证件识别方法及装置与流程

本发明专利申请是申请日为2019年8月27日、申请号为2019107962999、名称为“证件识别方法及装置”的中国发明专利申请的分案申请。

本文件涉及活体检测技术领域，尤其涉及一种证件识别方法及装置。

背景技术：

证件文字ocr(opticalcharacterrecognition，光学字符识别)在互联网金融等身份认证场景得到了普遍应用。证件文字ocr是指使用光学字符识别技术对用户提供的证件照片进行处理，从而提取并识别证件上的用户信息(如用户姓名、生日、证件有效期等信息)。对于金融场景来说，鉴别使用伪造证件来冒用身份或者造假的行为至关重要。黑产用户伪造证件的行为可划分为两类：物理证件伪造或电子证件伪造。物理证件伪造指的是直接在证件的物理实体上修改证件信息，包括采用物理手段修改用户身份信息(如使用涂抹、物理贴片等方式篡改姓名、生日信息)或直接制造一个假的证件。电子证件伪造指的是将物理证件通过拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改的行为(如使用ps工具篡改)。相比物理证件伪造，电子证件伪造具有伪造目标易获取(对着证件拍照即可，不用拿到物理证件)、造假成本低、造假工具易获取(photoshop等改图软件即可)且效果逼真等特点，容易引起批量攻击，对于互联网金融等电子化业务来说需要重点防范。

技术实现要素：

本说明书一个或多个实施例的目的是提供一种证件识别方法及装置，用以提高证件识别的准确度，以及增大伪造证件的成本，从而大大降低伪造证件的几率。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种证件识别方法，包括：

确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄所述证件，得到一张或多张证件关联图片；

检测所述证件关联图片中是否包含所述指定人体部位；

若是，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

根据分析结果确定所述证件是否为伪造证件；

所述确定对证件进行验证的目标验证方式，包括：按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的所述至少一种验证方式确定为对所述证件进行验证的目标验证方式；所述验证方式集中包括多种所述验证方式；各所述验证方式分别包含所述指定人体部位对所述证件的不同的动作信息。

另一方面，本说明书一个或多个实施例提供一种证件识别装置，包括：

第一确定模块，确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄模块，拍摄所述证件，得到一张或多张证件关联图片；

检测模块，检测所述证件关联图片中是否包含所述指定人体部位；

分析模块，若所述证件关联图片中包含所述指定人体部位，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

第二确定模块，根据分析结果确定所述证件是否为伪造证件；

所述第一确定模块包括：第二确定单元，用于按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的所述至少一种验证方式确定为对所述证件进行验证的目标验证方式；所述验证方式集中包括多种所述验证方式；各所述验证方式分别包含所述指定人体部位对所述证件的不同的动作信息。

再一方面，本说明书一个或多个实施例提供一种证件识别设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄所述证件，得到一张或多张证件关联图片；

检测所述证件关联图片中是否包含所述指定人体部位；

若是，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

根据分析结果确定所述证件是否为伪造证件；

所述确定对证件进行验证的目标验证方式，包括：按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的所述至少一种验证方式确定为对所述证件进行验证的目标验证方式；所述验证方式集中包括多种所述验证方式；各所述验证方式分别包含所述指定人体部位对所述证件的不同的动作信息。

再一方面，本说明书一个或多个实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄所述证件，得到一张或多张证件关联图片；

检测所述证件关联图片中是否包含所述指定人体部位；

若是，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

根据分析结果确定所述证件是否为伪造证件；

所述确定对证件进行验证的目标验证方式，包括：按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的所述至少一种验证方式确定为对所述证件进行验证的目标验证方式；所述验证方式集中包括多种所述验证方式；各所述验证方式分别包含所述指定人体部位对所述证件的不同的动作信息。

采用本说明书一个实施例的技术方案，在证件识别时，并非是简单的对证件进行拍照以获得证件图片，而是需按照预先确定的目标验证方式(即按照指定人体部位对证件的动作信息)进行拍摄，从而使证件的识别结果不仅依赖于证件图片，而且还依赖与之关联的指定人体部位图片，这种双重验证方式大大提高了证件识别的准确度。并且，该技术方案采用指定人体部位及证件同时输入的信息输入方式，较纯证件信息输入的方式而言，使造假者很难获取样本进行证件的伪造，从而提高了伪造证件的难度，降低伪造证件的几率。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本说明书一实施例的一种证件识别方法的示意性流程图；

