身份识别系统、方法以及装置

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种身份识别系统。本说明书一个或者多个实施例同时涉及一种身份识别方法，一种身份识别装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着信息技术的发展，对动物的身份认证以及身份信息管理越来越被大众所重视，并且在很多面向动物的领域或服务中，例如宠物保险、动物认证识别、科研管理、珍稀物种跟踪等等，在这些领域中对动物进行身份认证以及身份信息管理是不可或缺的一部分。

然而，对动物进行身份认证和身份信息管理的核心，是对动物进行精准的身份识别。只有在准确地对动物进行身份识别的基础上，才能有效地增强对动物的身份认证以及身份信息管理，从而向动物提供更优质的、个性化的服务或研究，而目前为实现对动物进行身份识别，大多是在动物体内植入芯片，这种方式不仅技术难度大，用户体验差，而且成本较高，因此，亟需一种更为有效的方法以解决此类问题。

发明内容

有鉴于此，本说明书实施例提供了一种身份识别系统。本说明书一个或者多个实施例同时涉及一种身份识别方法，一种身份识别装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种身份识别系统，包括：

服务器以及至少一个客户端，所述服务器与所述至少一个客户端通信连接；

所述客户端，被配置为接收用户通过身份识别服务的引导控件提交的引导指令，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别对象的生物特征图像，并向所述服务器发送身份识别模型下发请求；

所述服务器，被配置为接收所述身份识别模型下发请求，并向所述客户端下发第一身份识别模型；

所述客户端，还被配置为接收所述第一身份识别模型，利用所述第一身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

可选地，所述客户端，还被配置为：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像输入待训练的身份识别模型进行训练，生成第二身份识别模型；

将所述第二身份识别模型上传至所述服务器进行存储。

可选地，所述客户端，还被配置为：

将所述身份识别结果与预先确定的所述待识别对象的目标身份识别结果进行准确度计算；

在计算结果不满足预设准确度阈值的情况下，根据所述生物特征图像优化所述第一身份识别模型，并将优化后的第一身份识别模型上传至所述服务器。

可选地，所述引导指令中包含所述用户的第一标识信息；

所述客户端，还被配置为：

获取数据库中多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入所述第一身份识别模型进行相似度计算；

将所述第一身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第一目标图像；

获取与所述第一目标图像关联的基准标识信息，并将所述基准标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述客户端，还被配置为：

在数据库中查询与所述第一标识信息关联的多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入所述第一身份识别模型进行相似度计算；

将所述第一身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第二目标图像；

将所述第二目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述客户端，还被配置为：

将所述生物特征图像输入所述第二身份识别模型，获取输出的预测标识信息；

将所述预测标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一标识信息作为所述待识别对象的身份识别结果。

可选地，所述客户端，还被配置为：

接收用户通过身份识别服务的引导控件提交的引导指令，所述引导指令中包含所述用户的第二标识信息；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像作为样本图像，并将所述用户的第二标识信息作为样本标签输入待训练的身份识别模型进行训练，生成第二身份识别模型，所述第二身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联；

将所述身份识别模型上传至所述服务器。

可选地，所述客户端，还被配置为：

基于所述引导指令启动图像采集组件，并提取所述图像采集组件按照预设图像采集频率采集的所述待识别对象的生物特征图像。

可选地，所述客户端，还被配置为：

提取所述生物特征图像包含的关键特征并输入至检测模型，对所述关键特征进行合格性检测，获得所述检测模型输出的针对所述关键特征的检测结果；

若所述检测结果中存在至少一个关键特征为检测未合格的情况下，则生成检测未合格的所述至少一个关键特征对应的采集引导指令；

通过运行所述采集引导指令向所述用户发出针对检测未合格的所述至少一个关键特征进行特征采集的采集引导提示。

可选地，所述生物特征图像包括动物鼻纹图像，所述基准生物特征图像包括动物基准鼻纹图像。

根据本说明书实施例的第二方面，提供了一种身份识别方法，应用于客户端，包括：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像；

利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述利用身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，包括：

获取数据库中多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第一目标图像；

获取与所述第一目标图像关联的基准标识信息，并将所述基准标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，包括：

在数据库中查询与所述第一标识信息关联的多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第二目标图像；

将所述第二目标图像关联的身份信息作为身份识别结果输出。

可选地，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像输入待训练的身份识别模型进行训练，生成身份识别模型。

