TW201903644A - 人臉識別方法、裝置以及虛假用戶的識別方法、裝置 - Google Patents

人臉識別方法、裝置以及虛假用戶的識別方法、裝置 Download PDF

Info

Publication number
TW201903644A
TW201903644A TW107107026A TW107107026A TW201903644A TW 201903644 A TW201903644 A TW 201903644A TW 107107026 A TW107107026 A TW 107107026A TW 107107026 A TW107107026 A TW 107107026A TW 201903644 A TW201903644 A TW 201903644A
Authority
TW
Taiwan
Prior art keywords
image
user
content
face
difference information
Prior art date
Application number
TW107107026A
Other languages
English (en)
Inventor
林鈞燧
Original Assignee
香港商阿里巴巴集團服務有限公司
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 香港商阿里巴巴集團服務有限公司 filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW201903644A publication Critical patent/TW201903644A/zh

Links

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

Abstract

本申請實施例提供了一種人臉識別方法和裝置，所述方法包括：採集第一圖像，所述第一圖像包括人臉內容和背景內容；調整圖像採集設備與用戶之間的相對位置；採集調整相對位置之後的第二圖像；分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊；根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。根據本申請實施例，解決了目前的人臉活體識別方法無法識別出虛假用戶的問題。

Description

人臉識別方法、裝置以及虛假用戶的識別方法、裝置
本申請涉及圖像識別領域，特別是涉及一種基於圖像分析的人臉識別方法、裝置，以及，一種虛假用戶的識別方法、裝置，以及，一種認證方法，一種識別設備，一種電腦設備，一種電腦可讀儲存媒體。
目前，人臉活體識別已經廣泛應用於安全驗證領域中。例如，用戶在進行某個交易操作之前，先對用戶進行人臉活體識別，若識別出為真實用戶的本人，而非虛假用戶展示的真實用戶照片或真實用戶的視頻，則安全驗證通過，允許用戶進行交易操作。 　　在進行人臉活體識別時，可以通過圖像採集設備採集當前用戶的人臉圖像，針對人臉圖像進行圖像分析，以識別當前用戶是否真實用戶本人；或者，指示用戶執行某個動作，然後通過圖像採集設備採集當前用戶連續多框人臉圖像，根據多框人臉圖像判斷用戶當前是否執行了所指示的動作，以識別當前用戶是否真實用戶本人。 　　然而，針對上述的基於圖像分析的人臉識別方法，虛假用戶可以採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等多種不法手段，使得上述的人臉識別方法會錯誤地將虛假用戶識別為真實用戶。 　　因此，現有技術中的人臉活體識別方法存在著無法識別出虛假用戶的問題。
本申請實施例所要解決的技術問題是提供一種基於圖像分析的人臉識別方法，一種基於圖像分析的人臉識別裝置，一種虛假用戶的識別方法，一種虛假用戶的識別裝置，一種認證方法，以及，一種識別設備。 　　為了解決上述問題，本申請提供了一種基於圖像分析的人臉識別方法，所述方法包括： 　　採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　調整圖像採集設備與用戶之間的相對位置； 　　採集調整相對位置之後的第二圖像； 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　可選地，所述調整圖像採集設備與用戶之間的相對位置包括： 　　調整所述圖像採集設備的位置，或提示調整用戶的位置。 　　可選地，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。 　　可選地，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定所述用戶為虛假用戶。 　　可選地，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。 　　可選地，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。 　　可選地，在所述採集調整相對位置之後的第二圖像之前，所述方法還包括： 　　調整所述圖像採集設備指向所述用戶的方向。 　　可選地，在所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊之前，所述方法還包括： 　　從所述背景內容中選取邊界清晰的背景物件； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。 　　可選地，所述調整圖像採集設備與用戶之間的相對位置為提示用戶的位置時，所述方法還包括： 　　提示調整所限制的時間，並在提示後開始計時； 　　所述採集調整相對位置之後的第二圖像包括： 　　當計時達到調整所限制的時間後，採集第二圖像。 　　可選地，所述方法還包括： 　　若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　為了解決上述問題，本申請還提供了一種基於圖像分析的人臉識別裝置，所述裝置包括： 　　第一圖像採集模組，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　為了解決上述問題，本申請還提供了一種虛假用戶的識別方法，所述方法包括： 　　採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　調整圖像採集設備與用戶之間的相對位置； 　　採集調整相對位置之後的第二圖像； 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　為了解決上述問題，本申請還提供了一種虛假用戶的識別裝置，所述裝置包括： 　　第一圖像採集模組，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　風險提示模組，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　為了解決上述問題，本申請還提供了一種認證方法，所述方法包括： 　　在採集設備與被採集物件的第一相對位置，採集第一圖像；其中，所述第一圖像包括被採集物件的生物特徵內容和背景內容； 　　在採集設備與被採集物件的第二相對位置，採集第二圖像；其中，所述第二圖像包括被採集物件的生物特徵內容和背景內容； 　　獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　判定是否通過認證。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對距離。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對角度。 　　可選地，所述判定是否通過認證的步驟包括： 　　根據所述差異資訊，判定是否通過認證。 　　可選地，所述獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊的步驟包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化； 　　所述根據所述差異資訊，判定是否通過認證的步驟包括： 　　判斷所述生物特徵內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定未通過認證； 　　若不一致，則判定通過認證。 　　可選地，所述獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊的步驟包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中的內容變化； 　　所述根據所述差異資訊，判定是否通過認證的步驟包括： 　　若所述生物特徵內容和/或所述背景內容均沒有發生內容變化，則判定未通過認證； 　　若所述生物特徵內容和/或所述背景內容發生內容變化，則判定通過認證。 　　為了解決上述問題，本申請還提供了一種識別設備，所述設備包括圖像採集設備、第一提示資訊和第二提示資訊； 　　所述圖像採集設備，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　所述第一提示資訊，用於提示調整所述圖像採集設備與用戶之間的相對位置； 　　所述圖像採集設備，還用於採集調整相對位置之後的第二圖像； 　　所述識別設備，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　所述第二提示資訊，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　與現有技術相比，本申請實施例包括以下優點： 　　根據本申請實施例，通過對調整圖像採集設備與用戶之間的相對位置前後分別採集第一圖像和第二圖像，並分別比較人臉內容和背景內容在第一圖像和第二圖像的差異資訊，根據差異資訊判定真實用戶或虛假用戶，即使虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行人臉活體識別，仍然可以識別出虛假用戶，解決了目前的人臉活體識別方法無法識別出虛假用戶的問題。 　　進一步地，通過從背景內容中選取邊界清晰的背景物件，分別比較人臉內容和背景物件在第一圖像和第二圖像中的差異資訊，根據異資訊判定用戶為真實用戶或虛假用戶，避免因邊界模糊的物件內容得到錯誤的差異資訊，提升識別真實用戶或虛假用戶的準確率。 　　進一步地，在識別出虛假用戶後相應產生風險提示，以提示真實用戶進行相應的防範措施，從而避免了因為虛假用戶的連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊造成真實用戶個人資訊洩露、財產損失。 　　進一步地，通過在第一相對位置和第二相對位置分別採集被採集物件的第一圖像和第二圖像，得到被採集物件的生物特徵內容和背景內容在第一圖像和第二圖像中的差異資訊，根據該差異資訊判定是否通過活體認證，即使採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行活體認證，仍然可以識別出非活體用戶，解決了目前的活體認證方法無法識別出非活體用戶的問題。
