人机识别方法、装置及服务器

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种人机识别方法、装置及服务器。

背景技术

人机识别是用于识别操作者为真人还机器人。目前，在注册、游戏等场景中，都需要进行人机识别。比如，在大型在线游戏项目中，用户恶意使用自动化辅助工具(比如连点器脚本)等方式会极大的破坏游戏平衡，影响正常用户体验，因而需要进行人机识别。当前一般通过人工识别的方式进行人机识别，但这种方式效率低且成本高。因此，需要提供一种能够实现人机识别、同时成本低及准确率高的方式。

发明内容

本申请实施例提供了一种人机识别方法、装置、服务器及可读存储介质，其能够快速准确地获得用于人机识别的数据集，进而基于获得的数据集准确进行人机识别，同时可减少人力成本及便于维护。

本申请的实施例可以这样实现：

第一方面，本申请实施例提供一种人机识别方法，应用于服务器，所述方法包括：

通过向多个第一终端设备发送第一符号描述请求，获得多个第一数据对，其中，所述第一符号描述请求用于指示所述第一终端设备处的用户画出所述第一符号描述请求中的第一目标符号，所述第一数据对中包括所述第一终端设备处的用户画出的第一轨迹及所述第一目标符号；

针对各第一数据对，根据该第一数据对向多个第二终端设备发送第一选择请求，其中，所述第一选择请求中包括该第一数据对；

针对第一数据对，根据各所述第二终端设备发送的第一选择结果，判断该第一数据对是否为目标数据对，其中，所述第一选择结果用于指示所述第二终端设备处的用户认为所述第一数据对是否正确，所述目标数据对为正确的第一数据对，所述目标数据对组成目标数据集；

根据所述目标数据集进行人机识别。

第二方面，本申请实施例提供一种人机识别装置，应用于服务器，所述装置包括：

数据对获得模块，用于通过向多个第一终端设备发送第一符号描述请求，获得多个第一数据对，其中，所述第一符号描述请求用于指示所述第一终端设备处的用户画出所述第一符号描述请求中的第一目标符号，所述第一数据对中包括所述第一终端设备处的用户画出的第一轨迹及所述第一目标符号；

筛选模块，用于针对各第一数据对，根据该第一数据对向多个第二终端设备发送第一选择请求，其中，所述第一选择请求中包括该第一数据对；

所述筛选模块，还用于针对第一数据对，根据各所述第二终端设备发送的第一选择结果，判断该第一数据对是否为目标数据对，其中，所述第一选择结果用于指示所述第二终端设备处的用户认为所述第一数据对是否正确，所述目标数据对为正确的第一数据对，所述目标数据对组成目标数据集；

识别模块，用于根据所述目标数据集进行人机识别。

第三方面，本申请实施例提供一种服务器，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式所述的人机识别方法。

第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式所述的人机识别方法。

本申请实施例提供的人机识别方法、装置、服务器及可读存储介质，通过向多个第一终端设备分别发送用于指示第一终端设备处的用户画出第一目标符号的第一符号描述请求，获得多个第一数据对，该第一符号描述信息中包括第一目标符号，第一数据对中包括第一目标符号及第一终端设备处的用户画出的第一轨迹；之后，针对各第一数据对，向多个第二终端设备发送该第一数据对的第一选择请求，并接收多个第二终端设备分别发送的第一选择结果，进而根据接收到的第一选择结果确定第一数据对是否为正确的数据对，若是则将该第一数据对作为目标数据对，目标数据对组成目标数据集，第一选择结果用于指示第二终端设备处的用户认为第一数据对是否正确；最后，根据获得的目标数据集进行人机识别。如此，可快速准确地获得用于人机识别的数据集，进而基于获得的数据集准确进行人机识别，同时可减少人力成本及便于维护。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的服务器的方框示意图；

图2为本申请实施例提供的人机识别方法的流程示意图；

图3为图2中步骤S110包括的子步骤的流程示意图；

图4为图2中步骤S130包括的子步骤的流程示意图；

图5为图2中步骤S140包括的一种子步骤的流程示意图；

图6为图2中步骤S140包括的另一种子步骤的流程示意图；

图7为本申请实施例提供的人机识别装置的方框示意图。

图标：100-服务器；110-存储器；120-处理器；130-通信单元；200-人机识别装置；210-数据对获得模块；220-筛选模块；230-识别模块。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“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、物品或者设备中还存在另外的相同要素。

