实用户或虚假用户，包括若所述人脸内容没有发生变化，而所述背景内容发生变化，则判定所述用户为真实用户；
所述第二提示信息，用于若判定所述用户为虚假用户，则生成针对虚假用户的风险提示。
14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任一项所述的基于图像分析的人脸识别方法或如权利要求10所述的虚假用户的识别方法的步骤。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9任一项所述的基于图像分析的人脸识别方法或如权利要求10所述的虚假用户的识别方法的步骤。
16.一种认证方法，包括：
在采集设备与被采集对象的第一相对位置，采集第一图像；其中，所述第一图像包括被采集对象的生物特征内容和背景内容；
在采集设备与被采集对象的第二相对位置，采集第二图像；其中，所述第二图像包括被采集对象的生物特征内容和背景内容；
获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息；所述差异信息包括所述生物特征内容和所述背景内容在所述第一图像和所述第二图像中所占面积的变化；
判定是否通过认证；
其中，所述判定是否通过认证的步骤包括：
根据所述差异信息，判定是否通过认证；
所述根据所述差异信息，判定是否通过认证的步骤包括：
判断所述生物特征内容与所述背景内容在所述第一图像和所述第二图像中所占面积的变化比例是否一致；
若一致，则判定未通过认证；
若不一致，则判定通过认证；
所述第二图像包括被采集对象遮挡调整相对位置之前的背景内容中某些内容的图像；所述根据所述差异信息，判定是否通过认证的步骤，包括：
若所述生物特征内容没有发生变化，而所述背景内容发生变化，则判定通过认证。
17.根据权利要求16所述的方法，所述相对位置包括所述采集设备与所述被采集对象的相对距离。
18.根据权利要求16所述的方法，所述相对位置包括所述采集设备与所述被采集对象的相对角度。
19.根据权利要求16所述的方法，所述获取所述生物特征内容和/或背景内容在所述第一图像和所述第二图像中的差异信息的步骤包括：
获取所述生物特征内容和/或所述背景内容在所述第一图像和所述第二图像中的内容变化；
所述根据所述差异信息，判定是否通过认证的步骤包括：
若所述生物特征内容和/或所述背景内容均没有发生内容变化，则判定未通过认证；
若所述生物特征内容和/或所述背景内容发生内容变化，则判定通过认证。
CN201710444122.3A 2017-06-13 2017-06-13 人脸识别方法、装置以及虚假用户的识别方法、装置 Active CN109086645B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110358438.7A CN113177437B (zh) 2017-06-13 2017-06-13 一种人脸识别方法和装置
CN201710444122.3A CN109086645B (zh) 2017-06-13 2017-06-13 人脸识别方法、装置以及虚假用户的识别方法、装置
TW107107026A TW201903644A (zh) 2017-06-13 2018-03-02 人臉識別方法、裝置以及虛假用戶的識別方法、裝置
PCT/US2018/034141 WO2018231465A1 (en) 2017-06-13 2018-05-23 Facial recognition method and apparatus and impostor recognition method and apparatus
US15/987,781 US10885362B2 (en) 2017-06-13 2018-05-23 Facial recognition method and apparatus and imposter recognition method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710444122.3A CN109086645B (zh) 2017-06-13 2017-06-13 人脸识别方法、装置以及虚假用户的识别方法、装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110358438.7A Division CN113177437B (zh) 2017-06-13 2017-06-13 一种人脸识别方法和装置

Publications (2)

Publication Number Publication Date
CN109086645A CN109086645A (zh) 2018-12-25
CN109086645B true CN109086645B (zh) 2021-04-20

Family

ID=64564017

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110358438.7A Active CN113177437B (zh) 2017-06-13 2017-06-13 一种人脸识别方法和装置
CN201710444122.3A Active CN109086645B (zh) 2017-06-13 2017-06-13 人脸识别方法、装置以及虚假用户的识别方法、装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110358438.7A Active CN113177437B (zh) 2017-06-13 2017-06-13 一种人脸识别方法和装置

Country Status (4)