可选地，所述身份识别方法，还包括：

将所述身份识别模型以及所述基准生物特征图像上传至所述服务器进行存储。

可选地，所述提取所述图像采集组件采集的待识别对象的生物特征图像之后，还包括：

向所述服务器发送基准生物特征图像获取请求以及身份识别模型下发请求。

可选地，所述利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，包括：

在所述服务器返回的基准生物特征图像中筛选与所述第一标识信息关联的多个目标对象的目标基准生物特征图像；

接收所述服务器下发的身份识别模型，并将所述目标基准生物特征图像以及所述生物特征图像输入所述身份识别模型；

将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第三目标图像；

将所述第三目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，包括：

将所述生物特征图像输入服务器下发的所述身份识别模型，获取输出的预测标识信息；

将所述预测标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一标识信息作为所述待识别对象的身份识别结果。

可选地，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令，所述引导指令中包含所述用户的第二标识信息；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像作为样本图像，并将所述用户的第二标识信息作为样本标签输入待训练的身份识别模型进行训练，生成身份识别模型，所述身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联。

可选地，所述基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像，包括：

基于所述引导指令启动图像采集组件，并提取所述图像采集组件按照预设图像采集频率采集的所述待识别对象的生物特征图像。

可选地，所述基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像，包括：

提取所述生物特征图像包含的关键特征并输入至检测模型，对所述关键特征进行合格性检测，获得所述检测模型输出的针对所述关键特征的检测结果；

若所述检测结果中存在至少一个关键特征为检测未合格的情况下，则生成检测未合格的所述至少一个关键特征对应的采集引导指令；

通过运行所述采集引导指令向所述用户发出针对检测未合格的所述至少一个关键特征进行特征采集的采集引导提示。

可选地，所述生物特征图像包括动物鼻纹图像，所述基准生物特征图像包括动物基准鼻纹图像。

根据本说明书实施例的第三方面，提供了一种身份识别装置，应用于客户端，包括：

接收模块，被配置为接收用户通过身份识别服务的引导控件提交的引导指令；

提取模块，被配置为基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像；

识别模块，被配置为利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

根据本说明书实施例的第四方面，提供了一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令以实现所述身份识别方法的步骤。

根据本说明书实施例的第五方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述身份识别方法的步骤。

本说明书一个实施例通过客户端接收用户通过身份识别服务的引导控件提交的引导指令，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别对象的生物特征图像，并向服务器发送身份识别模型下发请求；服务器接收所述身份识别模型下发请求，并向所述客户端下发第一身份识别模型；客户端接收所述第一身份识别模型，利用所述第一身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果；

通过上述方式对待识别对象进行身份识别，提高了身份识别方案的可行性，并且通过生物特征图像采集以及身份特征识别的方式识别其身份信息，不仅保障了待识别对象的安全，还可以随时随地对待识别对象的身份进行识别，提高了便利性。

附图说明

图1是本说明书一个实施例提供的一种身份识别系统的示意图；

图2是本说明书一个实施例提供的一种身份识别方法的处理流程图；

图3是本说明书一个实施例提供的一种图像采集示意图；

图4是本说明书一个实施例提供的一种身份识别方法的交互示意图；

图5是本说明书一个实施例提供的一种身份识别装置的示意图；

图6是本说明书一个实施例提供的一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

首先，对本说明书一个或多个实施例涉及的名词术语进行解释。

javascript：一种用于前端的开发语言。

tensorflow：一种使用javascript语言实现的人工智能框架，可被用于语音识别或图像识别等多项机器学习和深度学习领域。

鼻纹：鼻子上特有的纹路，与人类指纹类似，鼻纹也具有唯一性与稳定不变性，因此可以成为宠物身份认证的密钥。

在本说明书中，提供了一种身份识别系统，本说明书同时涉及一种身份识别方法，一种身份识别装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

随着对动物的身份认证以及身份信息管理越来越被大众所重视，并且在很多面向动物的领域或服务中，例如宠物保险、动物认证识别、科研管理、珍稀物种跟踪等等，在这些领域中对动物进行身份认证以及身份信息管理是不可或缺的一部分。

对动物进行身份认证和身份信息管理的核心，是对动物进行精准的身份识别，但目前为实现对动物进行身份识别，大多是在动物体内植入芯片，这种方式不仅技术难度大，用户体验差，而且成本较高。

基于此，本说明书实施例提供一种身份识别系统，包括服务器以及至少一个客户端，所述服务器与所述至少一个客户端通信连接；所述客户端用于接收用户通过身份识别服务的引导控件提交的引导指令，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别对象的生物特征图像，并向所述服务器发送身份识别模型下发请求；所述服务器用于接收所述身份识别模型下发请求，并向所述客户端下发第一身份识别模型；所述客户端还用于接收所述第一身份识别模型，利用所述第一身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

