一种目标识别的方法和系统

技术领域

本说明书涉及图像处理领域，特别涉及一种目标识别的方法和系统。

背景技术

目标识别是基于图像采集元件获取的图像进行识别的技术。例如，以人脸为目标的人脸识别技术被广泛应用于权限验证和身份验证的应用场景。为了提高目标识别的准确性，需要确定图像的真实性。

因此，希望提供一种目标识别的方法和系统，可以确定图像的真实性。

发明内容

本说明书实施例之一提供一种目标识别的方法。所述目标识别的方法包括：获取与拍摄框有关的至少一个拍摄参数；向客户端发送拍摄指令，所述拍摄指令指示所述客户端基于所述至少一个拍摄参数显示所述拍摄框；从所述客户端接收至少一幅图像；以及基于所述至少一个拍摄参数，确定所述至少一幅图像的真实性。

本说明书实施例之一提供一种目标识别的方法。所述目标识别的方法包括：从服务器接收拍摄指令，所述拍摄指令包括与拍摄框有关的至少一个拍摄参数；基于所述至少一个拍摄参数，显示所述拍摄框；基于图像采集元件获取至少一幅拍摄图像；将所述至少一幅拍摄图像发送给所述服务器以对所述至少一幅拍摄图像的真实性进行判别。

本说明书实施例之一提供一种目标识别的系统。所述的目标识别的系统包括：参数获取模块，用于获取与拍摄框有关的至少一个拍摄参数；指令发送模块，用于向客户端发送拍摄指令，所述拍摄指令用于指示所述客户端基于所述至少一个拍摄参数显示所述拍摄框；图像接收模块，用于从所述客户端接收至少一幅图像；以及真实性确定模块，用于基于所述至少一个拍摄参数，确定所述至少一幅图像的真实性。

本说明书实施例之一提供一种目标识别的系统。所述的目标识别的系统包括：指令接收模块，用于从服务器接收拍摄指令，所述拍摄指令包括与拍摄框有关的至少一个拍摄参数；拍摄框显示模块，用于基于所述至少一个拍摄参数，显示所述拍摄框；图像获取模块，用于基于图像采集元件获取至少一幅拍摄图像；图像发送模块，用于将所述至少一幅拍摄图像发送给所述服务器以对所述至少一幅拍摄图像的真实性进行判别。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的目标识别系统的应用场景示意图；

图2是根据本说明书一些实施例所示的应用于服务器的目标识别方法的示例性流程图；

图3是根据本说明书一些实施例所示的向客户端发送拍摄指令的流程图；

图4是根据本说明书一些实施例所示的显示拍摄框的示意图；

图5是根据本说明书一些实施例所示的确定图像真实性的示例性流程图；

图6是根据本说明书一些实施例所示的图像对比模型的示意图；

图7是根据本说明书一些实施例所示的应用于客户端的目标识别方法的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

目标识别是基于图像采集元件获取的目标物进行识别的技术。在一些实施例中，目标物可以是人脸、指纹、掌纹、瞳孔、非生物体等。在一些实施例中，目标识别可以应用于权限验证。例如，门禁权限认证和账户支付权限认证等。在一些实施例中，目标识别还可以用于身份验证。例如，员工考勤认证和本人注册身份安全认证。仅作为示例，目标识别可以基于图像采集元件实时采集到的目标物的图像和预先获取的生物特征进行匹配，从而验证目标物的身份。

然而，图像采集元件可能被攻击或劫持，攻击者可以上传虚假的图像通过身份验证。例如，攻击者A可以在攻击或劫持图像采集元件后，直接上传用户B的图像。目标识别系统基于用户B的图像和预先获取的用户B的人脸生物特征进行人脸识别，从而通过用户B的身份验证。因此，为了保证目标识别的安全性，需要确定图像的真实性，即确定图像是图像采集元件在目标识别过程中实时采集到的。

图1是根据本说明书一些实施例所示的目标识别系统的应用场景示意图。

如图1所示，目标识别系统100可以包括服务器110、网络120、客户端130和存储设备140。

服务器110可以用于处理来自目标识别系统100的至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。例如，服务器110可以获取与拍摄框有关的至少一个拍摄参数，并基于所述至少一个拍摄参数确定客户端130发送的至少一幅图像的真实性等。又例如，服务器110可以对从客户端130获取的至少一幅图像进行预处理(例如，目标检测、质量分析等)，得到预处理后的至少一幅图像。在处理过程中，服务器110可以从存储设备140获取数据(如指令)或将数据(例如，至少一幅图像)保存到存储设备140，也可以通过网络120从客户端130等其他来源读取数据(例如，拍摄环境信息)或将数据(例如，拍摄指令)输出至客户端130。

在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是分布式系统)。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

网络120可以连接目标识别系统100的各组成部分和/或连接目标识别系统100与外部部分。网络120使得目标识别系统100各组成部分之间，和/或目标识别系统100与外部部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。例如，网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。在一些实施例中，系统各部分之间的网络连接可以采用上述一种方式，也可以采取多种方式。在一些实施例中，网络120可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或网络交换点120-1、120-2、…，通过这些网络接入点，目标识别系统100的一个或多个组件可连接到网络120以交换数据和/或信息。

客户端130可以实现用户和目标识别系统100之间的交互。在一些实施例中，客户端130可以包括图像采集元件(例如，摄像头、照相机)，用于拍摄图像数据(图像和/或视频)。在一些实施例中，图像采集元件在拍摄时，客户端130(例如，客户端130的屏幕)可以显示指导用户进行拍摄的信息。例如，客户端130可以接收或确定与拍摄框有关的一个或多个拍摄参数，并基于所述一个或多个拍摄参数在其屏幕上显示拍摄框，以引导用户将目标物(例如，人脸)放置在拍摄框内进行拍摄。在一些实施例中，客户端130可以通过网络120与服务器110通信，并将拍摄的至少一幅图像发送到服务器110。在一些实施例中，客户端130可以是移动设备130-1、平板计算机130-2、膝上型计算机130-3、其他具有输入和/或输出功能的设备等或其任意组合。上述示例仅用于说明所述客户端130设备范围的广泛性而非对其范围的限制。

存储设备140可以用于存储数据(如目标物的标准图像、合格目标物的至少一幅参考图像等)和/或指令。存储设备140可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备140可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性地，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，存储设备140可在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，存储设备140可以集成或包括在目标识别系统100的一个或多个其他组件(例如，服务器110、客户端130或其他可能的组件)中。

