防伪检测方法和装置、电子设备、存储介质与流程

本公开涉及计算机视觉技术，尤其是一种防伪检测方法和装置、电子设备、存储介质。

背景技术：

人脸防伪、证件防伪是信息安全、防伪技术领域的重要问题。随着计算机视觉技术的不断发展，人脸防伪检测技术已经得到了愈加广泛的应用，例如，在认证方面，人脸防伪检测技术可用于进行身份验证和活体检测。其中，身份验证是指检测采集到的人脸图像和底库是否一致；活体检测是指使用计算机视觉的技术，判定在摄像头前的人脸图像是否来自真实的人。活体检测通常有两种实现思路：一是人脸活性检测，二是人脸防伪检测，这两种思路各有侧重。其中，人脸防伪检测侧重检测人脸是否具有真实性；活性检测侧重检测人脸是否具备活性。具备活性的人脸并不一定是非伪造人脸，同样，非伪造人脸不一定具备活性。证件防伪检测是指判定在摄像头前的证件图像是否来自真实的证件。

目前，在保险、证券、金融等多个领域，都需要对用户进行身份验证。目前常用的一种做法是，用户向服务器上传手持身份证的照片，在服务器后台进行人工审核，效率较低且成本较高。

技术实现要素：

本公开实施例提供一种防伪检测的技术方案。

根据本公开实施例的一个方面，提供的一种防伪检测方法，包括：获取包括人脸和证件的身份认证图像；从所述身份认证图像中获取人脸区域图像和证件区域图像；对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测；根据所述伪造线索检测的结果，确定所述身份认证图像的防伪检测结果。

可选地，在本公开上述方法实施例中，在对所述身份认证图像、所述人脸区域图像和所述证件区域图像分别进行伪造线索检测之前，所述方法还包括：对所述身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果；根据所述人脸检测结果和所述证件检测结果，确定所述身份认证图像是否有效；

所述对所述身份认证图像、所述人脸区域和所述证件区域进行伪造线索检测，包括：响应于确定所述身份认证图像有效，对所述身份认证图像、所述人脸区域和所述证件区域进行伪造线索检测。

可选地，在本公开上述方法实施例中，所述根据所述人脸检测结果和所述证件检测结果，确定所述身份认证图像是否有效，包括：在所述身份认证图像中包括的人脸的数量满足第一预设要求、所述身份认证图像包括的证件的数量满足第二预设要求、且所述证件中人脸的数量满足第三预设要求的情况下，确定所述身份认证图像有效。

可选地，在本公开上述方法实施例中，所述身份认证图像中包括的人脸的数量满足第一预设要求，包括：所述身份认证图像中包括的人脸的数量大于或等于2；所述身份认证图像中包括的证件的数量满足第二预设要求，包括：所述身份认证图像中包括的证件的数量为1；所述证件中人脸的数量满足第三预设要求，包括：所述证件中人脸的数量为1。

可选地，在本公开上述方法实施例中，所述人脸检测结果包括下列中的至少一项：所述身份证图像中包括的人脸的数量和所述人脸在所述身份证图像中的位置信息；和/或，所述证件检测结果包括下列中的至少一项：所述身份证图像中包括的证件的数量和所述证件在所述身份证图像中的位置信息。

可选地，在本公开上述方法实施例中，所述获取包括人脸和证件的身份认证图像，包括：采集视频序列；基于预设选帧条件，从所述视频序列中选取所述身份认证图像。

可选地，在本公开上述方法实施例中，所述预设选帧条件包括以下任意一项或者多项：人脸和证件是否位于图像的中心区域、人脸的边缘是否完整地包含在图像中、证件的边缘是否完整的包含在图像中、人脸在图像中所占的比例、证件在图像中所占的比例、人脸角度、图像清晰度、图像曝光度。

可选地，在本公开上述方法实施例中，在从所述身份认证图像中获取人脸区域图像和证件区域图像之前，还包括：对所述身份认证图像进行预处理，得到预处理后的身份认证图像；

所述从所述身份认证图像中获取人脸区域图像和证件区域图像，包括：从预处理后的身份认证图像中获取人脸区域图像和证件区域图像。

可选地，在本公开上述方法实施例中，所述预处理包括以下任意一项或者多项：尺寸调整、图像裁剪、正态标准化、亮度调整。

可选地，在本公开上述方法实施例中，所述从所述身份认证图像中获取人脸区域图像和证件区域图像，包括：根据所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，从所述身份认证图像中获取所述人脸区域图像和所述证件区域图像。

可选地，在本公开上述方法实施例中，所述根据所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，从所述身份认证图像中获取所述人脸区域图像，包括：根据所述人脸检测结果中包括的人脸的位置信息和所述证件检测结果中包括的证件的位置信息，确定所述身份认证图像中位于所述证件之外的第二人脸；基于所述人脸检测结果中包括的所述第二人脸的位置信息，从所述身份认证图像中获取所述第二人脸所在区域的图像，并将所述第二人脸所在区域的图像确定为所述人脸区域图像。

可选地，在本公开上述方法实施例中，所述人脸区域图像中包括的人脸在所述人脸区域图像中所占的比例满足第四预设要求；和/或，所述证件区域图像中包括的证件在所述证件区域图像中所占的比例满足所述第四预设要求。

可选地，在本公开上述方法实施例中，所述第四预设要求包括：所述比例大于或等于1/4且小于或等于9/10。

可选地，在本公开上述方法实施例中，所述对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测，包括：分别对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行特征提取，得到所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征；检测所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征中是否包含伪造线索信息。

可选地，在本公开上述方法实施例中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。

可选地，在本公开上述方法实施例中，所述伪造线索信息具有可见光条件下的人眼可观测性。

可选地，在本公开上述方法实施例中，所述伪造线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。

可选地，在本公开上述方法实施例中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，

所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。

可选地，在本公开上述方法实施例中，所述检测所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征中是否包含伪造线索信息，包括：对所述采集图像的特征进行检测，确定所述采集图像的特征中是否包含伪造线索信息；对所述人脸区域图像的特征进行检测，确定所述人脸区域图像的特征中是否包含伪造线索信息；对所述证件区域图像的特征进行检测，确定所述证件区域图像的特征中是否包含伪造线索信息。

可选地，在本公开上述方法实施例中，所述检测所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征中是否包含伪造线索信息，包括：将所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征进行连接，得到连接特征；确定所述连接特征中是否包含伪造线索信息。

可选地，在本公开上述方法实施例中，所述对所述身份认证图像、所述人脸区域图像和所述证件区域图像分别进行伪造线索检测，包括：通过神经网络对所述身份认证图像、所述人脸区域图像和所述证件区域图像分别进行伪造线索检测。

可选地，在本公开上述方法实施例中，所述根据所述伪造线索检测的结果，确定身份认证图像的防伪检测结果，包括：在所述伪造线索检测的结果表明所述身份认证图像、所述人脸区域图像和所述证件区域图像中均不包含伪造线索的情况下，确定所述身份认证图像的防伪检测结果为通过防伪检测；和/或，在所述伪造线索检测的结果表明所述身份认证图像、所述人脸区域图像和所述证件区域图像中的任意一项或多项包含伪造线索的情况下，确定所述身份认证图像的防伪检测结果为未通过防伪检测。

可选地，在本公开上述方法实施例中，所述获取包括人脸和证件的身份认证图像，包括：服务器接收终端设备发送的所述身份认证图像。

可选地，在本公开上述方法实施例中，所述方法还包括：根据所述身份认证图像的防伪检测结果，确定所述身份认证图像的身份认证结果。

可选地，在本公开上述方法实施例中，所述根据所述身份认证图像的防伪检测结果，确定所述身份认证图像的身份认证结果，包括：在所述身份认证图像的防伪检测结果为通过防伪检测的情况下，对所述身份认证图像进行身份认证；基于所述身份认证的结果，确定所述身份认证图像的身份认证结果。

可选地，在本公开上述方法实施例中，所述对所述身份认证图像进行身份认证，包括：基于所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，确定所述证件中包括的第一人脸和所述身份认证图像中位于所述证件之外的第二人脸之间的相似度；根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果。

