[发明专利]一种图像检测方法、身份验证方法、支付方法及装置

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取目标图像；

将所述目标图像输入到预先训练的深度信息提取模型中，提取所述目标图像中每个像素点的相对深度值，其中，所述相对深度值用于指示所述目标图像中的像素点与所述目标图像中的基准点的相对距离；

根据所述目标图像中每个像素点的相对深度值，检测所述目标图像是否为三维对象的图像；

所述根据所述目标图像中每个像素点的相对深度值，检测所述目标图像是否为三维对象的图像，包括：

根据所述目标图像中每个像素点的相对深度值，计算平均相对深度值，并在所述平均相对深度值大于或等于第一预设阈值的情况下，确定所述目标图像为三维对象的图像；或者

在目标数量与所述目标图像中总像素点数量的比值达到预设比值的情况下，确定所述目标图像为三维对象的图像，其中，所述目标数量为所述目标图像中相对深度值大于第二预设阈值的像素点的数量。

2.根据权利要求1所述的方法，其特征在于，所述深度信息提取模型为基于深度学习网络和图像样本集训练得到的模型，其中，所述图像样本集中的图像样本包括标注信息，所述标注信息包括所述图像样本中的N组像素点对的相对距离关系，N为正整数。

3.根据权利要求2所述的方法，其特征在于，所述图像样本集中图像样本中的像素点对包括第一类像素点对和第二类像素点对，其中，所述第一类像素点对为随机标注的像素点对，所述第二类像素点对中的两个像素点所在直线垂直于参考方向。

4.根据权利要求2所述的方法，其特征在于，用于所述深度信息提取模型训练的损失函数如下：

其中，L表示损失函数值，i_k表示第k组像素点对中的一个像素点，j_k表示第k组像素点对中的另一个像素点，r_k表示第k组像素点对的相对距离关系，表示i_k的相对深度值，表示j_k的相对深度值。

5.根据权利要求2所述的方法，其特征在于，所述深度学习网络为卷积神经网络，所述卷积神经网络包括结构不同的多个残差卷积结构，所述多个残差卷积结构中每个残差卷积结构包括核大小不同的多个卷积网络。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述将所述目标图像输入到预先训练的深度信息提取模型中，提取所述目标图像中每个像素点的相对深度值之后，所述方法还包括：

根据所述目标图像中每个像素点的相对深度值和像素值，生成三维图像；

显示所述三维图像。

7.一种身份验证方法，其特征在于，包括：

通过摄像头采集用户图像；

采用权利要求1至6中任一项所述的图像检测方法，检测所述用户图像是否为三维对象的图像；

若确定所述用户图像为三维对象的图像，则根据所述用户图像进行身份验证。

8.一种支付方法，其特征在于，包括：

通过摄像头采集用户图像；

采用权利要求1至6中任一项所述的图像检测方法，检测所述用户图像是否为三维对象的图像；

若确定所述用户图像为三维对象的图像，则根据所述用户图像进行支付操作。