在一些实施例中，服务器110可以包括参数获取模块、指令发送模块、图像接收模块、真实性确定模块和模型获取模块。

参数获取模块可以用于获取与拍摄框有关的至少一个拍摄参数。在一些实施例中，参数获取模块可以随机生成至少一个拍摄参数。在一些实施例中，参数获取模块可以基于参考信息，确定拍摄难度系数；基于所述拍摄难度系数，确定所述至少一个拍摄参数。

指令发送模块可以用于向客户端发送拍摄指令，拍摄指令用于指示客户端基于至少一个拍摄参数显示拍摄框。在一些实施例中，指令发送模块可以获取目标物的模板图像；以及基于所述至少一个拍摄参数，对模板图像进行调整，以生成对比模板图像，其中所述拍摄指令进一步指示所述客户端在所述拍摄框内显示所述对比模板图像。

图像接收模块可以用于从客户端接收至少一幅图像。

真实性确定模块可以用于基于至少一个拍摄参数，确定至少一幅图像的真实性。在一些实施例中，真实性确定模块可以对所述至少一幅图像进行预处理，生成预处理后的至少一幅图像；以及基于所述至少一个拍摄参数和预处理后的至少一幅图像，确定所述至少一幅图像的真实性。在一些实施例中，真实性确定模块对所述至少一幅图像进行预处理包括对所述至少一幅图像中的每一幅执行以下操作中的至少一个：对所述图像进行目标检测，确定所述图像是否包含目标物；对所述图像进行质量分析，确定所述图像是否满足质量要求；或者对所述图像进行图像分割，生成所述拍摄框对应的分割图像。

在一些实施例中，真实性确定模块可以基于所述至少一个拍摄参数，确定所述至少一幅图像的第一真实性，所述第一真实性反映所述至少一幅图像是否为所述客户端基于拍摄指令拍摄的图像；真实性确定模块可以基于所述至少一个拍摄参数和至少一个合格目标物的至少一张参考图像，确定所述至少一幅图像的第二真实性，所述第二真实性反映所述至少一幅图像是否为所述至少一个合格目标物中的一个的图像。

模型获取模块用于获取一个或多个机器学习模型，例如图像对比模型、难度系数确定模型和拍摄参数确定模型等。在一些实施例中，模型获取模块可以从目标识别系统100中的其他原件(例如，存储设备140)或外部来源。

在一些实施例中，客户端130可以包括拍摄指令接收模块、拍摄框显示模块、图像获取模块及图像发送模块。指令接收模块可以用于从服务器接收拍摄指令，拍摄指令包括与拍摄框有关的至少一个拍摄参数。拍摄框显示模块可以用于基于至少一个拍摄参数，显示拍摄框。在一些实施例中，拍摄框显示模块可以在所述拍摄框内显示所述目标物的对比模板图像。图像获取模块可以用于基于图像采集元件获取至少一幅拍摄图像。图像发送模块可以用于将至少一幅拍摄图像发送给服务器以对至少一幅拍摄图像的真实性进行判别。

需要注意的是，以上对于候选项显示、确定系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的多个模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。

图2是根据本说明书一些实施例所示的目标识别方法的示例性流程图。如图2所示，流程200包括下述步骤。

步骤210，获取与拍摄框有关的至少一个拍摄参数。在一些实施例中，步骤210可以由服务器(例如，服务器110)的参数获取模块执行。

拍摄框是指在客户端(例如，客户端130)屏幕上显示的特定区域，可以引导客户端的用户在进行拍摄时将目标物放置于所述特定区域中。在一些实施例中，拍摄框可以为任意形状，例如，矩形、圆形、椭圆形等。在一些实施例中，为了便于用户识别拍摄框，客户端可以在屏幕上标记出拍摄框。例如，拍摄框的边缘可以用特定的颜色标记。又例如，可以用不同于屏幕显示区域的颜色填充拍摄框。客户端的用户指的是使用客户端进行目标识别的用户。

目标物指需要进行目标识别的物体。例如，目标物可以是用户的面部、指纹、掌纹或瞳孔等。又例如，目标物可以是非生物体(如汽车)。在一些实施例中，所述目标物指需要进行身份验证和/或权限认证的用户的面部。例如，在网约车应用场景中，平台需要验证接单司机是否为平台审核过的注册司机用户，则所述目标物是司机的面部。又例如，在人脸支付应用场景中，支付系统需要验证支付人员的支付权限，则所述目标物是支付人员的面部。

拍摄参数可以包括与拍摄框的形状、大小、位置、显示方式等相关的任何参数。示例性的拍摄参数可以包括拍摄角度、拍摄距离、拍摄中心点、显示参数等。

拍摄角度是拍摄框相对于参考方向(如客户端屏幕的长度方向)的角度。拍摄角度的改变可以导致拍摄框和客户端屏幕相对方向的改变。例如，假设拍摄框为矩形。当拍摄角度为0°时，拍摄框的长度方向与屏幕的长度方向平行；当拍摄角度为30°时，拍摄框的长度方向与屏幕的长度方向之间的夹角为30°。

拍摄距离是指当用户将目标物放置于拍摄框内进行拍摄时，目标物与客户端的图像采集元件之间的预估距离。拍摄距离的改变可以导致拍摄框与屏幕的大小比例发生改变。例如，当拍摄距离为0.5m时，拍摄框与屏幕的比例为0.8：1；当拍摄距离为1m时，拍摄框与屏幕的比例为0.6：1。

拍摄中心点是拍摄框的定位点。例如，拍摄中心点可以是位于拍摄框的中心的位置点、位于拍摄框的边框上的位置点等。拍摄中心点在屏幕上的位置改变可以导致拍摄框在屏幕上的位置改变。

显示参数是与拍摄框的显示方式相关的模式参数。在一些实施例中，显示参数可以包括拍摄框的形状、填充颜色、边框颜色、是否闪烁显示等。

在一些实施例中，参数获取模块可以随机生成至少一个拍摄参数。例如，对于某一拍摄参数，参数获取模块可以在目标识别系统100的预先设定的该拍摄参数的数值范围内，随机确定该拍摄参数的数值。本实施例获取的拍摄参数随机性较大，可以提高用户作弊难度，从而提高目标识别的准确性。

在一些实施例中，参数获取模块可以根据目标识别系统100的默认设定确定所述拍摄参数。例如，参数获取模块可以根据目标物的类型，从存储设备140获取预先存储的与该目标物对应的拍摄参数。在一些实施例中，参数获取模块可以从终端设备获取用户根据经验设定的拍摄参数。在一些实施例中，参数获取模块可以通过数据分析确定所述拍摄参数。例如，参数获取模块可以根据从客户端接收的设备信息确定拍摄参数。

