CN107451799A - 一种风险识别方法及装置 - Google Patents
一种风险识别方法及装置 Download PDFInfo
- Publication number
- CN107451799A CN107451799A CN201710266932.4A CN201710266932A CN107451799A CN 107451799 A CN107451799 A CN 107451799A CN 201710266932 A CN201710266932 A CN 201710266932A CN 107451799 A CN107451799 A CN 107451799A
- Authority
- CN
- China
- Prior art keywords
- step number
- user
- distance
- virtual objects
- total
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/04—Payment circuits
- G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
- G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供的一种风险识别方法及装置，所述方法包括：获取客户端发送的请求中携带的用户步数N和用户位置L0；在客户端上传的用于获取所述虚拟对象的照片与线索图进行图像匹配成功时，获取照片携带的用户步数M；根据用户步数M和用户步数N，计算出用户行走的总步数Y；根据虚拟对象所藏匿的位置L1和用户位置L0，计算出两个位置之间的距离D；判断所述总步数Y与所述距离D之间是否匹配；在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。应用本实施例，可以识别用户获取虚拟对象是否存在作弊行为。
Description
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种风险识别方法及装置。
背景技术
随着网络技术的发展，出现了多种多样的虚拟对象的分配方式。以“红包”形式的虚拟对象的分配为例，用户可以将电子贺卡、礼金等放入“红包”中，然后将“红包”藏在指定位置，供其它用户寻找。其它用户在找“红包”时，可以根据该“红包”提供的线索图，找到该线索图指示的位置，拍一张与线索图中图像相同的照片后就可以领取“红包”。
现有技术中，为了防止某些用户直接拍摄线索图的照片来获取虚拟对象，一般的，会对线索图进行一定程度的处理，例如添加网格线、标注水印(Watermark)等。然而，这样处理的线索图依然存在被破译的风险，例如通过PS去掉线索图中添加的水印。因此，识别用户获取虚拟对象过程中是否存在作弊行为变得很重要。
发明内容
本申请实施例通过提供的一种风险识别方法及装置，以解决现有技术中存在无法有效识别用户获取虚拟对象过程中是否存在作弊行为的问题。
根据本申请实施例的第一方面，提出一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述方法包括：
接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断所述总步数Y与所述距离D之间是否匹配；
在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
根据本申请实施例的第二方面，提出一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述方法包括：
获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断所述总步数Y与所述距离D之间是否匹配；
在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
根据本申请实施例的第三方面，提出一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的客户端，所述方法包括：
向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
接收并显示所述服务端返回的所述虚拟对象的线索图；
在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
根据本申请实施例的第四方面，提出一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置包括：
接收单元，接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
第一获取单元，向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
图像匹配单元，在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
第二获取单元，在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
根据本申请实施例的第五方面，提出一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置包括：
第一获取单元，获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
第二获取单元，在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
根据本申请实施例的第六方面，提出一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的客户端，所述装置包括：
发送单元，向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
接收单元，接收并显示所述服务端返回的所述虚拟对象的线索图；
获取单元，在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
上传单元，向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
本申请实施例中，通过计算用户寻找虚拟对象过程中行走的总步数，以及用户位置距离该虚拟对象所藏匿的位置的距离；判断用户行走的总步数和所述距离是否匹配；在不匹配时，说明用户行走的距离并不能真正到达该虚拟对象所藏匿的位置，因此就可以确定该用户获取所述虚拟对象的过程中存在作弊行为。如此，可以有效识别用户获取虚拟对象过程中存在的作弊行为。
附图说明
