CN114091503A - 人脸图像的校验方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提出一种人脸图像的校验方法、装置、电子设备及存储介质，其中人脸图像的校验方法包括：获取人脸图像；提取所述人脸图像的人脸特征，并基于所述人脸特征获取图像校验码；将所述人脸图像和所述图像校验码发送给服务器。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

Description

人脸图像的校验方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理领域，尤其涉及计算机视觉、深度学习等人工智能技术领域。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头采集含有人脸的图像，并自动在图像中检测和跟踪人脸。

相关技术中，存在一种人脸攻击方式，将采集获得的人脸图像替换成受害者的人脸图像，在人脸检测时，通过这种方式绕过检测，以达到不法的目的。这种攻击方式的存在，导致了人脸识别过程中的安全隐患。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请第一方面提出一种图像校验方法。

本申请第二方面还提出一种图像校验方法。

本申请第三方面提出一种图像校验装置。

本申请第四方面还提出一种图像校验装置。

本申请第五方面提出一种电子设备。

本申请第六方面提出一种计算机可读存储介质。

本申请第七方面提出一种计算机程序产品。

本申请第一方面提出一种图像校验方法，包括获取人脸图像；提取所述人脸图像的人脸特征，并基于所述人脸特征获取图像校验码；将所述人脸图像和所述图像校验码发送给服务器。

另外，本申请第一方面提出的图像校验方法还可以具有如下附加的技术特征：

根据本申请的一个实施例，所述将所述人脸图像和所述图像校验码发送给服务器，包括：对所述人脸图像进行预处理，以获取待发送人脸图像；将所述待发送人脸图像和所述图像校验码组合，以生成待发送数据；将所述待发送数据发送给所述服务器。

根据本申请的一个实施例，所述将所述待发送人脸图像和所述图像校验码组合，生成待发送数据，包括：对所述待发送人脸图像和所述图像校验码进行加密处理；将加密后的所述待发送人脸图像和所述图像校验码组合，以生成所述待发送数据。

根据本申请的一个实施例，述将所述待发送数据发送给所述服务器之前，还包括：对所述待发送数据进行加密处理。

根据本申请的一个实施例，所述获取原始人脸图像之前，还包括：在图像采集过程中检测人脸关键点，并对所述人脸关键点进行定位和追踪，以确定所述用户为活体用户。

根据本申请的一个实施例，所述获取原始人脸图像之前，还包括：采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述图像校验码是基于所述目标校验码生成模型生成的；或者，接收所述服务器发送的所述目标校验码生成模型。

为实现上述第一方面提出的图像校验方法，本申请第二方面还提出一种图像校验方法，包括获取客户端发送的人脸图像和第一图像校验码；提取所述人脸图像的人脸特征，并基于所述人脸特征获取所述人脸图像的第二图像校验码；基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证。

本申请第二方面提出的图像校验方法还可以具有如下附加的技术特征：

根据本申请的一个实施例，所述基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证，包括：将所述第一图像校验码与所述第二图像校验码进行校验比对；响应于所述第一图像校验码与所述第二图像校验码一致，则通过对所述人脸图像的合法性验证。

根据本申请的一个实施例，所述获取客户端发送的人脸图像和图像校验码，包括：接收所述客户端发送的加密数据，其中，所述加密数据中携带所述人脸图像和所述第一图像校验码；对所述加密数据进行解密，获取所述人脸图像和所述第一图像校验码。

根据本申请的一个实施例，所述获取客户端发送的人脸图像和图像校验码，包括：接收所述客户端发送的加密人脸图像和加密第一图像校验码；分别对所述加密人脸图像和所述加密第一图像校验码进行解密，获取所述人脸图像和所述第一图像校验码。

根据本申请的一个实施例，所述获取客户端发送的人脸图像和第一图像校验码之前，还包括：采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述第二图像校验码是基于所述目标校验码生成模型生成的。

根据本申请的一个实施例，所述生成目标校验码生成模型之后，还包括：向所述客户端发送所述目标校验码生成模型。

为实现上述提出的图像校验方法，本申请第三方面提出了一种图像校验装置，包括图像获取模块，用于获取人脸图像；校验码生成模块，用于提取所述人脸图像的人脸特征，并基于所述人脸特征获取图像校验码；发送模块，用于将所述人脸图像和所述图像校验码发送给服务器。

本申请第三方面提出的图像校验装置还可以具有如下附加的技术特征：

根据本申请的一个实施例，所述发送模块，包括：预处理单元，用于对所述人脸图像进行预处理，以获取待发送人脸图像；组合单元，用于将所述待发送人脸图像和所述图像校验码组合，以生成待发送数据；发送单元，用于将所述待发送数据发送给所述服务器。