為使本申請的上述目的、特徵和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本申請作進一步詳細的說明。 　　首先需要說明的是，本申請可以具體為一種應用軟體，應用在用戶進行電子交易、修改帳戶登錄密碼、查看個人隱私資訊、修改重要資料等場景的安全監測。該應用軟體作用是，基於圖像分析的手段識別當前用戶為真實用戶或虛假用戶。本申請也可以具體為某些軟體的外掛程式，以對軟體的資料安全進行監控或者作為軟體操作的識別依據。本申請提供的方法也可以以硬體方式，例如ASIC專用晶片(Application Specific Integrated Circuit，專用目的設計積體電路)或者FPGA(Field-Programmable Gate Array，現場可程式設計閘陣列)實現。 　　在實際的通過人臉活體識別方法進行安全驗證場景中，用戶可能需要通過手機、平板電腦、桌上型電腦等移動終端進行電子交易、修改帳戶登錄密碼、查看個人隱私資訊等的涉及到用戶的資訊安全和財產安全的操作。通常，在進行上述操作之前，需要進行用戶身份的安全驗證，即，識別當前用戶為真實用戶、通過安全驗證之後，才允許用戶進行上述的操作；如果沒有通過該安全驗證，則禁止進行上述的操作。 　　可以通過人臉活體識別的方式，進行用戶身份的安全驗證。具體地，移動終端可以提示當前用戶面對移動終端的攝影機進行即時拍攝，攝影機可以拍攝到包含有當前用戶的人臉內容的圖像。 　　移動終端可以針對拍攝到的圖像進行圖像分析，例如，從圖像中識別出人臉，針對人臉提取出有代表性的如眼睛、鼻子、眉毛、嘴巴等的生物特徵內容，通過將一個或多個生物特徵內容與預設的真實用戶的生物特徵內容的比較，識別圖像中的人臉是否為真實用戶的人臉，並根據識別結果判斷是否通過安全驗證。 　　為了防止虛假用戶使用照片攻擊上述的靜態的人臉活體識別方式，移動終端還可以提示當前用戶在即時拍攝時進行指定的點頭、搖頭、眨眼、張嘴等一個或多個動作，在當前用戶進行上述動作時拍攝連續多框圖像，根據對連續多框圖像的特徵點的連續變化，通過一定規則或機器學習等方法，判斷當前用戶進行的動作為指定的動作，結合對圖像中的人臉特徵點的識別結果，識別當前用戶是否為真實用戶的活體。 　　然而，申請人經研究發現，虛假用戶可以通過多種的不法手段攻擊上述的人臉識別方法。例如，連續圖片攻擊，虛假用戶採用一系列的真實用戶進行某個動作的多張照片，通過播放幻燈片的方式類比指定的動作；又例如，視訊重播攻擊，虛假用戶預先錄製真實用戶進行某個動作的視頻，在人臉識別時則重播該視頻；又例如，動作模擬軟體攻擊，虛假用戶獲取到真實用戶的人臉圖像後，通過動作類比軟體提取人臉特徵點，合成真實用戶進行某個動作的動畫，在人臉活體識別時播放該動畫。 　　上述的攻擊方式，會導致人臉活體識別時錯誤地將虛假用戶識別為真實用戶本人，而通過安全驗證並允許虛假用戶進行電子交易、修改帳戶登錄密碼、查看個人隱私資訊等的操作，從而引起真實用戶本人的個人資訊洩露、財產損失的風險。 　　因此，針對目前的人臉識別方法無法識別出虛假用戶的問題，本申請實施例提供了一種基於圖像分析的人臉識別方法，以識別出真實用戶和虛假用戶。 　　為了便於本領域技術人員深入理解本申請實施例，以下將首先介紹各個術語的定義。 　　人臉內容，包括圖像中包含人臉圖像特徵的圖像內容。人臉圖像特徵可以是完整人臉，也可以是部分人臉，還可以是人臉上某一個或多個人臉器官。例如，人臉內容可以是圖像中完整的人臉，也可以是圖像中人臉的上半部分，還可以是人臉中的眼睛、鼻子、眉毛、嘴巴等人臉器官中的一個或多個的組合。 　　背景內容，包括圖像中當前拍攝的目標物件(例如：人臉內容)以外的圖像內容。背景內容可以包括有一個或多個的背景物體，背景物體可以是景物、動物、人物、物件等。例如，在拍攝目標物件時，目標物件身後的高樓、路人、車輛等。 　　圖像採集設備，包括用於採集圖像的設備。例如，照相機、移動終端上的攝影機、外設攝影機等。 　　第一圖像，包括在調整用戶與圖像採集設備的相對位置之前，所採集得到的包含有人臉內容和背景內容的圖像。 　　第二圖像，包括在調整用戶與圖像採集設備的相對位置之後，所採集得到的包含有人臉內容和背景內容的圖像。 　　差異資訊，包括人臉內容和/或背景內容在第一圖像和第二圖像之間的所占面積和/或內容的變化。例如，人臉內容在第一圖像中所占面積(在圖像中的面積占比)為42%，在第二圖像中所占面積為63%，人臉內容在第一圖像和第二圖像中的所占面積發生了變化，兩個所占面積的變化比例為63%/42%=1.5，可以將該變化比例作為人臉內容在第一圖像和第二圖像的差異資訊。又例如，某個背景內容在第一圖像中所占面積為10%，在第二圖像中所占面積仍然為10%，兩個所占面積的變化比例為10%/10%=1，可以將該變化比例作為該背景內容在第一圖像和第二圖像的差異資訊。又例如，在第一圖像中背景內容包含背景物件A和背景物件B，在第二圖像中背景內容包含背景物件A和背景物件C，背景內容在第一圖像和第二圖像中的內容發生了變化，可以將發生變化的內容作為背景內容在第一圖像和第二圖像的差異資訊。 　　生物特徵內容，包括特定生物的外貌特徵的內容。例如，人臉的眼睛、鼻子、眉毛、嘴巴等的特徵，又例如，人體的四肢、軀體等。實施例一 實施例一提供了一種基於圖像分析的人臉識別方法，該方法可以具體應用於移動終端，圖1是本申請實施例一的一種基於圖像分析的人臉識別方法的步驟流程圖，所述方法可以具體包括如下步驟： 　　步驟101，採集第一圖像，所述第一圖像包括人臉內容和背景內容。 　　需要說明的是，本申請實施例可以應用於手機、平板電腦、桌上型電腦等移動終端。移動終端上可以包括有攝影機等的圖像採集設備，實際應用中，也可以採用照相機或外設攝影機作為圖像採集設備。移動終端可以安裝有識別應用，由識別應用對圖像採集設備採集得到的圖像進行真實用戶或虛假用戶的識別。 　　具體實現中，用戶在識別應用發起人臉識別請求時，識別應用可以調用移動終端上的圖像採集設備或者啟動外部的圖像採集設備，針對當前用戶的人臉以及當前拍攝的背景進行拍攝，以採集到包含人臉內容和背景內容的圖像，作為上述的第一圖像。 　　步驟102，調整圖像採集設備與用戶之間的相對位置。 　　在採集到第一圖像之後，識別應用可以指示用戶調整圖像採集設備與當前用戶之間的相對位置。為了調整圖像採集設備和用戶之間的相對位置，調整的物件可以是圖像採集設備，例如指示用戶移動手機的攝影機；調整的物件也可以是用戶自身，例如提示用戶相對於攝影機移動。 　　調整相對位置的方式可以有多種。例如，可以在圖像採集設備與用戶的水準連線上，按照某個方向進行調整；又例如，可以垂直於在圖像採集設備和用戶的平面上，按照某個方向進行調整。 　　實際應用中，相對位置可以包括圖像採集設備與用戶之間的相對距離，還可以包括圖像採集設備與用戶之間的相對角度。 　　步驟103，採集調整相對位置之後的第二圖像。 　　在調整圖像採集設備和用戶之間的相對位置之後，圖像採集設備可以再次針對當前用戶的人臉以及當前拍攝的背景進行拍攝，以採集到包含人臉內容和背景內容的圖像，作為上述的第二圖像。 　　步驟104，分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊。 　　具體實現中，識別應用可以將第一圖像中的人臉內容和背景內容，與第二圖像中的人臉內容和背景內容進行比較，確定內容之間的差異資訊。 　　差異資訊可以包括人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化比例。例如，人臉內容和背景內容在第一圖像中所占面積分別為24%和10%；按照圖像採集設備與用戶的水準連線上某個方向調整相對位置後，在第二圖像中所占面積的比例分別為36%和15%，人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化比例均為1.5，可以將該變化比例作為人臉內容和背景內容在第一圖像和第二圖像的差異資訊。 　　差異資訊也可以包括人臉內容和背景內容在第一圖像和第二圖像中的內容變化。例如，在第一圖像中的人臉內容為完整的人臉，背景內容為包含兩棵樹，按照垂直於在圖像採集設備和用戶的平面上的某個方向調整相對位置後，在第二圖像中的人臉內容仍為完整的人臉，而背景內容中只包含有一棵樹，背景內容在第二圖像中發生了內容變化，可以將變化的內容作為背景內容在第一圖像和第二圖像的差異資訊。 　　步驟105，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　識別應用可以根據通過上述比較而得到的差異資訊，判斷當前用戶為真實用戶或虛假用戶。實際應用中，可以針對相對位置調整方式的不同而採用不同的差異資訊作為判斷依據。 　　針對於按照圖像採集設備與用戶的水準連線上某個方向調整相對位置的調整方式，以及，當前用戶自身移動以接近或遠離圖像採集設備的情況，則可以人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化作為差異資訊，以該差異資訊作為判斷依據，以判斷是否真實用戶。 　　由於真實用戶按照圖像採集設備與用戶的水準連線上某個方向調整與圖像採集設備的相對位置之後，活體的真實用戶與圖像採集設備的距離發生變化，而背景內容與圖像採集設備的距離則不會發生變化，從而引起人臉內容和背景內容在第二圖像中的所占面積也發生變化。因此，在人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化比例不一致時，可以判定當前用戶為真實用戶。 　　圖12是本申請的一種真實用戶識別的場景示意圖。圖中上半部分為圖像採集設備採集第一圖像的場景，圖中下半部分為調整距離後，圖像採集設備採集第二圖像的場景。 　　在採集第一圖像的場景中，從右側顯示的內容可見，當前用戶與手機攝影機之間具有一定距離，將背景中某個背景物體作為背景內容。從左側顯示的內容可見，手機攝影機針對該場景採集到的第一圖像中，人臉內容在第一圖像中的所占面積為42%，背景內容在第一圖像中的所占面積為7.5%。 　　在採集第二圖像的場景中，從右側顯示的內容可見，如果當前用戶為真實用戶，當前用戶接近手機攝影機，即，用戶的人臉與手機攝影機的距離減小。而背景內容與手機攝影機的距離則會保持不變。從左側顯示的內容可見，手機攝影機針對該場景採集到的第二圖像中，人臉內容在第二圖像中的所占面積增大至63%，人臉內容在第一圖像和第二圖像中的兩個所占面積的變化比例為1.5。 　　而背景內容由於與手機攝影機的距離沒有發生變化，因此，其在第二圖像中的所占面積仍然為7.5%，背景內容在第一圖像和第二圖像中的兩個所占面積的變化比例為1。由於人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化比例不一致，因此可以判定當前用戶為真實用戶。 　　而虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行活體人臉識別時，由於人臉內容和背景內容均顯示在某個顯示裝置上，即使在水準連線的某個方向上，調整了該顯示裝置與圖像採集設備之間的相對位置，該顯示裝置上顯示的人臉與背景則會同時接近或遠離圖像採集設備。圖像採集設備針對顯示裝置上的人臉與背景採集得到的第二圖像中，人臉內容和背景內容所占面積會維持不變，從而人臉內容和背景內容在第一圖像和第二圖像中所占面積的比例並不會發生變化。