[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

说明书

本公开涉及一种活体检测方法、模型训练方法、装置、存储介质及设备。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。通过本公开，可提升活体检测的普遍性、易用性。

技术领域

本公开涉及自动驾驶技术领域，具体地，涉及一种活体检测方法、模型训练方法、装置、存储介质及设备。

背景技术

目前，活体检测主要应用于无人值守场景下的安全防控，例如通过对对象进行活体检测，以克服照片翻拍、视频翻录等欺诈手段带来的信息安全受到危险等问题。

但是随着自动驾驶、无人机、机器人等行业的发展，使得活体检测技术应用更加广泛，例如通过无人配送车进行配送并与用户交接时，需要针对无人配送车上的摄像装置采集的包括用户的图像进行活体检测，在检测到图像中的用户为活体对象后，再进行后续的交接操作。

发明内容

本公开的目的是提供一种活体检测方法、模型训练方法、装置、存储介质及设备。

为了实现上述目的，第一方面，本公开提供一种活体检测方法，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。

可选地，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。

可选地，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：