本申请实施例第三方面提出的一种图像校验装置，所述组合单元，还用于对所述待发送人脸图像和所述图像校验码进行加密处理，将加密后的所述待发送人脸图像和所述图像校验码组合，以生成所述待发送数据。

根据本申请的一个实施例，所述组合单元，还用于将所述待发送数据发送给所述服务器之前，对所述待发送数据进行加密处理。

根据本申请的一个实施例，所述图像获取模块，还用于在图像采集过程中检测人脸关键点，并对所述人脸关键点进行定位和追踪，以确定所述用户为活体用户。

根据本申请的一个实施例，还包括：模型获取模块，用于采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述图像校验码是基于所述目标校验码生成模型生成的；或者，接收所述服务器发送的所述目标校验码生成模型。

本申请第四方面还提出了一种图像校验装置，包括获取模块，用于获取客户端发送的人脸图像和第一图像校验码；校验码生成模块，用于提取所述人脸图像的人脸特征，并基于所述人脸特征获取所述人脸图像的第二图像校验码；校验模块，用于基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证。

本申请第四方面提出的图像校验装置还可以具有如下附加的技术特征：

根据本申请的一个实施例，所述校验模块，具体用于将所述第一图像校验码与所述第二图像校验码进行校验比对，响应于所述第一图像校验码与所述第二图像校验码一致，则通过对所述人脸图像的合法性验证。

根据本申请的一个实施例，所述获取模块，具体用于接收所述客户端发送的加密数据，其中，所述加密数据中携带所述人脸图像和所述第一图像校验码，并对所述加密数据进行解密，获取所述人脸图像和所述第一图像校验码。

根据本申请的一个实施例，所述获取模块，具体用于接收所述客户端发送的加密人脸图像和加密第一图像校验码，分别对所述加密人脸图像和所述加密第一图像校验码进行解密，获取所述人脸图像和所述第一图像校验码。

根据本申请的一个实施例，还包括：模型训练模块，用于采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述第二图像校验码是基于所述目标校验码生成模型生成的。

根据本申请的一个实施例，还包括：发送模块，用于向所述客户端发送所述目标校验码生成模型。

为达到上述目的，本申请第五方面提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面和第二方面提出的图像校验方法。

本申请第六方面提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述第一方面和第二方面提出的图像校验方法。

本申请第七方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述第一方面和第二方面提出的图像校验方法。

本申请提出的图像校验方法及装置，客户端获取人脸图像后，基于提取到的人脸图像特征生成图像校验码，然后将人脸图像和图像校验码发送给服务器。服务器基于获取的人脸图像提取特征进而生成另一个图像校验码，将服务器生成的图像校验码与客户端发送的图像校验码进行校验比对，基于比对结果对人脸图像进行合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

应当理解，本申请所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请一实施例的图像校验方法的流程示意图；

图2为本申请另一个实施例的图像校验方法的流程示意图；

图3为本申请另一个实施例的图像校验方法的流程示意图；

图4为本申请另一个实施例的图像校验方法的流程示意图；

图5为本申请另一个实施例的图像校验方法的流程示意图；

图6为本申请一个实施例的图像校验装置的结构示意图；

图7为本申请另一个实施例的图像校验装置的结构示意图；

图8为本申请另一个实施例的图像校验装置的结构示意图；

图9为本申请另一个实施例的图像校验装置的结构示意图；

图10为本申请一个实施例的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参照附图描述本申请实施例的图像校验方法、装置、电子设备和存储介质。

图1为本申请一实施例的图像校验方法的流程示意图，如图1所示，该图像校验方法的执行主体为客户端，包括：

S101，获取人脸图像。

本申请中，可以通过客户端上的图像采集装置对用户的人脸进行图像采集，以获取用户的人脸图像。图像采集装置可以为摄像头、红外摄像头等。

本申请实施例中，图像采集装置会自动搜索并拍摄，当有用户出现在图像采集装置的采集范围内，图像采集装置可以进行人脸识别，若识别到人脸，就会拍摄该用户的人脸图像。可选地，图像采集装置可以接收其他应用程序的调用，被调用时图像采集装置就会启动，进而进入自动搜索流程。

S102，提取人脸图像的人脸特征，并基于人脸特征获取图像校验码。

人脸特征提取是针对人脸的某些特征进行的，是对人脸进行特征建模的过程。本申请实施例中，客户端可以根据人脸器官的形状、距离以及在面部五官的分布位置等特征来获取人脸特征数据，包括但不限于特征点间的欧氏距离、曲率和角度等等。或者，可以根据人脸五官和五官之间的结构关系的几何描述，获取人脸几何特征。客户端通过不同的方法，提取到人脸图像的人脸特征，并基于提取到的人脸特征，生成图像校验码。