图1是本申请一实施例提供的一种风险识别方法的示意流程图；
图2a-2b是本申请一实施例提供的一种AR红包的界面示意图；
图3是本申请一实施例提供的一种以服务端为执行主体的风险识别方法的示意流程图；
图4是本申请一实施例提供的一种以客户端为执行主体的风险识别方法的示意流程图；
图5是本申请一实施例提供的一种以服务端为执行主体的风险识别装置的示意框图；
图6是本申请提供的风险识别装置所在设备的一种硬件结构图；
图7是本申请一实施例提供的以服务端为执行主体的风险识别装置的模块示意图；
图8是本申请提供的风险识别装置所在设备的一种硬件结构图；
图9是本申请一实施例提供的以客户端为执行主体的风险识别装置的模块示意图；
图10是本申请提供的风险识别装置所在设备的一种硬件结构图；
图11是本申请一实施例提供的以服务端为执行主体的风险识别装置的模块示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参见图1，为本申请一实施例提供的一种风险识别方法的示意流程图，所述方法包括以下步骤：
步骤100：所述客户端向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0。
以下以AR红包(以下简称“红包”)为例加以说明，需要说明的是红包仅为虚拟对象的一种表现形式，在实际应用中所述虚拟对象还可以是例如电子优惠券、游戏装备、信件、短信等，本实施例并不对虚拟对象进行限定。如图2a所示，用户通过点击“找红包”，可以进而寻找红包的界面；
在客户端识别到进入寻找界面时刻，可以向服务端发送用于获取寻找红包的线索图的请求；该请求中携带有当前的用户步数N和用户位置L0。
在一种实现方式中，记录用户行走步数的可以是可穿戴式智能设备(如运动手环)，所述可穿戴式智能设备可以与客户端进行通信，从而所述客户端可以实时获取该可穿戴式智能设备记录的用户步数。
在另一种实现方式中，客户端所处终端(如智能手机)自身可以记录用户行走步数，因此，客户端可以实时获取所处终端记录的用户步数。
所述用户位置可以是客户端所处的位置，经该客户端中的定位装置记录下的，代表位置的坐标信息。常见的定位装置可以采用美国GPS卫星导航系统，欧洲“伽利略”卫星导航系统，俄罗斯GLONASS卫星导航系统，或者中国“北斗”卫星导航系统等，或者类似的组合。这类定位的坐标信息也称为移动定位。
所当前地理位置还可以是基于客户端信号特点转换得到的，例如由网络运营商利用基站覆盖原理，通过所述客户端的信号通过基站定位计算得到的位置信息。在后者的定位计算中，一般由客户端测量不同基站的下行导频信号，得到不同基站下行导频的到达时刻(Time of Arrival，TOA)或到达时间差(Time Difference of Arrival，TDOA)，根据该测量结果并结合基站的坐标，一般采用三角公式估计算法，从而计算出移动终端的位置。实际的位置估计算法需要考虑多基站(3个或3个以上)定位的情况，现有技术中有多种算法，较为复杂。一般而言，移动台测量的基站数目越多，测量精度越高，定位性能改善越明显。
此外，所述当前地理位置，还可以是通过基站辅助定位并结合客户端中的定位装置共同定位得到的较为精确的位置。
步骤110：服务端接收客户端发送的用于获取寻找虚拟对象对应线索图的请求。
步骤111：所述服务端向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置。
一般的，所述线索图为虚拟对象的设置方预先上传的，并且携带有一个所述虚拟对象所藏匿的位置L1。
步骤120：所述客户端接收并显示所述服务端返回的所述虚拟对象的线索图。
步骤121：所述客户端在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M。
步骤122：所述客户端向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
用户可以根据所述线索图的指示，去往所述虚拟对象所藏匿的位置。在到达藏匿的位置后，可以拍摄一张与线索图相同或者相似的照片，然后上传到服务端。
如图2b所示，客户端上显示了需要寻找红包的线索图。用户可以通过线索图获知藏匿红包的位置为“星飞路-港式火锅店”。用户到达该位置后，就可以拍一张与图2b中线索图类似的照片，然后上传到服务端。
步骤130：所述服务端在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配。
本实施例中，将所述照片与所述线索图进行图像匹配，具体可以包括：
A1：根据预设的图像识别算法，计算所述照片和所述线索图的相似度；
A2：判断所述相似度是否大于预设阈值；
A3：在所述相似度大于预设阈值的情况下，确定图像匹配成功。
当然，在所述相似度不大于预设阈值的情况下，确定获取所述虚拟对象失败。服务端还可以向客户端返回获取虚拟对象失败的通知。
本实施例中，所述预设阈值可以是人为预先设置的一个经验值。
所述图像识别算法可以是尺度不变特征变换算法(Scale Invariant FeatureTransform，SIFT)，当然所述图像识别算法还可以是其它例如SURF(Speeded Up RobustFeatures)、ORB(ORiented Brief)、LIOP(Local Intensity Order Pattern)等，本申请并不对其加以限定。
由于图像识别算法在图像识别领域是一种常用的算法，本实施例中不再赘述其详细的图像识别过程。
步骤131：所述服务端在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数。
步骤132：所述服务端根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y。
具体地，计算总步数Y的公式1如下所示：
Y＝M-N 公式1
举例说明，假设用户步数M为1240步，用户步数N为530步，则计算得到的总步数Y为710步(1240-530＝710)。
步骤133：所述服务端根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D。
所述位置可以包括经纬度坐标点(x，y)，其中，x代表经度值，y代表维度值。
一般的，计算两个经纬度坐标点距离可以使用业内常用的公式或算法，本实施例不再赘述。
步骤134：所述服务端判断所述总步数Y与所述距离D之间是否匹配。
在一种方式中，所述步骤134可以包括：
所述服务端根据预设的步长，计算出行走所述距离D的最小步数T；
所述服务端判断所述总步数Y是否小于所述最小步数T；
所述服务端在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配
该实施例中，所述预设的步长可以是预先设置的。
所述最小步数T可以根据如下公式2得到：