因此，可以在在所占面積的比例一致時，判定當前用戶為虛假用戶。 　　圖13是本申請的一種虛假用戶識別的場景示意圖。圖中上半部分為圖像採集設備採集第一圖像的場景，圖中下半部分為調整距離後，圖像採集設備採集第二圖像的場景。 　　在採集第一圖像的場景中，從右側顯示的內容可見，當前虛假用戶手持照片進行識別，照片與手機攝影機之間具有一定距離，將照片的背景中某個背景物體作為背景內容。從左側顯示的內容可見，手機攝影機針對該場景採集到的第一圖像中，人臉內容在第一圖像中的所占面積為24%，背景內容在第一圖像中的所占面積為10%。 　　在採集第二圖像的場景中，從右側顯示的內容可見，如果當前用戶為虛假用戶，被提示調整相對位置後，虛假用戶將照片移動至接近手機攝影機的位置，即，照片中的人臉內容與背景內容與手機攝影機的距離均變小。從左側顯示的內容可見，手機攝影機針對該場景採集到的第二圖像中，人臉內容在第二圖像中的所占面積增大至36%，人臉內容在第一圖像和第二圖像中的兩個所占面積的變化比例為1.5。 　　由於照片中的背景物體與手機攝影機的距離也變小，因此，其在第二圖像中所占面積增大至15%，背景內容在第一圖像和第二圖像中的兩個所占面積的變化比例為1.5。由於人臉內容和背景內容在第一圖像和第二圖像中所占面積的變化比例均為1.5，因此可以判定當前用戶為虛假用戶。 　　需要說明的是，虛假用戶採用照片、視頻等進行攻擊的應用場景中，在採集第一圖像時，照片、視頻遮擋了真實的背景內容，虛假用戶在收到提示並移動播放照片或視頻的終端遠離圖像採集設備，當移動距離超過一定範圍後，照片、視頻可能無法繼續遮擋真實的背景內容，使得圖像採集設備採集得到的第二圖像中，除了包含有照片、視頻中的背景內容，可能還包含有部分實際的背景內容。第二圖像中的實際的背景內容可能會干擾識別的準確性，例如，如果照片的背景內容和真實的背景內容相似，或者，在圖像中所處的位置相同，在識別時可能將第一圖像中的照片的背景內容和第二圖像中的真實的背景內容進行所占面積的比較，得到錯誤的差異資訊。 　　因此，可以在採集第一圖像時，確定作為比較物件的背景內容，在採集第二圖像後，針對同一個背景內容，比較該背景內容在兩個圖像中所占面積的變化，從而避免獲取到不同背景內容的差異資訊，提升識別的準確性。 　　針對於按照垂直於在圖像採集設備和用戶的平面上的某個方向調整相對位置的調整方式，則可以人臉內容和背景內容在第一圖像和第二圖像中的內容變化作為差異資訊，以該差異資訊作為判斷依據，以判斷是否真實用戶。 　　由於真實用戶按照垂直於在圖像採集設備和用戶的平面上的某個方向調整相對位置之後，活體的真實用戶可能遮擋了背景內容中的某些內容，從而引起背景內容在第二圖像中發生較大的內容變化，而人臉內容則不會發生內容變化。因此，可以在人臉內容沒有內容變化、而背景內容發生內容變化時，判定當前用戶為真實用戶。 　　而虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行活體人臉識別時，由於人臉內容和背景內容均顯示在某個顯示裝置上，即使移動了該顯示裝置與圖像採集設備之間的相對位置，在該顯示裝置中的背景內容不會發生被人臉內容遮擋的情況，從而人臉內容和背景內容均不會發生內容變化。因此，可以在人臉內容和背景內容均沒有發生內容變化時，判定當前用戶為虛假用戶。 　　在實際應用中，針對於按照圖像採集設備與用戶的水準連線上某個方向調整相對位置的調整方式，也可以人臉內容和背景內容在第一圖像和第二圖像中的內容變化作為差異資訊，以該差異資訊作為判斷依據，以判斷是否真實用戶。例如，當前用戶靠近圖像採集設備之後採集第二圖像時，如果是真實用戶，可能也會遮擋部分背景內容，從而引起背景內容在第二圖像中發生較大的內容變化，而人臉內容則不會發生內容變化。 　　根據本申請實施例，通過對調整圖像採集設備與用戶之間的相對位置前後分別採集第一圖像和第二圖像，並分別比較人臉內容和背景內容在第一圖像和第二圖像的差異資訊，根據差異資訊判定真實用戶或虛假用戶，即使虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行人臉活體識別，仍然可以識別出虛假用戶，解決了目前的人臉活體識別方法無法識別出虛假用戶的問題。實施例二 實施例二提供了一種基於圖像分析的人臉識別方法，該方法可以具體應用於移動終端，圖2是本申請實施例二的一種基於圖像分析的人臉識別方法的步驟流程圖，所述方法可以具體包括如下步驟： 　　步驟201，採集第一圖像，所述第一圖像包括人臉內容和背景內容。 　　步驟202，調整圖像採集設備與用戶之間的相對位置。 　　可選地，所述步驟202包括： 　　子步驟S11，所述調整圖像採集設備與用戶之間的相對位置為提示用戶的位置時，調整所述圖像採集設備的位置，或提示調整用戶的位置； 　　具體實現中，可以由移動終端上所安裝的識別應用向用戶進行提示，提示當前用戶調整圖像採集設備相對於用戶自身的位置，也可以提示當前用戶調整自身相對於圖像採集設備的位置，以指示用戶完成圖像採集設備與用戶之間相對位置的調整。 　　在得到調整位置的提示後，用戶可以按照提示進行相應的調整。例如，用戶可以將圖像採集設備從當前位置移動至到遠離或靠近用戶自身的另一位置；或者，用戶可以將圖像採集設備固定在原位置上，用戶自身從當前位置移動至靠近或遠離圖像採集設備的另一位置；或者，用戶將圖像採集設備縱向降低或升高、橫向左右移動；或者，用戶自身縱向降低或升高、橫向左右移動。 　　步驟203，提示調整所限制的時間，並在提示後開始計時。 　　在提示進行相對位置調整的時候，還可以提示調整所限制的時間，當前用戶可以在該時間內完成調整。在提示之後可以開始計時，以在計時達到限制時間後，觸發圖像採集設備進行圖像採集。 　　步驟204，採集調整相對位置之後的第二圖像。 　　可選地，所述步驟204包括： 　　子步驟S21，當計時達到調整所限制的時間後，採集第二圖像。 　　在計時達到所限制的時間後，可以觸發圖像採集設備進行圖像採集，以得到第二圖像。 　　步驟205，分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊。 　　可選地，在所述步驟205之前，所述方法還包括： 　　從所述背景內容中選取邊界清晰的背景物件； 　　所述步驟205包括： 　　子步驟S31，分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。 　　具體實現中，可以在背景內容中查找邊界清晰的物件內容，選取其作為背景物件。在比較人臉內容和背景內容在第一圖像和第二圖像的差異資訊時，可以針對背景內容中的某個具體的背景物件進行差異資訊的比較，從而可以得到更準確的差異資訊，並提升識別結果的準確率，避免因邊界模糊的物件內容得到錯誤的差異資訊，從而影響識別結果的準確率。例如，比較人臉內容和背景內容中某個物件在第一圖像和第二圖像中的所占面積比例的變化，相比起確定整個背景內容在圖像中的所占面積，基於邊界清晰的背景物件確定其在圖像中的所占面積，得到的所占面積更準確。 　　步驟206，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　可選地，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整，所述步驟205包括： 　　分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。 　　可選地，所述步驟206包括： 　　子步驟S41，判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致。 　　子步驟S42，若一致，則判定所述用戶為虛假用戶。 　　具體實現中，當調整的方式為當前用戶在圖像採集設備與用戶的水準連線上至少一個方向的調整，即，用戶自身在水準連線上接近或遠離圖像採集設備，在根據所述差異資訊判定用戶為真實用戶或虛假用戶的時候，可以判斷人臉內容與背景內容在第一圖像和第二圖像中所占面積的變化比例是否一致。若不一致，表明當前用戶為真實用戶，因此可以判定當前用戶為真實用戶；若一致，表明當前用戶可能採用了連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行識別，因此可以判定當前用戶為虛假用戶。 　　可選地，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整，所述步驟205包括： 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。 　　可選地，所述步驟206包括： 　　子步驟S51，若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。 　　具體實現中，當調整的方式為垂直於圖像採集設備和用戶的平面上至少一個方向的調整，在根據所述差異資訊判定用戶為真實用戶或虛假用戶的時候，可以判斷人臉內容與背景內容在第一圖像和第二圖像中的內容變化。 　　若人臉內容沒有發生內容變化，而背景內容發生內容變化，表明當前用戶為真實用戶，因此可以判定當前用戶為真實用戶。若人臉內容和背景內容均沒有發生內容變化，表明當前用戶可能採用了連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行識別，因此可以判定當前用戶為虛假用戶。 　　可選地，在所述步驟202之前，所述方法還包括： 　　調整所述圖像採集設備指向所述用戶的方向。 　　在實際應用中，當在垂直於圖像採集設備和用戶的平面上至少一個方向進行調整後，當前用戶的人臉內容可能超出圖像採集設備的拍攝範圍，因此可以調整圖像採集設備，將其拍攝方向指向用戶當前位置的方向。 　　步驟207，若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　具體實現中，當識別出當前用戶為虛假用戶，可以由識別應用產生針對虛假用戶的風險提示，並展示在移動終端上。實際應用中，也可以將該風險提示發送至真實用戶，以提示真實用戶進行相應的防範措施。 　　根據本申請實施例，通過從背景內容中選取邊界清晰的背景物件，分別比較人臉內容和背景物件在第一圖像和第二圖像中的差異資訊，根據異資訊判定用戶為真實用戶或虛假用戶，避免因邊界模糊的物件內容得到錯誤的差異資訊，提升識別真實用戶或虛假用戶的準確率。 　　為了便於本領域技術人員理解本申請實施例，以下將結合圖11的具體示例予以說明。 　　圖11是本申請的一種人臉識別過程中的資訊交互圖。從圖中可見，用戶通過識別應用發起人臉識別請求，識別應用調用移動終端上的攝影機或外設攝影機，對當前用戶的人臉和背景進行拍攝，採集到第一圖像。識別應用在移動終端的螢幕上展示提示用戶調整與攝影機的距離的資訊，用戶根據該提示資訊調整自身或攝影機的位置，以改變用戶與攝影機的距離。在調整距離後，識別應用再次指示攝影機對當前用戶的人臉和背景進行拍攝，採集到第二圖像。識別應用通過第一圖像和第二圖像中人臉內容和背景內容的差異資訊判定當前用戶是真實用戶或虛假用戶。實施例三 實施例三提供了一種虛假用戶的識別方法，該方法可以具體應用於移動終端，圖3是本申請實施例三的一種虛假用戶的識別方法的步驟流程圖，所述方法可以具體包括如下步驟： 　　步驟301，採集第一圖像，所述第一圖像包括人臉內容和背景內容。 　　步驟302，調整圖像採集設備與用戶之間的相對位置。 　　