S103，将人脸图像和图像校验码发送给服务器。

本申请实施例中，客户端将采集到的人脸图像和基于人脸图像生成的图像校验码发送至服务器。可选地，人脸图像和图像校验码可以同步发送给服务器，也可以按照先后顺序发送给服务器。

本申请提出的图像校验方法，客户端获取人脸图像后，提取人脸特征，基于提取的人脸特征生成图像校验码，后发送给服务器。本申请中，图像校验码基于提取到的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，使得服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

如图2所示，图2为本申请另一个实施例的图像校验方法的流程示意图，该图像校验方法包括：

S201，在图像采集过程中检测人脸关键点，并对人脸关键点进行定位和追踪，以确定用户为活体用户。

为了提高人脸验证的安全性，可以通过眨眼、张嘴、摇头、点头等组合动作，以及人脸关键点定位和人脸追踪技术，验证用户是否为真实活体本人操作。本申请实施例中，用户出现在客户端设备拍摄采集范围内时，检测用户人脸的关键点，比如眼睛、嘴巴、鼻子等位置，引导用户根据客户端指示做出转头、张嘴等动作或者表情，根据对人脸关键点活动轨迹的定位和追踪，确定当前用户为活体用户。

S202，获取人脸图像。

步骤S202可参见上述实施例相关内容，此处不再赘述。

S203，提取人脸图像的人脸特征，并基于人脸特征获取图像校验码。

本申请实施例中，通过目标校验码生成模型生成人脸图像校验码。将人脸图像输入到目标校验码生成模型中提取人脸特征，并基于提取到的人脸特征生成图像校验码。

可选地，客户端预先构建一个校验码生成模型。客户端采集样本人脸图像，基于样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型。

客户端需要采集大量的样本人脸图像，其中，样本人脸图像对应有标记的样本图像校验码，基于采集的样本人脸图像对校验码生成模型进行训练，直至训练满足结束条件，结束训练，此时生成目标校验码生成模型。在训练过程中，每次训练输出一个预测的图像校验码，将预测的图像校验码与采集到的样本人脸图像的样本图像校验码进行比对，获取误差信息，基于误差信息对校验码生成模型进行调整，进而最终生成目标校验码生成模型。

可选地，目标校验码生成模型可以由服务器进行训练生成，然后由服务器发送给客户端使用，服务器训练的过程与上述客户端训练的过程类似，此处不再赘述。

S204，对人脸图像进行预处理，以获取待发送人脸图像。

获取到的原始人脸图像由于受到采集时各种外部条件的限制和随机干扰，比如光线、角度等，导致图像无法直接使用。本申请实施例中，客户端通过对人脸图像的预处理操作，获取到可以使用的人脸图像，即为待发送人脸图像。

其中，预处理操作可以是人脸图像的光线补偿、灰度变换、直方图均衡化、几何校正、锐化、压缩、剪裁及图像增强等等。可选地，客户端可以将获取到的原始人脸图像进行图像压缩。其中，图像压缩，是数据压缩技术在数字图像上的应用，它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。图像压缩技术中的有损图像压缩是指经过压缩、解压的图像，与原始图像不同但是非常接近的压缩方法。

S205，将待发送人脸图像和图像校验码发送给服务器。

对于数据传输，存在一定的不安全性，人脸识别由于其特殊性，多数被用于用户的身份识别确认上，故用户的人脸图像数据具有十分的保密性。为了提高安全性，可以对待传输的内容进行加密处理。

作为一种可能的实现方式，将待发送的人脸图像和图像校验码进行组合，然后组合后的数据进行加密处理，生成待发送数据，将待发送数据发送给服务器。

作为另一种可能的实现方式，客户端分别对待发送人脸图像和图像校验码进行加密处理，然后将加密后的待发送人脸图像和加密后的图像校验码进行组合，以生成待发送数据。进一步地，客户端再将待发送数据发送给服务器。

需要说明的是，加密算法可以包括随机打乱各行进行数字图像加密、随机打乱各列进行数字图像加密、同时打乱各行和各列进行数字图像加密、随机打乱像素点进行数字图像加密等等。