其中，E为预设的步长；在所述D不能被整除的情况下，可以将D除以E的商加1后作为T；或者，直接将D除以E的商作为T。
在另一种方式中，所述步骤134可以包括：
所述服务端根据预设的步长，计算出所述总步数Y对应的行走距离X；
所述服务端判断所述行走距离X是否大于所述距离D；
所述服务端在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
该实施例中，所述预设的步长可以是预先设置的。
所述行走距离X可以根据如下公式3得到：
X＝Y×E 公式3
其中，E为预设的步长。
步骤135：所述服务端在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在所述总步数Y与所述距离D不匹配的情况下，说明用户行走的距离并不能真正到达该虚拟对象所藏匿的位置，因此就可以确定该用户获取所述虚拟对象的过程中存在作弊行为。进而，用户获取虚拟资源失败。
当然，在所述总步数Y与所述距离D匹配的情况下，可以确定该用户获取所述虚拟对象的过程中不存在作弊行为。进而，用户获取虚拟资源成功。
通过本申请实施例，计算用户寻找虚拟对象过程中行走的总步数，以及用户位置距离该虚拟对象所藏匿的位置的距离；判断用户行走的总步数和所述距离是否匹配；在不匹配时，说明用户行走的距离并不能真正到达该虚拟对象所藏匿的位置，因此就可以确定该用户获取所述虚拟对象的过程中存在作弊行为。如此，可以有效识别用户获取虚拟对象过程中存在的作弊行为。
基于图1所示实施例的基础上，如图3所述为以服务端为执行主体的一种风险识别方法的示意流程图，所述方法包括：
步骤210：接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
步骤220：向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
步骤230：在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
步骤240：在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
步骤250：根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
步骤260：根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
步骤270：判断所述总步数Y与所述距离D之间是否匹配；
步骤280：在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个具体地实施例中，所述步骤270，具体包括：
根据预设的步长，计算出行走所述距离D的最小步数T；
判断所述总步数Y是否小于所述最小步数T；
在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
在一个具体地实施例中，所述步骤270，具体包括：
根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断所述行走距离X是否大于所述距离D；
在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
在一个具体地实施例中，在所述步骤270之前，所述方法还可以包括：
判断所述总步数Y是否大于预设步数；
在所述总步数Y大于预设步数的情况下，执行所述步骤270。
在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象3
本实施例中，所述预设步数可以人为预先设置的经验值。
在实际应用中，用户通常需要进行一定距离的行走才能到达虚拟对象所藏匿的位置，如果用户直接拍摄线索图作为照片，用户步数通常不会增加或者增加不多。如果用户的总步数Y不大于预设步数，说明存在风险，因此，可以确定该用户获取所述虚拟对象的过程中存在作弊行为；如果用户的总步数Y大于预设步数，还需要进一步判断，因此执行步骤270。
在一个具体地实施例中，所述虚拟资源可以包括AR红包。
基于图1所示实施例的基础上，如图4所述为以客户端为执行主体的一种风险识别方法的示意流程图，所述方法包括：
步骤310：向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
步骤320：接收并显示所述服务端返回的所述虚拟对象的线索图；
步骤330：在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
步骤340：向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
在一个具体地实施例中，所述虚拟资源可以包括AR红包。
基于图1所示实施例的基础上，如图5所述为以服务端为执行主体的一种风险识别方法的示意流程图，所述方法包括：
步骤410：获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
步骤420：在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
步骤430：根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
步骤440：根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
步骤450：判断所述总步数Y与所述距离D之间是否匹配；
步骤460：在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个具体地实施例中，所述步骤450，具体包括：
根据预设的步长，计算出行走所述距离D的最小步数T；
判断所述总步数Y是否小于所述最小步数T；
在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
在一个具体地实施例中，所述步骤450，具体包括：
根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断所述行走距离X是否大于所述距离D；
在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
在一个具体地实施例中，在所述步骤450之前，所述方法还可以包括：
判断所述总步数Y是否大于预设步数；
在所述总步数Y大于预设步数的情况下，执行所述判断所述总步数Y与所述距离D之间是否匹配的步骤。
在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个具体地实施例中，所述虚拟对象包括AR红包。