步驟303，採集調整相對位置之後的第二圖像。 　　步驟304，分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊。 　　步驟305，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　步驟306，若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　根據本申請實施例，在識別出虛假用戶後相應產生風險提示，以提示真實用戶進行相應的防範措施，從而避免了因為虛假用戶的連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊造成真實用戶個人資訊洩露、財產損失。實施例四 實施例四提供了一種活體認證方法，該方法可以具體應用於移動終端，圖4是本申請實施例四的一種活體認證方法的步驟流程圖，所述方法可以具體包括如下步驟： 　　步驟401，在採集設備與被採集物件的第一相對位置，採集第一圖像；其中，所述第一圖像包括被採集物件的生物特徵內容和背景內容。 　　具體實現中，可以通過採集設備在與被採集物件處於第一相對位置時，對被採集對象進行拍攝，採集到第一圖像。第一圖像中可以包括有被採集物件的生物特徵內容和被採集物件當前所處背景的背景內容。例如，針對於對活人用戶進行認證時，可以將用戶的人臉作為生物特徵內容進行採集，以及，將用戶所處場景作為背景內容進行採集。 　　步驟402，在採集設備與被採集物件的第二相對位置，採集第二圖像；其中，所述第二圖像包括被採集物件的生物特徵內容和背景內容。 　　具體實現中，可以指示被採集物件調整採集設備與被採集物件的位置至第二相對位置，在調整位置後，可以再次對被採集物件拍攝，採集到第二圖像。第二圖像中可以包括有被採集物件的生物特徵內容和被採集物件當前所處背景的背景內容。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對距離。 　　具體實現中，採集設備與被採集物件之間的距離為第一相對距離時，可以採集第一圖像。採集設備與被採集物件之間的距離為第二相對距離時，可以採集第二圖像。例如，在採集設備與被採集物件相距1米時，採集第一圖像，在相距2米時，採集第二圖像。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對角度。 　　需要說明的是，採集設備在拍攝以採集圖像時，其拍攝焦點與採集設備的連線，為採集設備的拍攝方向。實際應用中，被採集物件可能不在採集設備的拍攝方向上，從而，被採集物件與採集設備的拍攝方向形成一定的角度，即，被採集物件與採集設備之間存在一定的角度。 　　具體實現中，採集設備與被採集物件之間的角度為第一相對角度時，可以採集第一圖像。採集設備與被採集物件之間的角度為第二相對距離時，可以採集第二圖像。例如，採集設備與被採集物件之間的相對角度為10°時，採集第一圖像，採集設備與被採集物件之間的相對角度為20°時，採集第二圖像。 　　步驟403，獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊。 　　步驟404，判定是否通過活體認證。 　　具體實現中，可以獲取生物特徵內容和背景內容在第一圖像和第二圖像中的差異資訊，或者，根據生物特徵內容在第一圖像和第二圖像中的差異資訊，或者，根據背景內容在第一圖像和第二圖像中的差異資訊，判定是否通過活體認證。 　　可選地，所述步驟404包括以下子步驟： 　　子步驟S61，根據所述差異資訊，判定是否通過認證。 　　可選地，所述步驟403可以包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化； 　　所述子步驟S61可以包括： 　　判斷所述生物特徵內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定未通過認證； 　　若不一致，則判定通過認證。 　　具體實現中，如果被採集物件為活體，在相對距離發生變化時，被採集物件的生物特徵內容在第一圖像和第二圖像所占面積的變化比例，與背景內容在第一圖像和第二圖像所占面積的變化比例，兩者的變化比例應該會發生變化導致並不一致。如果被採集物件為圖片、視頻等非活體，即使相對距離發生變化，兩者的變化比例為一致的。由於具體示例在前述實施例中已經說明，在此不再贅述。 　　可選地，所述步驟403可以包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中的內容變化； 　　所述子步驟S61可以包括： 　　若所述生物特徵內容和/或所述背景內容均沒有發生內容變化，則判定未通過認證； 　　若所述生物特徵內容和/或所述背景內容發生內容變化，則判定通過認證。 　　具體實現中，當相對距離和/或相對角度發生變化時，在第一圖像和第二圖像，生物特徵內容和背景內容發生內容變化，或者，生物特徵內容發生內容變化，或者，背景內容發生內容變化，可以確定當前為活體，因此可以判定通過認證。當生物特徵內容和背景內容沒有發生內容變化，或者，生物特徵內容沒有發生內容變化，或者，背景內容沒有發生內容變化，可以確定當前為非活體，因此可以判定未通過認證。 　　例如，如果被採集物件為活體，活體圍繞採集設備移動以變換採集圖像的相對角度，或者，採集設備自轉以變換採集圖像的相對角度。活體變換相對角度後會遮擋部分背景內容，或者，採集設備變換相對角度後拍攝方向變化，該兩者情況均會引起背景內容在第一圖像和第二圖像中會發生內容的變化。而如果被採集物件為圖片、視頻等非活體用戶，即使變換了相對角度，圖片、視頻中的背景內容並不會發生變化。 　　根據本申請實施例，通過在第一相對位置和第二相對位置分別採集被採集物件的第一圖像和第二圖像，得到被採集物件的生物特徵內容和背景內容在第一圖像和第二圖像中的差異資訊，根據該差異資訊判定是否通過活體認證，即使採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行活體認證，仍然可以識別出非活體用戶，解決了目前的活體認證方法無法識別出非活體用戶的問題。 　　需要說明的是，對於方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本申請實施例並不受所描述的動作順序的限制，因為依據本申請實施例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於優選實施例，所涉及的動作並不一定是本申請實施例所必須的。實施例五 與實施例一對應，實施例五提供了一種基於圖像分析的人臉識別裝置，該裝置可以具體應用於移動終端，圖5是本申請實施例五的一種基於圖像分析的人臉識別方法的結構方塊圖，所述裝置可以具體包括如下模組： 　　第一圖像採集模組501，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組502，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組503，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組504，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組505，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　根據本申請實施例，通過對調整圖像採集設備與用戶之間的相對位置前後分別採集第一圖像和第二圖像，並分別比較人臉內容和背景內容在第一圖像和第二圖像的差異資訊，根據差異資訊判定真實用戶或虛假用戶，即使虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行人臉活體識別，仍然可以識別出虛假用戶，解決了目前的人臉活體識別方法無法識別出虛假用戶的問題。實施例六 與實施例二對應，實施例六提供了一種基於圖像分析的人臉識別裝置，該裝置可以具體應用於移動終端，圖6是本申請實施例六的一種基於圖像分析的人臉識別方法的結構方塊圖，所述裝置可以具體包括如下模組： 　　第一圖像採集模組601，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容。 　　相對位置調整模組602，用於調整圖像採集設備與用戶之間的相對位置。 　　時間提示模組603，用於提示調整所限制的時間，並在提示後開始計時。 　　第二圖像採集模組604，用於採集調整相對位置之後的第二圖像。 　　差異資訊比較模組605，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊。 　　用戶判定模組606，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　風險提示模組607，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　可選地，所述第二圖像採集模組604包括： 　　第二圖像採集子模組，用於當計時達到調整所限制的時間後，採集第二圖像。 　　可選地，所述相對位置調整模組602包括： 　　位置調整子模組，用於調整所述圖像採集設備的位置，或提示調整用戶的位置。 　　可選地，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整； 　　所述差異資訊比較模組605包括： 　　所占面積變化比較子模組，用於分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。 　　可選地，所述用戶判定模組606包括： 　　比例一致判斷子模組，用於判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　第一虛假用戶判定子模組，用於若一致，則判定所述用戶為虛假用戶。 　　可選地，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整； 　　所述差異資訊比較模組605包括： 　　內容變化比較子模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。 　　可選地，所述用戶判定模組606包括： 　　第二虛假用戶判定子模組，用於若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。 　　可選地，所述裝置還包括： 　　指向方向調整模組，用於調整所述圖像採集設備指向所述用戶的方向。 　　可選地，所述裝置還包括： 　　背景物件選取模組，用於從所述背景內容中選取邊界清晰的背景物件； 　　所述差異資訊比較模組605包括： 　　差異資訊比較子模組，用於分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。 　　根據本申請實施例，通過從背景內容中選取邊界清晰的背景物件，分別比較人臉內容和背景物件在第一圖像和第二圖像中的差異資訊，根據異資訊判定用戶為真實用戶或虛假用戶，避免因邊界模糊的物件內容得到錯誤的差異資訊，提升識別真實用戶或虛假用戶的準確率。