本申请实施例提出的图像校验方法，通过人脸关键点的定位追踪，确认用户为活体用户，后获取用户人脸图像，并基于提取到的人脸图像的人脸特征生成图像校验码，然后对人脸图像和图像校验码进行加密处理，后发送至服务器。本申请中，通过人脸关键点的定位追踪确认活体用户，可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，针对发送服务器的人脸图像和图像校验码数据进行组合加密，有效提高待发送数据的安全性，增加了篡改攻击的难度，使得人脸识别更加的安全可靠。

为实现上述实施例提出的图像校验方法，本申请还提出了一种图像校验方法，如图3所示，图3为本申请另一个实施例的图像校验方法的流程示意图。该图像校验方法的执行主体为服务器，包括：

S301，获取客户端发送的人脸图像和第一图像校验码。

S302，提取人脸图像的人脸特征，并基于人脸特征获取人脸图像的第二图像校验码。

本申请实施例中，可预先的设置人脸特征提取算法，比如线性反投影算法(LocalBinary Patterns，LBP),并存储入服务器，服务器获取到客户端发送的人脸图像后，采用预设好的人脸特征提取算法，提取到人脸图像特征。基于提取的人脸特征生成人脸图像的第二图像校验码。

S303，基于第一图像校验码和第二图像校验码，对人脸图像进行合法性验证。

本申请实施例中，服务器获取到第一图像校验码和第二图像校验码后，对二者进行校验比对，根据第一图像校验码和第二图像校验码之间的校验结果，检测人脸图像在采集和传输过程中是否被篡改，以完成人脸图像的合法性验证。

其中，第一图像校验码和第二图像校验码校验结果显示二者一致，则人脸图像在采集和传输中没有被篡改，人脸图像合法性验证通过；第一图像校验码和第二图像校验码校验结果显示二者不一致，则人脸图像在采集和传输过程中判定被篡改，人脸图像合法性验证不通过。

本申请提出的图像校验方法，获取客户端发送的人脸图像和第一图像校验码，根据获取到的客户端发送的人脸图像生成第二图像校验码，基于第一图像校验码和第二图像校验码之间的校验比对结果，完成人脸图像的合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

图4为本申请另一个实施例的图像校验方法的流程示意图，如图4所示，该图像校验法的执行主体为客户端，包括：

S401，获取客户端发送的人脸图像和第一图像校验码。

作为一种可能的实现方式，客户端发送的人脸图像和第一图像校验码是经过组合和加密处理的。相应地，服务器在获取到客户端发送的数据后，需要进行解密拆分，进而获取人脸图像和第一图像校验码。

可选地，服务器可以接收客户端发送的加密数据，其中，加密数据中携带人脸图像和第一图像校验码，对加密数据进行解密，获取人脸图像和第一图像校验码。

本申请实施例中，客户端发送的数据是先对人脸图像和第一图像校验码进行组合，并对组合后的人脸图像和第一图像校验码进行加密处理，以生成待发送数据，发送服务器。服务器获取到加密数据后，进行反向操作，基于客户端发送的数据的加密方法，对加密数据进行整体的解密，然后再将解密后的组合数据拆分，进而获取到人脸图像和第一图像校验码。

可选地，服务器可以接收客户端发送的加密人脸图像和加密第一图像校验码，分别对加密人脸图像和加密第一图像校验码进行解密，获取人脸图像和第一图像校验码。

本申请实施例中，客户端发送的数据是先对人脸图像和第一图像校验码分别进行加密，然后将加密后的人脸图像和加密后的第一图像校验码进行组合，以生成待发送数据，发送服务器。服务器获取到加密数据后，进行反向操作，基于客户端发送的数据的加密方法，先将组合的加密的人脸图像和加密的第一图像校验码拆分，得到加密的人脸图像和加密的第一图像校验码，然后再分别对加密的人脸图像和加密的第一图像校验码解密，进而获取到人脸图像和第一图像校验码。

S402，提取人脸图像的人脸特征，并基于人脸特征获取人脸图像的第二图像校验码。

步骤S402可参见上述步骤S203相关内容，此处不再赘述。

S403，将第一图像校验码与第二图像校验码进行校验比对。

本申请实施例中，服务器获取到第一图像校验码和生成的第二图像校验码后，对第一图像校验码和第二图像校验码进行校验比对。

可设定一个相似度阈值，当第一图像校验码和第二图像校验码的相似程度超过预设的相似度阈值时，则判定第一图像校验码和第二图像校验码的用户人脸一致；若第一图像校验码和第二图像校验码的相似程度低于预设的相似度阈值时，则判定第一图像校验码和第二图像校验码的用户人脸不一致，进而可以有效判定，该用户人脸图像在采集、传输等相关过程中，遭遇篡改替换，需要实时防御方案和拦截处理。