在一些实施例中，参数获取模块可以基于参考信息，确定拍摄难度系数。参数获取模块可以进一步基于所述拍摄难度系数，确定拍摄参数。参考信息可以反映客户端的用户在目标识别中作弊的可能性和/或难度。例如，参考信息可以包括拍摄环境信息、客户端对应的历史用户的历史行为信息、客户端对应的历史用户的个人信息等，或其任意组合。

拍摄环境信息是与客户端的图像采集元件的拍摄环境相关的信息。例如，拍摄环境信息可以包括环境光照信息，例如，光照强度信息、光照类型信息等。又例如，拍摄环境信息可以包括环境背景信息，例如，背景静动态信息、背景纹理信息等。在一些实施例中，参数获取模块可以从客户端接收拍摄环境信息。例如，客户端可以基于图像采集元件拍摄的图像数据确定拍摄环境信息。又例如，客户端可以包含检测拍摄环境的传感器(如光敏传感器)，用于检测拍摄环境信息。通常，拍摄环境越好(例如，环境光照越好)，用户作弊的难度越小。

客户端对应的历史用户可以包括与客户端具有绑定关系的用户、曾经使用过客户端的历史用户等。例如，客户端对应的历史用户可以是利用该客户端在交通服务平台上进行注册的司机。客户端对应的历史用户可以与当前使用客户端进行目标识别的用户相同或者不同。

历史用户的历史行为信息可以与历史用户的历史行为，如历史识别行为有关。例如，历史用户的历史行为信息可以包括历史用户的历史识别失败次数、历史识别失败的原因等。其中，历史识别失败的原因可以包括用户作弊、用户误操作等。在一些实施例中，参数获取模块可以从客户端或存储设备获取客户端的使用记录，以确定历史用户的历史行为信息。通常，历史用户的历史识别失败次数和/或历史作弊次数越多，客户端的用户在本次目标识别中作弊的可能性越高。

历史用户的个人信息是与历史用户相关的信息，如历史用户标识和历史用户属性。其中，历史用户标识是区分历史用户的符号。例如，历史用户的身份证ID、驾驶证ID等。历史用户属性可以包括历史用户的年龄、学历、性别、信用记录等。示例性地，历史用户的信用记录越好，客户端的用户在本次目标识别中作弊的可能性越低。在一些实施例中，参数获取模块可以从客户端、存储设备或外部来源获取历史用户的个人信息。例如，客户端可以在历史用户注册时采集个人信息，并将个人信息存储到存储设备。

拍摄难度系数是表征客户端的用户将目标物放置在拍摄框中进行拍摄的难度。在一些实施例中，用户将目标物放置在拍摄框中进行拍摄的难度越小，则拍摄难度系数越大。

在一些实施例中，参数获取模块可以基于参考信息确定拍摄难度系数。示例性地，光照强度越大，用户越容易将目标物放置在拍摄框中。此时，参数获取模块可以确定较大的拍摄难度系数，以防止用户作弊。又例如，用户历史行为中，目标识别失败原因为“用户欺诈”的历史目标识别失败次数越多，用户在本次目标识别过程中的欺诈可能性越高。此时，参数获取模块可以确定较大的拍摄难度系数，以防止用户作弊。又一示例性地，用户的信用记录越差，说明用户在本次目标识别过程中的作弊可能性越高。此时，参数获取模块可以确定较大的拍摄难度系数，以防用户作弊。

在一些实施例中，参数获取模块可以根据第一规则确定拍摄难度系数。第一规则与一种或多种参考信息与拍摄难度系数之间的关系有关。例如，第一规则可以包括当光照强度小于30lux时，拍摄难度系数为0.1；当光照强度大于30lux，小于100lux时，拍摄难度系数为0.3；当光照强度大于100lux时，拍摄难度系数为0.6。又例如，第一规则可以包括当历史识别失败次数大于10次时，拍摄难度系数为0.6；当历史识别失败次数小于10次大于3次时，拍摄难度系数为0.3；当历史识别失败次数较少小于3次时，拍摄难度系数为0.1。

在一些实施例中，参数获取模块可以基于多种参考信息中的每一种确定一个拍摄难度系数。参数获取模块可以进一步基于多个拍摄难度系数确定最终的拍摄难度系数。例如，可以对多个拍摄难度系数进行求和、加权求和、求平均值等，来确定最终的拍摄难度系数。例如，参数获取模块分别基于光照强度40lux、历史识别失败次数次7次、用户信用等级好，确定难度系数为0.3、0.3和0.3，获取最终的拍摄难度系数为(0.3+0.3+0.3)/3＝0.3。

在一些实施例中，参数获取模块还可以通过难度系数确定模型确定拍摄难度系数，具体的，难度系数确定模型的输入为参考信息，难度系数确定模型的输出为拍摄难度系数。在一些实施例中，难度系数确定模型可以包括但不限于深度神经网络模型、循环神经网络模型等。

进一步地，参数获取模块可以基于拍摄难度系数，确定至少一个拍摄参数。例如，拍摄难度系数越大，则拍摄角度越大，拍摄距离越远，拍摄中心越远离客户端的屏幕中心。如上文所述，当参考信息显示客户端用户作弊的可能性较高和/或作弊的难度较小时，拍摄难度系数会较高。通过设置至少一个拍摄参数的值，可以使用户将目标物放置在拍摄框中的难度提高，由此实现较高的拍摄难度系数。

在一些实施例中，参数获取模块可以基于第二规则确定至少一个拍摄参数。第二规则与拍摄难度系数和至少一个拍摄参数之间的关系有关。示例性的，当拍摄难度系数为0.1时，拍摄参数可以包括：拍摄角度0°、拍摄距离0.1m、拍摄中心点与屏幕的中心点重合；当拍摄难度系数为0.6时，拍摄参数可以包括：拍摄角度40°、拍摄距离0.3m、拍摄中心点位于屏幕的中心点上方0.05m。

在一些实施例中，参数获取模块还可以根据拍摄参数确定模型确定至少一个拍摄参数。具体的，拍摄参数确定模型的输入为拍摄难度系数，输出为至少一个拍摄参数。在一些实施例中，拍摄参数确定模型可以包括但不限于深度神经网络模型、循环神经网络模型等。在一些实施例中，所述难度系数确定模型和拍摄参数确定模型可以是同一模型的不同层。