實施例七 與實施例三對應，實施例七提供了一種虛假用戶的識別裝置，該裝置可以具體應用於移動終端，圖7是本申請實施例七的一種虛假用戶的識別裝置的結構方塊圖，所述裝置可以具體包括如下模組： 　　第一圖像採集模組701，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組702，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組703，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組704，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組705，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　風險提示模組706，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　根據本申請實施例，在識別出虛假用戶後相應產生風險提示，以提示真實用戶進行相應的防範措施，從而避免了因為虛假用戶的連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊造成真實用戶個人資訊洩露、財產損失。實施例八 與實施例四對應，實施例八提供了一種認證裝置，該裝置可以具體應用於移動終端，圖8是本申請實施例八的一種認證裝置的結構方塊圖，所述裝置可以具體包括如下模組： 　　第一圖像採集模組801，用於在採集設備與被採集物件的第一相對位置，採集第一圖像；其中，所述第一圖像包括被採集物件的生物特徵內容和背景內容； 　　第二圖像採集模組802，用於在採集設備與被採集物件的第二相對位置，採集第二圖像；其中，所述第二圖像包括被採集物件的生物特徵內容和背景內容； 　　差異資訊獲取模組803，用於獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　認證模組804，用於判定是否通過認證。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對距離。 　　可選地，所述相對位置包括所述採集設備與所述被採集物件的相對角度。 　　可選地，所述認證模組804包括： 　　差異判定子模組，用於根據所述差異資訊，判定是否通過認證。 　　可選地，所述差異資訊獲取模組803包括： 　　所占面積變化獲取子模組，用於獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化； 　　所述差異判定子模組包括： 　　變化比例判斷單元，用於判斷所述生物特徵內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致；若一致，則調用第一未通過認證判定單元；若不一致，則調用第一通過認證判定單元； 　　第一未通過認證判定單元，用於判定未通過認證； 　　第一通過認證判定單元，用於判定通過認證。 　　可選地，所述差異資訊獲取模組803包括： 　　內容變化獲取子模組，用於獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中的內容變化； 　　所述差異判定子模組包括： 　　第二未通過認證判定單元，用於若所述生物特徵內容和/或所述背景內容均沒有發生內容變化，則判定未通過認證； 　　第二通過認證判定單元，用於若所述生物特徵內容和/或所述背景內容發生內容變化，則判定通過認證。 　　根據本申請實施例，通過在第一相對位置和第二相對位置分別採集被採集物件的第一圖像和第二圖像，得到被採集物件的生物特徵內容和背景內容在第一圖像和第二圖像中的差異資訊，根據該差異資訊判定是否通過活體認證，即使採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行活體認證，仍然可以識別出非活體用戶，解決了目前的活體認證方法無法識別出非活體用戶的問題。實施例九 實施例九提供了一種識別設備。圖9是本申請實施例八的一種識別設備的結構方塊圖，所述識別設備900包括圖像採集設備901、第一提示資訊902和第二提示資訊903； 　　所述圖像採集設備901，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　所述第一提示資訊902，用於提示調整所述圖像採集設備與用戶之間的相對位置； 　　所述圖像採集設備901，還用於採集調整相對位置之後的第二圖像； 　　所述識別設備900，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　所述第二提示資訊903，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　根據本申請實施例，通過對調整圖像採集設備與用戶之間的相對位置前後分別採集第一圖像和第二圖像，並分別比較人臉內容和背景內容在第一圖像和第二圖像的差異資訊，根據差異資訊判定真實用戶或虛假用戶，即使虛假用戶採用連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊等方式進行人臉活體識別，仍然可以識別出虛假用戶，解決了目前的人臉活體識別方法無法識別出虛假用戶的問題。 　　根據本申請實施例，在識別出虛假用戶後相應產生風險提示，以提示真實用戶進行相應的防範措施，從而避免了因為虛假用戶的連續圖片攻擊、視頻重播攻擊、動作類比軟體攻擊造成真實用戶個人資訊洩露、財產損失。 　　對於裝置實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。 　　本公開的實施例可被實現為使用任意適當的硬體，韌體，軟體，或及其任意組合進行想要的配置的系統。圖10示意性地示出了可被用於實現本公開中所述的各個實施例的範例系統(或裝置)1000。 　　對於一個實施例，圖10示出了範例系統1000，該系統具有一個或多個處理器1002、被耦合到(一個或多個)處理器1002中的至少一個的系統控制模組(晶片組)1004、被耦合到系統控制模組1004的系統記憶體1006、被耦合到系統控制模組1004的非揮發性記憶體(NVM)/儲存裝置1008、被耦合到系統控制模組1004的一個或多個輸入/輸出設備1010，以及被耦合到系統控制模組1006的網路介面1012。 　　處理器1002可包括一個或多個單核或多核處理器，處理器1002可包括通用處理器或專用處理器(例如圖形處理器、應用處理器、基頻處理器等)的任意組合。在一些實施例中，系統1000能夠作為本申請實施例中所述的流覽器。 　　在一些實施例中，系統1000可包括具有指令的一個或多個電腦可讀媒體(例如，系統記憶體1006或NVM/儲存裝置1008)以及與該一個或多個電腦可讀媒體相合併被配置為執行指令以實現模組從而執行本公開中所述的動作的一個或多個處理器1002。 　　對於一個實施例，系統控制模組1004可包括任意適當的介面控制器，以向(一個或多個)處理器1002中的至少一個和/或與系統控制模組1004通信的任意適當的設備或組件提供任意適當的介面。 　　系統控制模組1004可包括記憶體控制器模組，以向系統記憶體1006提供介面。記憶體控制器模組可以是硬體模組、軟體模組和/或韌體模組。 　　系統記憶體1006可被用於例如為系統1000載入和儲存資料和/或指令。對於一個實施例，系統記憶體1006可包括任意適當的揮發性記憶體，例如，適當的DRAM。在一些實施例中，系統記憶體1006可包括雙倍資料速率類型四同步動態隨機存取記憶體(DDR4SDRAM)。 　　對於一個實施例，系統控制模組1004可包括一個或多個輸入/輸出控制器，以向NVM/儲存裝置1008及(一個或多個)輸入/輸出設備1010提供介面。 　　例如，NVM/儲存裝置1008可被用於儲存資料和/或指令。NVM/儲存裝置1008可包括任意適當的非揮發性記憶體(例如，快閃記憶體)和/或可包括任意適當的(一個或多個)非揮發性儲存裝置(例如，一個或多個硬碟驅動器(HDD)、一個或多個光碟(CD)驅動器和/或一個或多個數位通用光碟(DVD)驅動器)。 　　NVM/儲存裝置1008可包括在物理上作為系統1000被安裝在其上的設備的一部分的儲存資源，或者其可被該設備訪問而不必作為該設備的一部分。例如，NVM/儲存裝置1008可通過網路經由(一個或多個)輸入/輸出設備1010進行訪問。 　　(一個或多個)輸入/輸出設備1010可為系統1000提供介面以與任意其他適當的設備通信，輸入/輸出設備1010可以包括通信組件、音訊組件、感測器組件等。網路介面1012可為系統1000提供介面以通過一個或多個網路通信，系統1000可根據一個或多個無線網路標準和/或協議中的任意標準和/或協議來與無線網路的一個或多個組件進行無線通訊，例如接入基於通信標準的無線網路，如WiFi，2G或3G，或它們的組合進行無線通訊。 　　對於一個實施例，(一個或多個)處理器1002中的至少一個可與系統控制模組1004的一個或多個控制器(例如，記憶體控制器模組)的邏輯封裝在一起。對於一個實施例，(一個或多個)處理器1002中的至少一個可與系統控制模組1004的一個或多個控制器的邏輯封裝在一起以形成系統級封裝(SiP)。對於一個實施例，(一個或多個)處理器1002中的至少一個可與系統控制模組1004的一個或多個控制器的邏輯集成在同一模具上。對於一個實施例，(一個或多個)處理器1002中的至少一個可與系統控制模組1004的一個或多個控制器的邏輯集成在同一模具上以形成片上系統(SoC)。 　　在各個實施例中，系統1000可以但不限於是：流覽器、工作站、桌上型計算設備或行動計算裝置(例如，膝上型計算設備、手持計算設備、平板電腦、輕省筆電等)。在各個實施例中，系統1000可具有更多或更少的組件和/或不同的架構。例如，在一些實施例中，系統1000包括一個或多個攝影機、鍵盤、液晶顯示器(LCD)螢幕(包括觸控顯示器)、非揮發性記憶體埠、多個天線、圖形晶片、專用積體電路(ASIC)和揚聲器。 　　其中，如果顯示器包括觸控面板，顯示幕可以被實現為觸控顯示器，以接收來自用戶的輸入信號。觸控面板包括一個或多個觸控感測器以感測觸摸、滑動和觸控面板上的手勢。所述觸控感測器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。 　　本申請實施例還提供了一種非揮發性可讀儲存媒體，該儲存媒體中儲存有一個或多個模組(programs)，該一個或多個模組被應用在終端設備時，可以使得該終端設備執行本申請實施例中各方法步驟的指令(instructions)。 　　在一個示例中提供了一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其特徵在於，所述處理器執行所述電腦程式時實現如本申請實施例的方法。 　　在一個示例中還提供了一種電腦可讀儲存媒體，其上儲存有電腦程式，其特徵在於，該程式被處理器執行時實現如本申請實施例的一個或多個的方法。 　　本申請實施例公開了一種基於圖像分析的人臉識別方法和裝置，示例1包括一種基於圖像分析的人臉識別方法，包括： 　　採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　調整圖像採集設備與用戶之間的相對位置； 　　採集調整相對位置之後的第二圖像； 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　示例2可包括示例1所述的方法，其中，所述調整圖像採集設備與用戶之間的相對位置包括： 　　調整所述圖像採集設備的位置，或提示調整用戶的位置。 　　