Country Link
US (1) US10885362B2 (zh)
CN (2) CN113177437B (zh)
TW (1) TW201903644A (zh)
WO (1) WO2018231465A1 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109753934A (zh) * 2019-01-09 2019-05-14 中控智慧科技股份有限公司 一种识别图像真伪的方法以及识别装置
TWI749370B (zh) * 2019-09-16 2021-12-11 緯創資通股份有限公司 臉部辨識方法及其相關電腦系統
JP7092104B2 (ja) * 2019-11-07 2022-06-28 日本電気株式会社 認証装置、認証システム、認証方法及びコンピュータプログラム
CN110933452B (zh) * 2019-12-02 2021-12-03 广州酷狗计算机科技有限公司 萌脸礼物显示方法、装置及存储介质
US11501531B2 (en) * 2020-03-03 2022-11-15 Cyberlink Corp. Systems and methods for anti-spoofing protection using motion detection and video background analysis
TWI723858B (zh) * 2020-04-29 2021-04-01 一德金屬工業股份有限公司 電子鎖具的解鎖方法
CN111563049B (zh) * 2020-07-13 2020-11-03 支付宝(杭州)信息技术有限公司 一种生物特征识别的攻击测试方法、装置及设备
CN111866433B (zh) 2020-07-31 2021-06-29 腾讯科技（深圳）有限公司 视频源切换方法、播放方法、装置、设备和存储介质
CN112069917B (zh) * 2020-08-14 2024-02-02 武汉轻工大学 一种用于固定场景的人脸识别系统
CN111709408B (zh) * 2020-08-18 2020-11-20 腾讯科技（深圳）有限公司 图像真伪检测方法和装置
CN112016482B (zh) * 2020-08-31 2022-10-25 成都新潮传媒集团有限公司 一种判别虚假人脸的方法、装置及计算机设备
EP3961483A1 (en) 2020-09-01 2022-03-02 Aptiv Technologies Limited Method and system for authenticating an occupant within an interior of a vehicle
CN112131980A (zh) * 2020-09-10 2020-12-25 中数通信息有限公司 一种虚假位置识别方法、系统、电子设备和介质
US12039705B2 (en) * 2020-11-13 2024-07-16 Chung Ang University Industry Academic Cooperation Foundation Method and apparatus for classifying fake images
CN113221655B (zh) * 2021-04-12 2022-09-30 重庆邮电大学 基于特征空间约束的人脸欺骗检测方法
CN113420613B (zh) * 2021-06-03 2023-09-05 中国联合网络通信集团有限公司 基于人脸识别的身份验证方法、人脸识别系统和关联设备
CN113505756A (zh) * 2021-08-23 2021-10-15 支付宝(杭州)信息技术有限公司 人脸活体检测方法及装置
CN114329399A (zh) * 2021-12-21 2022-04-12 北京达佳互联信息技术有限公司 一种人脸视频的校验方法、装置、设备及存储介质
CN114297605B (zh) * 2021-12-29 2022-11-11 江苏方洋智能科技有限公司 一种基于安全计算机的安全认证方法
CN114021100B (zh) * 2022-01-10 2022-03-15 广东省出版集团数字出版有限公司 一种用于数字教材储备的安全管理系统
CN114297621B (zh) * 2022-03-08 2022-08-09 浙江毫微米科技有限公司 基于空间锚点的登录方法、装置以及电子设备
CN116978130A (zh) * 2023-02-13 2023-10-31 腾讯科技（深圳）有限公司 图像处理方法、装置及计算机设备、存储介质、程序产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130188840A1 (en) * 2012-01-20 2013-07-25 Cyberlink Corp. Liveness detection system based on face behavior
US20140337973A1 (en) * 2013-03-15 2014-11-13 Zerofox, Inc. Social risk management
CN104794465A (zh) * 2015-05-13 2015-07-22 上海依图网络科技有限公司 一种基于姿态信息的活体检测方法
US20170076165A1 (en) * 2012-11-14 2017-03-16 Golan Weiss Methods and Systems for Enrollment and Authentication