在一些实施例中，所述至少一个拍摄参数包括多个拍摄参数，参数获取模块可以用相同或者不同的方式来获取所述多个拍摄参数。例如，参数获取模块可以随时生成多个拍摄参数中的每一个。又例如，多个参数中的部分可以随机生成，另一部分可以基于参考信息确定。

步骤220，向客户端发送拍摄指令。在一些实施例中，步骤220可以由服务器的指令发送模块执行。

拍摄指令是指示客户端根据拍摄参数显示拍摄框的指令。例如，拍摄指令可以包括至少一个拍摄参数，并由指令发送模块经由网络被发送至客户端。进一步地，客户端可以基于至少一个拍摄参数，显示拍摄框。关于客户端基于至少一个拍摄参数，显示拍摄框的相关描述参见步骤620，在此不再赘述。

在一些实施例中，拍摄指令还可以包括对比模板图像，用于进一步指示客户端在拍摄框内显示对比模板图像。对比模板图像是可以引导用户调整目标物的位置、将目标物放置在拍摄框中的参考图像。例如，在人脸识别中，对比模板图像可以是真实的或虚拟的人脸图像。拍摄指令可以指示客户端在拍摄框中显示人脸图像，以引导用户将人脸放置在拍摄框中进行拍摄。关于对比模板图像的详细描述可以参考本说明书其他部分，例如图4及其相关描述。

步骤230，从客户端接收至少一幅图像。步骤230可以由服务器的图像接收模块执行。

在一些实施例中，图像接收模块可以通过网络从客户端接受至少一幅图像。或者，客户端可以将所述至少一幅图像发送至存储设备中进行存储，所述图像接收模块可以从所述存储设备中获取所述至少一幅图像。所述至少一幅图像中可能不包含或包含目标物。所述至少一幅图像可以是客户端的图像采集元件拍摄采集，也可以是基于用户上传的数据(例如，视频或图像)确定。

在一些实施例中，当客户端未被劫持时，所述至少一幅图像可以是客户端的图像采集元件拍摄的真实图像。例如，客户端会基于拍摄指令显示拍摄框和/或对比模板图像，引导用户拍摄面部。用户在客户端拍摄框和/或对比模板图像的引导下调整面部位置，使得面部位于拍摄框内，并按下拍摄键拍摄人脸图像。

当所述客户端被劫持时，劫持者可以通过客户端设备上传图像或视频。所述上传的图像或视频可以包含或者不包含目标物。所述上传的图像或视频可以是由所述客户端或者其他客户端拍摄的历史图像或视频，或者是合成的图像或视频。所述客户端或其他计算设备(例如服务器110)可以基于所述上传的图像或视频确定所述至少一幅图像。例如，被劫持的客户端可以从所述上传的图像或视频中抽取至少一幅图像。此时，所述至少一幅图像是被劫持者上传的虚假图像，而非所述用户基于客户端显示拍摄框和/或对比模板时拍摄的真实图像。可以理解，当所述客户端被劫持时，图像中的目标物通常会有至少一部分位于拍摄框外。例如，目标物为用户面部，当客户端被劫持或攻击时，图像接收模块接收的图像中人脸没有完全位于拍摄框内。

在一些实施例中，图像接收模块可以对至少一幅图像进行预处理。例如，所述预处理可以包括目标检测、质量分析、图像分割、图像降噪、图像转化等中的一个或多个操作。在一些实施例中，所述预处理可以包括目标检测、质量分析和图像分割中的至少一个。

目标检测用于确定图像是否包含目标物。例如，目标物为用户面部，目标检测可以对图像进行识别，若识别出图像内存在用户面部，则图像内包含有目标物；若图像内不存在用户面部，则图像内不包含有目标物。在一些实施例中，图像接收模块可以基于目标检测的结果，从至少一幅图像中剔除不包含目标物的图像。例如，用户可能会因为误操作拍摄不含人脸的图像，剔除这些图像可以减少后续真实性分析的计算量和计算时间、提高分析效率。在一些实施例中，目标检测可以基于目标检测算法执行。

在一些实施例中，所述目标检测可以基于目标检测模型(例如，人脸检测模型)实现。目标检测模型可以包括但不限于视觉几何群网络(Visual Geometry Group Network)模型、Inception NET模型、全卷积神经网络(Fully Convolutional Network)模型、分割网络模型和掩模-卷积神经网络(Mask-Region Convolutional Neural Network)模型等。在一些实施例中，图像接收模块可以使用多个带有标签的图像为训练数据，基于机器学习算法(例如，梯度下降算法)训练目标检测模型时。或者，目标检测模型可以在另外的设备或模块中被训练。

质量分析用于确定图像是否满足质量要求。例如，图像的质量可以用噪声比率、亮度、分辨率、对比度、清晰度等中的一个或多个图像参数来衡量。所述质量分析可以对图像的一个或多个图像参数进行分析，从而判断图像的质量是否满足要求。例如，若图像的分辨率大于1024x 768，则图像满足质量要求，若图像的分辨率小于1024x 768，则图像不满足质量要求。在一些实施例中，图像接收模块可以基于质量分析的结果，从至少一幅图像中剔除不满足质量要求的图像，以减少后续真实性分析的计算量、提高分析效率。

在一些实施例中，所述质量分析可以基于质量分析模型实现。例如，质量分析模型可以接收输入的图像，输出表征图像质量的值或者图像质量是否满足质量要求的确定结果。在一些实施例中，质量分析模型可以是但不限于卷积神经网络模型、循环神经网络模型和长短期记忆网络模型中的一种或多种的组合。

所述图像分割可以用于从图像中分割出拍摄框内的区域(称为拍摄框对应的分割图像)。在一些实施例中，图像接收模块可以基于至少一个拍摄参数，从图像中分割出分割图像。图像分割可以减少拍摄框外图像对确定真实性分析的干扰，提高目标识别的准确度。另一方面，分割出拍摄框对应的分割图像可以减少后续真实性分析的计算量，提高计算效率。

在一些实施例中，上述目标检测、质量分析和图像分割中的任意一种或多种可以以任意顺序或同时进行。示例性地，图像接收模块可以先对图像进行目标检测，筛选出包含目标物的图像后，再对包含目标物的图像进行质量分析；也可以先对图像进行质量分析，筛选出满足质量要求的图像后，再对满足质量要求的图像进行目标检测。