S404，响应于第一图像校验码与第二图像校验码一致，则通过对人脸图像的合法性验证。

本申请实施例中，第一图像校验码和第二图像校验码的校验结果一致，服务器则通过客户端本次采集到人脸图像的合法性验证。

第一图像校验码和第二图像校验码的校验结果不一致，则判定该用户人脸图像在采集、传输等相关过程中，遭遇篡改替换，服务器不通过客户端本次采集到人脸图像的合法性验证，进而触发对人脸图像识别系统的实时防御方案和该用户人脸图像的拦截处理。

本申请提出的图像校验方法中，服务器在获取客户端发送的人脸图像和第一图像校验码之前，还包括采集样本人脸图像，基于样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，第二图像校验码是基于目标校验码生成模型生成的；向客户端发送目标校验码生成模型。

本申请实施例中，服务器通过客户端采集设备采集样本人脸图像，提取样本人脸特征，并基于构建的校验码生成模型，生成样本人脸图像的图像校验码。针对生成的样本人脸的图像校验码与采集到的样本人脸图像进行校验比对，基于比对结果，对构建的校验码生成模型进行调整，进而完成对构建的校验码生成模型的训练。服务器基于完成调试训练后的构建的校验码生成模型，可生成目标校验码生成模型，并发送至客户端。

其中，服务器通过目标校验码生成模型，生成基于客户端发送的人脸图像的第二图像校验码。

本申请提出的图像校验方法，获取客户端发送的人脸图像和第一图像校验码，根据获取到的客户端发送的人脸图像生成第二图像校验码，基于第一图像校验码和第二图像校验码之间的校验比对结果，完成人脸图像的合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

与上述几种实施例提出的图像校验方法相对应，本申请的一个实施例还提出了一种图像校验装置，由于本申请实施例提出的图像校验装置与上述几种实施例提出的图像校验方法相对应，因此上述图像校验方法的实施方式也适用于本申请实施例提出的图像校验装置，在下述实施例中不再详细描述。

为更好的理解上述实施例提出的图像校验方法，可结合图5进行进一步的说明，如图5所示，图5为本申请另一个实施例的图像校验方法的流程示意图，包括：

S501，客户端获取人脸图像。

S502，客户端对人脸图像进行压缩处理，获取压缩人脸图像。

本申请实施例中，压缩后的人脸图像在上传至服务器后，由服务器提取人脸特征并生成第二图像校验码。

其中，对于云端识别的人脸系统，受到客户端网络带宽的限制，对于上传数据的大小较为敏感，同时，压缩处理后的人脸图像，图像的占用空间缩小，同样的网络速度下，压缩后的人脸图像上传服务器速度更快，占用资源更少，故而，上传服务器的人脸图像需要压缩处理。比如，采集到的人脸原始图像占用空间大小为200兆(MByte，MB)，上传服务器需要耗时1秒(second，S)，当人脸图像压缩后，占用空间大小为50MB，压缩后的人脸图像上传服务器需要耗时25厘秒(Centisecond，CS)，压缩后的图像上传耗时时长占未压缩图像上传耗时时长的四分之一，故而，压缩后的人脸图像上传时间更短，进而缩短了人脸识别整体过程的时间，更好的提高了人脸识别的速度。

故而，将人脸图像压缩后再行发送服务器，可以为人脸图像的校验识别提供有效的素材，不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

S503，客户端提取人脸特征，基于人脸特征生成第一图像校验码。

S504，客户端将压缩后的人脸图像和第一图像校验码进行组合加密，发送服务器。

S505，服务器提取人脸特征，基于人脸特征生成第二图像校验码。

S506，服务器将第一图像校验码与第二图像校验码进行校验比对。

S507，服务器获取校验结果，并发送给客户端。

步骤S503～S507可参见上述相关内容，此处不再赘述。

为更好的理解上述实施例，比如，在人脸支付的环境下，系统通过人脸识别完成支付过程。客户端采集人脸图像，生成第一图像校验码，然后将采集到的图像压缩后和第一图像校验码组合加密，发送给服务器，服务器基于获取人脸图像生成第二图像校验码，然后比对第一校验码和第二校验码，如果二者校验结果一致，则人脸识别合法性验证通过，然后服务器将验证结果返回客户端，客户端获取到验证通过的结果后，将客户端的商户信息和付款信息发送银联平台，发起支付流程。