可选地，在本公开上述方法实施例中，所述基于所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，确定所述证件中包括的第一人脸和所述身份认证图像中位于所述证件之外的第二人脸之间的相似度；根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果，包括：从所述身份认证图像中获取所述第一人脸的图像和所述第二人脸的图像；对所述第一人脸的图像进行特征提取，得到第一特征，并对所述第二人脸的图像进行特征提取，得到第二特征；基于所述第一特征与所述第二特征，确定所述第一人脸与所述第二人脸之间的相似度。

可选地，在本公开上述方法实施例中，所述人脸检测结果包括下列中的至少一项：所述身份认证图像中包括的人脸的数量和所述人脸在所述身份认证图像中的位置信息；和/或，所述证件检测结果包括下列中的至少一项：所述身份认证图像中包括的证件的数量和所述证件在所述身份认证图像中的位置信息；

所述对所述身份认证图像进行身份认证之前，所述方法还包括：

在所述身份认证图像中包括的人脸的数量大于2的情况下，根据所述人脸检测结果中包括的人脸在所述身份认证图像中的位置信息和所述证件检测结果中包括的证件在所述身份认证图像中的位置信息，将所述身份认证图像包括的至少两个人脸中位于所述证件之外的最大人脸确定为所述第二人脸。

可选地，在本公开上述方法实施例中，所述对所述身份认证图像进行身份认证，还包括：响应于确定所述第一人脸和所述第二人脸之间的相似度大于预设阈值，对所述证件进行文本识别，得到所述证件的文本信息，所述文本信息包括姓名和证件号码中的至少一项；基于用户信息数据库对所述文本信息进行认证，得到身份认证的结果。

根据本公开实施例的一个方面，提供的一种防伪检测装置，包括：第一获取模块，用于获取包括人脸和证件的身份认证图像；第二获取模块，用于从所述身份认证图像中获取人脸区域图像和证件区域图像；第一检测模块，用于对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测；

第一确定模块，用于根据所述伪造线索检测的结果，确定所述身份认证图像的防伪检测结果。

可选地，在本公开上述装置实施例中，还包括：第二检测模块，用于对所述身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果；第二确定模块，用于根据所述人脸检测结果和所述证件检测结果，确定所述身份认证图像是否有效；所述第一检测模块，具体用于响应于确定所述身份认证图像有效，对所述身份认证图像、所述人脸区域和所述证件区域进行伪造线索检测。

可选地，在本公开上述装置实施例中，所述第二确定模块，具体用于在所述身份认证图像中包括的人脸的数量满足第一预设要求、所述身份认证图像包括的证件的数量满足第二预设要求、且所述证件中人脸的数量满足第三预设要求的情况下，确定所述身份认证图像有效。

可选地，在本公开上述装置实施例中，所述身份认证图像中包括的人脸的数量满足第一预设要求，包括：所述身份认证图像中包括的人脸的数量大于或等于2；所述身份认证图像中包括的证件的数量满足第二预设要求，包括：所述身份认证图像中包括的证件的数量为1；所述证件中人脸的数量满足第三预设要求，包括：所述证件中人脸的数量为1。

可选地，在本公开上述装置实施例中，所述人脸检测结果包括下列中的至少一项：所述身份证图像中包括的人脸的数量和所述人脸在所述身份证图像中的位置信息；和/或，所述证件检测结果包括下列中的至少一项：所述身份证图像中包括的证件的数量和所述证件在所述身份证图像中的位置信息。

可选地，在本公开上述装置实施例中，所述第一获取模块，具体用于：采集视频序列；以及基于预设选帧条件，从所述视频序列中选取所述身份认证图像。

可选地，在本公开上述装置实施例中，所述预设选帧条件包括以下任意一项或者多项：人脸和证件是否位于图像的中心区域、人脸的边缘是否完整地包含在图像中、证件的边缘是否完整的包含在图像中、人脸在图像中所占的比例、证件在图像中所占的比例、人脸角度、图像清晰度、图像曝光度。

可选地，在本公开上述装置实施例中，还包括：预处理模块，用于对所述身份认证图像进行预处理，得到预处理后的身份认证图像；所述第二获取模块，具体用于从预处理后的身份认证图像中获取人脸区域图像和证件区域图像。

可选地，在本公开上述装置实施例中，所述预处理包括以下任意一项或者多项：尺寸调整、图像裁剪、正态标准化、亮度调整。

可选地，在本公开上述装置实施例中，所述第二获取模块，具体用于根据所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，从所述身份认证图像中获取所述人脸区域图像和所述证件区域图像。

可选地，在本公开上述装置实施例中，所述第二获取模块包括：第一确定单元，用于根据所述人脸检测结果中包括的人脸的位置信息和所述证件检测结果中包括的证件的位置信息，确定所述身份认证图像中位于所述证件之外的第二人脸；获取单元，基于所述人脸检测结果中包括的所述第二人脸的位置信息，从所述身份认证图像中获取所述第二人脸所在区域的图像，并将所述第二人脸所在区域的图像确定为所述人脸区域图像。

可选地，在本公开上述装置实施例中，所述人脸区域图像中包括的人脸在所述人脸区域图像中所占的比例满足第四预设要求；和/或，所述证件区域图像中包括的证件在所述证件区域图像中所占的比例满足所述第四预设要求。

可选地，在本公开上述装置实施例中，所述第四预设要求包括：所述比例大于或等于1/4且小于或等于9/10。

可选地，在本公开上述装置实施例中，所述第一检测模块，包括：特征提取单元，用于分别对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行特征提取，得到所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征；检测单元，用于检测所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征中是否包含伪造线索信息。

可选地，在本公开上述装置实施例中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。

可选地，在本公开上述装置实施例中，所述伪造线索信息具有可见光条件下的人眼可观测性。

可选地，在本公开上述装置实施例中，所述伪造线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。

可选地，在本公开上述装置实施例中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。

可选地，在本公开上述装置实施例中，所述检测单元，具体用于：对所述采集图像的特征进行检测，确定所述采集图像的特征中是否包含伪造线索信息；对所述人脸区域图像的特征进行检测，确定所述人脸区域图像的特征中是否包含伪造线索信息；对所述证件区域图像的特征进行检测，确定所述证件区域图像的特征中是否包含伪造线索信息。

可选地，在本公开上述装置实施例中，所述检测单元，具体用于：将所述身份认证图像的特征、所述人脸区域图像的特征和所述证件区域图像的特征进行连接，得到连接特征；以及确定所述连接特征中是否包含伪造线索信息。

可选地，在本公开上述装置实施例中，所述第一检测模块，具体用于通过神经网络对所述身份认证图像、所述人脸区域图像和所述证件区域图像分别进行伪造线索检测。

可选地，在本公开上述装置实施例中，所述第一确定模块，具体用于：在所述伪造线索检测的结果表明所述身份认证图像、所述人脸区域图像和所述证件区域图像中均不包含伪造线索的情况下，确定所述身份认证图像的防伪检测结果为通过防伪检测；和/或，在所述伪造线索检测的结果表明所述身份认证图像、所述人脸区域图像和所述证件区域图像中的任意一项或多项包含伪造线索的情况下，确定所述身份认证图像的防伪检测结果为未通过防伪检测。

可选地，在本公开上述装置实施例中，所述第一获取模块设置在服务器中，具体用于接收终端设备发送的所述身份认证图像。

可选地，在本公开上述装置实施例中，还包括：

第三确定模块，用于根据所述身份认证图像的防伪检测结果，确定所述身份认证图像的身份认证结果。

可选地，在本公开上述装置实施例中，所述第三确定模块，包括：身份认证单元，用于在所述身份认证图像的防伪检测结果为通过防伪检测的情况下，对所述身份认证图像进行身份认证；第二确定单元，用于基于所述身份认证的结果，确定所述身份认证图像的身份认证结果。

可选地，在本公开上述装置实施例中，所述身份认证单元，具体用于：基于所述身份认证图像的人脸检测结果和所述身份认证图像的证件检测结果，确定所述证件中包括的第一人脸和所述身份认证图像中位于所述证件之外的第二人脸之间的相似度；以及根据所述第一人脸和所述第二人脸之间的相似度，得到身份认证的结果。