示例3可包括示例1所述的方法，其中，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。 　　示例4可包括示例3所述的方法，其中，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定所述用戶為虛假用戶。 　　示例5可包括示例1所述的方法，其中，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。 　　示例6可包括示例5所述的方法，其中，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。 　　示例7可包括示例5所述的方法，其中，在所述採集調整相對位置之後的第二圖像之前，所述方法還包括： 　　調整所述圖像採集設備指向所述用戶的方向。 　　示例8可包括示例1-7任一所述的方法，其中，在所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊之前，所述方法還包括： 　　從所述背景內容中選取邊界清晰的背景物件； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。 　　示例9可包括示例2所述的方法，其中，所述調整圖像採集設備與用戶之間的相對位置為提示用戶的位置時，所述方法還包括： 　　提示調整所限制的時間，並在提示後開始計時； 　　所述採集調整相對位置之後的第二圖像包括： 　　當計時達到調整所限制的時間後，採集第二圖像。 　　示例10可包括示例1所述的方法，其中，所述方法還包括： 　　若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　示例11可包括一種基於圖像分析的人臉識別裝置，其中，所述裝置包括： 　　第一圖像採集模組，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。 　　示例12可包括示例11所述的裝置，其中，所述相對位置調整模組包括： 　　位置調整子模組，用於調整所述圖像採集設備的位置，或提示調整用戶的位置。 　　示例13可包括示例11所述的裝置，其中，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整； 　　所述差異資訊比較模組包括： 　　所占面積變化比較子模組，用於分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。 　　示例14可包括示例13所述的裝置，其中，所述差異資訊比較模組包括： 　　比例一致判斷子模組，用於判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　第一虛假用戶判定子模組，用於若一致，則判定所述用戶為虛假用戶。 　　示例15可包括示例11所述的裝置，其中，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整； 　　所述差異資訊比較模組包括： 　　內容變化比較子模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。 　　示例16可包括示例15所述的裝置，其中，所述用戶判定模組包括： 　　第二虛假用戶判定子模組，用於若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。 　　示例17可包括示例15所述的裝置，其中，所述裝置還包括： 　　指向方向調整模組，用於調整所述圖像採集設備指向所述用戶的方向。 　　示例18可包括示例11-17任一所述的裝置，其中，所述裝置還包括： 　　背景物件選取模組，用於從所述背景內容中選取邊界清晰的背景物件； 　　所述差異資訊比較模組包括： 　　差異資訊比較子模組，用於分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。 　　示例19可包括示例12所述的裝置，其中，所述調整圖像採集設備與用戶之間的相對位置為提示用戶的位置時，所述裝置還包括： 　　時間提示模組，用於提示調整所限制的時間，並在提示後開始計時； 　　所述第二圖像採集模組包括： 　　第二圖像採集子模組，用於當計時達到調整所限制的時間後，採集第二圖像。 　　示例20可包括示例11所述的裝置，其中，所述裝置還包括： 　　風險提示模組，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。 　　示例21、一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其特徵在於，所述處理器執行所述電腦程式時實現如申請專利範圍1-10一個或多個的方法。 　　示例22、一個電腦可讀儲存媒體，其上儲存有電腦程式，其特徵在於，該程式被處理器執行時實現如申請專利範圍1-10一個或多個的方法。 　　雖然某些實施例是以說明和描述為目的的，各種各樣的替代、和/或、等效的實施方案、或計算來達到同樣的目的實施例示出和描述的實現，不脫離本申請的實施範圍。本申請旨在覆蓋本文討論的實施例的任何修改或變化。因此，顯然本文描述的實施例僅由申請專利範圍和它們的等同物來限定。 　　雖然某些實施例是以說明和描述為目的的，各種各樣的替代、和/或、等效的實施方案、或計算來達到同樣的目的實施例示出和描述的實現，不脫離本申請的實施範圍。本申請旨在覆蓋本文討論的實施例的任何修改或變化。因此，顯然本文描述的實施例僅由申請專利範圍和它們的等同物來限定。 　　本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。 　　本領域內的技術人員應明白，本申請實施例的實施例可提供為方法、裝置、或電腦程式產品。因此，本申請實施例可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本申請實施例可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。 　　在一個典型的配置中，所述電腦設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體(RAM)和/或非揮發性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的示例。電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性儲存裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備訪問的資訊。按照本文中的界定，電腦可讀媒體不包括非持續性的電腦可讀媒體(transitory media)，如調製的資料信號和載波。 　　本申請實施例是參照根據本申請實施例的方法、終端設備(系統)、和電腦程式產品的流程圖和/或方方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方方塊圖中的每一流程和/或方框、以及流程圖和/或方方塊圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理終端設備的處理器以產生一個機器，使得通過電腦或其他可程式設計資料處理終端設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方方塊圖一個方框或多個方框中指定的功能的裝置。 　　這些電腦程式指令也可儲存在能引導電腦或其他可程式設計資料處理終端設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方方塊圖一個方框或多個方框中指定的功能。 　　這些電腦程式指令也可裝載到電腦或其他可程式設計資料處理終端設備上，使得在電腦或其他可程式設計終端設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計終端設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方方塊圖一個方框或多個方框中指定的功能的步驟。 　　儘管已描述了本申請實施例的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附申請專利範圍意欲解釋為包括優選實施例以及落入本申請實施例範圍的所有變更和修改。 　　最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、物品或者終端設備中還存在另外的相同要素。 　　以上對本申請所提供的技術方案進行了詳細介紹，本文中應用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本申請的方法及其核心思想；同時，對於本領域的一般技術人員，依據本申請的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本申請的限制。
101、102、103、104、105、201、202、203、204、205、206、207、301、302、303、304、305、306、401、402、403、404‧‧‧步驟
S11、S21、S31、S41、S42、S51、S61‧‧‧子步驟
501、601、701、801‧‧‧第一圖像採集模組
502、602、702‧‧‧相對位置調整模組
503、604、703、802‧‧‧第二圖像採集模組
504、605、704、803‧‧‧差異資訊比較模組
505、606、705‧‧‧用戶判定模組
603‧‧‧時間提示模組
607、706‧‧‧風險提示模組
804‧‧‧認證模組
900‧‧‧識別設備
901‧‧‧圖像採集設備
902‧‧‧第一提示資訊
903‧‧‧第二提示資訊
1000‧‧‧系統
1002‧‧‧處理器
1004‧‧‧系統控制模組
1006‧‧‧系統記憶體
1008‧‧‧非揮發性記憶體(NVM)/儲存裝置
1010‧‧‧輸入/輸出設備
1012‧‧‧網路介面
圖1是本申請實施例一的一種基於圖像分析的人臉識別方法的步驟流程圖； 　　圖2是本申請實施例二的一種基於圖像分析的人臉識別方法的步驟流程圖； 　　圖3是本申請實施例三的一種虛假用戶的識別方法的步驟流程圖； 　　圖4是本申請實施例四的一種活體認證方法的步驟流程圖； 　　圖5是本申請實施例五的一種基於圖像分析的人臉識別方法的結構方塊圖； 　　圖6是本申請實施例六的一種基於圖像分析的人臉識別方法的結構方塊圖； 　　圖7是本申請實施例七的一種虛假用戶的識別裝置的結構方塊圖； 　　圖8是本申請實施例八的一種認證裝置的結構方塊圖； 　　圖9是本申請實施例八的一種識別設備的結構方塊圖； 　　圖10是本申請的一種實現本公開中所述的各個實施例的範例系統； 　　圖11是本申請的一種人臉識別過程中的資訊交互圖； 　　圖12是本申請的一種真實用戶識別的場景示意圖； 　　圖13是本申請的一種虛假用戶識別的場景示意圖。