通过上述方式对待识别对象进行身份识别，提高了身份识别方案的可行性，并且通过生物特征图像采集以及身份特征识别的方式识别其身份信息，不仅保障了待识别对象的安全，还可以随时随地对待识别对象的身份进行识别，提高了便利性。

图1示出了根据本说明书一个实施例提供的一种身份识别系统的示意图，包括：

服务器102以及至少一个客户端104，所述服务器102与所述至少一个客户端104通信连接；

所述客户端104，被配置为接收用户通过身份识别服务的引导控件提交的引导指令，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别对象的生物特征图像，并向所述服务器102发送身份识别模型下发请求；

所述服务器102，被配置为接收所述身份识别模型下发请求，并向所述客户端104下发第一身份识别模型；

所述客户端104，还被配置为接收所述第一身份识别模型，利用所述第一身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

可选地，所述客户端104，还被配置为：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像输入待训练的身份识别模型进行训练，生成第二身份识别模型；

将所述第二身份识别模型上传至所述服务器102进行存储。

可选地，所述客户端104，还被配置为：

将所述身份识别结果与预先确定的所述待识别对象的目标身份识别结果进行准确度计算；

在计算结果不满足预设准确度阈值的情况下，根据所述生物特征图像优化所述第一身份识别模型，并将优化后的第一身份识别模型上传至所述服务器102。

可选地，所述引导指令中包含所述用户的第一标识信息；

所述客户端104，还被配置为：

获取数据库中多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入所述第一身份识别模型进行相似度计算；

将所述第一身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第一目标图像；

获取与所述第一目标图像关联的基准标识信息，并将所述基准标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述客户端104，还被配置为：

在数据库中查询与所述第一标识信息关联的多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入所述第一身份识别模型进行相似度计算；

将所述第一身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第二目标图像；

将所述第二目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述客户端104，还被配置为：

将所述生物特征图像输入所述第二身份识别模型，获取输出的预测标识信息；

将所述预测标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一标识信息作为所述待识别对象的身份识别结果。

可选地，所述客户端104，还被配置为：

接收用户通过身份识别服务的引导控件提交的引导指令，所述引导指令中包含所述用户的第二标识信息；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像作为样本图像，并将所述用户的第二标识信息作为样本标签输入待训练的身份识别模型进行训练，生成第二身份识别模型，所述第二身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联；

将所述身份识别模型上传至所述服务器102。

可选地，所述客户端104，还被配置为：

基于所述引导指令启动图像采集组件，并提取所述图像采集组件按照预设图像采集频率采集的所述待识别对象的生物特征图像。

可选地，所述客户端104，还被配置为：

提取所述生物特征图像包含的关键特征并输入至检测模型，对所述关键特征进行合格性检测，获得所述检测模型输出的针对所述关键特征的检测结果；

若所述检测结果中存在至少一个关键特征为检测未合格的情况下，则生成检测未合格的所述至少一个关键特征对应的采集引导指令；

通过运行所述采集引导指令向所述用户发出针对检测未合格的所述至少一个关键特征进行特征采集的采集引导提示。

可选地，所述生物特征图像包括动物鼻纹图像，所述基准生物特征图像包括动物基准鼻纹图像。

本说明书实施例通过上述方式对待识别对象进行身份识别，提高了身份识别方案的可行性，并且通过生物特征图像采集以及身份特征识别的方式识别其身份信息，不仅保障了待识别对象的安全，还可以随时随地对待识别对象的身份进行识别，提高了便利性。

图2示出了根据本说明书一个实施例提供的一种身份识别方法的处理流程图，应用于客户端，包括步骤202至步骤206。

步骤202，接收用户通过身份识别服务的引导控件提交的引导指令。

具体的，本说明书实施例提供的身份识别方法，可用于对动物进行身份识别，所述动物包括但不限于野生动物或者豢养物。豢养即喂养、驯养或养育；豢养物包括用户所喂养或养育的动物，包括动物宠物(宠物狗、宠物猫、宠物猪等)、茶宠宠物(金蟾、貔貅等)以及另类宠物(土拨鼠、兔、仓鼠、刺猬、蝙蝠等)等，除上述豢养宠物外，豢养物还包括养殖业中养殖的家禽类动物，如鸡、鸭等，或者畜牧业中养殖的动物，如牛、羊、马等。

另外，所述身份识别服务可以是客户端的一款用于进行身份识别的应用程序，也可以是搭载于某应用程序的可提供身份识别服务的子应用，具体可根据实际需求确定，在此不做任何限定。