目前，在注册、游戏等场景中，都需要进行人机识别。比如，在大型在线游戏项目中，用户恶意使用自动化辅助工具(比如连点器脚本)等方式会极大的破坏游戏平衡，影响正常用户体验，因此游戏项目一般需要进行人机识别以筛选出作弊用户，即使用自动化辅助工具则为作弊用户。当前，一般会根据日志进行人工识别。比如，针对游戏，通过记录用户行为的行为日志，分析日志的频率、规律性等方法来判段用户是否具有使用连点器等作弊行为。

使用日志进行人工的人机识别，虽然理论上存在可行性，但是缺点很多，比如：1.可以用于判断的日志可选择范围较为狭窄；2.固定频率的检测容易误判；3.人工判定工作量太大。如果使用AI判定，需要人工进行打标签，数据收集缓慢，很难有足够且准确的训练集，同时作弊用户可以很快调整规律，躲避检查，导致准确率不高。

当前还可以提供图片或者问答题让用户进行选择：让用户针对题目问题，选择正确图片或答案。这种方式下，为了保证较好的反作弊效果，图集或者题目需要长期维护更新，工作量大。

针对上述情况，本申请实施例提供了一种人机识别方法、装置、服务器及可读存储介质，可降低用于自动人机识别的目标数据集的获取难度，同时提高目标数据集的准确度进而提高人机识别的准确度，还能同时降低后期的维护难度。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，图1为本申请实施例提供的服务器100的方框示意图。所述服务器100可以包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器110用于存储程序或者数据。所述存储110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。比如，存储器110中存储有人机识别装置200，所述人机识别装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本申请实施例中的人机识别装置200，从而执行各种功能应用以及数据处理，即实现本申请实施例中的人机识别方法。

通信单元130用于通过网络建立所述服务器100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。

应当理解的是，图1所示的结构仅为服务器100的结构示意图，所述服务器100的还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参照图2，图2为本申请实施例提供的人机识别方法的流程示意图。所述方法应用于服务器。下面对人机识别方法的具体流程进行详细阐述。在本实施例中，所述方法可以包括步骤S110～步骤S140。

步骤S110，通过向多个第一终端设备发送第一符号描述请求，获得多个第一数据对。

在本实施例中，所述服务器可以指定至少1个目标符号，并根据指定的至少1个目标符号向多个终端设备发送第一符号描述请求。所述目标符号可以是图形，比如，三角形△、圆形○、五角星形☆等；还可以是标点符号，比如，逗号“，”、感叹号“！”等；还可以数字、中文字符、中文字符串、英文字符、英文字符串等，具体可以结合实际需求确定。其中，所述第一符号描述请求中包括第一目标符号，即包括指定的1个目标符号。不同第一终端设备接收到的第一符号描述信息中的第一目标符号可以相同，也可以不同，具体可以结合实际需求确定。所述第一符号描述请求用于指示所述第一终端设备处的用户画出所述第一符号描述请求中的第一目标符号。

在所述服务器的下发阶段，在一段时间内，所有用户登录后都可能随机收到一个第一符号描述请求，比如，所述第一符号描述请求为：“画一下这个符号×”，或者“画一下这个符号○”。

所述第一终端设备为被发送第一符号描述请求，可以是随机选择的终端设备，也可以是通过其他方式确定的终端设备，在此不对第一终端设备的确定方式进行具体限定。

所述第一终端设备在接收到所述第一符号描述请求后，可向所述服务器反馈第一轨迹，即向服务器提交第一轨迹，该第一轨迹为第一终端设备处的用户针对第一符号描述请求画出的轨迹。所述第一轨迹由很多轨迹点组成，所述第一轨迹为所述第一终端设备处的用户为第一符号描述请求中的第一目标符号的手工绘制结果，即画出的轨迹。将同一个第一终端设备接收到的第一符号描述请求中的第一目标符号及第一终端设备处的用户画出的第一轨迹组成一个第一数据对。其中，第一终端设备处的用户可能是真人或程序(即不是真人)。

其中，所述第一轨迹可能是真人通过触摸屏或者输入的轨迹，还可能是第一终端设备处仿人的程序自动生成的轨迹。

步骤S120，针对各第一数据对，根据该第一数据对向多个第二终端设备发送第一选择请求。

步骤S130，针对第一数据对，根据各所述第二终端设备发送的第一选择结果，判断该第一数据对是否为目标数据对。

在获得数据后，可对获得第一数据对进行筛选，以从获得的第一数据对中获得正确的第一数据对作为目标数据对，从而得到目标数据集。所述目标数据对组成目标数据集。

可针对每一个第一数据对，根据该第一数据对向多个第二终端设备发送第一选择请求，其中，所述第一选择请求中包括该第一数据对。对应某第一数据对的1个所述第一选择请求，用于指示接收该第一选择请求的第二终端设备处的用户判断该第一数据对是否准确，也即判断该第一数据对中的第一目标符号与该第一数据对中的第一轨迹是否匹配，即判断是否表示同一个符号。

可选地，所述第一选择请求中可以包括题目及选项，题干中可以包括所述第一数据对，所述选项中可以包括正确选项及错误选项。上述所述第一选择请求的生成方式仅为举例说明，也可以采用其他方式生成第一选择请求，在此不对所述第一选择请求的生成方式进行具体限定。

接收第一选择请求的第二终端设备与接收所述第一符号描述请求的第一终端设备可以是不同的终端设备，也可以是服务器再次随机选择的终端设备，在此不对第二终端设备的具体确定方式进行具体限定。

接收到所述第一选择请求的第二终端设备向所述服务器发送与所述第一选择请求对应的第一选择结果。所述第一选择结果用于指示所述第二终端设备处的用户认为所述第一数据对是否正确。所述第一选择结果的请示与所述第一选择请求的形式对应，比如，所述第一选择请求包括题干及选择，题干中包括所述第一数据对，选项中可以包括正确选项或错误选项，则第一选择结果中可以包括所述第二终端设备处的用户选出的选项，即包括被选择的选项。

可选地，在上述包括正确及错误选项的情况下，所述服务器中可标记参与筛选第二终端设备的标识，所述第二选择结果中可以仅包括被选择的选项及第二终端设备的标识，所述服务器可以根据第二终端设备的标识确定先前发送给该第二终端设备的第一选择请求，进而结合第一选择结果，确定该第二终端设备处的用户认为该第一选择请求对应的第一数据正确与否。

或者，所述第一选择结果中可以包括被选择的选项及所述第一选择要求，可使得服务器在接收到第一选择结果后即可确定第二终端设备处的用于对某个第一数据对的判断结果，减少所述服务器的工作量。

值得说明的是，上述第一选择结果的形式仅为举例说明，具体可以结合实际需求确定，只要服务器可根据第一选择结果获得发送该第一选择结果的终端设备处的用户对第一数据对是否正确的判断结果结合。

可以通过对1个第一数据对所对应的第一选择结果进行分析，从而确定该第一数据对是否可作为1个目标数据对。比如，若大多数第一选择结果均认为该第一数据对正确，则可以确定第一数据对作为1个目标数据对。所述目标数据对中的第一轨迹为正常用户(即真人)通过触摸屏或鼠标输入的轨迹。

针对每个第一数据对，分别执行上述处理，既可确定各第一数据对是否可作为目标数据对。

步骤S140，根据所述目标数据集进行人机识别。

在对获得的第一数据对完成筛选后，即可自动获得多个目标数据对，从而得到目标数据集，之后则可基于该目标数集进行人机识别。

后续可再次重复执行上述步骤，以得到新的目标数据集用于人机识别，从而避免异常用户调整规律导致无法识别出不是真人的异常用户。如此，可避免在基于图集或题目通过让用户选择从而人机识别的方式中需要长期维护更新图集或题目的情况，便于维护。

在本实施例中，服务器通过向多个用户发起任一符号描述请求，从而收集到多个第一数据对；之后，针对收到的第一数据对，利用多次用户验证的方式来进行筛选和数据清洗，尽量消除干扰，以得到目标数据集；最后，基于该目标数据集进行人机识别。如此，可降低数据集的获取难度，能够快速准确地获得用于人机识别的数据集，进而基于获得的数据集准确进行人机识别，同时可减少人力成本及便于维护。

可选地，在本实施例中，为减少服务器的工作量，服务器可通过图3所示方式获得所述第一数据对。请参照图3，图3为图2中步骤S110包括的子步骤的流程示意图。在本实施例中，步骤S110可以包括子步骤S111～子步骤S112。