Claims (22)

  1. 一種基於圖像分析的人臉識別方法，包括： 　　採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　調整圖像採集設備與用戶之間的相對位置； 　　採集調整相對位置之後的第二圖像； 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。
  2. 根據申請專利範圍第1項所述的方法，所述調整圖像採集設備與用戶之間的相對位置包括： 　　調整所述圖像採集設備的位置，或提示調整用戶的位置。
  3. 根據申請專利範圍第1項所述的方法，所述調整包括在所述圖像採集設備與所述用戶的水準連線上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較所述人臉內容和所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化。
  4. 根據申請專利範圍第3項所述的方法，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　判斷所述人臉內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定所述用戶為虛假用戶。
  5. 根據申請專利範圍第1項所述的方法，所述調整包括在垂直於所述圖像採集設備和所述用戶的平面上至少一個方向的調整； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的內容變化。
  6. 根據申請專利範圍第5項所述的方法，所述根據所述差異資訊判定所述用戶為真實用戶或虛假用戶包括： 　　若所述人臉內容和所述背景內容均沒有發生內容變化，則判定所述用戶為虛假用戶。
  7. 根據申請專利範圍第5項所述的方法，在所述採集調整相對位置之後的第二圖像之前，所述方法還包括： 　　調整所述圖像採集設備指向所述用戶的方向。
  8. 根據申請專利範圍第1-7項任意一項所述的方法，在所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊之前，所述方法還包括： 　　從所述背景內容中選取邊界清晰的背景物件； 　　所述分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊包括： 　　分別比較人臉內容和背景物件在所述第一圖像和所述第二圖像中的差異資訊。
  9. 根據申請專利範圍第2項所述的方法，所述調整圖像採集設備與用戶之間的相對位置為提示用戶的位置時，所述方法還包括： 　　提示調整所限制的時間，並在提示後開始計時； 　　所述採集調整相對位置之後的第二圖像包括： 　　當計時達到調整所限制的時間後，採集第二圖像。
  10. 根據申請專利範圍第1項所述的方法，所述方法還包括： 　　若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。
  11. 一種虛假用戶的識別方法，包括： 　　採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　調整圖像採集設備與用戶之間的相對位置； 　　採集調整相對位置之後的第二圖像； 　　分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。
  12. 一種基於圖像分析的人臉識別裝置，包括： 　　第一圖像採集模組，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶。
  13. 一種虛假用戶的識別裝置，包括： 　　第一圖像採集模組，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　相對位置調整模組，用於調整圖像採集設備與用戶之間的相對位置； 　　第二圖像採集模組，用於採集調整相對位置之後的第二圖像； 　　差異資訊比較模組，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　用戶判定模組，用於根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　風險提示模組，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。
  14. 一種識別設備，所述識別設備包括圖像採集設備、第一提示資訊和第二提示資訊； 　　所述圖像採集設備，用於採集第一圖像，所述第一圖像包括人臉內容和背景內容； 　　所述第一提示資訊，用於提示調整所述圖像採集設備與用戶之間的相對位置； 　　所述圖像採集設備，還用於採集調整相對位置之後的第二圖像； 　　所述識別設備，用於分別比較人臉內容和背景內容在所述第一圖像和所述第二圖像中的差異資訊，根據所述差異資訊判定所述用戶為真實用戶或虛假用戶； 　　所述第二提示資訊，用於若判定所述用戶為虛假用戶，則產生針對虛假用戶的風險提示。
  15. 一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其中，所述處理器執行所述電腦程式時實現如申請專利範圍第1-11項所述的一個或多個的方法。
  16. 一種電腦可讀儲存媒體，其上儲存有電腦程式，其中，該程式被處理器執行時實現如申請專利範圍第1-11項所述的一個或多個的方法。
  17. 一種認證方法，包括： 　　在採集設備與被採集物件的第一相對位置，採集第一圖像；其中，所述第一圖像包括被採集物件的生物特徵內容和背景內容； 　　在採集設備與被採集物件的第二相對位置，採集第二圖像；其中，所述第二圖像包括被採集物件的生物特徵內容和背景內容； 　　獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊； 　　判定是否通過認證。
  18. 根據申請專利範圍第17項所述的方法，所述相對位置包括所述採集設備與所述被採集物件的相對距離。
  19. 根據申請專利範圍第17項所述的方法，所述相對位置包括所述採集設備與所述被採集物件的相對角度。
  20. 根據申請專利範圍第17項所述的方法，所述判定是否通過認證的步驟包括： 　　根據所述差異資訊，判定是否通過認證。
  21. 根據申請專利範圍第20項所述的方法，所述獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊的步驟包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化； 　　所述根據所述差異資訊，判定是否通過認證的步驟包括： 　　判斷所述生物特徵內容與所述背景內容在所述第一圖像和所述第二圖像中所占面積的變化比例是否一致； 　　若一致，則判定未通過認證； 　　若不一致，則判定通過認證。
  22. 根據申請專利範圍第20項所述的方法，所述獲取所述生物特徵內容和/或背景內容在所述第一圖像和所述第二圖像中的差異資訊的步驟包括： 　　獲取所述生物特徵內容和/或所述背景內容在所述第一圖像和所述第二圖像中的內容變化； 　　所述根據所述差異資訊，判定是否通過認證的步驟包括： 　　若所述生物特徵內容和/或所述背景內容均沒有發生內容變化，則判定未通過認證； 　　若所述生物特徵內容和/或所述背景內容發生內容變化，則判定通過認證。
TW107107026A 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 TW201903644A (zh)

