本公开提供了一种图像处理方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及深度学习、计算机视觉等技术领域，可应用于人脸图像处理等场景。该方法包括：获取视频的多帧图像，并确定与多帧图像分别对应的多个空间相关信息，再确定与多帧图像对应的多个时序信息，并根据多个时序信息，分别生成与相应多帧图像对应的多个预测深度图像，以及根据多个空间相关信息和多个预测深度图像进行活体检测。由此，能够有效地提升基于图像的活体检测的准确性和活体检测效果，有效地提升图像处理方法的泛化性，从而有利于图像处理方法在活体检测场景的部署和应用。