子步骤S111，向多个第一终端设备分别发送第一符号描述请求。

子步骤S112，根据各所述第一终端设备发送的第一符号描述结果，获得多个第一数据对。

在本实施例中，服务器可以向每个第一终端设备发送第一符号描述请求。所述服务器发出的第一符号描述请求可以对应1个第一目标符号或多个第一目标符号，也即，一部分第一符号描述请求对应某个第一目标符号、一部分第一符号描述请求对应另一个第一目标符号等。

针对每一个第一终端设备，该第一终端设备在接收到所述第一符号描述请求后，可将获得的与所述第一符号描述请求对应的第一轨迹及该第一符号描述请求中的第一目标符号组成数据对，作为第一符号描述结果，提交给服务器。如此，服务器可直接获得第一数据对。

其中，第一轨迹中的各轨迹点采用在屏幕上的横纵坐标表示，第一轨迹为二维数组，可以将二维数组转换为一维数组。其中，可以服务器或第一终端设备将二维数组转换为一维数组。如此，便于大量存储第一数据对。

在本实施例中，作为一种可能的实现方式，可以通过掺杂混淆选项的方式生成第一选择请求，此时所述第一选择请求中包括题目及多个选项。

在本方式中，针对一个第一数据对，可以根据该第一数据对中的第一轨迹，生成第一选择请求中的题干；以及，根据该第一数据对中的第一目标符号及其他符号生成第一选择请求中的多个选项，如此可得到1个第一选择请求。其中，所述其他符号，可以服务器随机选择的符号，或者是随机从指定的多个第一目标符号中除该第一数据对中的第一目标符号之外的第一目标符号中随机选择的符号，比如，服务器先前指定三角形、正方形、圆形为第一目标符号，当前针对的第一数据对对应的第一目标符号为三角形，则可以将正方形及圆形作为第一选择请求的多个选项中的混淆选项。如此生成的第一选择请求用于指示用户基于1个轨迹选择多个符号中正确的一个，即选出与该轨迹匹配的符号。

比如，服务器在第一阶段(即下发阶段)下发给某个用户A“画一下符号×”，并在第二阶段(即提交阶段)收集到了A的数据轨迹(即用户A提交的画出符号×的轨迹)。然后第三阶段(即筛选阶段)会发送给其他用户B一个第一选择请求，该第一选择请求中包括这个数据轨迹的完整效果(显示出当时A的笔画轨迹)，同时提供给B四个选项：1、这是一个×；2、这是一个○；3、这是一个△；4、这是一个☆，让B用户选择。其中，在提交阶段不存在任何惩罚措施；在筛选阶段可存在奖励措施、不存在惩罚措施。

在本方式中，针对一个第一数据对，还可以根据该第一数据对中的第一目标符号生成第一选择请求中的题干，并根据该第一数据对中的第一轨迹及其他轨迹生成该第一选择请求中的多个选项，如此可以获得1个第一选择请求。其中，所述其他轨迹可以是其他第一数据对中的第一轨迹，也可以是服务器自己生成的轨迹。如此生成的第一选择请求用于让用户基于1个指定的符号，从多个轨迹中选择与指定符号匹配的轨迹。

请参照图4，图4为图2中步骤S130包括的子步骤的流程示意图。在本实施例中，步骤S130可以包括子步骤S131～子步骤S133。

子步骤S131，统计得到表示所述第一数据对不正确的所述第一选择结果的第一数量。

子步骤S132，根据第二数量及所述第一数量计算得到比例值。

子步骤S133，根据所述比例值判断该第一数据对是否为所述目标数据对。

在本实施例中，可以针对各第一数据对，可以根据接收到的与该第一数据对对应的第一选择结果，统计认为该第一数据对不正确的第一选择的数量作为第一数量，并统计与该第一数据对对应的第一选择结果的数量作为第二数量。之后，可以以将该第一数量与第二数量的比例值。接着，判断该比例值是否大于预设比例值，若大于，则可以确定该第一数据对不正确，不将该第一数据对作为1个目标数据对，进而可将该第一数据对删除。若不大于，则可以确定该第一数据对正确，可将该第一数据对作为1个目标数据对。