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6219639B1 (en) 1998-04-28 2001-04-17 International Business Machines Corporation Method and apparatus for recognizing identity of individuals employing synchronized biometrics
GB0113263D0 (en) 2001-05-31 2001-07-25 Univ Surrey Personal identity verification process system
US6879709B2 (en) 2002-01-17 2005-04-12 International Business Machines Corporation System and method for automatically detecting neutral expressionless faces in digital images
US20040223629A1 (en) 2003-05-06 2004-11-11 Viswis, Inc. Facial surveillance system and method
US8896725B2 (en) 2007-06-21 2014-11-25 Fotonation Limited Image capture device with contemporaneous reference image capture mechanism
US7317815B2 (en) 2003-06-26 2008-01-08 Fotonation Vision Limited Digital image processing composition using face detection information
US7725732B1 (en) 2003-12-16 2010-05-25 Ballard Claudio R Object authentication system
US7436988B2 (en) 2004-06-03 2008-10-14 Arizona Board Of Regents 3D face authentication and recognition based on bilateral symmetry analysis
JP2006099614A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 生体判別装置および生体判別方法
SG123618A1 (en) 2004-12-15 2006-07-26 Chee Khin George Loo A method and system for verifying the identity of a user
US8488023B2 (en) 2009-05-20 2013-07-16 DigitalOptics Corporation Europe Limited Identifying facial expressions in acquired digital images
JP4824411B2 (ja) * 2005-01-20 2011-11-30 パナソニック株式会社 顔抽出装置、半導体集積回路
US20060293891A1 (en) 2005-06-22 2006-12-28 Jan Pathuel Biometric control systems and associated methods of use
US7545962B2 (en) 2005-12-22 2009-06-09 Daon Holdings Limited Biometric authentication system
US20080260212A1 (en) 2007-01-12 2008-10-23 Moskal Michael D System for indicating deceit and verity
US8239685B2 (en) 2007-10-24 2012-08-07 Electronics And Telecommunications Research Institute Biometric authentication method
US8180112B2 (en) 2008-01-21 2012-05-15 Eastman Kodak Company Enabling persistent recognition of individuals in images
US8150108B2 (en) 2008-03-17 2012-04-03 Ensign Holdings, Llc Systems and methods of identification based on biometric parameters
CN101702198B (zh) * 2009-11-19 2011-11-23 浙江大学 基于背景比对的视频和活体人脸的鉴别方法
US8515124B2 (en) 2010-02-04 2013-08-20 Electronics And Telecommunications Research Institute Method and apparatus for determining fake image
KR101251793B1 (ko) 2010-11-26 2013-04-08 현대자동차주식회사 차량내 운전자 실제 얼굴 인증 방법
KR101884337B1 (ko) * 2012-04-26 2018-08-01 삼성전자주식회사 영상 인식 방법 및 장치
US9058519B2 (en) * 2012-12-17 2015-06-16 Qualcomm Incorporated System and method for passive live person verification using real-time eye reflection
GB2500823B (en) * 2013-03-28 2014-02-26 Paycasso Verify Ltd Method, system and computer program for comparing images
CA2902093C (en) * 2014-08-28 2023-03-07 Kevin Alan Tussy Facial recognition authentication system including path parameters
US10614204B2 (en) * 2014-08-28 2020-04-07 Facetec, Inc. Facial recognition authentication system including path parameters
CN107077608B (zh) * 2014-11-13 2021-06-29 英特尔公司 图像生物特征识别中的面部活体检测
CN104915649B (zh) * 2015-06-04 2018-12-14 南京理工大学 一种应用于人脸识别的活体检测方法
CN105117695B (zh) * 2015-08-18 2017-11-24 北京旷视科技有限公司 活体检测设备和活体检测方法
CN106295522B (zh) * 2016-07-29 2019-09-10 武汉理工大学 一种基于多角度人脸和环境信息的两级防欺骗检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130188840A1 (en) * 2012-01-20 2013-07-25 Cyberlink Corp. Liveness detection system based on face behavior
US20170076165A1 (en) * 2012-11-14 2017-03-16 Golan Weiss Methods and Systems for Enrollment and Authentication
US20140337973A1 (en) * 2013-03-15 2014-11-13 Zerofox, Inc. Social risk management
CN104794465A (zh) * 2015-05-13 2015-07-22 上海依图网络科技有限公司 一种基于姿态信息的活体检测方法

Also Published As

Publication number Publication date
TW201903644A (zh) 2019-01-16
US20180357500A1 (en) 2018-12-13
WO2018231465A1 (en) 2018-12-20
CN113177437B (zh) 2024-09-27
CN113177437A (zh) 2021-07-27
CN109086645A (zh) 2018-12-25
US10885362B2 (en) 2021-01-05

Similar Documents

Publication Publication Date Title
CN109086645B (zh) 人脸识别方法、装置以及虚假用户的识别方法、装置
RU2715797C1 (ru) Способ и устройство для синтеза объектов виртуальной реальности
CN109376592B (zh) 活体检测方法、装置和计算机可读存储介质
US10896518B2 (en) Image processing method, image processing apparatus and computer readable storage medium
CN109583285B (zh) 对象识别方法
KR102124617B1 (ko) 이미지 합성 방법 및 그 전자 장치
WO2018052547A1 (en) An automatic scene calibration method for video analytics
CN109657576B (zh) 图像采集控制方法、装置、存储介质及系统
US20130015946A1 (en) Using facial data for device authentication or subject identification
CN108197586A (zh) 脸部识别方法和装置
WO2016187985A1 (zh) 拍摄设备、跟踪拍摄方法和系统、以及计算机存储介质
CN111062234A (zh) 一种监控方法、智能终端及计算机可读存储介质
CN107491775A (zh) 人脸活体检测方法、装置、存储介质及设备
CN115457664A (zh) 一种活体人脸检测方法及装置
KR102424296B1 (ko) 복수의 영상들을 제공하기 위한 방법, 저장 매체 및 전자 장치
TWI752105B (zh) 特徵圖像的獲取方法及獲取裝置、使用者認證方法
CN105430247A (zh) 一种利用摄像设备拍摄照片的方法与设备
CN113780212A (zh) 用户身份核验方法、装置、设备及存储介质
CN110069996A (zh) 头部动作识别方法、装置和电子设备
EP2926293A2 (en) Methods, systems, and media for detecting gaze locking
AU2015258346A1 (en) Method and system of transitioning between images
CN115512409A (zh) 一种人脸活体检测方法、装置、电子设备和存储介质
CN114387674A (zh) 活体检测方法、系统、设备、存储介质及程序产品
CN112417998A (zh) 活体人脸图像的获取方法和装置、介质、设备
CN108108685B (zh) 进行面部识别处理的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant