CN111723348B - 人机识别方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种人机识别方法、装置、设备及存储介质。方法包括：采集终端上的传感器在输入过程中的传感器数值，传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；确定传感器适用的参考模板，参考模板是由传感器在测试过程中的数值所组成的第二时间序列，不同传感器适用不同的参考模板；获取第一时间序列和第二时间序列之间的距离；基于第一时间序列和第二时间序列之间的距离进行人机识别。通过采集传感器在输入过程中的传感器数值，得到第一时间序列，基于第一时间序列与传感器在测试过程中的数值所组成的第二时间序列之间的距离进行人机识别，对用户无感知，提高了人机识别的便捷性，且增加了破解难度，进而提高了安全性。

Description

人机识别方法、装置、设备及存储介质

技术领域

本发明实施例涉及信息安全技术领域，特别涉及一种人机识别方法、装置、设备及存储介质。

背景技术

在信息安全领域，为了增加用户的个人信息安全，常常需要进行身份验证，而人机识别便是常见的一种验证方式。该种方式常用于区分计算机与人的完全自动化的公共图灵机测试，是一类进行问答式身份验证的安全措施。此外，人机识别有助于保护用户免受垃圾邮件和密码解密的干扰，会要求用户完成一个简单的测试，以证明用户是人，而不是一台试图攻入受密码保护的账户的计算机。

相关技术中，人机识别的方式包括传统验证码和滑动验证码等方式。传统验证码采用数字、字母和中文验证码，图片选择验证码等，要求用户输入或选择验证码来完成人机识别。而滑动验证码是通过用户操作轨迹进行识别，如要求用户拖动滑块完成拼图等。

不难看出，传统验证码的方式下，要求用户输入或选择验证码的方式操作较为繁琐，而且该种方式被机器操作对抗的可能性较大，安全性不高。而对于滑动验证码，也需要用户的操作，存在操作较为繁琐的问题，且滑动行为可以被模拟，该种方式仍然存在安全性不高的问题。

发明内容

本发明实施例提供了一种人机识别方法、装置、设备及存储介质，可用于解决相关技术中的问题。所述技术方案如下：

一方面，本发明实施例提供了一种人机识别方法，所述方法包括：

采集终端上的传感器在输入过程中的传感器数值，所述传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

确定所述传感器适用的参考模板，所述参考模板是由所述传感器在测试过程中的数值所组成的第二时间序列，不同传感器适用不同的参考模板；

获取所述第一时间序列和第二时间序列之间的距离；

基于所述第一时间序列和第二时间序列之间的距离进行人机识别。

还提供了一种人机识别装置，所述装置包括：

采集模块，用于采集终端上的传感器在输入过程中的传感器数值，所述传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

确定模块，用于确定所述传感器适用的参考模板，所述参考模板是由所述传感器在测试过程中的数值所组成的第二时间序列，不同传感器适用不同的参考模板；

获取模块，用于获取所述第一时间序列和第二时间序列之间的距离；

识别模块，用于基于所述第一时间序列和第二时间序列之间的距离进行人机识别。

一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如上任一所述的人机识别方法。

一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令在被执行时实现如上任一所述的人机识别方法。

本发明实施例提供的技术方案至少带来如下有益效果：

通过采集传感器在输入过程中的传感器数值，得到第一时间序列后，基于第一时间序列与传感器在测试过程中的数值所组成的第二时间序列之间的距离来进行人机识别，该种识别方式对用户来说可以是无感知的，无需用户额外的操作，提高了人机识别的便捷性，且由于该种方式采用传感器的传感器数值实现，增加了破解难度，进而提高了安全性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种实施环境的示意图；