图2(a)-2(b)是根据本说明书一实施例的一种证件识别方法中证件图片的示意图；

图3(a)-3(c)是根据本说明书另一实施例的一种证件识别方法中证件图片的示意图；

图4是根据本说明书另一实施例的一种证件识别方法的示意性流程图；

图5是根据本说明书一实施例的一种证件识别方法中证件识别的示意性界面图；

图6是根据本说明书一实施例的一种证件识别装置的示意性框图；

图7是根据本说明书一实施例的一种证件识别设备的示意性框图。

具体实施方式

本说明书一个或多个实施例提供一种证件识别方法及装置，用以提高证件识别的准确度，以及增大伪造证件的成本，从而大大降低伪造证件的几率。

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件保护的范围。

图1是根据本说明书一实施例的一种证件识别方法的示意性流程图，如图1所示，该方法包括：

s102，确定对证件进行验证的目标验证方式；其中，目标验证方式包含指定人体部位对证件的一个或多个动作信息。

本实施例中，可选择能够对证件执行一定动作的人体部位作为指定人体部位。比如，人手可以持拿证件，因此可选择人手作为指定人体部位。当指定人体部位为人手时，指定人体部位对证件的基准动作信息为以指定的手持姿势持拿证件的信息。

确定目标验证方式之后，可将目标验证方式以文字形式显示在屏幕上，以提示用户按照目标验证方式所指示的一个或多个动作信息进行证件识别。

s104，拍摄证件，得到证件关联图片。

证件关联图片的图片内容根据用户是否按照目标验证方式来进行证件识别而不同。若用户按照目标验证方式进行证件识别，即用户利用指定人体部位对证件执行动作，并将执行了动作的指定人体部位及证件一起放入指定拍摄区域内，则证件关联图片包括证件及指定人体部位。若用户未按照目标验证方式进行证件识别，如并未利用指定人体部位对证件执行动作，而是仅将证件放入指定拍摄区域内，则证件关联图片仅包括证件。

s106，检测证件关联图片中是否包含指定人体部位。

s108，若证件关联图片中包含指定人体部位，则分析证件关联图片中是否包含目标验证方式所包含的一个或多个动作信息。

s110，根据分析结果确定证件是否为伪造证件。

指定人体部位对证件的动作信息可包括动作类别，如，不同的姿势对应不同的动作类别。

在一个实施例中，若证件关联图片中仅包括证件信息或仅包括指定人体部位，则确定证件为伪造证件。

在一个实施例中，若证件关联图片中不包含指定人体部位，或，若证件关联图片中不包含一个或多个动作信息，则确定证件为伪造证件。

本实施例中所述的伪造证件可包括物理伪造证件及电子伪造证件，其中，物理伪造证件指的是直接在证件的物理实体上修改证件信息后得到的伪造证件，包括采用物理手段修改用户身份信息(如使用涂抹、物理贴片等方式篡改姓名、生日信息)或直接制造一个假的证件。电子伪造证件指的是将物理证件通过拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改(如使用ps工具篡改)后得到的伪造证件。

采用本说明书一个实施例的技术方案，在证件识别时，并非是简单的对证件进行拍照以获得证件图片，而是需按照预先确定的目标验证方式(即按照用户的指定人体部位对证件的动作信息)进行拍摄，从而使证件的识别结果不仅依赖于证件图片，而且还依赖与之关联的指定人体部位图片，这种双重验证方式大大提高了证件识别的准确度。并且，该技术方案采用指定人体部位及证件同时输入的信息输入方式，较纯证件信息输入的方式而言，使造假者很难获取样本进行证件的伪造，从而提高了伪造证件的难度，降低伪造证件的几率。

在一个实施例中，拍摄证件得到证件关联图片之后，可从证件关联图片中分割出证件的第一图像区域，并根据第一图像区域内的图像特征，确定证件是否为伪造证件。基于此，可在确定证件不为伪造证件的情况下，进一步检测证件关联图片中是否包含指定人体部位。

在一个实施例中，第一图像区域内的图像特征可包括光斑特征、屏幕摩尔纹特征、证件边框特征等。若第一图像区域内的图像特征与样本图像特征不匹配，则确定证件为伪造证件。

其中，样本图像特征为对证件样本进行拍摄得到的证件图片中的图像特征。证件样本即真实的物理证件，对证件样本进行拍摄得到的证件图片中的图像特征可具有以下特点：证件边框不为手机或电脑等设备的边框；图片上没有屏幕摩尔纹；图片上的光斑特征为：光斑形状接近圆形、边缘较平滑均匀、光斑强度较弱、光斑上的像素点向中心聚焦等。对于判断第一图像区域内的图像特征与样本图像特征是否匹配，将在下述实施例中详细说明。

在一个实施例中，确定对用户的证件进行验证的目标验证方式时，可先按照预设筛选方式，从验证方式集中筛选至少一种验证方式；进而将筛选的至少一种验证方式确定为对用户的证件进行验证的目标验证方式；其中，验证方式集中包括多种验证方式，各验证方式分别包含指定人体部位对证件的不同的动作信息。

例如，验证方式集中至少包括指定人体部位对证件的以下几种不同的动作信息：

(1)按照姿势1的方式用手持拿证件；

(2)按照姿势2的方式用手持拿证件；

(3)按照姿势3的方式用手持拿证件；

(4)按照姿势4的方式用小臂平举证件。

基于上述列举的几种验证方式，在确定对用户的证件进行验证的验证方式时，可从上述列举的几种验证方式中筛选出一种或多种作为目标验证方式。预设筛选方式可以是随机筛选方式，也可以是按照各验证方式的存储顺序依次筛选的方式等。

本实施例从预设的验证方式集中筛选目标验证方式，由于验证方式集中的验证方式在一段时间内是固定不变的，因此可平衡用户及证件识别设备之间的交互成本。

在一个实施例中，

可首先利用指定的证件检测算法，从证件关联图片中识别证件所在的第一图像区域，进而从证件所在的第一图像区域中获取图像特征。其中，指定的证件检测算法可以是现有的任一种基于深度学习的物体检测算法，如目标检测算法ssd、r-cnn、fastr-cnn、fasterr-cnn等。

利用指定的证件检测算法识别到证件关联图片中证件所在的第一图像区域后，可利用现有的任一种图像分割算法(如图像语义分割fcn)从证件关联图片中分割出第一图像区域，进而获取第一图像区域中的图像特征。第一图像区域中的图像特征可包括但不限于以下信息：证件边框信息(如是否有手机或电脑等设备的边框)、第一图像区域是否有屏幕摩尔纹、第一图像区域上的光斑信息等。

获取到第一图像区域内的图像特征之后，即可对图像特征进行分析，以下列举几种通过分析图像特征来判断证件是否为伪造证件的方法。

方法一、

若第一图像区域内的图像特征图像特征包括证件边框信息，则可利用预先训练的第一二分类算法对第一图像区域内的图像特征进行识别。其中，第一二分类算法根据多个样本伪造证件图片及多个样本非伪造证件图片上的证件边框特征训练得到，且输出数据为证件边框信息。第一二分类算法的具体训练过程如下：

首先，拍摄多个样本伪造证件的正面内容，得到多个样本伪造证件图片；及，拍摄多个样本非伪造证件的正面内容，得到多个样本非伪造证件图片。

其中，样本伪造证件可包括多种类型的伪造证件，如采用物理手段修改用户身份信息(如使用涂抹、物理贴片等方式篡改姓名、生日信息)或直接制造的物理伪造证件；通过彩色打印证件得到的物理伪造证件；通过对物理证件拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改得到的电子伪造证件等。

其次，分别对各样本伪造证件图片及各样本非伪造证件图片的证件边框信息进行特征分析，得到样本伪造证件图片的第一边框特征及样本非伪造证件图片的第二边框特征。

再次，基于第一边框特征及第二边框特征进行学习，得到第一二分类算法。

在方法一中，伪造证件图片和非伪造证件图片分别对应的证件边框信息可能不同。具体的，若伪造证件为通过对物理证件拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改得到的电子伪造证件，则由于电子伪造证件存在于电脑或手机屏幕上，因此拍摄得到的伪造证件图片的边框为电脑屏幕或手机屏幕的边框，而非伪造证件图片则不应具有电脑屏幕或手机屏幕的边框。因此，方法一可适用于识别电子伪造证件。