本申请实施例提出的人脸识别方法，采集人脸图像，基于提取到的人脸图像的特征生成第一图像校验码，客户端将第一图像校验码和压缩后的人脸图像组合加密后发送服务器，服务器根据获取到的压缩人脸图像提取人脸特征，然后生成第二图像校验码，通过第一图像校验码和第二图像校验码的比对校验结果，检测人脸图像是否遭受攻击篡改，进而完成人脸图像的合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

与上述几种实施例提出的图像校验方法相对应，本申请的一个实施例还提出了一种图像校验装置，由于本申请实施例提出的图像校验装置与上述几种实施例提出的图像校验方法相对应，因此上述图像校验方法的实施方式也适用于本申请实施例提出的图像校验装置，在下述实施例中不再详细描述。

图6为本申请一个实施例的图像校验装置的结构示意图，如图6所示，该图像校验装置的执行主体为客户端，图像校验装置600包括图像获取模块61、校验码生成模块62和发送模块63，其中：

图像获取模块61，用于获取人脸图像；

校验码生成模块62，用于提取人脸图像的人脸特征，并基于人脸特征获取图像校验码；

发送模块63，用于将人脸图像和图像校验码发送给服务器。

本申请提出的图像校验装置，通过客户端获取人脸图像，提取人脸图像特征，并基于人脸特征生成图像校验码，然后将采集到的人脸图像和生成的图像校验码发送至服务器。

图7为本申请另一个实施例的图像校验装置的结构示意图，如图7所示，该图像校验装置的执行主体为客户端，图像校验装置700包括图像获取模块71、校验码生成模块72、发送模块73和模型获取模块74。

需要特别说明是，图像获取模块61、校验码生成模块62、发送模块63与图像获取模块71、校验码生成模块72、发送模块73，具有相同的结构和功能。

本申请实施例提出的图像校验装置中，发送模块73包括预处理单元731、组合单元732以及发送单元733，其中：

预处理单元731，用于对人脸图像进行预处理，以获取待发送人脸图像；

组合单元732，用于将待发送人脸图像和图像校验码组合，以生成待发送数据；

其中，组合单元732，还用于对待发送人脸图像和图像校验码进行加密处理，将加密后的待发送人脸图像和图像校验码组合，以生成待发送数据。或者，还用于将待发送数据发送给服务器之前，对待发送数据进行加密处理。

发送单元733，用于将待发送数据发送给服务器。

本申请实施例提出的图像校验装置中，图像获取模块71，还用于在图像采集过程中检测人脸关键点，并对人脸关键点进行定位和追踪，以确定用户为活体用户。

本申请实施例提出的图像校验装置中，模型获取模块74，用于采集样本人脸图像，基于样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，图像校验码是基于目标校验码生成模型生成的；或者，接收服务器发送的目标校验码生成模型。

本申请提出的图像校验装置，客户端获取人脸图像后，提取人脸特征，基于提取的人脸特征生成图像校验码，后发送给服务器。本申请提出的图像校验装置，客户端在获取人脸图像后，即刻进行人脸特征的提取和图像校验码的生成，发送服务器，及时有效的为服务器提供可用于验证的人脸图像和图像校验码，保证了人脸识别系统的识别效率。

图8为本申请另一个实施例的图像校验装置的结构示意图，如图8所示，该图像校验装置的执行主题为服务器，图像校验装置800包括获取模块81、校验码生成模块82以及校验模块83，其中：

获取模块81，用于获取客户端发送的人脸图像和第一图像校验码；

校验码生成模块82，用于提取人脸图像的人脸特征，并基于人脸特征获取人脸图像的第二图像校验码；

校验模块83，用于基于第一图像校验码和第二图像校验码，对人脸图像进行合法性验证。

本申请提出的图像校验装置，基于获取到的客户端发送的人脸图像和第一图像校验码，基于获取的人脸图像提取人脸特征生成第二图像校验码，根据第一图像校验码和第二图像校验码进行校验比对的结果，进而完成人脸图像的合法性验证。

图9为本申请另一个实施例的图像校验装置的结构示意图，如图9所示，该图像校验装置的执行主题为服务器，图像校验装置900包括获取模块91、校验码生成模块92、校验模块93、模型获取模块94以及发送模块95。

需要特别说明的是，获取模块81、校验码生成模块82、校验模块83与获取模块91、校验码生成模块92、校验模块93，具有相同的结构和功能。

本申请实施例提出的图像校验装置中，校验模块93，具体用于将第一图像校验码与第二图像校验码进行校验比对，响应于第一图像校验码与第二图像校验码一致，则通过对人脸图像的合法性验证。