图2是相关技术中的一种人机识别界面示意图；

图3是相关技术中的一种人机识别界面示意图；

图4是本发明实施例提供的一种人机识别方法流程图；

图5是本发明实施例提供的一种输入界面示意图；

图6是本发明实施例提供的一种终端坐标系示意图；

图7是本发明实施例提供的一种时间序列的曲线示意图；

图8是本发明实施例提供的一种动态规划示意图；

图9是本发明实施例提供的一种时间序列示意图；

图10是本发明实施例提供的一种时间序列示意图；

图11是本发明实施例提供的一种人机识别装置示意图；

图12是本发明实施例提供的一种终端的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

为了增加用户的个人信息安全，常常需要进行身份验证，而人机识别便是常见的一种验证方式。该种方式常用于区分计算机与人的完全自动化的公共图灵机测试，是一类进行问答式身份验证的安全措施。此外，人机识别有助于保护用户免受垃圾邮件和密码解密的干扰，会要求用户完成一个简单的测试，以证明用户是人，而不是一台试图攻入受密码保护的账户的计算机。也就是说，证明一个操作是机器操作还是非机器操作。

对此，本发明实施例提供了一种人机识别方法，请参考图1，其示出了本发明实施例提供的方法实施环境的示意图。该实施环境可以包括：终端11和服务器12。

其中，终端11安装有应用程序客户端，例如，录音类应用程序客户端、交互类应用程序客户端、音频播放类客户端、搜索引擎客户端等。无论是哪种客户端，如若需要进行验证，均可以应用本申请实施例提供的方法。

可选地，图1所示的终端11可以是诸如手机、平板电脑、个人计算机等电子设备。服务器12可以是终端11上安装的应用程序的服务器，该服务器12可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接。

相关技术中一般包括两种人机识别方式，如图2所示的传统验证码的人机识别方式，以及如图3所示的滑动验证码的人机识别方式。

如图2所示，传统验证码采用数字、字母和中文验证码，图片选择验证码等，要求用户输入或选择验证码来完成人机识别。如图3所示，滑动验证码是通过用户操作轨迹进行识别，如要求用户拖动滑块完成拼图等。

不难看出，图2所示的传统验证码的方式下，要求用户输入或选择验证码的方式操作较为繁琐，而且该种方式被机器操作对抗的可能性较大，安全性不高。而对于图3所示的滑动验证码，也需要用户的操作，存在操作较为繁琐的问题，且滑动行为可以被模拟，该种方式仍然存在安全性不高的问题。

本申请提供了一种人机识别方法，该方法可以在无用户感知的情况下实现人机识别，不仅提高了人机识别的便捷性，还可进一步提高安全性。

基于上述图1所示的实施环境，本发明实施例提供的音频数据的处理方法可如图4所示，以该方法应用于图1所示实施环境的终端11中为例。如图4所示，本发明实施例提供的方法可以包括如下几个步骤：

在步骤401中，采集终端上的传感器在输入过程中的传感器数值，传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

人机识别可以用于防止机器攻击，比如在用户登录一个账户或者进行支付等需要保证信息安全的场景下，都可以应用人机识别，以验证登录或支付操作是人的操作，而非机器操作，避免机器攻击。对此，本申请可以在应用人机识别场景下采集终端上的传感器在输入过程中的传感器数值。例如，人机识别场景常伴有密码输入等操作，或者密码输入等操作往往需要进一步的进行人机识别，因而本申请实施例提供的方法可在密码输入的过程中采集传感器的传感器数值，以实现人机识别。

可选地，采集传感器在输入过程中的传感器数值，包括：在检测到密码输入的过程中，采集传感器在输入过程中的传感器数值。

其中，传感器是终端上内置的传感器，本申请实施例不对传感器的数量及种类加以限定。应用的传感器种类越多，越能提高人机识别的准确性。例如，如图5所示，在用户正常的输入密码/手势的过程中，可以在后台采集用户输入过程中收集的重力传感器、加速度传感器以及陀螺仪传感器的传感器数值。当用户输入完成后，除了对密码/手势进行正确匹配，还会根据传感器数据进一步进行人机识别。

无论是以哪种传感器用于人机识别，传感器数值可采用与终端坐标系来表示，如图6所示，传感器使用终端坐标系自身的坐标系，该坐标系的x、y、z轴是跟随终端的，不同传感器的x、y、z轴数值有不同的意义。