本说明书实施例提供的身份识别方法，在数据库中预先存储有所述待识别对象的档案信息的情况下，用户可通过所述身份识别服务上传待识别对象的生物特征图像，以实现对待识别对象进行身份识别，例如，在理赔场景中，若用户针对某动物提出理赔请求，则理赔服务提供方可通过采集动物生物特征图像的方式对该动物进行身份识别，以判断该动物是否参保或者是否满足理赔条件等；在寻找丢失宠物场景中，服务提供者可通过采集宠物生物特征图像的方式对该宠物进行身份识别，以判断该宠物是否是宠物丢失者所丢失的宠物。

具体的，用户通过点击触发客户端显示的动物身份识别服务的引导控件以提交引导指令，所述客户端包括手机、平板或者电脑等，所述引导指令用于为动物身份识别过程提供引导服务，具体可用于触发客户端启动图像采集组件进行生物特征图像的采集，并且在客户端启动图像采集组件进行生物特征图像采集的过程中，可为用户提供生物特征图像的图像采集策略。

步骤204，基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像。

具体的，所述的待识别对象可以包括需要对其进行身份识别的动物；所述图像采集组件即配置在客户端的图像采集器，在日常生活中使用频率较高的图像采集器包括视频输入设备，即摄像头，本说明书实施例的所述客户端的图像采集组件，即配置于用户的手机、平板或电脑的摄像头；客户端在接收到所述引导指令后，启动摄像头进行图像采集，并提取摄像头所采集的待识别对象的生物特征图像。

另外，本说明书实施例以所述待识别对象为豢养宠物为例进行说明，在豢养宠物服务机构接收用户针对豢养宠物发送的服务请求时，具体对豢养宠物进行投保、理赔或医疗诊断等过程中，若数据库中存储有预先建立的所述豢养宠物的档案信息，则豢养宠物服务机构均需对豢养宠物进行身份识别，以根据识别结果提供相应的服务，例如，若用户针对豢养宠物发送理赔请求后，理赔服务机构需对豢养宠物进行身份识别，以确定该宠物是否已参保。

由于鼻纹可以唯一标识动物的身份信息，因此，为保证身份识别结果的准确性以及提高身份识别效率，本说明书实施例所述的生物特征图像包括动物鼻纹图像，相应的，本说明书实施例所述的待识别对象为有鼻纹的动物，例如宠物猫和宠物狗等，对于其他类型的动物，例如猩猩、大熊猫、猪、牛、羊、鸡、鸭等动物，可采用面部图像或虹膜图像进行处理，具体的处理方式与动物鼻纹图像的处理方式类似，在此不再赘述。

具体实施时，所述图像采集组件被启动后，可按照预设图像采集频率进行生物特征图像采集，因此，所述基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像，即基于所述引导指令启动图像采集组件，并提取所述图像采集组件按照预设图像采集频率采集的所述待识别对象的生物特征图像，或者通过录制包含对象生物特征的视频，并在视频中提取符合条件的生物特征图像。

实际应用中，所述预设图像采集频率可以为300ms/次，但具体的图像采集频率可以根据实际需求设定，在此不做任何限制。

另外，基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像，具体可通过以下方式实现：

提取所述生物特征图像包含的关键特征并输入至检测模型，对所述关键特征进行合格性检测，获得所述检测模型输出的针对所述关键特征的检测结果；

若所述检测结果中存在至少一个关键特征为检测未合格的情况下，则生成检测未合格的所述至少一个关键特征对应的采集引导指令；

通过运行所述采集引导指令向所述用户发出针对检测未合格的所述至少一个关键特征进行特征采集的采集引导提示。

具体的，对生物特征图像包含的关键特征进行合格性检测，即检测所述关键特征是否满足身份识别条件，例如，所述生物特征图像为动物鼻纹图像的情况下，若需对动物进行准确的身份识别，则采集的动物鼻纹图像需为完整的鼻纹图像，因此，在对鼻纹图像的关键特征进行合格性检测的过程中，则需检测关键特征是否完整，如果存在关键特征缺失，则检测结果即为不合格。

实际应用中，在提取图像采集组件采集的待识别对象的生物特征图像后，可通过检测模型对所述生物特征图像包含的关键特征进行合格性检测，以根据检测模型输出的合格性检测结果确定是否需要向用户提供采集引导提示，由于用户在进行图像采集过程中，可能并不了解正确的图像采集方式，此时需要对用户采集生物特征图像的采集过程进行引导，通过正确的引导方式以方便用户能够采集到合格的生物特征图像。

本说明书实施例在提取生物特征图像中的关键特征后，再通过检测模型获得关键特征的合格性检测结果，若存在至少一个关键特征为检测未合格的情况下，则可以生成采集引导指令，所述采集引导指令可以是针对检测未合格的关键特征生成，也可以是针对整体的生物特征图像的采集方式生成。

生成采集引导指令后，通过运行所述采集引导指令的方式向用户发出针对采集引导提示，本说明书实施例提供的图像采集示意图如图3所示，图3示出的采集引导提示即为“请拍左侧鼻子，往左脸倾斜约15度”。并且，若所述图像采集组件按预设采集频率进行生物特征图像的采集，则可对采集的生物特征图像进行实时合格性检测，在检测合格的情况下，停止采集；或者，所述图像采集组件可以逐次进行生物特征图像的采集，采集一次，即对采集的生物特征图像进行合格性检测，若检测不合格，则继续采集，若检测合格，则停止采集。

进一步的，若所述采集引导指令是针对检测未合格的关键特征生成，则在用户根据采集引导提示针对未合格的关键特征重新进行图像采集，并在采集的图像中包含合格的关键特征的情况下，可以将全部检测合格的关键特征进行整合生成可用于身份识别的生物特征图像；若所述采集引导指令是针对整体的生物特征图像的采集方式生成，则在用户根据采集引导提示重新进行图像采集并获得合格的生物特征图像的情况下，可将该生物特征图像用于进行身份识别。

在出现生物特征图像中关键特征不合格的情况下，可以为用户提供图像采集引导提示，以使得用户可以根据正确的采集方式采集合格的生物特征图像，有利于提高生物特征图像的采集效率，从而有利于提高待识别对象身份识别效率。

步骤206，利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

具体的，所述身份识别模型由客户端训练完成后上传至服务器进行存储，客户端在需要利用所述身份识别模型对待识别对象进行身份识别的情况下，可向服务器发送身份识别模型下发请求，服务器接收到模型下发请求后，将所述身份识别模型下发至客户端，客户端可将提取的生物特征图像输入所述身份识别模型，以进行身份特征识别处理，从而生成所述待识别对象的身份识别结果。

进一步的，训练生成所述身份识别模型后，可将所述身份识别模型上传至所述服务器进行存储，另外，还可将所述基准生物特征图像以及所述用户的第一标识信息上传至服务器进行存储，所述基准生物图像、所述第一标识信息以及所述身份识别模型均可在待识别对象身份识别过程中使用。

实际应用中，在身份识别过程中，具体可在提取所述图像采集组件采集的待识别对象的生物特征图像之后，向所述服务器发送基准生物特征图像获取请求以及身份识别模型下发请求，由服务器向客户端下发所述身份识别模型以及所述基准生物特征图像；或者，客户端在需要借助服务器中存储的用户的第一标识信息对待识别对象进行身份识别的情况下，可向服务器发送第一标识信息获取请求，由服务器向客户端下发所述第一标识信息。

另外，客户端获得所述身份识别结果后，可将所述身份识别结果与真实结果(目标身份识别结果)进行比对，以确定所述身份识别结果的准确度，在确定所述身份识别结果的准确度低于预设准确度阈值的情况下，可利用所述生物特征图像对所述身份识别模型优化，并将优化后的身份识别模型上传至所述服务器。

具体实施时，引导指令中包含所述用户的第一标识信息；

相应的，利用身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，具体可通过以下方式实现：

获取数据库中多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第一目标图像；

获取与所述第一目标图像关联的基准标识信息，并将所述基准标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一目标图像关联的身份信息作为身份识别结果输出。

具体的，所述基准生物特征图像为建立目标对象档案时所采集的目标对象的特征图像，所述目标对象档案可以在为目标对象进行投保、医疗等过程中建立；在所述生物特征图像为动物鼻纹图像的情况下，所述基准生物特征图像可以是动物基准鼻纹图像。

在提取生物特征图像后，向服务器发送身份识别模型下发请求以及基准生物特征图像获取请求，以获取服务器下发的基准生物特征图像，并将所述基准生物特征图像与提取的所述生物特征图像输入所述身份识别模型进行相似度计算，并将计算结果中相似度大于预设相似度阈值的基准生物特征图像作为目标图像(第一目标图像)，并将与所述目标图像关联的基准标识信息与所述用户的第一标识信息进行比对，在比对一致的情况下，则表明在数据库中能够查找到与所述生物特征图像匹配的基准生物特征图像，并且能够进一步表明所述用户已为所述待识别对象建立宠物档案，因此，可将所述目标图像关联的身份信息作为待识别对象的身份识别结果输出。