本申请实施例提出的图像校验装置中，获取模块91，具体用于接收客户端发送的加密数据，其中，加密数据中携带人脸图像和第一图像校验码，并对加密数据进行解密，获取人脸图像和第一图像校验码。获取模块91，还被用于接收客户端发送的加密人脸图像和加密第一图像校验码，分别对加密人脸图像和加密第一图像校验码进行解密，获取人脸图像和第一图像校验码。

本申请实施例提出的图像校验装置中，模型训练模块94，用于采集样本人脸图像，基于样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，第二图像校验码是基于目标校验码生成模型生成的。

本申请实施例提出的图像校验装置中，发送模块95，用于向客户端发送目标校验码生成模型。

本申请提出的图像校验装置，基于获取到的客户端发送的人脸图像和第一图像校验码，基于获取的人脸图像提取人脸特征生成第二图像校验码，根据第一图像校验码和第二图像校验码进行校验比对的结果，进而完成人脸图像的合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

为达到上述实施例，本申请还提出了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本申请的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图10所示，设备1000包括存储器110、处理器120及存储在存储器110上并可在处理器120上运行的计算机程序，处理器120执行程序指令时，实现上述实施例提出的图像校验方法。

本申请实施例提出的电子设备，通过处理器120执行存储在存储器110上的计算机程序，本申请提出的图像校验方法及装置，客户端获取人脸图像后，基于提取到的人脸图像特征生成图像校验码，然后将人脸图像和图像校验码发送给服务器。服务器基于获取的人脸图像提取特征进而生成另一个图像校验码，将服务器生成的图像校验码与客户端发送的图像校验码进行校验比对，基于比对结果对人脸图像进行合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

本申请实施例提出的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器120执行时，实现上述实施例提出的图像校验方法。

本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，通过处理器120执行存储在存储器110上的计算机程序，本申请提出的图像校验方法及装置，客户端获取人脸图像后，基于提取到的人脸图像特征生成图像校验码，然后将人脸图像和图像校验码发送给服务器。服务器基于获取的人脸图像提取特征进而生成另一个图像校验码，将服务器生成的图像校验码与客户端发送的图像校验码进行校验比对，基于比对结果对人脸图像进行合法性验证。本申请中，图像校验码基于提取的人脸特征生成，当人脸图像被替换，所提取到的人脸特征与原始采集的人脸特征存在差异，从而使得图像校验码之间存在差异，比对校验结果不通过，以及服务器发合法性验证不通过。不仅保证了系统人脸识别的准确性，也保证了系统人脸识别的安全性，有效避免了人脸图像被攻击替换的情况下验证通过，进而提高了人脸攻击的成本，强化了人脸识别的安全性。

本申请实施例提出的一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时，实现上述实施例提出的图像校验方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本身的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端服务器关系的计算机程序来产生客户端和服务器的关系。服务端可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(“VirtualPrivate Server”，或简称“VPS”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合区块链的服务器。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (27)

1.一种图像校验方法，其特征在于，包括：

获取人脸图像；

提取所述人脸图像的人脸特征，并基于所述人脸特征获取图像校验码；

将所述人脸图像和所述图像校验码发送给服务器。

2.根据权利要求1所述的图像校验方法，其特征在于，所述将所述人脸图像和所述图像校验码发送给服务器，包括：

对所述人脸图像进行预处理，以获取待发送人脸图像；

将所述待发送人脸图像和所述图像校验码组合，以生成待发送数据；

将所述待发送数据发送给所述服务器。

3.根据权利要求2所述的图像校验方法，其特征在于，所述将所述待发送人脸图像和所述图像校验码组合，生成待发送数据，包括：

对所述待发送人脸图像和所述图像校验码进行加密处理；

将加密后的所述待发送人脸图像和所述图像校验码组合，以生成所述待发送数据。

4.根据权利要求2所述的图像校验方法，其特征在于，所述将所述待发送数据发送给所述服务器之前，还包括：

对所述待发送数据进行加密处理。

5.根据权利要求1所述的图像校验方法，其特征在于，所述获取原始人脸图像之前，还包括：

在图像采集过程中检测人脸关键点，并对所述人脸关键点进行定位和追踪，以确定所述用户为活体用户。

6.根据权利要求1-5任一项所述的图像校验方法，其特征在于，所述获取原始人脸图像之前，还包括：

采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述图像校验码是基于所述目标校验码生成模型生成的；或者，

接收所述服务器发送的所述目标校验码生成模型。

7.一种图像校验方法，其特征在于，包括：

获取客户端发送的人脸图像和第一图像校验码；

提取所述人脸图像的人脸特征，并基于所述人脸特征获取所述人脸图像的第二图像校验码；

基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证。

8.根据权利要求7所述的图像校验方法，其特征在于，所述基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证，包括：