步骤240，基于至少一个拍摄参数，确定至少一幅图像的真实性。步骤240可以由真实性确定模块执行。

在一些实施例中，至少一幅图像的真实性包括每幅图像的第一真实性和/或第二真实性。

所述第一真实性可以反映图像是否是为客户端基于拍摄指令拍摄的图像。例如，当终端未被劫持或攻击时，客户端会显示拍摄框。用户基于显示的拍摄框，移动目标物的位置，使目标物位于拍摄框内，并进行图像拍摄。此时，所述图像具有第一真实性。又例如，当终端被劫持或攻击时，所述图像是基于攻击者上传的图像或视频获取。此时，所述图像不具有第一真实性。在一些实施例中，图像的第一真实性可以用于确定客户端的摄像头是否被攻击者劫持。例如，多幅图像中若存在至少一幅不具有第一真实性，则说明客户端的图像采集元件被劫持。又例如，多幅图像中若超过预设数量的图像不具有第一真实性，则说明客户端的图像采集元件被劫持。

所述第二真实性可以反映图像是否为所述至少一个合格目标物中的一个的图像。例如，如果图像是合格目标物的图像，则所述图像具有第二真实性，否则不具有第二真实性。

在一些实施例中，图像真实性确定模块可以基于预处理后的至少一幅图像，确定所述至少一幅图像的真实性。例如，图像真实性确定模块可以确定预处理后的至少一幅图像的第一和/或第二真实性，以作为至少一幅图像的第一和/或第二真实性。在一些实施例中，可以对至少一幅图像中的每一幅图像进行图像分割处理，以生成拍摄框对应的分割图像。图像真实性确定模块可以基于至少一幅分割图像，确定所述至少一幅图像的真实性。

关于确定图像真实性的详细描述可以参见图5，在此不再赘述。

本说明书的一些实施例通过客户端显示的拍摄框引导用户将目标物的图像位于拍摄框内，并从客户端获取图像。进一步地，可以基于图像中拍摄框的拍摄参数对图像的真实性进行判断，能够有效判断客户端是否被劫持，从而确保图像的真实性。此外，在一些实施例中，可以基于参考信息确定难度系数，再基于难度系数确定拍摄框的拍摄参数。例如，对于作弊次数较多的用户可以设置较高的难度系数对应的拍摄参数，由此可以提高该用户作弊的难度。通过针对不同的用户设置不同的拍摄参数，可以提高真实性判断的准确性，并提高目标识别的适用性和灵活性。

图3是根据本说明书一些实施例所示的向客户端发送拍摄指令的流程图。

如步骤220所述，指令发送模块可以给客户端发送包括对比模板图像的拍摄指令，用于指示客户端在拍摄框内显示对比模板图像。在一些实施例中，所述拍摄指令可以用图3所示的流程300生成与发送。流程300可以包括下述步骤。

步骤310，获取目标物的模板图像。在一些实施例中，步骤310可以由服务器的指令发送模块执行。

模板图像是基于标准拍摄参数生成的目标物图像。例如，目标物为人脸，则模板图像可以是人脸模板图像。在一些实施例中，可以通过访问存储设备获取模板图像，也可以通过外部输入、调用相关接口或其他方式获取模板图像。或者，模板图像可以由指令发送模块生成。例如指令发送模块可以基于目标物的标准图像集合，确定目标物的至少一个关键点的位置信息。目标物的标准图像集合是包含目标物的多个标准图像的集合。其中，目标物的标准图像是符合标准条件的图像。示例性地，标准条件可以包括目标物正对图像采集元件、目标物图像尺寸为50mm×50mm、目标物和图像采集元件距离为0.4m。例如，标准图像集合可以包括符合标准条件的多张人脸图像。

目标物的关键点可以包括目标物的有代表性的部位。例如，目标物为人脸，关键点可以是人脸在标准图像中的眼睛、鼻子和嘴等。在一些实施例中，关键点可以包括人脸在标准图像中的左眼中心、右眼中心、鼻子中心、左嘴角、右嘴角、嘴中心等中的一个或多个。在一些实施例中，关键点也可以是标准图像中的任意位置。例如，关键点可以是标准图像的中心位置。关键点的位置信息可以表征其在多张标准图像中的位置。例如，关键点的位置信息可以是关键点在标准图像中的平均位置坐标。以左眼中心为例，指令发送模块可以确定左眼中心在每幅标准图像中的坐标，并确定左眼中心在多幅标准图像中的平均坐标，以作为左眼中心的位置信息。

标准拍摄参数是用于生成目标物的模板图像的参数。例如，标准拍摄参数可以包括标准拍摄角度、标准拍摄距离、标准拍摄中心点等中的一个或多个。标准拍摄角度是指拍摄角度的标准值。例如，标准拍摄角度可以是拍摄角度为0°。标准拍摄距离是指拍摄距离的标准值。例如，标准拍摄距离可以是拍摄距离为0.1m。标准拍摄中心点是拍摄中心点的标准位置点。例如，标准拍摄中心点可以标准图像的中心的位置点等。

进一步地，指令发送模块可以基于至少一个标准拍摄参数和至少一个关键点的位置信息，生成目标物的模板图像。例如，指令发送模块可以基于人脸关键点的位置信息，生成符合标准拍摄参数的模拟人脸图像，以作为人脸模板图像。又例如，指令发送模块可以将某一标准人脸图像根据至少一个关键点的位置信息和标准拍摄参数进行调整，以生成人脸模板图像。仅作为示例，标准人脸图像中的左眼中心、右眼中心等关键点可以按照其对应的位置信息进行位置调整；标准人脸图像中的人脸朝向、大小和位置可以分别基于标准拍摄角度、标准拍摄距离和标准拍摄中心点进行调整。在一些实施例中，指令发送模块可以直接获取符合标准拍摄参数的目标物的标准图像集合，并基于所述标准图像集合确定模板图像。例如，指令发送模块可以从标准图像集合中任意选择一张标准图像作为模板图像。又例如，指令发送模块可以基于标准图像集合确定至少一个关键点的位置信息，并基于关键点的位置信息和标准图像集合(或其一部分)确定模板图像。

步骤320，基于至少一个拍摄参数，对模板图像进行调整，以生成对比模板图像。在一些实施例中，步骤320可以由服务器的指令发送模块执行。

仅作为实例，如图4所示，假设模板图像符合标准拍摄参数的人脸图像。所述标准拍摄参数包括标准拍摄角度0°、标准拍摄距离为0.1m及标准拍摄中心点(即位于客户端屏幕的中心点)。如果拍摄参数包括拍摄角度为30°、拍摄距离0.3m、拍摄中心点位置为屏幕左上角(x1,y1)，指令发送模块可以先基于标准拍摄距离0.1m和拍摄距离0.3m的比值，缩小模板图像410，获取第一对比模板图像420；然后将第一对比模板图像420旋转拍摄角度30°获取第二对比模板图像430；再将第二对比模板图像430的中心位置移动到标准拍摄中心点，获取对比模板图像440。应该可以理解，上述对模板图像的旋转、缩放和移动可以以任意顺序或同时进行，在此不作限制。