其中，以手机终端为例，重力传感器的x、y、z轴数值是重力加速度在手机坐标系三个坐标轴的分量，所以重力传感器的数值可以体现手机的姿势变化，如从平放到竖起；

陀螺仪传感器的x、y、z轴数值是手机转动速度在手机坐标系三个坐标轴的分量，所以陀螺仪的数值能够体现手机转动的方向以及剧烈程度。

在步骤402中，确定传感器适用的参考模板，参考模板是由传感器在测试过程中的数值所组成的第二时间序列，不同传感器适用不同的参考模板；

参考模板可以是对机器操作进行测试时，采集传感器数值得到的时间序列，例如，用一段平缓有细微波动的传感器数值组成的第二时间序列作为参考模板。由于不同传感器有不同属性，能体现终端的不同情况，也能体现人和机器的区别，因而采集哪种传感器数值，确定该种传感器适用的参考模板。例如，采集重力加速度传感器在输入过程中的传感器数值，则适用的参考模板为重力加速传感器在测试过程中的数值所组成的第二时间序列。

在步骤403中，获取第一时间序列和第二时间序列之间的距离；

DTW算法是衡量两个时间序列的相似度的方法，也就是确定两个时间序列的距离的方法。例如，图7有两条曲线，每条曲线代表一个时间序列。通过扭曲其中的一条曲线，可以对两条曲线的每一个点都找到一个配对点，使得所有两个配对点之间差值的和最小，这个最小的值就是DTW值，即两个时间序列的距离。而找到最小差值和的方法是一种动态规划，动态规划是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划算法可以归结为寻找一条通过此网格中若干格点的路径，路径通过的格点即为两个时间序列进行计算的对齐的点。

如图8所示，以计算相似度的两个时间序列为X和Y，长度分别为|X|和|Y|为例，归整路径为W＝w₁,w₂,...,w_K。其中，Max(|X|，|Y|)<＝K<＝|X|+|Y|。w_k为(i，j)，其中i表示的是X中的i坐标，j表示的是Y中的j坐标。归整路径W从w₁＝(1,1)开始，到w_K＝(|X|,|Y|)结尾，以保证X和Y中的每个坐标都在W中出现。另外，W中w(i,j)的i和j是单调增加的，以保证图7中的虚线不会相交，所谓单调增加是指：

w_k＝(i，j)，w_k+1＝(i′，j′)i≤i′≤i+1，j≤j′≤j+1

得到的归整路径是距离最短的一个归整路径：

D(i，j)＝Dist(i，j)+min[D(i-1，j)，D(i，j-1)，D(i-1，j-1)]

求得的归整路径距离为D(|X|,|Y|)，使用动态规划来进行求解。如图8所示，对齐两个时间序列X和Y，需要构造一个矩阵网格，矩阵网格中的每个元素(i,j)表示Xi和Yj两个点的距离，也就是时间序列X的每一个点和时间序列Y的每一个点之间的相似度，距离越小则相似度越高。本申请采集传感器在输入过程中的传感器数值，通过优化的DTW算法与参考模板进行距离计算，通过计算的距离大小区分人和机器。

然而，传统的DTW算法只能计算两个一维的时间序列的距离，而传感器数据拥有x、y、z三维数据。如果三个维度的数据单独计算3个DTW值，可能会导致3次计算所找到的配对点不同。例如图9(a)和(b)所示，两个维度的数据分别计算DTW，最终计算DTW值所用的配对点明显不同。

为了解决配对点不一致的问题，本申请在DTW的计算过程中，将不同维度的数据参与进配对点差值的计算。例如，将两个配对点的x、y、z差值的L1范数作为最终差值，然后再次执行动态规划算法计算最小差值和，作为最终的DTW数值，即计算得到的距离。其中，L1范数是指向量中各个元素绝对值之和，将两个配对点的x、y、z差值的L1范数作为最终差值是指将两个配对点的x值、y值以及z值分别求差，将得到的差值的绝对值之和作为最终差值。例如，以配对点1的x值为X1，y值为Y1，z值为Z1，配对点2的x值为X2，y值为Y2，z值为Z2为例，配对点1和配对点2的x、y、z差值的L1范数为：|X1-X2|+|Y1-Y2|+|Z1-Z2|。通过这种方法优化后，可以得到统一的配对点，如图9(c)所示。