若利用第一二分类算法识别图像特征的结果为证件具有手机或电脑等设备的边框，则可直接确定证件为伪造证件。若利用第一二分类算法识别图像特征的结果为证件不具有设备边框，则可进一步结合其他方式(如分析指定人体部位对证件的第一动作信息)来判断证件是否为伪造证件。

方法二、

若第一图片区域内的图像特征包括第一图片区域是否有屏幕摩尔纹的信息，则可利用预先训练的第二二分类算法对第一图片区域内的图像特征进行识别。其中，第二二分类算法根据多个样本伪造证件图片及多个样本非伪造证件图片上的屏幕摩尔纹特征训练得到，且输出数据为屏幕摩尔纹特征(即是否具有屏幕摩尔纹)。具体训练过程如下：

首先，拍摄多个样本伪造证件的正面内容，得到多个样本伪造证件图片；及，拍摄多个样本非伪造证件的正面内容，得到多个样本非伪造证件图片。

其中，样本伪造证件可包括多种类型的伪造证件，如采用物理手段修改用户身份信息(如使用涂抹、物理贴片等方式篡改姓名、生日信息)或直接制造的物理伪造证件；通过彩色打印证件得到的物理伪造证件；通过对物理证件拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改得到的电子伪造证件等。

其次，分别对各样本伪造证件图片及各样本非伪造证件图片进行屏幕摩尔纹特征分析，得到样本伪造证件图片的第一屏幕摩尔纹特征及样本非伪造证件图片的第二屏幕摩尔纹特征。

再次，基于第一屏幕摩尔纹特征及第二屏幕摩尔纹特征进行学习，得到第二二分类算法。

在方法二中，伪造证件图片和非伪造证件图片分别对应的屏幕摩尔纹特征不同。具体的，若伪造证件为通过对物理证件拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改得到的电子伪造证件，则由于电子伪造证件存在于电脑或手机屏幕上，因此拍摄得到的伪造证件图片具有屏幕摩尔纹，而非伪造证件图片则不应具有屏幕摩尔纹。因此，方法二可适用于识别电子伪造证件。

若利用第二二分类算法识别图像特征的结果为证件图片具有屏幕摩尔纹，则可直接确定证件为伪造证件。若利用第二二分类算法识别图像特征的结果为图片具有屏幕摩尔纹，则可进一步结合其他方式(如分析指定人体部位对证件的第一动作信息)来判断证件是否为伪造证件。

方法三、

若第一图像区域内的图像特征包括第一图像区域上的光斑信息，则可利用预先训练的第三二分类算法识别第一图像区域内的图像特征。其中，第三二分类算法根据多个样本伪造证件图片及多个样本非伪造证件图片上的光斑特征训练得到，且输出数据为图片上的光斑特征。第三二分类算法的训练步骤具体如下：

首先，在闪光环境下拍摄多个样本伪造证件的正面内容，得到多个样本伪造证件图片；及，在闪光环境下拍摄多个样本非伪造证件的正面内容，得到多个样本非伪造证件图片。

其中，样本伪造证件可包括多种类型的伪造证件，如采用物理手段修改用户身份信息(如使用涂抹、物理贴片等方式篡改姓名、生日信息)或直接制造的物理伪造证件；通过彩色打印证件得到的物理伪造证件；通过对物理证件拍照、扫描等手段电子化后，在得到的电子版证件图像上进行信息篡改得到的电子伪造证件等。

在方式三中，由于在闪光环境下拍摄的图片上才有光斑，因此需在闪光环境下拍摄获取样本图片。闪光环境可以是移动终端在拍摄时打开闪光灯时的环境，也可以是通过专门的摄影闪光灯所创造的拍摄环境。