可选地，在本公开上述装置实施例中，所述身份认证单元，具体用于：从所述身份认证图像中获取所述第一人脸的图像和所述第二人脸的图像；对所述第一人脸的图像进行特征提取，得到第一特征，并对所述第二人脸的图像进行特征提取，得到第二特征；基于所述第一特征与所述第二特征，确定所述第一人脸与所述第二人脸之间的相似度。

可选地，在本公开上述装置实施例中，所述人脸检测结果包括下列中的至少一项：所述身份认证图像中包括的人脸的数量和所述人脸在所述身份认证图像中的位置信息；和/或，所述证件检测结果包括下列中的至少一项：所述身份认证图像中包括的证件的数量和所述证件在所述身份认证图像中的位置信息；

所述第三确定模块，包括：第三确定单元，用于在所述身份认证图像中包括的人脸的数量大于2的情况下，根据所述人脸检测结果中包括的人脸在所述身份认证图像中的位置信息和所述证件检测结果中包括的证件在所述身份认证图像中的位置信息，将所述身份认证图像包括的至少两个人脸中位于所述证件之外的最大人脸确定为所述第二人脸。

可选地，在本公开上述装置实施例中，所述身份认证单元，还用于：响应于确定所述第一人脸和所述第二人脸之间的相似度大于预设阈值，对所述证件进行文本识别，得到所述证件的文本信息，所述文本信息包括姓名和证件号码中的至少一项；以及基于用户信息数据库对所述文本信息进行认证，得到身份认证的结果。

根据本公开实施例的又一个方面，提供的一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的方法。

根据本公开实施例的又一个方面，提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例所述的方法。

根据本申请实施例的再一个方面，提供的一种计算机程序产品，用于存储计算机可读指令，所述指令被执行时使得计算机执行本公开上述任一实施例。

在一个可选实施方式中，所述计算机程序产品具体为计算机存储介质，在另一个可选实施方式中，所述计算机程序产品具体为软件产品，例如软件开发包(softwaredevelopmentkit，sdk)，等等。

基于本公开上述实施例提供的防伪检测方法和装置、电子设备、程序和介质，获取包括人脸和证件的身份验证图像，从身份认证图像中获取人脸区域图像和证件区域图像；对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测；根据伪造线索检测的结果，确定身份认证图像的防伪检测结果。本公开实施例提出了一种新的身份认证图像的防伪检测方案，使人脸与证件同时出现在一幅图像中，同时进行人脸和证件的防伪检测，同时认证人脸和证件的真实性，以保证真人持真证，防止各种伪造情况出现，提高了身份认证的可靠性。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开一个实施例防伪检测方法的流程图。

图2为本公开另一个实施例防伪检测方法的流程图。

图3为本公开又一个实施例防伪检测方法的流程图。

图4为本公开一个实施例防伪检测装置的结构示意图。

图5为本公开另一个实施例防伪检测装置的结构示意图。

图6为本公开电子设备一个应用实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

图1为本公开一个实施例的防伪检测方法的流程图。如图1所示，该实施例的身份信息的防伪检测方法包括：

102，获取包括人脸和证件的身份认证图像。

104，从上述身份认证图像中获取人脸区域图像和证件区域图像。

106，对上述身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测。

在其中一些实施方式中，该操作106可以包括：分别对上述身份认证图像、人脸区域图像和证件区域图像进行特征提取，得到身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征；检测提取到的身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息。

在其中一些实施方式中，上述提取的特征，即提取的上述身份认证图像的特征、人脸区域的特征和证件区域的特征，例如可以包括但不限于以下任意多项：局部二值模式(lbp)特征、稀疏编码的柱状图(hsc)特征、全景图(large)特征、人脸图(small)特征、人脸细节图(tiny)特征。具体应用中，可以根据可能出现的伪造线索信息对该提取的特征包括的特征项进行更新。

其中，通过lbp特征，可以突出图像中的边缘信息；通过hsc特征，可以更明显的反映图像中的反光与模糊信息；large特征是全图特征，基于large特征，可以提取到图像中最明显的伪造线索(hack)；人脸图(small)是图像中人脸框若干倍大小(例如1.5倍大小)的区域切图，其包含人脸、人脸与背景切合的部分，基于small特征，可以提取到反光、翻拍设备屏幕摩尔纹与模特或者面具的边缘等伪造线索；人脸细节图(tiny)是取人脸框大小的区域切图，包含人脸，基于tiny特征，可以提取到图像ps(基于图像编辑软件photoshop编辑)、翻拍屏幕摩尔纹与模特或者面具的纹理等伪造线索。

在其中一些可选示例中，其中的伪造线索信息具有可见光条件下的人眼可观测性，也即，人眼在可见光条件下是可以观测到这些伪造线索信息的。基于伪造线索信息具有的该特性，使得在采用可见光摄像头(如rgb摄像头)采集的静态图像或动态视频实现防伪检测成为可能，避免额外引入特定摄像头，降低硬件成本。伪造线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息也称为2d类伪造线索信息，成像媒介的伪造线索信息可以称为2.5d类伪造线索信息，真实存在的伪造人脸的线索信息可以称为3d类伪造线索信息，具体可以根据可能出现的伪造人脸方式对需要检测的伪造线索信息进行相应更新。通过对这些线索信息的检测，使得电子设备可以发现各式各样的真实人脸和伪造人脸之间的边界，在可见光摄像头这样通用的硬件设备条件下实现各种不同类型的防伪检测，抵御伪造攻击，提高安全性。

其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。

本公开实施例中的伪造线索信息在可见光条件下能被人眼观测到。伪造线索信息从维度上可以划分为2d类、2.5d类和3d类伪造人脸。其中，2d类伪造人脸指的是纸质类材料打印出的人脸图像，该2d类伪造线索信息例如可以包含纸质人脸的边缘、纸张材质、纸面反光、纸张边缘等伪造线索信息。2.5d类伪造人脸指的是视频翻拍设备等载体设备承载的人脸图像，该2.5d类伪造线索信息例如可以包含视频翻拍设备等载体设备的屏幕摩尔纹、屏幕反光、屏幕边缘等伪造线索信息。3d类伪造人脸指的是真实存在的伪造人脸，例如面具、模特、雕塑、3d打印等，该3d类伪造人脸同样具备相应的伪造线索信息，例如面具的缝合处、模特的较为抽象或过于光滑的皮肤等伪造线索信息。

108，根据伪造线索检测的结果，确定上述身份认证图像的防伪检测结果。在其中一些实施方式中，该操作108中，可以在伪造线索检测的结果表明身份认证图像、人脸区域图像和证件区域图像中均不包含伪造线索信息的情况下，确定身份认证图像的防伪检测结果为通过防伪检测；和/或，可以在伪造线索检测的结果表明在身份认证图像、人脸区域图像和证件区域图像中任意一项或多项包含伪造线索信息的情况下，确定身份认证图像的防伪检测结果为未通过防伪检测。

在实现本公开的过程中，发明人发现，目前采用人脸防伪、证件防伪检测技术进行身份认证识别时，通常将人脸与证件区分为两幅图像，进行独立的防伪检测，这种检测方式有以下几点劣势：无法保证证件和用户本人在同一时空维度；取得独立的真实人脸照片信息和真实证件信息比较容易，无法保证照片来源的可信性；极有可能出现真实人脸持伪造证件和伪造人脸持真实证件的情况。

基于本公开上述实施例提供的身份信息的防伪检测方法，获取包括人脸和证件的身份验证图像，从身份认证图像中获取人脸区域图像和证件区域图像；对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测；根据伪造线索检测的结果，确定身份认证图像的防伪检测结果。本公开实施例提出了一种新的身份认证图像的防伪检测方案，使人脸与证件同时出现在一幅图像中，同时进行人脸和证件的防伪检测，同时认证人脸和证件的真实性，以保证真人持真证，防止真实人脸持伪造证件和伪造人脸持真实证件等各种伪造情况出现，提高了身份认证的可靠性。

另外，在上述实施例在操作106对身份认证图像、人脸区域图像和证件区域图像分别进行伪造线索检测之前，还可以包括：对身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果；根据人脸检测结果和证件检测结果，确定身份认证图像是否有效。相应地，操作106中，对身份认证图像、人脸区域和证件区域进行伪造线索检测，可以包括：响应于确定身份认证图像有效，对身份认证图像、人脸区域和证件区域进行伪造线索检测。

在其中一些实施方式中，上述人脸检测结果例如可以包括但不限于下列中的至少一项：身份认证图像中包括的人脸的数量和各人脸在身份认证图像中的位置信息。证件检测结果例如可以包括但不限于下列中的至少一项：身份认证图像中包括的证件的数量和各证件在身份认证图像中的位置信息。

其中，人脸在身份认证图像中的位置信息，例如可以表示为：人脸的人脸检测框(可以称为：第一检测框)在身份认证图像中四个定点的顶点坐标。基于该人脸检测框在身份认证图像中四个顶点的顶点坐标，便可以确定人脸检测框在身份认证图像中的位置，从而确定人脸在身份认证图像中的位置。

另外，人脸在身份认证图像中的位置信息，也可以表示为：人脸的人脸检测框(即：第一检测框)在身份认证图像中的中心点坐标，以及该人脸检测框的长度和宽度。基于该人脸检测框在身份认证图像中的中心点坐标、以及该人脸检测框的长度和宽度，便可以确定人脸检测框在擦剂图像中的位置，从而确定人脸在身份认证图像中的位置。

本公开实施例中的证件是指用于证明用户身份的物品，例如身份证、护照、学生证、员工卡等等。类似地，证件在身份认证图像中的位置信息，例如可以表示为：证件的物体检测框(可以称为：第二检测框)在身份认证图像中四个顶点的顶点坐标。基于该物体检测框在身份认证图像中四个顶点的顶点坐标，便可以确定证件的物体检测框在身份认证图像中的位置，从而确定证件在身份认证图像中的位置。

另外，证件在图像中的位置信息，也可以表示为：证件的物体检测框(即：第二检测框)在身份认证图像中的中心点坐标，以及该物体检测框的长度和宽度。基于该物体检测框在身份认证图像中的中心点坐标、以及该物体检测框的长度和宽度，便可以确定证件的物体检测框在身份认证图像中的位置，从而确定证件在身份认证图像中的位置。

在其中一些实施方式中，根据人脸检测结果和证件检测结果，确定身份认证图像是否有效是，可以通过身份认证图像中包括的人脸的数量是否满足第一预设要求、身份认证图像包括的证件的数量是否满足第二预设要求、证件中人脸的数量是否满足第三预设要求，来确定身份认证图像有效。在身份认证图像中包括的人脸的数量满足第一预设要求、身份认证图像包括的证件的数量满足第二预设要求、且证件中人脸的数量满足第三预设要求的情况下，确定身份认证图像有效。

其中，在上述各实施例中，身份认证图像中包括的人脸的数量满足第一预设要求，例如可以是：身份认证图像中包括的人脸的数量大于或等于2；身份认证图像中包括的证件的数量满足第二预设要求，例如可以是：身份认证图像中包括的证件的数量为1；证件中人脸的数量满足第三预设要求，例如尅是：证件中人脸的数量为1。

其中，身份认证图像中人脸的数量大于2时，说明身份认证图像中证件区域之外包括的人脸的数量可能大于1个，此时，可能是由于身份认证图像中除了被认证用户的人脸，还包括了围观用户的人脸。

基于上述实施例，如果身份认证图像中人脸的数量小于2个、证件数量不唯一、或者人脸和证件的位置关系不正确(人脸和证件的位置关系正确的标准是，证件区域内的人脸数量唯一，且证件区域之外至少有1张人脸)，认为该图像非法，不是有效性的身份认证图像。

基于本公开实施例，对身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果，根据人脸检测结果和证件检测结果，确定身份认证图像是否有效，可以快速的筛选出合格的用于用户身份认证的图像，提供了工作效率；基于有效的身份认证图像对用户进行身份认证，无需人工审核，节省了成本，提高了工作效率和处理速度，并且避免了人工审核处理可能出现的错误，提高了认证结果的准确率。确定身份认证图像有效的情况下，再对该身份认证图像、其中的人脸区域和证件区域进行伪造线索检测。从而提高了防伪检测的效率。

在上述各实施例的其中一些实施方式中，操作102获取包括人脸和证件的身份认证图像，可以包括：例如经终端设备的可见光摄像头，采集视频序列；基于预设选帧条件，从该视频序列中选取身份认证图像。

其中的预设选帧条件，例如可以包括但不限于以下任意一项或者多项：人脸和证件是否位于图像的中心区域，人脸的边缘是否完整的包含在图像中，证件的边缘是否完整的包含在图像中，人脸在图像中所占的比例，证件在图像中所占的比例，人脸角度(即人脸是否正面)，图像清晰度，图像曝光度，等等。依据上述选帧条件可以选取综合质量较高的图像进行防伪检测，可以提高防伪检测的可行性和检测结果的准确性。

示例性地，可以基于上述选帧条件从视频序列中选取综合质量较高的图像作为上述身份认证图像，其中，综合质量较高的图像的标准例如可以是满足以下任意一项或多项指标的图像：人脸及证件位于图像中心区域，人脸和证件的边缘被完整的包含在图像中，人脸在图像中所占的比例约1/2-3/4、证件在图像中所占的比例约1/2-3/4、人脸为正面，图像清晰度较高、曝光度较高。以上选择可以通过设定好的算法，自动检测人脸图像的朝向、清晰度、光线亮度等指标，根据预设好的准则，从整段视频序列中，选取出指标最好的一张或几张图像。

另外，在本公开上述各实施例的其中一些实施方式中，操作102获取包括人脸和证件的身份认证图像，可以包括：经终端设备的可见光摄像头采集包括人脸和证件的待检测图像或者待检测视频。相应地，操作102中，可以从从可见光摄像头采集的待检测图像或者待检测视频中获取包括人脸和证件的身份认证图像。

在其中一些可选实施方式中，通过操作102获取包括人脸和证件的身份认证图像之后，还可以对不符合预设标准的身份认证图像进行预处理，得到预处理后的身份认证图像。相应地，该实施例中，操作102中，可以从预处理后的身份认证图像中获取包括人脸和证件的身份认证图像。

示例性地，上述预设标准例如可以包括但不限于任意一项或者多项：预设尺寸，正态(z-score)分布标准，预设图像亮度，等等。相应地，对不符合预设标准的身份认证图像进行预处理，可以是：对不符合预设标准的待检测图像进行与不符合的预设标准相应的以下任意一项或者多项操作：尺寸调整或者裁剪，正态(z-score)标准化，亮度调整(例如基于直方图均衡化的暗光改善)，等等。

基于上述预处理操作，可以统一用于进行后续处理的身份认证图像的尺寸，以及使经过处理的图像数据符合标准正态分布，亮度符合预设要求。其中，正态(z-score)标准化，是一种统计学的数据处理方法，对指图像中的像素值进行处理、使其满足标准正态分布，以消除图像中像素分布不均匀影响图像的识别效果。基于直方图均衡化的暗光改善预处理操作，主要针对实际的人脸手持证件防伪检测场景下，人脸脸部及证件部分可能处于暗光条件下，在这种情况下很容易影响人脸防伪及证件防伪的准确性，经过暗光改善的图像能够重新调整图像亮度分布，使得原本在暗光下拍摄的图像能够满足防伪检测对于图像质量的要求，从而得到更加准确的防伪检测结果。

图2为本公开另一个实施例的防伪检测方法的流程图。如图2所示，该实施例的身份信息的防伪检测方法包括：

202，获取包括人脸和证件的身份认证图像。

204，对上述身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果。

206，根据人脸检测结果和证件检测结果，确定身份认证图像是否有效。

若确定身份认证图像有效，执行操作208。否则，若确定身份认证图像无效，不执行本实施例的后续流程，或者输出无效的身份认证图像的提示消息。

208，根据上述人脸检测结果和身份认证图像的证件检测结果，从身份认证图像中获取人脸区域图像和证件区域图像。

在其中一个实施例方式中，可以根据证件检测结果中包括的证件的位置信息，从身份认证图像中获取证件所在区域的图像，并将证件所在区域的图像确定为证件区域图像；以及根据人脸检测结果中包括的人脸的位置信息和证件检测结果中包括的证件的位置信息，确定身份认证图像中位于证件之外的第二人脸；基于人脸检测结果中包括的第二人脸的位置信息，从身份认证图像中获取第二人脸所在区域的图像，并将第二人脸所在区域的图像确定为人脸区域图像。

在其中一个可选示例中，可以按照如下要求从身份认证图像中获取人脸区域图像和证件区域图像：人脸区域图像中包括的人脸在人脸区域图像中所占的比例满足第四预设要求；和/或，证件区域图像中包括的证件在证件区域图像中所占的比例满足第四预设要求。其中的第四预设要求例如可以包括：人脸区域图像中包括的人脸在人脸区域图像中所占的比例、证件区域图像中包括的证件在证件区域图像中所占的比例大于或等于1/4且小于或等于9/10，例如，该比例的取值范围可以为1/2-3/4。本公开人通过研究发现，人脸区域图像中包括的人脸在人脸区域图像中所占的比例、证件区域图像中包括的证件在证件区域图像中所占的比例的取值范围为1/2-3/4时，可以在保证对人脸区域图像的特征和证件区域图像的防伪检测效果的情况下、提高防伪检测的效率。

210，分别对上述身份认证图像、人脸区域图像和证件区域图像进行特征提取，得到身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征。

212，检测提取到的身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息。

在其中一些可选实施方式中，可以通过如下方式检测身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息：对身份认证图像的特征进行检测，确定身份认证图像的特征中是否包含伪造线索信息；对人脸区域图像的特征进行检测，确定人脸区域图像的特征中是否包含伪造线索信息；对证件区域图像的特征进行检测，确定证件区域图像的特征中是否包含伪造线索信息。

示例性地，上述实施方式中检测特征中是否包括伪造线索信息时，可以分别通过神经网络中的三个二分类器对应检测上述身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息，并输出检测结果。即，神经网络包括三个二分类器，通过一个分类器判别上述身份认证图像的特征中是否包含伪造线索信息、并输出检测结果，通过另一个分类器判别上述人脸所在区域的特征中是否包含伪造线索信息、并输出检测结果，以及通过又一个分类器判别上述证件所在区域的特征中是否包含伪造线索信息、并输出检测结果。相应地，根据上述三个二分类器输出的检测结果确定伪造线索检测的结果。若上述三个二分类器输出的检测结果都不包含伪造线索信息，则确定伪造线索检测的结果为通过伪造线索检测；否则，只要上述三个二分类器中有任意一个或多个二分类器输出的检测结果为包含伪造线索信息，则确定伪造线索检测的结果为未通过伪造线索检测。

在另一些可选实施方式中，可以通过如下方式检测身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息：将身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征进行连接，得到连接特征；确定连接特征中是否包含伪造线索信息。

示例性地，上述实施方式中检测特征中是否包括伪造线索信息时，可以通过神经网络中的一个二分类器检测连接特征中是否包含伪造线索信息，并输出检测结果。相应地，根据该二分类器输出的检测结果确定伪造线索检测的结果。若该二分类器输出的检测结果为不包含伪造线索信息，则确定伪造线索检测的结果为通过伪造线索检测；否则，若该二分类器输出的检测结果为包含伪造线索信息，则确定伪造线索检测的结果为未通过伪造线索检测。

214，根据伪造线索检测的结果，确定上述身份认证图像的防伪检测结果。在本公开实施例的一些实施方式中，可以通过神经网络对身份认证图像、人脸区域图像和证件区域图像分别进行伪造线索检测。即，操作210-212可以通过如下方式实现：将上述身份认证图像、人脸区域图像和证件区域图像输入神经网络，并经神经网络输出用于表示身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息的伪造线索检测的结果，其中，该神经网络基于包括有伪造线索信息的训练用图像集预先训练完成。

本公开各实施例的神经网络可以是一个深度神经网络，所述深度神经网络是指多层神经网络，例如多层的卷积神经网络。

其中，上述训练用图像集可以包括：可作为训练用正样本的多张包括人脸和证件的第一图像和可作为训练用负样本的多张第二图像。在一个可选示例中，可以通过如下方法获取有伪造线索信息的训练用图像集：

获取可作为训练用正样本的多张第一图像；

对第一图像的至少局部、第一图像中人脸所在区域的至少局部和第一图像中证件所在区域的至少局部中的至少一项进行用于模拟伪造线索信息的图像处理，以生成至少一张可作为训练用负样本的第二图像。

基于本公开上述实施例，通过深度神经网络强大的描述能力进行建模，通过大规模训练用图像集数据进行训练，学习出人眼可观测到的多个维度的人脸和证件的真实与伪造之间的差异，判断人脸是否为活体，如若人脸部分为照片类伪造攻击，可以通过照片反光或照片边缘特征判断其为伪造人脸；同时学习出正常的证件与伪造证件间的差异，如辨认手持翻拍证件、证件复印件等，同时还可避免证件照片ps的情况，利用深度学习框架解决了证件防伪造问题；并且，由于神经网络的学习能力强，并且可以实时进行补充训练来提高性能，可扩展性强，能够迅速根据实际需求的变化进行更新，迅速应对新出现的伪造情况进行防伪检测，可有效提升检测结果的准确率，从而提高防伪检测结果的准确性。

在本公开实施例的一些实施方式中，上述神经网络包括：位于终端设备中的第一神经网络，即，由位于终端设备中的第一神经网络执行上述各实施例中对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测的操作。相应地，该实施方式中，可以由终端设备根据第一神经网络输出的伪造线索检测的结果确定身份认证图像的防伪检测结果。示例性地，在本公开各实施例中提取的各项特征中包含的伪造线索信息，可以预先通过训练第一神经网络，被第一神经网络学习到，之后任何包含这些伪造线索信息的图像输入第一神经网络后均会被检测出来，就可以判断为伪造图像，否则为真实的图像。

另外，在本公开实施例的另一些实施方式中，操作102或202中，可以包括：服务器接收终端设备发送的身份认证图像。

相应地，在该另一些实施方式中，上述神经网络包括：位于服务器中的第二神经网络，即，由位于服务器中的第二神经网络执行上述各实施例中对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测的操作。示例性地，在本公开各实施例中提取的各项特征中包含的伪造线索，可以预先通过训练第二神经网络，被第二神经网络学习到，之后任何包含这些伪造线索信息的图像输入第二神经网络后均会被检测出来，就可以判断为伪造图像，否则为真实的图像。

在基于上述另一些实施方式的一些可选示例中，操作108可以包括：可以由服务器根据第二神经网络输出的伪造线索检测的结果确定身份认证图像的防伪检测结果，并向终端设备返回身份认证图像的防伪检测结果；或者，也可以由服务器将第二神经网络输出的伪造线索检测的结果返回终端设备，由终端设备根据第二神经网络输出的伪造线索检测的结果确定身份认证图像的防伪检测结果。

或者，在基于上述另一些实施方式的另一些可选示例中，上述神经网络还可以包括：位于终端设备中的第一神经网络，其中，该第一神经网络的大小小于第二神经网络的大小，具体来说，可以是第一神经网络在网络层和/或参数数量上小于第二神经网络。如图3所示，为本公开又一个实施例的防伪检测方法的流程图。该实施例中以神经网络包括位于终端设备中的第一神经网络和位于服务器中的第二神经网络为例进行说明，该实施例的防伪检测方法包括：

302，例如通过终端设备上的摄像头，获取包括人脸和证件的身份认证图像。

304，从上述身份认证图像中获取人脸区域图像和证件区域图像。

306，将上述身份认证图像、人脸区域图像和证件区域图像输入终端设备上的第一神经网络，并经该第一神经网络输出用于表示上述身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息的伪造线索检测的结果。

具体地，第一神经网络可以采用本公开上述各实施方式的操作，提取上述身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征，并检测提取到的身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息，得到伪造线索检测的结果。

根据第一神经网络输出的检测结果，若上述提取的特征中均未包含伪造线索信息，执行操作308。否则，若上述提取的任一特征中包含伪造线索信息，执行操作312。

308，终端设备将上述身份认证图像、人脸区域图像和证件区域图像发送给服务器。

310，服务器将身份认证图像、人脸区域图像和证件区域图像输入该服务器上的第二神经网络，并经第二神经网络输出经该第一神经网络输出用于表示上述身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息的伪造线索检测的结果。

具体地，第二神经网络可以采用本公开上述各实施方式的操作，提取上述身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征，并检测提取到的身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息，得到伪造线索检测的结果。

312，根据第一神经网络和第二神经网络输出的伪造线索检测的结果，确定身份认证图像的防伪检测结果。

若根据第一神经网络和第二神经网络输出的伪造线索检测的结果，提取的特征中均未包含伪造线索信息，则确定身份认证图像通过防伪检测。若根据第一神经网络和/或第二神经网络中输出的伪造线索检测的结果，提取的特征中包含伪造线索信息，则确定身份认证图像未通过防伪检测。

具体来说，若根据第一神经网络输出的伪造线索检测的结果，提取的特征中包含伪造线索信息，则确定身份认证图像未通过身份信息的防伪检测。若根据第一神经网络输出的伪造线索检测的结果，提取的特征未包含伪造线索信息，且根据第二神经网络输出的伪造线索检测的结果，上提取的特征也未包含伪造线索信息，则确定身份认证图像通过防伪检测。若根据第一神经网络输出的伪造线索检测的结果，提取的特征中未包含伪造线索信息，但根据第二神经网络输出的伪造线索检测的结果，提取的特征中包含伪造线索信息，则确定身份认证图像未通过防伪检测。

在其中一些实施方式中，通过操作310，由第二神经网络输出伪造线索检测的结果后，服务器可以将第二神经网络输出的伪造线索检测的结果返回给终端设备；由终端设备执行上述操作312，即，终端设备根据第二神经网络输出的伪造线索检测的结果确定身份认证图像是否通过防伪检测的防伪检测结果。

在另一些实施方式中，通过操作310，由第二神经网络输出检测结果后，服务器可以根据第二神经网络输出的伪造线索检测的结果，确定身份认证图像是否通过防伪检测的防伪检测结果，并向终端设备发送该身份认证图像是否通过防伪检测结果。

由于通过操作306，在根据第一神经网络输出的伪造线索检测的结果，提取的特征中未包含伪造线索信息时，终端设备才将上述身份认证图像发送给服务器，由第二神经网络执行操作310，因此，在上述实施方式中，可以直接根据第二神经网络输出的伪造线索检测的结果确定身份认证图像是否通过的防伪检测。若根据第二神经网络输出的伪造线索检测的结果，提取的特征也未包含伪造线索信息，则确定身份认证图像通过防伪检测；若根据第二神经网络输出的伪造线索检测的结果，提取的特征包含伪造线索信息，则确定身份认证图像未通过防伪检测。

由于终端设备的硬件性能通常有限，进行更多特征提取和检测的神经网络将需要更多的计算和存储资源，而终端设备的计算、存储资源相对于云端服务器比较有限，为了节省终端设备侧神经网络占用的计算和存储资源、又能保证实现有效的人脸防伪检测，本公开实施例中，在终端设备中设置较小(网络较浅和/或网络参数较少)的第一神经网络，融合较少特征，例如仅从身份认证图像中提取lbp特征与人脸small特征、来进行相应的伪造线索信息的检测，在硬件性能较好的云端服务器设置较大(网络较深和/或网络参数较多)的第二神经网络，融合全面的防伪线索特征，使得该第二神经网络更加健壮、检测性能更好，除了从身份认证图像中提取lbp特征与人脸small特征，还可以提取hsc特征、large特征、tiny特征等其他可能包含伪造线索信息的特征，在第一神经网络输出未包含伪造线索信息的检测结果时，再通过第二神经网络进行更加精确、全面的防伪检测，提高了检测结果的准确性；在第一神经网络输出包含伪造线索信息的检测结果时，便无需通过第二神经网络进行防伪检测，提升了防伪检测的效率。

本公开实施例，可着重检测身份认证图像中是否具有伪造线索(即：伪造线索信息)，使用近乎无交互的方式认证活性，称为静默活体检测。静默活体检测全程基本无交互，极大地简化了活体检测流程，被检测者只需正对神经网络所在设备的视频或图像采集设备(例如：可见光摄像头)，调整好光线和位置即可，全程不需要任何动作类的交互。本公开实施例中的神经网络通过学习训练的方法，预先学习出人眼在多个维度，可以“观测”到的伪造线索信息，由此在后续应用中，判断人脸图像是否来源于真实的活体。如果身份认证图像包含任意伪造线索信息，这些线索会被神经网络捕获到，就会提示用户其中的人脸图像为伪造人脸图像。例如，视频翻拍类的伪造人脸图像，可以通过判断图像中的屏幕反光或屏幕边缘的特征，判断其中的人脸为非活体。

进一步地，在本公开又一个实施例的身份信息的防伪检测方法中，还可以包括：根据身份认证图像的防伪检测结果，确定该身份认证图像的身份认证结果。

在其中一个实施方式中，可以在身份认证图像通过防伪检测的情况下，对该身份认证图像进行身份认证；基于身份认证的结果，确定该身份认证图像的身份认证结果。

在上述各实施例的其中一些实施方式中，在根据人脸检测结果和证件检测结果进行用户身份认证之前，可以通过如下方式获取上述第二人脸：

在身份认证图像中包括的人脸的数量大于2的情况下，根据人脸检测结果包括的人脸在在身份认证图像中的位置信息和证件检测结果中包括的证件在身份认证图像中的位置信息，将身份认证图像包括的至少两个人脸中位于证件之外的最大人脸确定为上述第二人脸。

在身份认证图像中包括的人脸的数量等于2的情况下，直接将身份认证图像包括的两个人脸中位于证件之外的人脸确定为上述第二人脸。

在身份认证图像中包括的人脸的数量大于2的情况下，可能是由于身份认证图像中除了被认证用户的人脸，还包括了围观用户的人脸。可以认为被认证用户距离图像的采集设备距离最近，因此人脸最大，其他围观用户距离图像的采集设备距离最远，人脸相对被认证用户的人脸较小，本公开实施例利用神经网络对证件中人脸的图像和该证件之外最大人脸的图像进行特征提取和相似度比对，可以有效识别二者是否为同一个用户，从而快速、准确的判断这两个人脸是否为同一个人的人脸，响应时间短，准确率高，可以有效提高工作效率和用户体验，避免肉眼识别错误。

在其中一些可选示例中，对身份认证图像进行身份认证，可以包括：基于身份认证图像的人脸检测结果和身份认证图像的证件检测结果，确定证件中包括的第一人脸和身份认证图像中位于证件之外的第二人脸之间的相似度；根据该第一人脸和第二人脸之间的相似度，得到身份认证的结果。

例如，可以从身份认证图像中获取第一人脸的图像和第二人脸的图像；对第一人脸进行特征提取，得到第一特征；对第二人脸进行特征提取，得到第二特征；基于该第一特征与第二特征，确定上述第一人脸与所述第二人脸之间的相似度。

在其中一种可选示例中，可以通过第三神经网络，对第一人脸进行特征提取，得到第一特征；对第二人脸进行特征提取，得到第二特征；基于该第一特征与第二特征，确定第一特征与第二特征之间的相似度；根据第一特征与第二特征之间的相似度是否大于预设阈值，确定身份认证图像是否通过身份认证，从而得到身份认证的结果。

其中的预设阈值可以根据实际需求，例如当前业务对用户身份认证的严谨性、第三神经网络的性能、身份认证图像采集环境等等，进行设定，并可以根据实际需求的变化进行调整。例如，针对对于安全性要求较高的金融业务等，可以设置该预设阈值较高(例如98％)，即要求证件中的人脸的第一特征与身份认证图像中该证件之外的目标人脸的第二特征之间的相似度达到98％以上，该身份认证图像才可以通过用户身份认证，以便保证金融业务的安全性；针对对于安全性要求不太高、身份认证图像采集环境较差的业务，可以设置该预设阈值较低(例如80％)，即要求证件中的人脸的第一特征与身份认证图像中该证件之外的目标人脸的第二特征之间的相似度达到80％以上，该身份认证图像即可通过用户身份认证，以便同时实现该业务的安全性、以及基于身份认证图像进行用户身份认证在该业务中的可行性。

本实施例通过第三神经网络对第一人脸和第二人脸进行特征提取、以及比较提取到的第一特征与第二特征之间的相似度时，可以预先对第三神经网络进行训练，使得训练好的第三神经网络可以有效的对证件中的第一人脸和该证件之外的第二人脸进行特征提取、并准确的进行相似度比较，从而可以正确识别证件中的第一人脸和该证件之外的第二人脸是否为同一个人的人脸。

本实施例可以对证件中的第一人脸和该证件之外的最大人脸进行特征提取和比对，从而快速、准确的判断二者是否为同一个人的人脸，响应时间短，准确率高，可以有效提高工作效率和用户体验，避免肉眼识别错误。

在上述实施例中，人脸检测结果包括下列中的至少一项：身份认证图像中包括的人脸的数量和人脸在身份认证图像中的位置信息；和/或，证件检测结果包括下列中的至少一项：身份认证图像中包括的证件的数量和证件在身份认证图像中的位置信息。相应地，在上述实施例的其中一些实施方式中，对身份认证图像进行身份认证之前，可以通过如下方式获取上述第二人脸：

在身份认证图像中包括的人脸的数量大于2的情况下，根据人脸检测结果包括的人脸在在身份认证图像中的位置信息和证件检测结果中包括的证件在身份认证图像中的位置信息，将身份认证图像包括的至少两个人脸中位于证件之外的最大人脸确定为上述第二人脸。

在身份认证图像中包括的人脸的数量等于2的情况下，直接将身份认证图像包括的两个人脸中位于证件之外的人脸确定为上述第二人脸。

在身份认证图像中包括的人脸的数量大于2的情况下，可能是由于身份认证图像中除了被认证用户的人脸，还包括了围观用户的人脸。可以认为被认证用户距离图像的采集设备距离最近，因此人脸最大，其他围观用户距离图像的采集设备距离最远，人脸相对被认证用户的人脸较小，本公开实施例利用神经网络对证件中人脸的图像和该证件之外最大人脸的图像进行特征提取和相似度比对，可以有效识别二者是否为同一个用户，从而快速、准确的判断这两个人脸是否为同一个人的人脸，响应时间短，准确率高，可以有效提高工作效率和用户体验，避免肉眼识别错误。

进一步地，在上述实施例中，对身份认证图像进行身份认证，还可以包括：响应于确定上述第一人脸和第二人脸之间的相似度大于预设阈值，利用文字识别(ocr)算法，对证件进行文本识别，得到该证件的文本信息，该文本信息例如可以包括但不限于以下任意一项或多项：姓名，证件号码，地址，有效期等等；基于用户信息数据库对该文本信息进行认证，得到身份认证的结果。

其中，用户信息数据库可以是例如公安部或其他权威认证结构提供的用户信息数据库，其中存储有用户信息，以确保用户信息来源的权威性和用户信息的正确性。若上述证件的文本信息与用户信息数据库存储的用户信息一致，则身份认证的结果为通过身份认证；否则，若上述证件的文本信息与用户信息数据库存储的用户信息不一致，则身份认证的结果为未通过身份认证。

本实施例，利用ocr算法对证件进行文本识别，可以快速的读取到证件上的文本信息，并可以基于用户信息数据库对该文本信息进行认证，快速得到身份认证的结果，提高身份认证的效率。

基于上述实施例，可以在各种应用中，基于本公开实施例进行防伪检测和用户身份认证，在防伪检测和用户身份认证均通过后，才可以使用该项其请求的业务，从而提高业务使用的安全性。本公开实施例可以应用于任意需要实名认证的业务，例如，支付业务，应用(app)的使用业务，门禁业务，等等。

本公开实施例可以应用于任何需要用户手持证件(例如身份证)进行身份认证的场景，例如：

场景一，用户在通过手持证件检测进行身份认证时，打开手机终端上用于实现本公开实施例的应用(app)，面对手机终端上的摄像头，保证人脸和证件同时出现在画面中，保持数秒，完成并通过手持证件的防伪检测；

场景二，用户使用事先准备好的伪造人脸手持证件视频等进行身份认证，将视频投放在显示屏幕上，面对手机终端上的摄像头，无法在指定时间内通过人脸手持证件的防伪检测，防伪检测不通过。

本公开实施例提供的任一种防伪检测方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种防伪检测方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种防伪检测方法。下文不再赘述。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

图4为本公开一个实施例的防伪检测装置的结构示意图。该实施例的防伪检测装置可用于实现本公开上述各防伪检测方法实施例。如图4所示，该实施例的防伪检测装置包括：第一获取模块，第二获取模块，第一检测模块和第一确定模块。其中：

第一获取模块，用于获取包括人脸和证件的身份认证图像。

第二获取模块，用于从身份认证图像中获取人脸区域图像和证件区域图像。

第一检测模块，用于对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测。

第一确定模块，用于根据伪造线索检测的结果，确定身份认证图像的防伪检测结果。

基于本公开上述实施例提供的防伪检测装置，获取包括人脸和证件的身份验证图像，从身份认证图像中获取人脸区域图像和证件区域图像；对身份认证图像、人脸区域图像和证件区域图像进行伪造线索检测；根据伪造线索检测的结果，确定身份认证图像的防伪检测结果。本公开实施例提出了一种新的身份认证图像的防伪检测方案，使人脸与证件同时出现在一幅图像中，同时进行人脸和证件的防伪检测，同时认证人脸和证件的真实性，以保证真人持真证，防止真实人脸持伪造证件和伪造人脸持真实证件等各种伪造情况出现，提高了身份认证的可靠性。

图5为本公开另一个实施例防伪检测装置的结构示意图。如图5所示，与图4所示实施例相比，该实施例的防伪检测装置还可以包括：第二检测模块，第二确定模块和第一检测模块。其中：

第二检测模块，用于对身份认证图像分别进行人脸检测和证件检测，得到人脸检测结果和证件检测结果。

在其中一些实施方式中，人脸检测结果例如可以包括但不限于下列中的至少一项：身份证图像中包括的人脸的数量和人脸在身份证图像中的位置信息；和/或，证件检测结果例如可以包括但不限于下列中的至少一项：身份证图像中包括的证件的数量和证件在身份证图像中的位置信息。

第二确定模块，用于根据人脸检测结果和证件检测结果，确定身份认证图像是否有效。

在其中一些实施方式中，第二确定模块，具体用于在身份认证图像中包括的人脸的数量满足第一预设要求、身份认证图像包括的证件的数量满足第二预设要求、证件中人脸的数量满足第三预设要求的情况下，确定身份认证图像有效。其中，身份认证图像中包括的人脸的数量满足第一预设要求，例如可以包括：身份认证图像中包括的人脸的数量大于或等于2；身份认证图像中包括的证件的数量满足第二预设要求，例如可以包括：身份认证图像中包括的证件的数量为1；证件中人脸的数量满足第三预设要求，例如可以包括：证件中人脸的数量为1。

第一检测模块，具体用于响应于确定身份认证图像有效，对身份认证图像、人脸区域和证件区域进行伪造线索检测。

在其中一些实施方式中，第一获取模块，具体用于：采集视频序列；以及基于预设选帧条件，从视频序列中选取身份认证图像。

其中的预设选帧条件例如可以包括但不限于以下任意一项或者多项：人脸和证件是否位于图像的中心区域、人脸的边缘是否完整地包含在图像中、证件的边缘是否完整的包含在图像中、人脸在图像中所占的比例、证件在图像中所占的比例、人脸角度、图像清晰度、图像曝光度，等等。

另外，再参见图5，在上述实施例的防伪检测装置中，还可以包括：预处理模块，用于对身份认证图像进行预处理，得到预处理后的身份认证图像。相应地，第二获取模块具体用于从预处理后的身份认证图像中获取人脸区域图像和证件区域图像。其中的预处理例如可以包括但不限于以下任意一项或者多项：尺寸调整、图像裁剪、正态标准化、亮度调整，等等。