基于上述分析，可选地，获取第一时间序列和第二时间序列之间的距离，包括：确定第一时间序列和第二时间序列之间的配对点；对于任一配对点，将任一配对点在不同维度上的差值的L1范数作为任一配对点的差值；基于所有配对点的差值之和获取第一时间序列和第二时间序列之间的距离。

例如，基于所有配对点的差值之和获取第一时间序列和第二时间序列之间的距离时，可以直接将所有配对点的差值之和作为第一时间序列和第二时间序列之间的距离。

应当理解的是，上述DTW距离是配对点的累加距离，不同的时间序列长度不同，与同一个距离进行DTW距离计算，因为累加效应，DTW距离值小的不能说明与该时间序列更相似。为了解决累加效应，本申请可以采用DTW值除以配对点的个数，以得到的单位路径的距离作为最后衡量相似度的标准。也就是说，作为一种可选方式，基于所有配对点的差值之和获取第一时间序列和第二时间序列之间的距离，包括：将所有配对点的差值之和除以配对点个数，得到单位路径的距离，将单位路径的距离作为第一时间序列和第二时间序列之间的距离。

可选地，本发明实施例提供的方法还包括对两个时间序列进行平移，使得平移后的两个时间序列均值为参考值，如0。通过平移，防止两段相似的时间序列因为是在不同的基线上波动，导致计算的准确率不高。如图10所示，一段时间序列在0上下波动，一段时间序列在5上下波动。本发明实施例提供的方法将两段时间序列进行平移，平移后两段时间序列均值为0，可以消除序列范围的影响。

在步骤404中，基于第一时间序列和第二时间序列之间的距离进行人机识别。

在终端使用过程中，人使用终端在进行操作时，传感器会有一定的变化幅度，而机器进行自动化操作，传感器一般是平缓的变化，甚至不变化，正因为如此，本申请实施例可以用一段平缓有细微波动的传感器数值组成的时间序列作为参考模板，计算DTW距离或单位路径的DTW距离，即得到第一时间序列和第二时间序列之间的距离之后，基于该距离来进行人机识别。例如，若该距离小于指定阈值，则识别结果为机器操作。若距离大于指定阈值，则识别结果为非机器操作，即人操作。其中，指定阈值可以根据经验设置，也可以根据应用场景设置，还可以在设置之后进行更新，本发明实施例对此不加以限定。

当然，由于是以机器操作为基准确定的参考模板，才有上述识别结果。若以人为操作作为基准确定参考模板，距离小于指定阈值，则识别结果为非机器操作，即人操作。若距离大于指定阈值，则识别结果为机器操作。也就是说，参考模板不同，基于距离进行人机识别的结果也有所不同。此外，参考模板选用机器为基准还是选择人为基准，指定阈值也可以不同，本发明实施例对此不加以限定。

可选地，由于针对有些特定操作，传感器通常会有一定的变化趋势，例如点击右上角的按钮，传感器会体现出手机往右倾斜的趋势，这时候可以设置这样的参考模板进行匹配计算，距离超过一定阈值则识别结果是机器操作，而距离未超过阈值则识别结果为非机器操作。

可选地，若传感器有多个，则基于第一时间序列和第二时间序列之间的距离进行人机识别，包括：基于每个传感器在输入过程中的传感器数值组成的第一时间序列和第二时间序列之间的距离，及每个传感器的权重确定综合距离；基于综合距离进行人机识别。其中，每个传感器的权重可以根据经验进行设置，也可以根据应用场景进行调整。例如，重力传感器的权重为1，陀螺仪的权重为2，那么基于这两个传感器得到第一时间序列，并分别得到与第二时间序列的距离之后，将重力传感器对应的距离与其权重相乘，将陀螺仪传感器对应的距离与其权重相乘，再将两个乘积结果求和，得到的结果即综合距离。之后，再以综合距离进行人机识别。