接上述关于用户A、B的举例，如果B用户选择了1，则可以确定用户B认为A用户的这组数据对正确，否则确定用户B认为A用户的这组数据不正确。当超过一定比例的不正确时，则可以将该第一数据对标记为无效数据，将该第一数据对抛弃。

如此，可通过用户群体互相筛选，来提出明显不合理的数据对，得到目标数据对，降低官方筛选的工作量。

作为一种可能的实现方式，可通过图5所示方式基于所述目标数据集进行人机识别。请参照图5，图5为图2中步骤S140包括的一种子步骤的流程示意图。在本实施例中，步骤S140可以包括子步骤S141～子步骤S143。

子步骤S141，利用所述目标数据集对初始模型进行训练，得到识别模型。

子步骤S142，向第三终端设备发送第二符号描述请求，并接收所述第三终端设备发送的第二符号描述结果。

子步骤S143，通过所述识别模型，根据所述第二符号描述结果，得到所述第三终端设备的人机识别结果。

经过前面三个阶段的处理，可以得到的目标数对是具有一定合理性的数据。可以将所述目标数据集分为两部分：训练集和测试集。可通过深度学习训练集进行初始模型的训练，利用测试集对训练之后的初始模型进行测试，在准确率打标后可将训练后的初始模型作为识别模型，之后可分步骤线上布置。

在获得识别模型后，服务器可向第三终端设备发送第二符号描述请求。第三终端设备为需要进行人机识别的设备。其中，所述第二符号描述请求的第二目标符号与第一目标符号可相同，也可以不同，具体可以结合实际需求确定。第二符号描述请求与第一符号描述请求类似。

之后，服务器可接收该第三终端设备发送的第二符号描述结果，该第二符号描述结果可以包括第三终端设备反馈的第二轨迹。服务器可将第二轨迹及第二目标符号作为一个第二数据对，进而通过如下方式判断该的第二数据对是否正确。服务器可利用识别模型，基于所述第二符号描述结果中的第二轨迹，判断第二轨迹与第二目标符号是否对应同一个符号。若确定对应同一个符号，则可以确定该第三终端设备处的用户为真人；若确定不对应同一个符号，则可以确定该第三终端设备处的用户为程序。如此，可利用神经网络学系来提高对人机识别的准确度。

作为另一种可能的实现方式，可通过图6所示方式基于所述目标数据集进行人机识别。请参照图6，图6为图2中步骤S140包括的另一种子步骤的流程示意图。在本实施例中，步骤S140可以包括子步骤S145～子步骤S146。

子步骤S145，从所述目标数据集中选出1个目标数据对作为第一目标数据对，并根据所述第一目标数据对向第三终端设备发送第二选择请求。

在本实施例中，所述第二选择请求中包括所述第一目标数据对。所述第二选择请求可以是一个包括正确选项及错误选项的请求。或者，所述第二选择请求中包括题干及多个选项，所述第二选择请求的题干中包括所述第一目标数据对中的第一轨迹，所述第二选择请求的多个选项中包括所述第一目标数据对中的第一目标符号及其他符号；或者，所述第二选择请求的题干中包括所述第一目标数据对中的第一目标符号，所述第二选择请求的多个选项中包括所述第一目标数据对中的第一轨迹及其他轨迹。其中，在选出第一目标数据对时，可以所述目标数据集中的其他目标数据对作为第二目标数据对，上述其他符号及其他轨迹可以来自第二目标数据对。

所述第二选择请求的生成方式可以参照前文对第一选择请求的生成方式的描述，在此不再赘述。在本实施例中，在步骤S120中使用的生成第一选择请求的方式，与在子步骤S145中使用的生成第二选择请求的方式，可以相同，也可以不同，具体可以结合实际需求确定，比如，第一选择请求为正确选项及错误选项的请求，第二选择请求为需要从多个轨迹或多个符号中进行选择的请求。

子步骤S146，根据所述第三终端设备发送的第二选择结果，得到所述第三终端设备的人机识别结果。

所述第二选择结果用于指示所述第三终端设备处的用户认为所述第一目标数据对是否正确。可以根据该第二选择结果，确定所述第三终端设备处的用户为真人或程序。所述第二选择结果的具体形式可以参照上文对第一选择结果形式的说明，在此不再赘述。