Applications Claiming Priority (2)

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
??201710444122.3 2017-06-13

Publications (1)

Publication Number Publication Date
TW201903644A true TW201903644A (zh) 2019-01-16

Family

ID=64564017

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (4)

Country Link
US (1) US10885362B2 (zh)
CN (2) CN109086645B (zh)
TW (1) TW201903644A (zh)
WO (1) WO2018231465A1 (zh)

Families Citing this family (17)

* 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
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
CN112559332B (zh) * 2020-07-13 2023-04-07 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
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
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
US20220156897A1 (en) * 2020-11-13 2022-05-19 Samsung Sds Co., Ltd. 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
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

Family Cites Families (34)

* 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
US7317815B2 (en) 2003-06-26 2008-01-08 Fotonation Vision Limited Digital image processing composition using face detection information
US8896725B2 (en) 2007-06-21 2014-11-25 Fotonation Limited Image capture device with contemporaneous reference image capture mechanism
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
US9025830B2 (en) * 2012-01-20 2015-05-05 Cyberlink Corp. Liveness detection system based on face behavior
KR101884337B1 (ko) * 2012-04-26 2018-08-01 삼성전자주식회사 영상 인식 방법 및 장치
KR101923263B1 (ko) * 2012-11-14 2018-11-28 골란 웨이스 등록 및 인증을 위한 바이오메트릭 방법 및 시스템
US9058519B2 (en) * 2012-12-17 2015-06-16 Qualcomm Incorporated System and method for passive live person verification using real-time eye reflection
US20140337973A1 (en) * 2013-03-15 2014-11-13 Zerofox, Inc. Social risk management
GB2500823B (en) * 2013-03-28 2014-02-26 Paycasso Verify Ltd Method, system and computer program for comparing images
US10614204B2 (en) * 2014-08-28 2020-04-07 Facetec, Inc. Facial recognition authentication system including path parameters
CA2902093C (en) * 2014-08-28 2023-03-07 Kevin Alan Tussy Facial recognition authentication system including path parameters
CN107111745A (zh) * 2014-11-13 2017-08-29 英特尔公司 图像生物特征识别中的欺骗检测
CN104794465B (zh) * 2015-05-13 2019-06-07 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
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

Also Published As

Publication number Publication date
WO2018231465A1 (en) 2018-12-20
US10885362B2 (en) 2021-01-05
CN113177437A (zh) 2021-07-27
CN109086645A (zh) 2018-12-25
US20180357500A1 (en) 2018-12-13
CN109086645B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
TW201903644A (zh) 人臉識別方法、裝置以及虛假用戶的識別方法、裝置
JP6878572B2 (ja) 顔認識に基づいた認証
US11210541B2 (en) Liveness detection method, apparatus and computer-readable storage medium
TWI753271B (zh) 資源轉移方法、裝置及系統
BR112019009219A2 (pt) método para reconhecimento de facial, aparelho e dispositivo eletrônico
US8984622B1 (en) User authentication through video analysis
US9672523B2 (en) Generating barcode and authenticating based on barcode
TW201512880A (zh) 電子裝置、身份驗證系統及方法
CN115457664A (zh) 一种活体人脸检测方法及装置
US20150296317A1 (en) Electronic device and recording method thereof
CN105426730A (zh) 登录验证处理方法、装置及终端设备
US10217009B2 (en) Methods and systems for enhancing user liveness detection
TW201937400A (zh) 活體檢測的方法、裝置及設備
CN113780212A (zh) 用户身份核验方法、装置、设备及存储介质
WO2018233110A1 (zh) 支付数据的验证方法及装置
CN111695509A (zh) 一种身份验证方法、装置、机器可读介质及设备
US20220245963A1 (en) Method, apparatus and computer program for authenticating a user
US20200322648A1 (en) Systems and methods of facilitating live streaming of content on multiple social media platforms
CN112989299A (zh) 一种交互式身份识别方法、系统、设备及介质
WO2017148138A1 (zh) 指纹验证方法及装置
WO2016179883A1 (zh) 终端屏幕显示画面的旋转方法及装置
CN112417998A (zh) 活体人脸图像的获取方法和装置、介质、设备
KR101432484B1 (ko) 사용자 인증 시스템, 그 시스템에서의 사용자 인증을 위한 장치 및 방법
WO2019000957A1 (zh) 一种虹膜安全系统及方法
CN117237682A (zh) 一种证件验证方法、装置、存储介质及电子设备