其次，识别各样本伪造证件图片中的第一光斑；及，识别各样本非伪造证件图片中的第二光斑。

再次，分别对各第一光斑及各第二光斑进行特征分析，得到样本伪造证件图片的第一光斑特征及样本非伪造证件图片的第二光斑特征。

最后，基于第一光斑特征及第二光斑特征进行学习，得到第三二分类算法。

方式三中，在闪光环境下拍摄的伪造证件图片和非伪造证件图片上均有光斑，且光斑存在明显区别。图2(a)-2(b)分别示出了一实施例中在闪光环境下拍摄的伪造证件图片和非伪造证件图片，其中，图2(a)为在闪光环境下拍摄的非伪造证件图片，图2(b)为在闪光环境下拍摄的伪造证件图片。由图中可看出，非伪造证件图片上的光斑210具有以下特征(即样本非伪造证件图片的第二光斑特征)：光斑形状接近圆形、边缘较平滑均匀、光斑强度较弱、光斑上的像素点向中心聚焦等；而伪造证件图片上的光斑220具有以下特征：光斑形状为放射状或星星状、边缘不规则、向四周不同方向(如上下、左右方向)拉伸、光斑强度较强等(即样本伪造证件图片的第一光斑特征)。因此，利用伪造证件图片和非伪造证件图片上的光斑之间的区别特征进行学习，即可训练得到第三二分类算法。

若利用第三二分类算法识别图像特征的结果为证件图片上的光斑特征与样本伪造证件图片上的光斑特征相同，则可直接确定证件为伪造证件。若利用第三二分类算法识别图像特征的结果为证件图片上的光斑特征与样本伪造证件图片上的光斑特征不同、或证件图片上的光斑特征与样本非伪造证件图片上的光斑特征相同，则可进一步结合其他方式(如分析指定人体部位对证件的动作信息)来判断证件是否为伪造证件。

上述列举了三种通过分析图像特征来判断证件是否为伪造证件的方法。在实际应用中，可分别利用上述三种二分类算法对不同类型的图像特征进行识别，也可结合其中多个二分类算法，训练出能够同时识别出多个图像特征的二分类算法。例如，结合第一二分类算法及第二二分类算法进行深度学习，即同时基于多个样本伪造证件图片及多个样本非伪造证件图片上的屏幕摩尔纹特征和证件边框特征进行学习，训练得到的二分类算法的输出数据为证件边框信息及证件图片的屏幕摩尔纹特征。

在一个实施例中，指定人体部位对证件的每个动作信息对应不同的第一动作类别。基于此，分析证件关联图片中是否包含目标验证方式所包含的一个或多个动作信息时，可先利用指定的人体部位检测算法，从证件关联图片中识别指定人体部位所在的第二图像区域；进而利用预先训练的动作分类算法，对第二图像区域内的人体动作进行分类，得到用户对证件的一个或多个第二动作类别；其中，动作分类算法根据指定人体部位对证件的多个不同类别的样本动作信息训练得到；样本动作信息包括样本动作类别。若存在至少一个第二动作类别与对应的第一动作类别不一致，则确定证件关联图片中不包含一个多个动作信息。

本实施例中，人体部位检测算法可以是现有的任一种基于深度学习的物体检测算法，如目标检测算法ssd、r-cnn、fastr-cnn、fasterr-cnn等；利用人体部位检测算法检测出指定人体部位后，可利用现有的任一种图像分割算法(如图像语义分割fcn)从证件关联图片中分割出指定人体部位所在的第二图像区域，进而分析第二图像区域中的动作信息。

以指定人体部位为人手、指定人体部位对证件的一个或多个动作信息为以指定的一种或多种手持姿势持拿证件的信息为例。假设样本动作类别包括如图3(a)-3(c)中的三种样本手持姿势，再加入“无手出现”的类别，则可基于各样本动作类别对应的样本动作信息训练处一个四分类算法，该四分类算法可识别出人手对证件的手持姿势。

四分类算法的训练过程具体可包括以下步骤：

首先，采集多个样本手持姿势对应的样本手势图片及“无手出现”的样本证件图片。样本手势图片如图3(a)-3(c)所示；“无手出现”的样本证件图片中不包含指定人体部位。