另外，在所述数据库中未查找到与所述生物特征图像匹配的基准生物特征图像的情况下，则说明所述用户并未建立所述待识别对象的档案，此时可以向所述用户发送提醒信息，提醒所述用户为所述待识别对象建立档案。

通过客户端的图像采集组件采集生物特征图像，并通过身份识别模型计算所述生物特征图像与基准生物特征图像间的相似度，从而将相似度计算结果满足预设相似度阈值的基准生物特征图像作为目标图像，并根据目标图像确定身份识别结果，通过这种方式进行身份识别，不仅提高了身份识别方案的可行性，并能够保障待识别对象的安全，另外，该识别过程不受时间和地点的限制，提高了待识别对象身份识别过程的便利性。

此外，在所述引导指令中包含所述用户的第一标识信息的情况下，利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，还可通过以下方式实现：

在数据库中查询与所述第一标识信息关联的多个目标对象的基准生物特征图像；

将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第二目标图像；

将所述第二目标图像关联的身份信息作为身份识别结果输出。

具体的，在提取生物特征图像后，向服务器发送身份识别模型下发请求以及基准生物特征图像获取请求，以获取服务器下发的与所述第一标识信息关联的基准生物特征图像，并将所述基准生物特征图像与提取的所述生物特征图像输入所述身份识别模型进行相似度计算，然后将计算结果中相似度大于预设相似度阈值的基准生物特征图像作为目标图像(第二目标图像)，并将与所述目标图像关联的身份信息作为身份识别结果输出。

通过这种方式对待识别对象进行身份识别，不仅提高了身份识别方案的可行性，并能够保障待识别对象的安全，另外，该识别过程不受时间和地点的限制，提高了待识别对象身份识别过程的便利性。

进一步的，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像输入待训练的身份识别模型进行训练，生成身份识别模型。

具体的，所述身份识别模型的训练过程为无监督训练，即只有样本图像，没有样本标签。并且模型训练的过程在客户端完成，在用户首次为待识别对象建立档案的情况下，则可将图像采集组件采集的生物特征图像作为基准生物特征图像，并将所述基准生物特征图像输入待训练的身份识别模型进行训练，以生成所述身份识别模型。

本说明书实施例可以通过tensorflow进行模型训练，并且所述待训练的身份识别模型可以是神经网络模型，具体可以是全连接神经网络。

模型训练完成后，客户端可将所述身份识别模型上传至服务器进行存储；并且其他客户端在有对待识别对象进行身份识别的需求的情况下，可向服务器发送模型下发请求，以由服务器将身份识别模型下发至客户端，客户端通过所述身份识别模型对生物特征图像进行识别处理获得识别结果后，若确定获得的识别结果的准确度不满足条件的情况下，可利用所述生物特征图像对所述身份识别模型进行优化，并将优化后的身份识别模型上传至服务器。

通过这种方式对身份识别模型进行优化，有利于提高模型输出结果的准确度。

具体实施时，所述引导指令中包含所述用户的第一标识信息；

相应的，所述利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果，还可通过以下方式实现：

将所述生物特征图像输入服务器下发的所述身份识别模型，获取输出的预测标识信息；

将所述预测标识信息与所述用户的第一标识信息进行比对；

在比对一致的情况下，将所述第一标识信息作为所述待识别对象的身份识别结果。

进一步的，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令，所述引导指令中包含所述用户的第二标识信息；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像作为样本图像，并将所述用户的第二标识信息作为样本标签输入待训练的身份识别模型进行训练，生成身份识别模型，所述身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联。

具体的，所述身份识别模型的训练过程为有监督训练，并且训练过程同样在客户端完成，在用户首次为待识别对象建立档案的情况下，可将图像采集组件采集的生物特征图像作为基准生物特征图像，并将所述基准生物特征图像作为样本图像，将引导指令中携带的用户的第二标识信息作为样本标签，将所述样本图像以及所述样本标签输入待训练的身份识别模型进行训练，以生成所述身份识别模型，所述身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联，即在所述身份识别模型中输入一张生物特征图像，即可获得模型输出的所述生物特征图像关联的用户标识信息。

因此，在身份识别过程中，客户端在接收到用户提交的引导指令后，可启动图像采集组件进行生物特征图像采集，同时可向服务器发送身份识别模型下发请求，以将采集的生物特征图像输入服务器下发的身份识别模型进行处理，从而获得模型输出的与所述生物特征图像关联的用户标识信息(预测标识信息)；由于用户提交的引导指令中包含用户的第二标识信息，因此，在获得模型输出的预测标识信息后，可将所述预测标识信息与所述第二标识信息进行比对，在比对一致的情况下，将所述第二标识信息作为所述待识别对象的身份识别结果。