进一步地，考虑到用户操作终端有各自的特性，本发明实施例提供的方法除了可以进行人机识别外，在识别结果为非机器操作的情况下，还可以进一步识别是否为终端的用户进行的操作。例如，基于第一时间序列和第二时间序列之间的距离进行人机识别之后，还包括：若识别结果为非机器操作，则获取终端的用户特征数据；基于用户特征数据确定是否为终端用户执行输入过程。

其中，用户特征数据用于反映用户的特定属性，如每个用户使用终端的力度不同，通过对一个用户的多次使用情况进行取样，得到该用户的特征数据。该用户的特征数据也可以得到与参考模板的距离，如果将该距离作为参照距离，那么，将人机识别时得到的距离与该参照距离进行比对，若差值小于阈值，则认为是终端用户执行输入过程。相反，则认为不是终端用户执行输入过程。

本发明实施例提供的方法，通过采集传感器在输入过程中的传感器数值，得到第一时间序列后，基于第一时间序列与传感器在测试过程中的数值所组成的第二时间序列之间的距离来进行人机识别，该种识别方式对用户来说可以是无感知的，无需用户额外的操作，提高了人机识别的便捷性，且由于该种方式采用传感器的传感器数值实现，增加了破解难度，进而提高了安全性。

基于相同技术构思，参见图11，本发明实施例提供了一种人机识别装置，该装置包括：

采集模块1101，用于采集终端上的传感器在输入过程中的传感器数值，传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

确定模块1102，用于确定传感器适用的参考模板，参考模板是由传感器在测试过程中的数值所组成的第二时间序列，不同传感器适用不同的参考模板；

获取模块1103，用于获取第一时间序列和第二时间序列之间的距离；

识别模块1104，用于基于第一时间序列和第二时间序列之间的距离进行人机识别。

可选地，获取模块1103，用于确定第一时间序列和第二时间序列之间的配对点；对于任一配对点，将任一配对点在不同维度上的差值的L1范数作为任一配对点的差值；基于所有配对点的差值之和获取第一时间序列和第二时间序列之间的距离。

可选地，获取模块1103，用于将所有配对点的差值之和除以配对点个数，得到单位路径的距离，将单位路径的距离作为第一时间序列和第二时间序列之间的距离。

可选地，识别模块1104，用于若传感器为多个，基于每个传感器在输入过程中的传感器数值组成的第一时间序列和第二时间序列之间的距离，及每个传感器的权重确定综合距离；基于综合距离进行人机识别。

可选地，采集模块1101，用于在检测到密码输入的过程中，采集传感器在输入过程中的传感器数值。

可选地，获取模块1103，还用于若识别结果为非机器操作，则获取终端的用户特征数据；

识别模块1104，还用于基于用户特征数据确定是否为终端用户执行输入过程。

本发明实施例提供的装置，通过采集传感器在输入过程中的传感器数值，得到第一时间序列后，基于第一时间序列与传感器在测试过程中的数值所组成的第二时间序列之间的距离来进行人机识别，该种识别方式对用户来说可以是无感知的，无需用户额外的操作，提高了人机识别的便捷性，且由于该种方式采用传感器的传感器数值实现，增加了破解难度，进而提高了安全性。

需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图12是本发明实施例提供的一种人机识别设备的结构示意图。该设备可以为终端，例如可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端包括有：处理器1201和存储器1202。

处理器1201可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1201可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1201还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1202可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1202中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1201所执行以实现本申请中方法实施例提供的人机识别方法。

在一些实施例中，终端还可选包括有：***设备接口1203和至少一个***设备。处理器1201、存储器1202和***设备接口1203之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口1203相连。具体地，***设备包括：射频电路1204、触摸显示屏1205、摄像头1206、音频电路1207、定位组件1208和电源1209中的至少一种。