将所述第一图像校验码与所述第二图像校验码进行校验比对；

响应于所述第一图像校验码与所述第二图像校验码一致，则通过对所述人脸图像的合法性验证。

9.根据权利要求7所述的图像校验方法，其特征在于，所述获取客户端发送的人脸图像和图像校验码，包括：

接收所述客户端发送的加密数据，其中，所述加密数据中携带所述人脸图像和所述第一图像校验码；

对所述加密数据进行解密，获取所述人脸图像和所述第一图像校验码。

10.根据权利要求7所述的图像校验方法，其特征在于，所述获取客户端发送的人脸图像和图像校验码，包括：

接收所述客户端发送的加密人脸图像和加密第一图像校验码；

分别对所述加密人脸图像和所述加密第一图像校验码进行解密，获取所述人脸图像和所述第一图像校验码。

11.根据权利要求7-10任一项所述的图像校验方法，其特征在于，所述获取客户端发送的人脸图像和第一图像校验码之前，还包括：

采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述第二图像校验码是基于所述目标校验码生成模型生成的。

12.根据权利要求11所述的图像校验方法，其特征在于，所述生成目标校验码生成模型之后，还包括：

向所述客户端发送所述目标校验码生成模型。

13.一种图像校验装置，其特征在于，包括：

图像获取模块，用于获取人脸图像；

校验码生成模块，用于提取所述人脸图像的人脸特征，并基于所述人脸特征获取图像校验码；

发送模块，用于将所述人脸图像和所述图像校验码发送给服务器。

14.根据权利要求13所述的图像校验装置，其特征在于，所述发送模块，包括：

预处理单元，用于对所述人脸图像进行预处理，以获取待发送人脸图像；

组合单元，用于将所述待发送人脸图像和所述图像校验码组合，以生成待发送数据；

发送单元，用于将所述待发送数据发送给所述服务器。

15.根据权利要求14所述的图像校验装置，其特征在于，所述组合单元，还用于对所述待发送人脸图像和所述图像校验码进行加密处理，将加密后的所述待发送人脸图像和所述图像校验码组合，以生成所述待发送数据。

16.根据权利要求14所述的图像校验装置，其特征在于，所述组合单元，还用于将所述待发送数据发送给所述服务器之前，对所述待发送数据进行加密处理。

17.根据权利要求13所述的图像校验装置，其特征在于，所述图像获取模块，还用于在图像采集过程中检测人脸关键点，并对所述人脸关键点进行定位和追踪，以确定所述用户为活体用户。

18.根据权利要求13-17任一项所述的图像校验装置，其特征在于，还包括：

模型获取模块，用于采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述图像校验码是基于所述目标校验码生成模型生成的；或者，接收所述服务器发送的所述目标校验码生成模型。

19.一种图像校验装置，其特征在于，包括：

获取模块，用于获取客户端发送的人脸图像和第一图像校验码；

校验码生成模块，用于提取所述人脸图像的人脸特征，并基于所述人脸特征获取所述人脸图像的第二图像校验码；

校验模块，用于基于所述第一图像校验码和第二图像校验码，对所述人脸图像进行合法性验证。

20.根据权利要求19所述的图像校验装置，其特征在于，所述校验模块，具体用于将所述第一图像校验码与所述第二图像校验码进行校验比对，响应于所述第一图像校验码与所述第二图像校验码一致，则通过对所述人脸图像的合法性验证。

21.根据权利要求19所述的图像校验装置，其特征在于，所述获取模块，具体用于接收所述客户端发送的加密数据，其中，所述加密数据中携带所述人脸图像和所述第一图像校验码，并对所述加密数据进行解密，获取所述人脸图像和所述第一图像校验码。

22.根据权利要求19所述的图像校验装置，其特征在于，所述获取模块，具体用于接收所述客户端发送的加密人脸图像和加密第一图像校验码，分别对所述加密人脸图像和所述加密第一图像校验码进行解密，获取所述人脸图像和所述第一图像校验码。

23.根据权利要求19-22任一项所述的图像校验装置，其特征在于，还包括：

模型训练模块，用于采集样本人脸图像，基于所述样本人脸图像对构建的校验码生成模型进行训练，以生成目标校验码生成模型，其中，所述第二图像校验码是基于所述目标校验码生成模型生成的。

24.根据权利要求22所述的图像校验装置，其特征在于，还包括：发送模块，用于向所述客户端发送所述目标校验码生成模型。

25.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-12中任一项所述的图像校验方法。

26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的图像校验方法。

27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的图像校验方法。

Images