本说明书实施例提供的身份识别方法，应用于客户端，通过接收用户通过身份识别服务的引导控件提交的引导指令，基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像，利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果；

通过上述方式对待识别对象进行身份识别，提高了身份识别方案的可行性，并且通过生物特征图像采集以及身份特征识别的方式识别待识别对象的身份信息，不仅保障了待识别对象的安全，还可以随时随地对待识别对象的身份进行识别，提高了便利性。

上述为本实施例的一种身份识别方法的示意性方案。需要说明的是，该身份识别系统的技术方案与身份识别方法的技术方案属于同一构思，身份识别系统的技术方案未详细描述的细节内容，均可以参见身份识别方法的技术方案的描述。

下述结合附图4，以本说明书提供的身份识别方法在宠物身份识别场景的应用为例，对所述身份识别方法进行进一步说明。其中，图4示出了本说明书一个实施例提供的一种身份识别方法的交互示意图，具体步骤包括步骤402至步骤422。

步骤402，客户端接收用户通过豢养宠物身份识别服务的引导控件提交的引导指令。

步骤404，客户端基于所述引导指令启动图像采集组件。

步骤406，客户端提取所述图像采集组件采集的豢养宠物的基准生物特征图像。

步骤408，客户端将所述基准生物特征图像输入待训练的豢养宠物身份识别模型进行训练，生成豢养宠物身份识别模型。

步骤410，将所述豢养宠物身份识别模型上传至服务器进行存储。

步骤402至步骤410为豢养宠物身份识别模型的训练过程。

步骤412至步骤422为豢养宠物身份识别模型的应用过程。

步骤412，客户端接收用户通过豢养宠物身份识别服务的引导控件提交的引导指令。

步骤414，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别豢养宠物的生物特征图像。

步骤416，客户端向服务器发送豢养宠物身份识别模型下发请求。

步骤418，服务器向客户端下发豢养宠物身份识别模型。

步骤420，客户端利用所述豢养宠物身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别豢养宠物的豢养宠物身份识别结果。

步骤422，客户端向用户展示豢养宠物的身份识别结果。

本说明书实施例通过上述方式对豢养宠物进行身份识别，提高了豢养宠物身份识别方案的可行性，并且通过生物特征图像采集以及身份特征识别的方式识别豢养宠物的身份信息，不仅保障了豢养宠物的安全，还可以随时随地对豢养宠物的身份进行识别，提高了便利性。

另外，所述身份识别方法可用于对野生保护动物的行动轨迹进行追踪，即用户可通过野生保护动物身份识别服务的引导控件提交引导指令，客户端基于所述引导指令启动图像采集组件对野生保护动物的基准鼻纹特征图像进行采集，并将所述基准鼻纹特征图像输入待训练的野生保护动物身份识别模型进行训练，生成野生保护动物身份识别模型，再将训练获得的野生保护动物身份识别模型上传至服务器进行存储。

进一步的，客户端接收用户通过野生保护动物身份识别服务的引导控件提交的引导指令，基于所述引导指令启动图像采集组件，提取所述图像采集组件采集的待识别的野生保护动物的鼻纹特征图像，并向服务器发送野生保护动物身份识别模型下发请求，在接收到服务器下发的野生保护动物身份识别模型后，利用所述野生保护动物身份识别模型对所述鼻纹特征图像进行身份特征识别处理，生成所述待识别的野生保护动物的身份识别结果并展示，通过上述方式对待识别野生保护动物进行身份识别，提高了身份识别方案的可行性，并且通过鼻纹特征图像采集以及身份特征识别的方式识别野生保护动物的身份信息，从而实现对其行动轨迹的追踪，不仅保障了野生保护动物的安全，还可以随时随地对待识别的野生保护动物进行身份识别，提高了便利性。

与上述方法实施例相对应，本说明书还提供了身份识别装置实施例，图5示出了本说明书一个实施例提供的一种身份识别装置的示意图。如图5所示，该装置包括：

接收模块502，被配置为接收用户通过身份识别服务的引导控件提交的引导指令；

提取模块504，被配置为基于所述引导指令启动所述图像采集组件，并提取所述图像采集组件采集的待识别对象的生物特征图像；

识别模块506，被配置为利用服务器下发的身份识别模型对所述生物特征图像进行身份特征识别处理，生成所述待识别对象的身份识别结果。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述识别模块506，包括：