在一些实施例中，指令发送模块可以基于拍摄角度、拍摄距离、拍摄中心点和/或其他拍摄参数中的任意一个或多个生成对比模板图像。例如，指令发送模块先基于拍摄中心点对模板图像进行调整，再对调整后的模板图像基于拍摄角度再次进行调整。

步骤330，向客户端发送拍摄指令，所述拍摄指令指示客户端在拍摄框内显示对比模板图像。在一些实施例中，步骤330可以由服务器的指令发送模块执行。

在一些实施例中，指令发送模块可以向客户端发送模板图像和拍摄参数。客户端可以根据拍摄参数对模板图像进行调整，以生成对比模板图像。客户端可以进一步显示拍摄框以及拍摄框内的对比模板图像。

图5是根据本说明书一些实施例所示的确定图像真实性的示例性流程图。在一些实施例中，图5所示的流程500可以由服务器的真实性确定模块执行。

步骤510，基于所述至少一个拍摄参数，确定所述至少一幅图像的第一真实性。

如前所述，图像的第一真实性可以该图像是否是为客户端基于拍摄指令拍摄的图像。在一些实施例中，当图像的拍摄框中包含目标物时，可以认为该图像是客户端在显示拍摄框的过程中、用户将目标物调整至拍摄框内后拍摄的图像，即所述至少一幅图像具有第一真实性。

在一些实施例中，真实性确定模块可以根据至少一个拍摄参数从图像中确定拍摄框对应的分割图像。真实性确定模块可以进一步检测分割图像中是否包含目标物的至少一部分(如有代表性的部位或者轮廓)，从而确定图像的拍摄框中是否包含目标物。例如，目标物为用户面部，若检测到分割图像中包含用户的五官或人脸轮廓，则说明所述至少一幅图像的拍摄框中包含用户面部，从而可以确定所述图像具有第一真实性。

步骤520，基于所述至少一个拍摄参数和至少一个合格目标物的至少一张参考图像，确定所述至少一幅图像的第二真实性。

当图像中包含的目标物为合格目标物，则说明该图像具有第二真实性。合格目标物是预先通过验证的目标物。例如，在网约车应用场景中，合格目标物可以是司机注册过程中，通过网约车平台审核的司机面部。又例如，在人脸支付应用场景中，合格目标物可以是支付平台验证过支付权限的支付人员瞳孔。

参考图像是包含合格目标物的图像。在一些实施例中，参考图像可以预先存储在存储设备中，真实性确定模块可以基于通过网络从存储设备调取参考图像。在一些实施例中，真实性确定模块可以基于存储设备中的每一幅参考图像，确定图像的第二真实性。例如，在网约车应用场景中，真实性确定模块可以基于存储设备中所有司机的参考图像，确定从客户端接收的图像的第二真实性。或者，真实性确定模块可以基于客户端的标识信息调取与该客户端对应的用户的参考图像，并基于该用户的参考图像确定图像的第二真实性。示例性地，真实性确定模块可以基于客户端的标识从存储设备调取与该客户端绑定的司机的参考图像，用于确认从客户端接收的图像的第二真实性。

在一些实施例中，对至少一幅图像中的每一幅，真实性确定模块可以基于至少一个拍摄参数，生成图像对应的第一图像和与至少一幅参考图像中的每一幅对应的第二图像。第一图像和第二图像对应的拍摄参数相同或相似。以人脸为例，客户端用户在拍摄图像时，为了将人脸放置在拍摄框中，可能会对头部进行旋转、位置移动等。此时拍摄的图像对应拍摄框的拍摄参数。而参考图像通常是在预设的拍摄参数下拍摄的。例如，网约车平台上的司机的参考图像可能是预设参数下拍摄的人脸证件照。为了避免拍摄参数不同影响真实性判断结果，需要对至少一幅图像和至少一幅图像进行一致化或标准化处理，使其对应相同或相似的拍摄参数。

在一些实施例中，对于至少一幅图像中的每一幅，真实性确定模块可以将该图像或者该图像中分割框对应的分割图像作为一幅第一图像。真实性确定模块可以将至少一幅参考图像中的每一幅基于至少一个拍摄参数(或其一部分)进行调整，获取至少一幅第二图像。例如，若拍摄参数包括拍摄角度为15°，真实性确定模块可以基于该拍摄角度对参考图像进行调整，使参考图像与屏幕的长度方向之间的夹角为15°。又例如，若拍摄参数包括位置坐标为(25，25)的拍摄中心点，真实性确定模块可以基于将参考图像的中心的位置点移动到坐标(25，25)。还例如，若参考图像的拍摄距离为0.1m而拍摄参数包括拍摄距离为0.5m，真实性确定模块可以基于将参考图像缩小5倍。真实性确定模块可以将调整后的参考图像作为其对应的第二图像。

在一些实施例中，真实性确定模块可以将至少一幅参考图像中的每一幅作为第二图像。对至少一幅图像中的每一幅，真实性确定模块可以基于至少一个拍摄参数(或其一部分)对图像或该图像对应的分割图像进行调整，以生成第一图像。例如，若拍摄参数包括拍摄角度为15°而参考图像的拍摄角度为0°，真实性确定模块可以将图像旋转-15°，使调整后的图像的拍摄角度与参考图像的拍摄角度相同。真实性确定模块可以将调整后的图像作为其对应的第一图像。在一些实施例中，对于至少一幅图像中的每一幅，真实性确定模块会先确定拍摄框对应的分割图像，再对分割图像进行调整，以生成第一图像。在一些实施例中，真实性确定模块可以对至少一幅图像和至少一幅参考图像分别进行调整，使第一图像和第二图像均对应标准拍摄参数或其他相同的拍摄参数。

