(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211096767.X (22)申请日 2022.09.08 (71)申请人 阿里巴巴 （中国） 有限公司 地址 311121 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 王飞　孙佰贵　刘洋　谢宣松　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 李静茹 (51)Int.Cl. G06V 40/40(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/40(2022.01) (54)发明名称 活体检测方法、 存 储介质和计算机终端 (57)摘要 本申请公开了一种活体检测方法、 存储介质 和计算机终端。 其中， 该方法包括： 获取检测设备 采集到的待检测图像， 其中， 待检测图像包含生 物特征； 对待检测图像进行深度信息提取， 得到 待检测图像对应的深度图像； 对待检测图像中生 物特征包含的预设特征进行提取， 得到预设特征 对应的局部图像； 分别对待检测图像、 深度图像 和局部图像进行活体检测， 得到待检测图像的第 一检测结果、 深度图像的第二检测结果和局部图 像的第三检测结果； 对第一检测结果、 第二检测 结果和第三检测结果进行融合， 得到生物特征的 活体检测结果。 本申请解决了由于环 境因素影 响 造成的活体 检测准确率较低的技 术问题。 权利要求书3页 说明书23页 附图10页 CN 115512445 A 2022.12.23 CN 115512445 A 1.一种活体 检测方法， 其特 征在于， 包括： 获取检测设备采集到的待检测图像， 其中， 所述待检测图像包 含生物特 征； 对所述待检测图像进行深度信息提取， 得到所述待检测图像对应的深度图像； 对所述待检测图像中所述生物特征包含的预设特征进行提取， 得到所述预设特征对应 的局部图像； 分别对所述待检测图像、 所述深度图像和所述局部 图像进行活体检测， 得到所述待检 测图像的第一检测结果、 所述深度图像的第二检测结果和所述局部图像的第三检测结果； 对所述第一检测结果、 所述第二检测结果和所述第三检测结果进行融合， 得到所述生 物特征的活体 检测结果。 2.根据权利要求1所述的方法， 其特 征在于， 获取检测设备采集到的待检测图像包括： 获取所述检测设备采集到的多张图像， 其中， 所述多张图像中均包 含所述生物特征； 对所述多张图像进行筛 选， 得到所述待检测图像。 3.根据权利要求2所述的方法， 其特征在于， 对所述待检测图像中所述生物特征所处区 域进行深度信息提取， 得到所述 生物特征对应的深度图像， 包括： 通过视差预测模型对所述待检测图像进行处理， 得到所述待检测图像对应的视差图 像， 其中， 所述视差图像用于表征所述待检测图像相对于所述多张图像中其他图像的位置 偏差， 所述视 差预测模型为机器学习模型； 基于所述检测设备的参数信息和所述视 差图像， 得到所述深度图像。 4.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 获取训练数据， 其中， 所述训练数据包括多张训练图像； 对所述多张训练图像进行匹配， 确定所述多张训练图像对应的预设视 差图像； 基于所述多 张训练图像和所述预设视差图像对预设模型进行训练， 得到所述视差预测 模型。 5.根据权利要求4所述的方法， 其特征在于， 基于所述多张训练图像和所述预设视差图 像对预设模型进行训练， 得到所述视 差预测模型包括： 利用预设模型对所述多 张训练图像进行处理， 得到所述多 张训练图像对应的预测视差 图像； 基于所述多 张训练图像和预测视差图像对所述多张训练图像进行重构， 得到多 张预测 图像； 基于所述预设视差图像、 所述预测视差图像、 所述多张训练图像和所述多张预测图像， 生成所述预设模型的总损失值； 基于所述总损失值对所述预设模型的模型参数进行调整， 得到所述视 差预测模型。 6.根据权利要求5所述的方法， 其特征在于， 基于所述预设视差 图像、 所述预测视差 图 像、 所述多张训练图像和所述多张预测图像， 生成所述预设模型的 的总损失值包括： 基于所述预设视 差图像和所述预测视 差图像， 得到第一损失值； 基于所述多张训练图像和所述多张预测图像， 得到第二损失值； 基于所述预设视 差图像之间的差异， 得到第三损失值； 对所述第一损 失值、 所述第二损 失值和所述第三损 失值进行加权和操作， 得到所述总 损失值。权　利　要　求　书 1/3 页 2 CN 115512445 A 27.根据权利要求6所述的方法， 其特征在于， 在所述第一损失值小于预设阈值的情况 下， 增加所述第二损失值的权 重。 8.根据权利要求1所述的方法， 其特征在于， 所述深度图像进行活体检测， 得到所述深 度图像的第二检测结果， 包括： 获取所述生物特征在所述待检测图像中所处区域的第 一区域信息， 以及所述预设特征 在所述待检测图像中所处区域的第二区域信息； 分别将所述第 一区域信息和所述第 二区域信息映射至所述深度图像， 得到所述生物特 征对应的全局深度图像和所述预设特 征对应的局部深度图像； 分别对所述全局深度图像和所述局部深度图像进行活体检测， 得到所述全局深度图像 的全局检测结果和所述局部深度图像的局部检测结果； 对所述全局检测结果和所述局部检测结果进行汇总， 得到所述第二检测结果。 9.一种活体 检测方法， 其特 征在于， 包括： 响应作用于操作界面上的图像采集指令， 在所述操作界面上显示检测设备采集到的待 检测图像， 其中， 所述待检测图像包 含生物特 征； 响应作用于所述操作界面上的活体检测指令， 在所述操作界面上显示所述生物特征的 活体检测结果， 其中， 所述活体检测结果通过对所述待检测图像的第一检测结果、 所述待检 测图像对应的深度图像的第二检测结果和所述生物特征包含的预设特征对应的局部图像 的第三检测结果进行融合得到， 所述第一检测结果、 所述第二检测结果和所述第三检测结 果通过分别对所述待检测图像、 所述深度图像和所述局部图像进行活体检测得到， 所述深 度图像通过对所述待检测图像进 行深度信息提取得到， 所述局部图像通过对所述待检测图 像中所述 生物特征包含的预设特 征进行提取 得到。 10.一种活体 检测方法， 其特 征在于， 包括： 在虚拟现实VR设备或增强现实AR设备的呈现画面上展示检测设备采集到的待检测图 像， 其中， 所述待检测图像包 含生物特 征； 对所述待检测图像进行深度信息提取， 得到所述待检测图像对应的深度图像； 对所述待检测图像中所述生物特征包含的预设特征进行提取， 得到所述预设特征对应 的局部图像； 分别对所述待检测图像、 所述深度图像和所述局部 图像进行活体检测， 得到所述待检 测图像的第一检测结果、 所述深度图像的第二检测结果和所述局部图像的第三检测结果； 对所述第一检测结果、 所述第二检测结果和所述第三检测结果进行融合， 得到所述生 物特征的活体 检测结果； 驱动所述VR设备或所述AR设备渲染展示所述活体 检测结果。 11.一种活体 检测方法， 其特 征在于， 包括： 通过调用第一接口获取检测设备采集到的待检测图像， 其中， 所述第一接口包括第一 参数， 所述第一 参数的参数值 为所述待检测图像， 所述待检测图像包 含生物特 征； 对所述待检测图像进行深度信息提取， 得到所述待检测图像对应的深度图像； 对所述待检测图像中所述生物特征包含的预设特征进行提取， 得到所述预设特征对应 的局部图像； 分别对所述待检测图像、 所述深度图像和所述局部 图像进行活体检测， 得到所述待检权　利　要　求　书 2/3 页 3 CN 115512445 A 3