其次，利用手势识别算法对多个样本手势图片及样本证件图片进行识别，得到各样本手持姿势及“无手出现”时分别对应的样本动作信息。

其中，手势识别算法能够检测出人体部位(如人手、人脸、胳膊等部位)各关节的角度、空间位置、边缘轮廓等信息。本实施例中指定人体部位为人手，则手势识别算法能够检测出样本手势图片中各手指的角度、空间位置、手指边缘轮廓等信息，从而形成样本动作信息。手势识别算法对人体部位的检测过程为现有技术，在此不再赘述。

再次，基于各样本手持姿势及“无手出现”时分别对应的样本动作信息进行学习，得到四分类算法。

本实施例中，若指定人体部位对证件的一个或多个动作信息对应的第一动作类别与用户对证件执行的一个或多个第二动作类别一致，则确定证件关联图片中包含一个或多个动作信息；若存在至少一个指定人体部位对证件的一个或多个动作信息对应的第一动作类别与用户对证件执行的一个或多个第二动作类别不一致，则确定证件关联图片中不包含一个或多个动作信息。

假设第一动作类别为图3(a)-3(c)所示的基准手持姿势，那么，可通过判断指定人体部位对证件的手持姿势是否与基准手持姿势一致，若一致，则确定第一动作类别与第二动作类别一致；反之，若不一致，则确定第一动作类别与第二动作类别不一致。

图4是根据本说明书另一实施例的一种证件识别方法的示意性流程图。在该实施例中，指定人体部位为人手，指定人体部位对证件的一个或多个动作信息为以指定的一种或多种手持姿势持拿证件的信息。如图4所示，该方法应用于具有证件识别功能的终端设备，包括以下步骤：

s401，从预存的验证方式集中随机筛选至少一种验证方式作为证件识别的目标验证方式，并将目标验证方式显示在屏幕上。

其中，验证方式集可包括多个验证方式，各验证方式指以多种指定的手持姿势持拿证件的方式。本实施例中，假设各验证方式为以图3(a)-3(c)所示的三种基准手持姿势持拿证件的方式。

终端设备筛选出目标验证方式后，可将目标验证方式显示在屏幕上，以提示用户按照目标验证方式所指示的基准手持姿势持拿证件，并将人手及证件一同放入指定拍摄区域内。图5为一实施例中终端设备显示目标验证方式的示意性界面图，其中，目标验证方式包含人手对证件的基准手持姿势。如图5所示，终端设备可采用文字形式在屏幕50上显示内容“请按以下手势持拿证件”，并在屏幕50上以图片形式(或动图形式)将基准手持姿势显示在屏幕区域51内，以指示用户按照屏幕区域51内显示的基准手持姿势持拿证件，并将人手及证件一同放入指定拍摄区域52中。需要说明的是，图5中所显示的基准手持姿势所在的屏幕位置与指定拍摄区域的位置仅是示例性的一种显示方式，在实际应用中，可根据需要任意调整基准手持姿势所在的屏幕位置与指定拍摄区域的位置。

s402，当检测到指定拍摄区域内出现待拍摄内容时，对指定拍摄区域内的待拍摄内容进行拍摄，得到证件关联图片。

该步骤中，拍摄得到的证件关联图片中可能仅包括证件，也可能包括证件及持拿证件的人手。

s403，从证件关联图片中分割出证件所在的第一图像区域。

s404，根据第一图像区域内的图像特征，确定证件是否为伪造证件；若否，则执行s405；若是，则执行s410。

s405，判断证件关联图片中是否包含人手；若是，则执行s406；若否，则执行s410。

s406，从证件关联图片中分割出人手所在的第二图像区域。

上述步骤中，可利用任一种基于深度学习的物体检测算法检测证件及人手所在区域，如目标检测算法ssd、r-cnn、fastr-cnn、fasterr-cnn等；进而可利用任一种图像分割算法(如图像语义分割fcn)从证件关联图片中分割出证件及人手所在区域。