进一步地，对至少一幅图像中的每一幅，真实性确定模块可以基于其对应的第一图像和至少一幅第二图像的相似度，确定该图像的第二真实性。例如，真实性确定模块可以确定第一图像的第一图像特征和每幅第二图像的第二图像特征之间的相似度，以确定图像的真实性。图像的图像特征可以包括颜色特征、纹理特征、形状特征、深度特征等，或其任意组合。第一图像的第一图像特征和第二图像的第二图像特征之间的相似度可以用向量相似度计算得到，例如，通过欧式距离、曼哈顿距离、余弦相似度等确定。若第一图像的第一图像特征和某一第二图像的第二图像特征之间的相似度超过特定阈值，可以认为该第一图像和第二图像是同一物体的图像。也就是说，第一图像对应的图像是某一合格目标物的图像，即第一图像对应的图像具有第二真实性。若第一图像的第一图像特征和所有第二图像的第二图像特征之间的相似度不超过特定阈值，可以认为第一图像对应的图像不具有第二真实性。

在一些实施例中，真实性确定模块可以基于图像对比模型处理第一图像和至少一幅第二图像中的每一幅，确定图像的第二真实性。例如，真实性确定模块可以将第一图像和第二图像中的一幅输入图像对比模型，图像对比模型可以输出第一图像与第二图像之间的相似度和/或第一图像与第二图像是否相似的判断结果。出于说明目的，图6示出了图像对比模型的示例性结构图。图所示，图像对比模型600可以包括特征提取层605、相似度计算层608和判别层610。

在一些实施例中，一幅第一图像和至一幅第二图像可以组成一个图像对。图像对比模型600可以该图像对进行分析，以确定该图像对中第一图像和第二图像是否相似。例如，如图6所示，第一图像603-m和第二图像604-n构成的图像对可以被输入图像对比模型600。

特征提取层605可以用于处理第一图像和第二图像，获取第一图像603-m的第一图像特征606和第二图像604-n的第二图像特征607。在一些实施例中，特征提取层605的类型可以包括ResNet、ResNeXt、SE-Net、DenseNet、MobileNet、ShuffleNet、RegNet、EfficientNet或Inception等卷积神经网络模型，或循环神经网络模型。在一些实施例中，可以将第一图像603-m和第二图像604-n拼接后输入特征提取层605。特征提取层605的输出可以是第一图像603-m的第一图像特征606和第二图像604-n的第二图像特征607拼接后的特征向量。

相似度计算层608可以用于确定第一图像特征606和第二图像特征607的相似度609。判别层610可以用于基于相似度609，输出第一图像603-m和第二图像604-n是否相似的判断结果。例如，判别层610可以比较相似度609和相似度阈值。如果第一图像603-m的第一图像特征606和第二图像604-n的第二图像特征607之间的相似度超过相似度阈值，则第一图像603-m和第二图像604-n相似。在一些实施例中，可以基于图像601-m对应的第一图像603-m和每一张参考图像602对应的每一张第二图像604是否相似的判断结果611，确定第一图像603-m对应图像601-m的第二真实性。例如，第一图像603-m和每一张第二图像604都不相似，则第一图像不具有第二真实性。又例如，第一图像603-m和第二图像604-1相似，则第一图像具有第二真实性。

在一些实施例中，真实性确定模块可以将第一图像和第二图像组成的多对图像对一起输入图像对比模型600。图像对比模型600可以同时输出所述多对图像对中每一对的相似性判别结果。在一些实施例中，图像对比模型600为预置参数的机器学习模型。预置参数是指机器学习模型训练过程中，学习到的模型参数。以神经网络为例，模型参数包括权重(Weight)和偏置(bias)等。图像对比模型600的所述预置参数通过训练过程生成。例如，模型获取模块可以基于带有标签的多个训练样本训练初始图像对比模型，以得到图像对比模型。

训练样本包括带有标签的一个或多个样本图像对。每个样本图像对包括第一样本图像和第二样本图像。其中，第一样本图像和第二样本图像可以是相同或者不同对象的图像。训练样本的标签可以说明第一样本图像和第二样本图像是否相似(或是否为同一对象的图片)。

在一些实施例中，图像对比模型可以由处理设备或第三方预先训练后保存在存储设备中，处理设备可以从存储设备中直接调用图像对比模型。

在一些实施例中，真实性确定模块可以只基于第一真实性确定图像的真实性。例如，如果至少一幅图像具有第一真实性，则认为至少一幅图像具有真实性，通过目标识别。在一些实施例中，真实性确定模块可以基于第一真实性和第二真实性确定图像的真实性。例如，可以确定先确定至少一幅图像具有第一真实性，再确定至少一幅图像中目标物是否为合格目标物。如果该图像具有第二真实性，则认为至少一幅图像具有真实性，通过目标识别。第一真实性分析基于图像的简单特征进行，与第二真实性分析相比更加简单、所需计算资源更小。通过只进行第一真实性分析，或者判断图像具有第一真实性后再进行第二真实性分析，可以提高目标识别的效率，简化目标识别的步骤，减少计算资源的浪费(例如，避免使用计算资源对劫持者上传的虚假图片进行第二真实性分析)。

在一些实施例中，真实性确定模块可以直接基于第二真实性确定图像的真实性。例如，如果至少一幅图像具有第一真实性，则认为至少一幅图像具有真实性，通过目标识别。

在一些实施例中，真实性确定模块可以基于参考信息，选择不同的方式进行目标识别。例如，若用户的历史作弊次数大于特定阈值，则真实性确定模块可以选择先判断第一真实性，再判断第二真实性的目标识别方式。又例如，用户的历史作弊次数为0次，则实性确定模块可以选择直接判断第二真实性的目标识别方式。

图7是根据本说明书一些实施例所示的应用于客户端的目标识别方法的示例性流程图。如图7所示，流程700包括下述步骤。

步骤710，从服务器接收拍摄指令。在一些实施例中，步骤710可以由客户端的指令接收模块执行。

如前所述，拍摄指令是指令客户端显示拍摄框的指令。在一些实施例中，拍摄指令可以包括拍摄框有关的拍摄参数，例如，拍摄框的形状、大小、位置和显示参数等。在一些实施例中，拍摄指令还可以包括目标物的对比模板图像，用于指示客户端在拍摄框内显示对比模板图像。在一些实施例中，拍摄指令包括目标物的模板图像。客户端可以基于从模板图像和拍摄参数，生成对比模板图像。关于拍摄指令的具体描述可以参见本申请其他部分的描述，例如，步骤220。

