活体检测方法、模型训练方法、装置、存储介质及设备制造方法及图纸

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。

【技术实现步骤摘要】
活体检测方法、模型训练方法、装置、存储介质及设备
本公开涉及自动驾驶
，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。
技术介绍
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。
技术实现思路
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本文档来自技高网...

【技术保护点】
1.一种活体检测方法，包括：/n获取待检测图像，所述待检测图像中包括目标对象；/n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；/n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；/n根据所述深度信息，确定所述目标对象是否属于活体对象；/n其中，所述深度估计模型通过如下方式训练得到：/n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；/n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；/n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...

【技术特征摘要】
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，pt为第一图像帧中的第t个第一像素，psn为第一像素pt在第n个第二图像帧中的对应像素，H(It（pt），Isn（psn）)表示确定It中的第一像素pt和Isn中的对应像素psn之间的差异性，xn为第一像素pt与对应像素psn之间的光度误差，It为所述第一图像帧，Isn为第n个第二图像帧，wn为xn的权重，σ和α为正数，用于调节xn的变化范围。


4.根据权利要求2所述的方法，其特征在于，通过如下方式确定第一像素在第二图像帧中的对应像素的光度误差指标：



通过如下方式确定第一像素的光度误差指标：



其中，pt为第一图像帧中的第t个第一像素，psn为第一像素pt在第n个第二图像帧中的对应像素，xn为第一像素pt与对应像素psn之间的光度误差，wn为xn的权重，LPsn为对应像素psn的光度误差指标，Lpt为第一像素pt的光度误差指标，N为第二图像帧的数量。


5.根据权利要求1所述的方法，其特征在于，所述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，包括：
针对每一所述第一其他像素，根据该第三像素和目标第二其他像素之间的平滑约束值，确定该第二像素和该第一其他像素之间的平滑约束值的权重，并根据该第二像素和该第一其他像素之间的平滑约束值以及该平滑约束值的权重，确定该第一其他像素的平滑约束指标，其中，所述目标第二其他像素为所述第一图像帧中与该第一其他像素位置对应的第二其他像素；
根据每一所述第一其他像素的平滑约束指标，确定该第二像素的平滑约束指标。


6.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二像素和与该第二像素相邻的第一其他像素之间的平滑约束值，以及第三像素和与该第三像素相邻的第二其他像素之间的平滑约束值：






其中，Dt为所述目标深度图，It为所述第一图像帧，pt1为Dt中的第t个第二像素，pt2为It中与第二像素pt1对应的第三像素，∂rDt(pt1)为对第二像素pt1和与该第二像素pt1相邻的第r个第一其他像素进行一阶差分，xr为Dt中的第二像素pt1和与该第二像素pt1相邻的第r个第一其他像素之间的平滑约束值，∂rIt(pt2)为对第三像素pt2和与该第三像素pt2相邻的第r个第二其他像素进行一阶差分，yr为It中的第三像素pt2和与该第三像素pt2相邻的第r个第二其他像素之间的平滑约束值。


7.根据权利要求5所述的方法，其特征在于，通过如下方式确定第二像素和与该第二像素相邻的第一其他像素之间的平滑约束值的权重：



通过如下方式确定第一其他像素的平滑约束指标：



通过如下方式确定第二像素的平滑约束指标：



其中，xr为Dt中的第二像素pt1和与该第二像素pt1相邻的第r个第一其他像素之间的平滑约束值，yr为It中的第三像素pt2和与该第三像素pt2相邻的第r个第二其他像素之间的平滑约束值，σ和α为正数，用于调节yr的变化范围，wr为xr的权重，Lr为与第二像素pt1相邻的第r个第一其他像素的平滑约束指标，Lpt1为第二像素pt1的平滑约束指标，R为与第二像素pt1相邻的...

【专利技术属性】
技术研发人员：夏华夏，舒畅，熊小东，申浩，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11