图像特征可包括但不限于以下特征：证件边框特征(如是否有手机或电脑等设备的边框)、第一图像区域是否有屏幕摩尔纹、第一图像区域上的光斑特征等。

可通过将第一图像区域内的图像特征与样本图像特征进行比对，若二者匹配，则可确定证件为非伪造证件；若二者不匹配，则可确定证件为伪造证件。第一图像区域内的图像特征与样本图像特征不匹配的情况可包括但不限于以下几种：证件具有手机或电脑等设备的边框、第一图像区域上有屏幕摩尔纹、第一图像区域上的光斑特征与伪造证件的光斑特征相同等。

s407，对第二图像区域内的人体动作进行分类，得到用户对证件的一个或多个第二动作类别。

s408，判断是否存在至少一个第二动作类别与目标验证方式包含的动作信息所对应的第一动作类别不一致；若否，则执行s409；若是，执行s410。

s409，确定证件为非伪造证件。

s409，确定证件为伪造证件。

此外，本实施例在执行s401时，若从验证方式集中筛选出多个验证方式，则可依次显示各验证方式，并在显示每个验证方式、且基于该验证方式进行拍摄得到证件关联图片之后，再显示下一个验证方式，并基于下一个验证方式进行拍摄得到证件关联图片。这样，终端设备通过拍摄指定拍摄区域内的内容，可得到多个证件关联图片，进而对该多个证件关联图片分别进行分析，得到多个分析结果。若各分析结果均表示证件为非伪造证件，则可确定证件为非伪造证件；若存在至少一个分析结果表示证件为伪造证件，则可确定证件为伪造证件。

本实施例中，通过从预设的验证方式集中随机筛选至少一种验证方式，并指示用户按照所筛选的验证方式进行证件识别，使得终端设备无需搜集大量的验证方式，且用户也无需不断学习新的验证方式，从而平衡了用户及终端设备之间的交互成本。此外，本实施例基于人手对证件的手持姿势信息及证件信息共同对证件进行识别，使证件的识别结果不仅依赖于证件图片，而且还依赖与之关联的人手图片，这种双重验证方式大大提高了证件识别的准确度。并且，该技术方案采用指定人手及证件同时输入的信息输入方式，较纯证件信息输入的方式而言，使造假者很难获取样本进行证件的伪造，从而提高了伪造证件的难度，降低伪造证件的几率。

综上，已经对本主题的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可以按照不同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，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

以上为本说明书一个或多个实施例提供的证件识别方法，基于同样的思路，本说明书一个或多个实施例还提供一种证件识别装置。

图6是根据本说明书一实施例的一种证件识别装置的示意性框图，如图6所示，证件识别装置600包括：

第一确定模块610，确定对证件进行验证的目标验证方式；其中，目标验证方式包含指定人体部位对证件的一个或多个动作信息；

拍摄模块620，拍摄证件，得到一张或多张证件关联图片；

检测模块630，检测证件关联图片中是否包含指定人体部位；

分析模块640，若证件关联图片中包含指定人体部位，则分析证件关联图片中是否包含一个或多个动作信息；

第二确定模块650，根据分析结果确定证件是否为伪造证件。

在一个实施例中，装置600还包括：

分割模块，检测证件关联图片中是否包含指定人体部位之前，从证件关联图片中分割出证件的第一图像区域；

第三确定模块，根据第一图像区域内的图像特征，确定证件是否为伪造证件。

在一个实施例中，检测模块630包括：

检测单元，当根据图像特征确定证件不为伪造证件时，进一步检测证件关联图片中是否包含指定人体部位。

在一个实施例中，图像特征包括光斑特征、屏幕摩尔纹特征、证件边框特征中的至少一项；

第三确定模块包括：

第一确定单元，若图像特征与样本图像特征不匹配，则确定证件为伪造证件；样本图像特征为对证件样本进行拍摄得到的证件图片中的图像特征。

在一个实施例中，第一确定模块610包括：

第二确定单元，按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的至少一种验证方式确定为对用户的证件进行验证的目标验证方式；

其中，验证方式集中包括多种验证方式；各验证方式分别包含指定人体部位对证件的不同的动作信息。

在一个实施例中，装置600还包括：

第四确定模块，若证件关联图片中不包含指定人体部位，或，若证件关联图片中不包含一个或多个动作信息，则确定证件为伪造证件。

在一个实施例中，每个动作信息对应不同的第一动作类别；

分析模块640包括：

识别单元，从证件关联图片中识别指定人体部位所在的第二图像区域；

分类单元，利用预先训练的动作分类算法，对第二图像区域内的人体动作进行分类，得到用户对证件的一个或多个第二动作类别；其中，动作分类算法根据指定人体部位对证件的多个不同类别的样本动作信息训练得到；