***设备接口1203可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器1201和存储器1202。在一些实施例中，处理器1201、存储器1202和***设备接口1203被集成在同一芯片或电路板上；在一些其他实施例中，处理器1201、存储器1202和***设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1204用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1204包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1204还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1205用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时，显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时，显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1205可以为一个，设置终端的前面板；在另一些实施例中，显示屏1205可以为至少两个，分别设置在终端的不同表面或呈折叠设计；在再一些实施例中，显示屏1205可以是柔性显示屏，设置在终端的弯曲表面上或折叠面上。甚至，显示屏1205还可以设置成非矩形的不规则图形，也即异形屏。显示屏1205可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件1206用于采集图像或视频。可选地，摄像头组件1206包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1201进行处理，或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1207还可以包括耳机插孔。

定位组件1208用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件1208可以是基于美国的GPS(Global PositioningSystem，全球定位***)、中国的北斗***、格雷纳斯***或欧盟的伽利略***的定位组件。

电源1209用于为终端中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端还包括有一个或多个传感器1210。该一个或多个传感器1210包括但不限于：加速度传感器1211、陀螺仪传感器1212、压力传感器1213、指纹传感器1214、光学传感器1215以及接近传感器1216。

加速度传感器1211可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1211可以用于检测重力加速度在三个坐标轴上的分量。处理器1201可以根据加速度传感器1211采集的重力加速度信号，控制触摸显示屏1205以横向视图或纵向视图进行用户界面的显示。加速度传感器1211还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1212可以检测终端的机体方向及转动角度，陀螺仪传感器1212可以与加速度传感器1211协同采集用户对终端的12D动作。处理器1201根据陀螺仪传感器1212采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1213可以设置在终端的侧边框和/或触摸显示屏1205的下层。当压力传感器1213设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器1201根据压力传感器1213采集的握持信号进行左右手识别或快捷操作。当压力传感器1213设置在触摸显示屏1205的下层时，由处理器1201根据用户对触摸显示屏1205的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1214用于采集用户的指纹，由处理器1201根据指纹传感器1214采集到的指纹识别用户的身份，或者，由指纹传感器1214根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1201授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1214可以被设置终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo时，指纹传感器1214可以与物理按键或厂商Logo集成在一起。

光学传感器1212用于采集环境光强度。在一个实施例中，处理器1201可以根据光学传感器1212采集的环境光强度，控制触摸显示屏1205的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1205的显示亮度；当环境光强度较低时，调低触摸显示屏1205的显示亮度。在另一个实施例中，处理器1201还可以根据光学传感器1212采集的环境光强度，动态调整摄像头组件1206的拍摄参数。

接近传感器1216，也称距离传感器，通常设置在终端的前面板。接近传感器1216用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器1216检测到用户与终端的正面之间的距离逐渐变小时，由处理器1201控制触摸显示屏1205从亮屏状态切换为息屏状态；当接近传感器1216检测到用户与终端的正面之间的距离逐渐变大时，由处理器1201控制触摸显示屏1205从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图12中示出的结构并不构成对终端的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例中实施例中，还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令。所述至少一条指令经配置以由一个或者一个以上处理器执行，以实现上述任一种人机识别方法。

在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令在被计算机设备的处理器执行时实现上述任一种人机识别方法。

可选地，上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的示例性实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种人机识别方法，其特征在于，所述方法包括：

采集终端上的传感器在输入过程中的传感器数值，所述传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

确定所述传感器适用的参考模板，所述参考模板是由所述传感器在测试过程中的数值所组成的第二时间序列，所述参考模板用于指示所述传感器针对特定操作的变化趋势，不同传感器适用不同的参考模板，所述数值为机器操作所述终端形成的平缓有细微波动的数值；