与前述图3所示风险识别方法实施例相对应，本申请还提供了一种风险识别装置的实施例。所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图6所示，为本申请风险识别装置所在设备的一种硬件结构图，除了图6所示的处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据该风险识别实际功能，还可以包括其他硬件，对此不再赘述。
参见图7，为本申请一实施例提供的风险识别装置的模块图，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置可以包括：
接收单元510，接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
第一获取单元520，向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
图像匹配单元530，在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
第二获取单元540，在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元550，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元560，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元570，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元580，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个可选的实施例中：
所述判断单元570，具体包括：
计算最小步数单元，根据预设的步长，计算出行走所述距离D的最小步数T；
判断子单元，判断所述总步数Y是否小于所述最小步数T；
确定子单元，在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
在一个可选的实施例中：
所述判断单元570，具体包括：
计算行走距离子单元，根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断子单元，判断所述行走距离X是否大于所述距离D；
确定子单元，在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
在一个可选的实施例中：
在所述判断单元570之前，所述装置还包括：
判断子单元，判断所述总步数Y是否大于预设步数；
所述判断单元570，具体包括：
在所述总步数Y大于预设步数的情况下，判断所述总步数Y与所述距离D之间是否匹配。
在一个可选的实施例中：
所述装置还包括：
风险确定子单元，在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个可选的实施例中：
所述虚拟对象包括AR红包。
与前述图4所示风险识别方法实施例相对应，本申请还提供了一种风险识别装置的实施例。所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图8所示，为本申请风险识别装置所在设备的一种硬件结构图，除了图8所示的处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据该风险识别实际功能，还可以包括其他硬件，对此不再赘述。
参见图9，为本申请一实施例提供的风险识别装置的模块图，应用于识别获取虚拟对象是否存在作弊行为的客户端，所述装置可以包括：
发送单元610，向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
接收单元620，接收并显示所述服务端返回的所述虚拟对象的线索图；
获取单元630，在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
上传单元640，向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
在一个可选的实施例中：
所述虚拟对象包括AR红包。
与前述图5所示风险识别方法实施例相对应，本申请还提供了一种风险识别装置的实施例。所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图10所示，为本申请风险识别装置所在设备的一种硬件结构图，除了图10所示的处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据该风险识别实际功能，还可以包括其他硬件，对此不再赘述。
参见图11，为本申请一实施例提供的风险识别装置的模块图，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置可以包括：
第一获取单元710，获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
第二获取单元720，在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元730，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元740，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元750，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元760，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个可选的实施例中：
所述判断单元750，具体包括：
计算最小步数单元，根据预设的步长，计算出行走所述距离D的最小步数T；
判断子单元，判断所述总步数Y是否小于所述最小步数T；
确定子单元，在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
在一个可选的实施例中：
所述判断单元750，具体包括：
计算行走距离子单元，根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断子单元，判断所述行走距离X是否大于所述距离D；
确定子单元，在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
在一个可选的实施例中：
在所述判断单元750之前，所述装置还包括：
判断子单元，判断所述总步数Y是否大于预设步数；
所述判断单元750，具体包括：
在所述总步数Y大于预设步数的情况下，判断所述总步数Y与所述距离D之间是否匹配。
在一个可选的实施例中：
所述装置还包括：
风险确定子单元，在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
在一个可选的实施例中：
所述虚拟对象包括AR红包。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (28)
1.一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述方法包括：
接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断所述总步数Y与所述距离D之间是否匹配；
在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
2.根据权利要求1所述的方法，所述判断所述总步数Y与所述距离D之间是否匹配，具体包括：
根据预设的步长，计算出行走所述距离D的最小步数T；
判断所述总步数Y是否小于所述最小步数T；
在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
3.根据权利要求1所述的方法，所述判断所述总步数Y与所述距离D之间是否匹配，具体包括：
根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断所述行走距离X是否大于所述距离D；
在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
4.根据权利要求1所述的方法，在所述判断所述总步数Y与所述距离D之间是否匹配之前，所述方法还包括：
判断所述总步数Y是否大于预设步数；
在所述总步数Y大于预设步数的情况下，执行所述判断所述总步数Y与所述距离D之间是否匹配的步骤。
5.根据权利要求4所述的方法，所述方法还包括：
在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
6.根据权利要求1-5中任一项所述的方法，所述虚拟对象包括AR红包。
7.一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述方法包括：
获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断所述总步数Y与所述距离D之间是否匹配；
在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
8.根据权利要求7所述的方法，所述判断所述总步数Y与所述距离D之间是否匹配，具体包括：
根据预设的步长，计算出行走所述距离D的最小步数T；
判断所述总步数Y是否小于所述最小步数T；
在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
9.根据权利要求7所述的方法，所述判断所述总步数Y与所述距离D之间是否匹配，具体包括：
根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断所述行走距离X是否大于所述距离D；
在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
10.根据权利要求6所述的方法，在所述判断所述总步数Y是否小于所述最小步数T之前，所述方法还包括：
判断所述总步数Y是否大于预设步数；
在所述总步数Y大于预设步数的情况下，执行所述判断所述总步数Y与所述距离D之间是否匹配的步骤。
11.根据权利要求10所述的方法，所述方法还包括：
在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
12.根据权利要求7-11中任一项所述的方法，所述虚拟对象包括AR红包。
13.一种风险识别方法，应用于识别获取虚拟对象是否存在作弊行为的客户端，所述方法包括：
向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
接收并显示所述服务端返回的所述虚拟对象的线索图；
在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
14.根据权利要求13所述的方法，所述虚拟对象包括AR红包。
15.一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置包括：
接收单元，接收客户端发送的用于获取寻找虚拟对象对应线索图的请求；
第一获取单元，向所述客户端返回所述虚拟对象对应线索图，并获取所述请求中携带的用户步数N、用户位置L0；其中，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
图像匹配单元，在接收到所述客户端上传的用于获取所述虚拟对象的照片的情况下，将所述照片与所述线索图进行图像匹配；
第二获取单元，在所述图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
16.根据权利要求15所述的装置，所述判断单元，具体包括：
计算最小步数单元，根据预设的步长，计算出行走所述距离D的最小步数T；
判断子单元，判断所述总步数Y是否小于所述最小步数T；
确定子单元，在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
17.根据权利要求15所述的装置，所述判断单元，具体包括：
计算行走距离子单元，根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断子单元，判断所述行走距离X是否大于所述距离D；
确定子单元，在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
18.根据权利要求15所述的装置，在所述判断单元之前，所述装置还包括：
判断子单元，判断所述总步数Y是否大于预设步数；
所述判断单元，具体包括：
在所述总步数Y大于预设步数的情况下，判断所述总步数Y与所述距离D之间是否匹配。
19.根据权利要求18所述的装置，所述装置还包括：
风险确定子单元，在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
20.根据权利要求15-19中任一项所述的装置，所述虚拟对象包括AR红包。
21.一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的服务端，所述装置包括：
第一获取单元，获取客户端发送的请求中携带的用户步数N和用户位置L0；其中，所述请求用于获取寻找虚拟对象的线索图，所述用户步数N和用户位置L0为所述客户端发送请求的第一时刻用户当前步数和用户当前位置；
第二获取单元，在所述客户端上传的用于获取所述虚拟对象的照片与所述线索图进行图像匹配成功的情况下，获取所述照片携带的用户步数M；其中，所述用户步数M为所述客户端拍摄该照片的第二时刻用户当前步数；
计算总步数单元，根据所述用户步数M和用户步数N，计算出所述第一时刻至第二时刻之间用户行走的总步数Y；
计算距离单元，根据所述虚拟对象所藏匿的位置L1和所述用户位置L0，计算出两个位置之间的距离D；
判断单元，判断所述总步数Y与所述距离D之间是否匹配；
确定风险单元，在所述总步数Y与所述距离D不匹配的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
22.根据权利要求21所述的装置，所述判断单元，具体包括：
计算最小步数单元，根据预设的步长，计算出行走所述距离D的最小步数T；
判断子单元，判断所述总步数Y是否小于所述最小步数T；
确定子单元，在所述总步数Y小于所述最小步数Y的情况下，确定所述总步数Y与所述距离D不匹配。
23.根据权利要求21所述的装置，所述判断单元，具体包括：
计算行走距离子单元，根据预设的步长，计算出所述总步数Y对应的行走距离X；
判断子单元，判断所述行走距离X是否大于所述距离D；
确定子单元，在所述行走距离X小于所述距离D的情况下，确定所述总步数Y与所述距离D不匹配。
24.根据权利要求21所述的装置，在所述判断单元之前，所述装置还包括：
判断子单元，判断所述总步数Y是否大于预设步数；
所述判断单元，具体包括：
在所述总步数Y大于预设步数的情况下，判断所述总步数Y与所述距离D之间是否匹配。
25.根据权利要求24所述的装置，所述装置还包括：
风险确定子单元，在所述总步数Y不大于预设步数的情况下，确定该用户获取所述虚拟对象的过程中存在作弊行为。
26.根据权利要求21-25中任一项所述的装置，所述虚拟对象包括AR红包。
27.一种风险识别装置，应用于识别获取虚拟对象是否存在作弊行为的客户端，所述装置包括：
发送单元，向服务端发送用于获取寻找虚拟对象的线索图的请求；其中，所述请求携带有所述发送请求的第一时刻当前的用户步数N和用户位置L0；
接收单元，接收并显示所述服务端返回的所述虚拟对象的线索图；
获取单元，在拍摄用于获取所述虚拟对象的照片的第二时刻，获取当前的用户步数M；
上传单元，向所述服务端上传所拍摄的照片；其中，所述照片携带有所获取的用户步数M。
28.根据权利要求23所述的装置，所述虚拟对象包括AR红包。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710266932.4A CN107451799B (zh) | 2017-04-21 | 2017-04-21 | 一种风险识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710266932.4A CN107451799B (zh) | 2017-04-21 | 2017-04-21 | 一种风险识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107451799A true CN107451799A (zh) | 2017-12-08 |
| CN107451799B CN107451799B (zh) | 2020-07-07 |
Family
ID=60486914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710266932.4A Active CN107451799B (zh) | 2017-04-21 | 2017-04-21 | 一种风险识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107451799B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108332770A (zh) * | 2017-12-29 | 2018-07-27 | 青岛真时科技有限公司 | 一种防计步作弊的方法、装置和系统 |
| CN111784391A (zh) * | 2020-06-28 | 2020-10-16 | 京东数字科技控股有限公司 | 用户工作状态监测方法、装置、计算机设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110304647A1 (en) * | 2010-06-15 | 2011-12-15 | Hal Laboratory Inc. | Information processing program, information processing apparatus, information processing system, and information processing method |
| CN103098108A (zh) * | 2010-11-25 | 2013-05-08 | 松下电器产业株式会社 | 通信设备 |
| KR20130139656A (ko) * | 2012-06-13 | 2013-12-23 | 주식회사 동성엔지니어링 | 3차원 스캔 데이터를 이용한 시공 오차 분석 방법 |
| US8646910B1 (en) * | 2009-11-27 | 2014-02-11 | Joyce Schenkein | Vision training method and apparatus |
| CN105435451A (zh) * | 2015-12-22 | 2016-03-30 | 网易（杭州）网络有限公司 | 游戏作弊的识别及处理方法、装置、系统及服务器 |
| CN105848286A (zh) * | 2016-05-24 | 2016-08-10 | 华中科技大学 | 基于移动终端进行准确定位及触发虚拟场景的方法和系统 |
| US9440151B2 (en) * | 2005-10-14 | 2016-09-13 | Leviathan Entertainment, Llc | Collections in a virtual environment |
| CN106200927A (zh) * | 2016-06-30 | 2016-12-07 | 乐视控股（北京）有限公司 | 一种信息处理方法及头戴式设备 |
-
2017
- 2017-04-21 CN CN201710266932.4A patent/CN107451799B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9440151B2 (en) * | 2005-10-14 | 2016-09-13 | Leviathan Entertainment, Llc | Collections in a virtual environment |