第三确定单元，若存在至少一个第二动作类别与对应的第一动作类别不一致，则确定证件关联图片中不包含一个多个动作信息。

在一个实施例中，指定人体部位包括人手；指定人体部位对证件的一个或多个动作信息包括以指定的一种或多种手持姿势持拿证件的信息。

采用本说明书一个实施例的装置，在证件识别时，并非是简单的对证件进行拍照以获得证件图片，而是需按照预先确定的目标验证方式(即按照用户的指定人体部位对证件的动作信息)进行拍摄，从而使证件的识别结果不仅依赖于证件图片，而且还依赖与之关联的指定人体部位图片，这种双重验证方式大大提高了证件识别的准确度。并且，该装置采用指定人体部位及证件同时输入的信息输入方式，较纯证件信息输入的方式而言，使造假者很难获取样本进行证件的伪造，从而提高了伪造证件的难度，降低伪造证件的几率。

本领域的技术人员应可理解，上述证件识别装置能够用来实现前文所述的证件识别方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。

基于同样的思路，本说明书一个或多个实施例还提供一种证件识别设备，如图7所示。证件识别设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对证件识别设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在证件识别设备上执行存储器702中的一系列计算机可执行指令。证件识别设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706。

具体在本实施例中，证件识别设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对证件识别设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄所述证件，得到一张或多张证件关联图片；

检测所述证件关联图片中是否包含所述指定人体部位；

若是，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

根据分析结果确定所述证件是否为伪造证件。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

所述检测所述证件关联图片中是否包含所述指定人体部位之前，从所述证件关联图片中分割出所述证件的第一图像区域；

根据所述第一图像区域内的图像特征，确定所述证件是否为伪造证件。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

当根据所述图像特征确定所述证件不为所述伪造证件时，进一步检测所述证件关联图片中是否包含所述指定人体部位。

可选地，所述图像特征包括光斑特征、屏幕摩尔纹特征、证件边框特征中的至少一项；

计算机可执行指令在被执行时，还可以使所述处理器：

若所述图像特征与样本图像特征不匹配，则确定所述证件为所述伪造证件；所述样本图像特征为对证件样本进行拍摄得到的证件图片中的图像特征。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

按照预设筛选方式，从验证方式集中筛选至少一种验证方式；将筛选的所述至少一种验证方式确定为对所述用户的证件进行验证的目标验证方式；

其中，所述验证方式集中包括多种所述验证方式；各所述验证方式分别包含所述指定人体部位对所述证件的不同的动作信息。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

若所述证件关联图片中不包含所述指定人体部位，或，若所述证件关联图片中不包含所述一个或多个动作信息，则确定所述证件为所述伪造证件。

可选地，每个所述动作信息包括对应不同的第一动作类别；

计算机可执行指令在被执行时，还可以使所述处理器：

从所述证件关联图片中识别所述指定人体部位所在的第二图像区域；

利用预先训练的动作分类算法，对所述第二图像区域内的人体动作进行分类，得到用户对所述证件的一个或多个第二动作类别；其中，所述动作分类算法根据指定人体部位对证件的多个不同类别的样本动作信息训练得到；

若存在至少一个所述第二动作类别与对应的所述第一动作类别不一致，则确定所述证件关联图片中不包含所述一个多个动作信息。

可选地，所述指定人体部位包括人手；所述指定人体部位对所述证件的一个或多个动作信息包括以指定的一种或多种手持姿势持拿证件的信息。

本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述证件识别方法，并具体用于执行：

确定对证件进行验证的目标验证方式；其中，所述目标验证方式包含指定人体部位对所述证件的一个或多个动作信息；

拍摄所述证件，得到一张或多张证件关联图片；

检测所述证件关联图片中是否包含所述指定人体部位；

若是，则分析所述证件关联图片中是否包含所述一个或多个动作信息；

根据分析结果确定所述证件是否为伪造证件。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例是参照根据说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。