获取子模块，被配置为获取数据库中多个目标对象的基准生物特征图像；

第一计算子模块，被配置为将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

第一目标图像确定子模块，被配置为将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第一目标图像；

第一比对子模块，被配置为获取与所述第一目标图像关联的基准标识信息，并将所述基准标识信息与所述用户的第一标识信息进行比对；

第一输出子模块，被配置为在比对一致的情况下，将所述第一目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述识别模块502，包括：

查询子模块，被配置为在数据库中查询与所述第一标识信息关联的多个目标对象的基准生物特征图像；

第二计算子模块，被配置为将所述基准生物特征图像与所述生物特征图像输入服务器下发的所述身份识别模型进行相似度计算；

第二目标图像确定子模块，被配置为将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第二目标图像；

第二输出子模块，被配置为将所述第二目标图像关联的身份信息作为身份识别结果输出。

可选地，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像输入待训练的身份识别模型进行训练，生成身份识别模型。

可选地，所述的身份识别装置，还包括：

第一上传模块，被配置为将所述身份识别模型以及所述基准生物特征图像上传至所述服务器进行存储。

可选地，所述身份识别装置，还包括：

请求发送模块，被配置为向所述服务器发送基准生物特征图像获取请求以及身份识别模型下发请求。

可选地，所述识别模块506，包括：

筛选子模块，被配置为在所述服务器返回的基准生物特征图像中筛选与所述第一标识信息关联的多个目标对象的目标基准生物特征图像；

输入子模块，被配置为接收所述服务器下发的身份识别模型，并将所述目标基准生物特征图像以及所述生物特征图像输入所述身份识别模型；

第三目标图像确定子模块，被配置为将所述身份识别模型输出的相似度计算结果满足预设条件的基准生物特征图像作为第三目标图像；

第三输出子模块，被配置为将所述第三目标图像关联的身份信息作为身份识别结果输出。

可选地，所述引导指令中包含所述用户的第一标识信息；

相应的，所述识别模块506，包括：

预测标识信息输出子模块，被配置为将所述生物特征图像输入服务器下发的所述身份识别模型，获取输出的预测标识信息；

第二比对子模块，被配置为将所述预测标识信息与所述用户的第一标识信息进行比对；

身份识别结果确定子模块，被配置为在比对一致的情况下，将所述第一标识信息作为所述待识别对象的身份识别结果。

可选地，所述身份识别模型通过以下方式进行训练：

接收用户通过身份识别服务的引导控件提交的引导指令，所述引导指令中包含所述用户的第二标识信息；

基于所述引导指令启动图像采集组件，并提取所述图像采集组件采集的目标对象的基准生物特征图像；

将所述基准生物特征图像作为样本图像，并将所述用户的第二标识信息作为样本标签输入待训练的身份识别模型进行训练，生成身份识别模型，所述身份识别模型使得所述第二标识信息与所述基准生物特征图像相关联。

可选地，所述提取模块504，包括：

第一提取子模块，被配置为基于所述引导指令启动图像采集组件，并提取所述图像采集组件按照预设图像采集频率采集的所述待识别对象的生物特征图像。

可选地，所述提取模块504，包括：

第二提取子模块，被配置为提取所述生物特征图像包含的关键特征并输入至检测模型，对所述关键特征进行合格性检测，获得所述检测模型输出的针对所述关键特征的检测结果；

采集引导指令生成子模块，被配置为若所述检测结果中存在至少一个关键特征为检测未合格的情况下，则生成检测未合格的所述至少一个关键特征对应的采集引导指令；

采集引导提示发送子模块，被配置为通过运行所述采集引导指令向所述用户发出针对检测未合格的所述至少一个关键特征进行特征采集的采集引导提示。

可选地，所述生物特征图像包括动物鼻纹图像，所述基准生物特征图像包括动物基准鼻纹图像。

上述为本实施例的一种身份识别装置的示意性方案。需要说明的是，该身份识别装置的技术方案与上述的身份识别方法的技术方案属于同一构思，身份识别装置的技术方案未详细描述的细节内容，均可以参见上述身份识别方法的技术方案的描述。

图6示出了根据本说明书一个实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接，数据库650用于保存数据。

计算设备600还包括接入设备640，接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本说明书的一个实施例中，计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图6所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备600可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。

其中，所述存储器610用于存储计算机可执行指令，处理器620用于执行如下计算机可执行指令以实现上述身份识别方法的步骤。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的身份识别方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述身份识别方法的技术方案的描述。

本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于实现所述身份识别方法的步骤。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的身份识别方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述身份识别方法的技术方案的描述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，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，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。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，所涉及的动作和模块并不一定都是本说明书实施例所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。