确定所述第一时间序列和第二时间序列之间的配对点，所述第一时间序列和所述第二时间序列的均值为参考值；

对于任一配对点，将所述任一配对点在不同维度上的差值的L1范数作为所述任一配对点的差值；

将所有配对点的差值之和除以配对点个数，得到单位路径的距离，将所述单位路径的距离作为所述第一时间序列和第二时间序列之间的距离；

基于所述第一时间序列和第二时间序列之间的距离进行人机识别，若所述第一时间序列和第二时间序列之间的距离小于指定阈值，识别结果为机器操作，若所述第一时间序列和第二时间序列之间的距离大于所述指定阈值，所述识别结果为非机器操作；

若所述识别结果为非机器操作，通过对所述终端的用户的多次使用情况进行取样，得到所述终端的用户特征数据，所述用户特征数据用于反应所述终端的用户的特定属性；

确定所述用户特征数据与所述参考模板之间的参照距离；

确定所述第一时间序列和第二时间序列之间的距离与所述参照距离之间的差值，若所述差值小于阈值，所述输入过程由所述终端的用户执行，若所述差值大于所述阈值，所述输入过程不由所述终端的用户执行。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一时间序列和第二时间序列之间的距离进行人机识别，包括：

若所述传感器为多个，基于每个传感器在输入过程中的传感器数值组成的第一时间序列和第二时间序列之间的距离，及每个传感器的权重确定综合距离；

基于所述综合距离进行人机识别。

3.根据权利要求1或2所述的方法，其特征在于，所述采集终端上的传感器在输入过程中的传感器数值，包括：

在检测到密码输入的过程中，采集传感器在输入过程中的传感器数值。

4.一种人机识别装置，其特征在于，所述装置包括：

采集模块，用于采集终端上的传感器在输入过程中的传感器数值，所述传感器为一个或多个，同一传感器的传感器数值组成一个第一时间序列；

确定模块，用于确定所述传感器适用的参考模板，所述参考模板是由所述传感器在测试过程中的数值所组成的第二时间序列，所述参考模板用于指示所述传感器针对特定操作的变化趋势，不同传感器适用不同的参考模板，所述数值为机器操作所述终端形成的平缓有细微波动的数值；

获取模块，用于确定所述第一时间序列和所述第二时间序列之间的配对点，所述第一时间序列和所述第二时间序列的均值为参考值；对于任一配对点，将所述任一配对点在不同维度上的差值的L1范数作为所述任一配对点的差值；将所有配对点的差值之和除以配对点个数，得到单位路径的距离，将所述单位路径的距离作为所述第一时间序列和第二时间序列之间的距离；

识别模块，用于基于所述第一时间序列和第二时间序列之间的距离进行人机识别，若所述第一时间序列和第二时间序列之间的距离小于指定阈值，识别结果为机器操作，若所述第一时间序列和第二时间序列之间的距离大于所述指定阈值，所述识别结果为非机器操作；

所述获取模块，还用于若所述识别结果为非机器操作，通过对所述终端的用户的多次使用情况进行取样，得到所述终端的用户特征数据，所述用户特征数据用于反应所述终端的用户的特定属性；

所述识别模块，还用于确定所述用户特征数据与所述参考模板之间的参照距离；确定所述第一时间序列和第二时间序列之间的距离与所述参照距离之间的差值，若所述差值小于阈值，所述输入过程由所述终端的用户执行，若所述差值大于所述阈值，所述输入过程不由所述终端的用户执行。

5.根据权利要求4所述的装置，其特征在于，所述识别模块，用于若所述传感器为多个，基于每个传感器在输入过程中的传感器数值组成的第一时间序列和第二时间序列之间的距离，及每个传感器的权重确定综合距离；基于所述综合距离进行人机识别。

6.根据权利要求4或5所述的装置，其特征在于，所述采集模块，用于在检测到密码输入的过程中，采集传感器在输入过程中的传感器数值。

7.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令在被所述处理器执行时实现如权利要求1至3任一所述的人机识别方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令在被执行时实现如权利要求1至3任一所述的人机识别方法。

Images