比如，在第二选择请求为需要从多个轨迹或多个符号中进行选择的请求时，可以根据所述第二选择结果指示的被选择对象及所述第一目标数据对，确定所述第三终端设备的人机识别结果。比如，在被选择对象为符号时，若被选择对象与所述第一目标数据对中的第一目标符号相同，则可以确定第三终端设备处的用户为真人；若被选择对象与所述第一目标数据对中的第一目标符号不同，则可以确定第三终端设备处的用户为程序。其中，在基于目标数据集进行人机识别的阶段，针对被识别为真人的用户可有奖励措施，针对被识别为程序的用户可有惩罚措施。

在本实施例中，重复进行所述目标数据集的收集及基于收集的目标数据集进行人机识别，也即重新进行下发、提交、筛选及人机识别，如此可持续保证人机识别的准确性。

可选地，在本实施例中，不同批次(或称为不同版本)的下发阶段、提交阶段、筛选阶段及人机识别阶段可以交叉进行。至此可以持续获得多个版本的针对不同符号的训练集和测试集，持续优化数据集的准确度和抗干扰性。比如，第一批次训练模型完毕之后，可能处于利用模型对全部用户进行人机识别的阶段；但是同时，也可以同步进行第二批次的数据的下发收集工作，只要编号批次是固定的，就不会对数据产生干扰，但用户是无法感知不同批次的区别的。

其中，在会存在上述的交叉的情况下，服务器可标记哪些终端设备此时用于目标数据集收集，哪些终端设备此时进行人机验证。在上述交叉过程中，在基于1个所述目标数据集对终端设备进行人机识别且收集另一个目标数据集时，服务器可通过终端设备的标识确定该终端设备的反馈信息用于所述目标数据集收集或对终端设备进行人机识别，针对用于所述目标数据集收集的反馈信息则执行筛选处理，针对用于人机识别的反馈信息则进行人机识别。如此，可避免数据混乱。

本申请实施例提供的上述人机识别方法，可以降低用户轨迹描述数据集的获取难度，过程中不需要人为筛选和干预，能够进行自我数据清洗，进而进行准确的人机识别。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种人机识别装置200的实现方式，可选地，该人机识别装置200可以采用上述图1所示的服务器的器件结构。进一步地，请参照图7，图7为本申请实施例提供的人机识别装置200的方框示意图。需要说明的是，本实施例所提供的人机识别装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。在本实施例中，所述人机识别装置200应用于服务器，所述人机识别装置200可以包括：数据对获得模块210、筛选模块220及识别模块230。

所述数据对获得模块210，用于通过向多个第一终端设备发送第一符号描述请求，获得多个第一数据对。其中，所述第一符号描述请求用于指示所述第一终端设备处的用户画出所述第一符号描述请求中的第一目标符号，所述第一数据对中包括所述第一终端设备处的用户画出的第一轨迹及所述第一目标符号。

所述筛选模块220，用于针对各第一数据对，根据该第一数据对向多个第二终端设备发送第一选择请求。其中，所述第一选择请求中包括该第一数据对。

所述筛选模块220，还用于针对各第一数据对，根据各所述第二终端设备发送的第一选择结果，判断该第一数据对是否为目标数据对。其中，所述第一选择结果用于指示所述第二终端设备处的用户认为所述第一数据对是否正确，所述目标数据对为正确的第一数据对，所述目标数据对组成目标数据集。

所述识别模块230，用于根据所述目标数据集进行人机识别。

可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于服务器100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。

本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的人机识别方法。

综上所述，本申请实施例提供一种人机识别方法、装置、服务器及可读存储介质，通过向多个第一终端设备分别发送用于指示第一终端设备处的用户画出第一目标符号的第一符号描述请求，获得多个第一数据对，该第一符号描述信息中包括第一目标符号，第一数据对中包括第一目标符号及第一终端设备处的用户画出的第一轨迹；之后，针对各第一数据对，向多个第二终端设备发送该第一数据对的第一选择请求，并接收多个第二终端设备分别发送的第一选择结果，进而根据接收到的第一选择结果确定第一数据对是否为正确的数据对，若是则将该第一数据对作为目标数据对，目标数据对组成目标数据集，第一选择结果用于指示第二终端设备处的用户认为第一数据对是否正确；最后，根据获得的目标数据集进行人机识别。如此，可快速准确地获得用于人机识别的数据集，进而基于获得的数据集准确进行人机识别，同时可减少人力成本及便于维护。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的可选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。