步骤720，基于至少一个拍摄参数，显示拍摄框。在一些实施例中，步骤720可以由客户端的拍摄框显示模块执行。

如前所述，拍摄框是指在客户端(例如，客户端130)屏幕上显示的特定区域，可以引导客户端的用户在进行拍摄时将目标物放置于所述特定区域中。

在一些实施例中，拍摄参数可以包括与拍摄框的形状、大小、位置、显示方式等相关的任何参数。拍摄框显示模块可以基于至少一个拍摄参数生成拍摄框，并指示客户端在屏幕显示区域内显示拍摄框。例如，拍摄框显示参数可以基于形状、大小、位置参数生成拍摄框，并基于显示参数指示客户端以特定的方式(例如，以特定的颜色、闪烁频率)显示拍摄框。在一些实施例中，客户端可以获取预设拍摄框，该预设拍摄框具有特定的形状、大小、位置等。拍摄框显示模块可以基于拍摄参数对预设拍摄框进行旋转、缩放、平移等以生成拍摄框。基于拍摄参数对拍摄框进行调整的过程与图3和4所述的基于拍摄参数对模板图像进行调整的过程类似，在此不再赘述。

在一些实施例中，拍摄框显示模块可以指示客户端在拍摄框内显示对比模板图像，类似图4所示。当客户端显示对比模板图像时，用户可以将目标物轮廓对准对比模板图像轮廓，提高模板识别的准确率。例如，目标物为用户面部，用户可以将面部轮廓对准人脸图像模板(即，对比模板图像)。附加的或可选的，拍摄框显示模块可以指示客户端在拍摄框或对比模板图像中显示至少目标物的一个关键点。以用户面部为例，可以进一步在人脸图像模板(即，对比模板图像)中显示面部的左眼、右眼、鼻尖、左嘴角和右嘴角，用户可以将左眼、右眼、鼻尖、左嘴角和右嘴角分别对准人脸图像模板中的对应关键点。

在一些实施例中，拍摄框显示模块可以直接获取对比模板图像，将其显示在客户端的屏幕上。此时，对比模板图像的边缘可以视为拍摄框。

步骤730，基于图像采集元件获取至少一幅拍摄图像。在一些实施例中，步骤730可以由图像获取模块执行。

拍摄图像是客户端的图像采集元件获取的图像。拍摄图像中可以包含或不包含目标物。在一些实施例中，图像获取模块可以基于图像采集元件拍摄的视频，获取至少一幅拍摄图像。具体的，图像获取模块可以从视频中抽取至少一帧图像作为至少一幅拍摄图像。例如，图像获取模块从图像采集元件拍摄的视频中随机抽取n帧作为拍摄图像。又例如，图像获取模块可以先识别出拍摄框内包含目标物的视频帧，将抽取包含目标物的视频n帧作为拍摄图像。

在一些实施例中，图像获取模块可以基于确认指令指示图像采集元件获取拍摄图像。确认指令是用户通过确定操作触发的拍摄指令。例如，确认操作可以为手动输入操作、语音输入操作等。具体的，当用户将目标物调整至拍摄框内后，可以通过确定操作触发确认指令。图像获取模块接收确认指令后，图像采集元件可以拍摄图像。在一些实施例中，图像获取模块可以自动指示图像采集元件拍摄图像。例如，当检测到拍摄框中存在目标物(如人脸)时，图像获取模块可以自动指示图像采集元件拍摄图像。

步骤740，将所述至少一幅拍摄图像发送给所述服务器以对所述至少一幅拍摄图像的真实性进行判别。在一些实施例中，步骤740可以由图像发送模块执行。

在一些实施例中，图像发送模块可以通过网络将图像采集元件获取的至少一幅拍摄图像作为图像发送给服务器，以对至少一幅拍摄图像的真实性进行判别(例如，第二真实性判别)。在一些实施例中，若客户端被劫持，在接收拍摄指令后，劫持者可能通过客户端设备上传图像或视频。此时，步骤730可以省略。客户端可以将劫持者上传的图像或视频发送给服务器，服务器可以对所述图像或视频进行第一真实性和/或第二真实性判断。在一些实施例中，图像发送模块会对拍摄图像进行预处理，并将预处理后的拍摄图像发送给服务器进行进一步分析。对拍摄图像的预处理与服务器的图像接收模块对图像的预处理类似，在此不再赘述。关于服务器对所述至少一幅拍摄图像进行真实性判别的详细描述参见图5及其相关描述，在此不再赘述。

在一些实施例中，客户端还通过网络可以从服务器接收拍摄图像的真实性判别结果。可选地，客户端可以基于真实性判别结果，显示引导信息。引导信息是基于真实性判别结果，提示用户下一步操作的信息。引导信息可以包括语音信息、文字信息和图像信息等。例如，在网约车应用场景中，真实性判别结果反映目标通过识别时，即平台验证接单司机甲为平台注册的司机用户时，引导信息可以为语音信息“审核通过，请开始驾驶”。又例如，在人脸支付应用场景中，真实性判别结果反映目标未通过识别时，引导信息可以为显示在客户端的屏幕显示区域的文字信息“审核未通过，请再次识别”。

在一些实施例中，客户端可以进一步基于参考信息确定引导信息，其中，参考信息可以包括拍摄环境信息、用户的历史行为和用户的个人信息等。例如，在网约车应用场景中，若真实性判别结果反映目标未通过识别时，客户端可以基于拍摄环境信息“光照强度＜10lux”确定引导信息为“审核未通过，请前往更加明亮的环境再次识别”。又例如，在人脸支付的应用场景中，当真实性判别结果反映目标未通过识别时，客户端可以基于用户的历史行为“用户欺诈导致历史目标识别失败次数＞10次”确定引导信息为“审核未通过，请本人进行识别”。本说明书的一些实施例基于参考信息确定引导信息，可以针对用户不同的目标识别意图和不同的操作行为，进行引导、提示或警告，提高引导信息的针对性和有效性，从而提高目标识别的准确性。

本说明书实施例可能带来的有益效果包括但不限于：(1)通过客户端显示的拍摄框引导用户将目标物调整至拍摄框内获取图像，并基于拍摄框的拍摄参数对图像的真实性进行判断，能够有效判断客户端是否被劫持和/或所述图像是否为合格目标物的图像；(2)基于参考信息确定难度系数，再基于难度系数确定拍摄框的拍摄参数，从而通过针对不同的场景设置不同的拍摄参数，可以提高真实性判断的准确性，并提高目标识别的适用性和灵活性；(3)第一真实性分析基于图像的简单特征进行，与第二真实性分析相比更加简单、节省计算资源。通过只进行第一真实性分析，或者判断图像具有第一真实性后再进行第二真实性分析，可以提高目标识别的效率，简化目标识别的步骤，减少计算资源的浪费(例如，避免使用计算资源对劫持者上传的虚假图片进行第二真实性分析)；(4)基于参考信息，选择不同的方式进行目标识别，可以提高目标识别的适应性和效率。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。