| US8646910B1 (en) * | 2009-11-27 | 2014-02-11 | Joyce Schenkein | Vision training method and apparatus |
| US20110304647A1 (en) * | 2010-06-15 | 2011-12-15 | Hal Laboratory Inc. | Information processing program, information processing apparatus, information processing system, and information processing method |
| CN103098108A (zh) * | 2010-11-25 | 2013-05-08 | 松下电器产业株式会社 | 通信设备 |
| KR20130139656A (ko) * | 2012-06-13 | 2013-12-23 | 주식회사 동성엔지니어링 | 3차원 스캔 데이터를 이용한 시공 오차 분석 방법 |
| CN105435451A (zh) * | 2015-12-22 | 2016-03-30 | 网易（杭州）网络有限公司 | 游戏作弊的识别及处理方法、装置、系统及服务器 |
| CN105848286A (zh) * | 2016-05-24 | 2016-08-10 | 华中科技大学 | 基于移动终端进行准确定位及触发虚拟场景的方法和系统 |
| CN106200927A (zh) * | 2016-06-30 | 2016-12-07 | 乐视控股（北京）有限公司 | 一种信息处理方法及头戴式设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108332770A (zh) * | 2017-12-29 | 2018-07-27 | 青岛真时科技有限公司 | 一种防计步作弊的方法、装置和系统 |
| CN111784391A (zh) * | 2020-06-28 | 2020-10-16 | 京东数字科技控股有限公司 | 用户工作状态监测方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107451799B (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10341982B2 (en) | Technique and system of positioning a mobile terminal indoors | |
| EP3100210B1 (en) | Dynamically updating a feature database that contains features corresponding to a known target object | |
| Drawil et al. | GPS localization accuracy classification: A context-based approach | |
| US9734414B2 (en) | Unified framework for precise vision-aided navigation | |
| JP4384501B2 (ja) | 異なる種類の複数の信号源を使用した記録場所の決定 | |
| CN108628904A (zh) | 一种路径编码、相似路径检索方法及装置和电子设备 | |
| US9497584B2 (en) | Action pattern analysis device, action pattern analysis method, and action pattern analysis program | |
| US20130243250A1 (en) | Location of image capture device and object features in a captured image | |
| US20190320061A1 (en) | Proximity-based event networking system and wearable augmented reality clothing | |
| CN106767772B (zh) | 地磁指纹分布图的构建方法和装置及定位方法和装置 | |
| US20090128661A1 (en) | System and method for sorting images in a mobile electronic device | |
| WO2013155919A1 (zh) | 一种定位方法和系统 | |
| CN107547598B (zh) | 一种定位方法、服务器及终端 | |
| US20150095360A1 (en) | Multiview pruning of feature database for object recognition system | |
| CN109716162A (zh) | 使用位移数据修复载波相位循环滑移 | |
| CN107451799A (zh) | 一种风险识别方法及装置 | |
| CN111832579B (zh) | 地图兴趣点数据处理方法、装置、电子设备以及可读介质 | |
| US20210383144A1 (en) | Geolocation with aerial and satellite photography | |
| US8917289B2 (en) | Methods and arrangements for augmented reality | |
| JP3968429B2 (ja) | 位置情報処理装置 | |
| CN109683178A (zh) | 卫星导航欺骗检测方法和装置 | |
| KR20170072191A (ko) | 수신기의 2차원 위치를 평가하기 위한 시스템 및 방법 | |
| CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN109951808A (zh) | 一种识别用户位于同一地点的方法及装置 | |
| CN108235764A (zh) | 信息处理方法、装置、云处理设备及计算机程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1247413 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Patentee before: Alibaba Group Holding Ltd. |