[发明专利]活体检测方法、模型训练方法、装置、存储介质及设备

权利要求书

1.一种活体检测方法，包括：

获取待检测图像，所述待检测图像中包括目标对象；

通过深度估计模型对所述待检测图像进行深度估计，获得所述待检测图像的深度图；

根据所述目标对象在所述待检测图像中的位置信息，以及所述待检测图像的深度图，得到所述目标对象的深度信息；

根据所述深度信息，确定所述目标对象是否属于活体对象；

其中，所述深度估计模型通过如下方式训练得到：

通过神经网络模型对输入视频中的第一图像帧进行深度估计，得到与所述第一图像帧对应的目标深度图；

从所述输入视频中获取与所述第一图像帧相邻的预设数量个第二图像帧；

针对所述第一图像帧中的每一第一像素，确定该第一像素和该第一像素在每一所述第二图像帧中的对应像素之间的光度误差和光度误差的权重，根据该第一像素和每一所述对应像素之间的光度误差和光度误差的权重，确定该第一像素的光度误差指标，并根据每一所述第一像素的光度误差指标，确定所述第一图像帧的光度误差指标；

针对所述目标深度图中的每一第二像素，确定该第二像素和所述目标深度图中与该第二像素相邻的每一第一其他像素之间的平滑约束值，并确定所述第一图像帧中与该第二像素对应的第三像素和所述第一图像帧中与该第三像素相邻的每一第二其他像素之间的平滑约束值，根据该第二像素和每一所述第一其他像素之间的平滑约束值、以及该第三像素和每一所述第二其他像素之间的平滑约束值，确定该第二像素的平滑约束指标，并根据每一所述第二像素的平滑约束指标，确定所述目标深度图的平滑约束指标；

根据所述第一图像帧的光度误差指标和所述目标深度图的平滑约束指标，确定目标函数；

根据所述目标函数更新所述神经网络模型的模型参数，以得到所述深度估计模型。

2.根据权利要求1所述的方法，其特征在于，所述根据该第一像素和每一所述对应像素之间的光度误差和光度误差的权重，确定该第一像素的光度误差指标，包括：

针对每一所述对应像素，根据该第一像素和该对应像素之间的光度误差和光度误差的权重，确定该对应像素的光度误差指标；

根据每一所述对应像素的光度误差指标，确定该第一像素的光度误差指标。

3.根据权利要求1所述的方法，其特征在于，通过如下方式确定第一像素和该第一像素在第二图像帧中的对应像素之间的光度误差和该光度误差的权重：

其中，p_t为第一图像帧中的第t个第一像素，p_sⁿ为第一像素p_t在第n个第二图像帧中的对应像素，H(I_t（p_t），I_sⁿ（p_sⁿ）)表示确定I_t中的第一像素p_t和I_sⁿ中的对应像素p_sⁿ之间的差异性，x_n为第一像素p_t与对应像素p_sⁿ之间的光度误差，I_t为所述第一图像帧，I_sⁿ为第n个第二图像帧，w_n为x_n的权重，σ和α为正数，用于调节x_n的变化范围。