在其中一些实施方式中，第二获取模块，具体用于根据身份认证图像的人脸检测结果和身份认证图像的证件检测结果，从身份认证图像中获取人脸区域图像和证件区域图像。

再参见图5，在其中一些实施方式中，第二获取模块可以包括：第一确定单元，用于根据人脸检测结果中包括的人脸的位置信息和证件检测结果中包括的证件的位置信息，确定身份认证图像中位于证件之外的第二人脸；获取单元，基于人脸检测结果中包括的第二人脸的位置信息，从身份认证图像中获取第二人脸所在区域的图像，并将第二人脸所在区域的图像确定为人脸区域图像。

另外，可选地，第二获取模块还可以包括：第四确定单元，用于根据证件检测结果中包括的证件的位置信息，从身份认证图像中获取证件所在区域的图像，并将证件所在区域的图像确定为证件区域图像。

在其中一些实施方式中，人脸区域图像中包括的人脸在人脸区域图像中所占的比例满足第四预设要求；和/或，证件区域图像中包括的证件在证件区域图像中所占的比例满足第四预设要求。其中的第四预设要求例如可以包括：比例大于或等于1/4且小于或等于9/10。

在其中一些实施方式中，第一检测模块可以包括：特征提取单元，用于分别对身份认证图像的特征、人脸区域图像和证件区域图像进行特征提取，得到身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征；检测单元，用于检测身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征中是否包含伪造线索信息。

在其中一些实施方式中，提取的特征例如可以包括但不限于以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征，等等。

在其中一些实施方式中，伪造线索信息具有可见光条件下的人眼可观测性。

在其中一些实施方式中，伪造线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。

在其中一些实施方式中，成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。

在其中一些实施方式中，上述检测单元具体用于：对采集图像的特征进行检测，确定采集图像的特征中是否包含伪造线索信息；对人脸区域图像的特征进行检测，确定人脸区域图像的特征中是否包含伪造线索信息；对证件区域图像的特征进行检测，确定证件区域图像的特征中是否包含伪造线索信息。

在另一些实施方式中，上述检测单元具体用于：将身份认证图像的特征、人脸区域图像的特征和证件区域图像的特征进行连接，得到连接特征；以及确定连接特征中是否包含伪造线索信息。

在其中一些实施方式中，第一检测模块，具体用于通过第一神经网络对身份认证图像、人脸区域图像和证件区域图像分别进行伪造线索检测。

在其中一些实施方式中，第一确定模块具体用于：在伪造线索检测的结果表明身份认证图像、人脸区域图像和证件区域图像中均不包含伪造线索的情况下，确定身份认证图像的防伪检测结果为通过防伪检测；和/或，在伪造线索检测的结果表明身份认证图像、人脸区域图像和证件区域图像中的任意一项或多项包含伪造线索的情况下，确定身份认证图像的防伪检测结果为未通过防伪检测。

在其中一些实施方式中，第一获取模块设置在服务器中，具体用于接收终端设备发送的身份认证图像。

另外，再参见图5，在上述实施例的防伪检测装置中，还可以包括：第三确定模块，用于根据身份认证图像的防伪检测结果，确定身份认证图像的身份认证结果。

在其中一些实施方式中，该第三确定模块包括：身份认证单元，用于在身份认证图像的防伪检测结果为通过防伪检测的情况下，对身份认证图像进行身份认证；第二确定单元，用于基于身份认证的结果，确定身份认证图像的身份认证结果。

在其中一些实施方式中，身份认证单元，具体用于：基于身份认证图像的人脸检测结果和身份认证图像的证件检测结果，确定证件中包括的第一人脸和身份认证图像中位于证件之外的第二人脸之间的相似度；以及根据第一人脸和第二人脸之间的相似度，得到身份认证的结果。

在其中一些实施方式中，身份认证单元，具体用于：从身份认证图像中获取第一人脸的图像和第二人脸的图像；对第一人脸的图像进行特征提取，得到第一特征，并对第二人脸的图像进行特征提取，得到第二特征；基于第一特征与第二特征，确定第一人脸与第二人脸之间的相似度。

在其中一些实施方式中，人脸检测结果包括下列中的至少一项：身份认证图像中包括的人脸的数量和人脸在身份认证图像中的位置信息；和/或，证件检测结果包括下列中的至少一项：身份认证图像中包括的证件的数量和证件在身份认证图像中的位置信息。相应地，该实施例中，第三确定模块，包括：第三确定单元，用于在身份认证图像中包括的人脸的数量大于2的情况下，根据人脸检测结果中包括的人脸在身份认证图像中的位置信息和证件检测结果中包括的证件在身份认证图像中的位置信息，将身份认证图像包括的至少两个人脸中位于证件之外的最大人脸确定为第二人脸。

在其中一些实施方式中，身份认证单元，还用于：响应于确定第一人脸和第二人脸之间的相似度大于预设阈值，对证件进行文本识别，得到证件的文本信息，文本信息包括姓名和证件号码中的至少一项；以及基于用户信息数据库对文本信息进行认证，得到身份认证的结果。

另外，本公开实施例提供的另一种电子设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行存储器中存储的计算机程序，且计算机程序被执行时，实现本公开上述任一实施例防伪检测方法。

图6为本公开电子设备一个应用实施例的结构示意图。下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。如图6所示，该电子设备包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(cpu)，和/或一个或多个图像处理器(gpu)等，处理器可以根据存储在只读存储器(rom)中的可执行指令或者从存储部分加载到随机访问存储器(ram)中的可执行指令而执行各种适当的动作和处理。通信部可包括但不限于网卡，所述网卡可包括但不限于ib(infiniband)网卡，处理器可与只读存储器和/或随机访问存储器中通信以执行可执行指令，通过总线与通信部相连、并经通信部与其他目标设备通信，从而完成本申请实施例提供的任一方法对应的操作，例如，获取包括人脸和证件的身份认证图像；从所述身份认证图像中获取人脸区域图像和证件区域图像；对所述身份认证图像、所述人脸区域图像和所述证件区域图像进行伪造线索检测；根据所述伪造线索检测的结果，确定所述身份认证图像的防伪检测结果。。

此外，在ram中，还可存储有装置操作所需的各种程序和数据。cpu、rom以及ram通过总线彼此相连。在有ram的情况下，rom为可选模块。ram存储可执行指令，或在运行时向rom中写入可执行指令，可执行指令使处理器执行本公开上述任一方法对应的操作。输入/输出(i/o)接口也连接至总线。通信部可以集成设置，也可以设置为具有多个子模块(例如多个ib网卡)，并在总线链接上。

以下部件连接至i/o接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至i/o接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。

需要说明的，如图6所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图6的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如gpu和cpu可分离设置或者可将gpu集成在cpu上，通信部可分离设置，也可集成设置在cpu或gpu上，等等。这些可替换的实施方式均落入本公开公开的保护范围。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请任一实施例提供的防伪检测方法中步骤对应的指令。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被cpu执行时，执行本申请的方法中限定的上述功能。

另外，本公开实施例还提供了一种计算机程序，包括计算机指令，当计算机指令在设备的处理器中运行时，实现本公开上述任一实施例的防伪检测方法。

另外，本申请实施例还提供了一种计算机程序，包括计算机指令，当计算机指令在设备的处理器中运行时，实现本申请上述任一实施例的防伪检测方法。

在一个可选实施方式中，所述计算机程序具体为软件产品，例如软件开发包(softwaredevelopmentkit，sdk)，等等。

在一个或多个可选实施方式中，本公开实施例还提供了一种计算机程序程序产品，用于存储计算机可读指令，所述指令被执行时使得计算机执行上述任一可能的实现方式中所述的防伪检测方法。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选例子中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选例子中，所述计算机程序产品具体体现为软件产品，例如sdk等等。

在一个或多个可选实施方式中，本公开实施例还提供了一种防伪检测方法及其对应的装置和电子设备、计算机存储介质、计算机程序以及计算机程序产品，其中，该方法包括：第一装置向第二装置发送防伪检测指示，该指示使得第二装置执行上述任一可能的实施例中的防伪检测方法；第一装置接收第二装置发送的防伪检测结果信息。

在一些实施例中，该防伪检测指示可以具体为调用指令，第一装置可以通过调用的方式指示第二装置执行防伪检测方法，相应地，响应于接收到调用指令，第二装置可以执行上述防伪检测方法中的任意实施例中的步骤和/或流程。

另外，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例的身份信息的防伪检测方法。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。

可能以许多方式来实现本公开的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置、设备。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。