CN107509083B - 直播人数真实性检测方法、存储介质、电子设备及系统 - Google Patents
直播人数真实性检测方法、存储介质、电子设备及系统 Download PDFInfo
- Publication number
- CN107509083B CN107509083B CN201710774329.7A CN201710774329A CN107509083B CN 107509083 B CN107509083 B CN 107509083B CN 201710774329 A CN201710774329 A CN 201710774329A CN 107509083 B CN107509083 B CN 107509083B
- Authority
- CN
- China
- Prior art keywords
- live streaming
- client
- live
- picture
- platform server
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000013135 deep learning Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 23
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 241000282326 Felis catus Species 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26291—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for providing content or additional data updates, e.g. updating software modules, stored at the client
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明涉及网络直播领域，公开了一种直播人数真实性检测方法、存储介质、电子设备及系统，该方法包括S1：在直播客户端中集成深度学习框架；S2：直播平台服务器周期性向直播房间内所有当前在线用户的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；S3：直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将结果发送给直播平台服务器；S4：直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止相应直播客户端对直播平台服务器的访问。本发明能够对直播客户端的合法性进行判断，保证直播的公平。
Description
技术领域
本发明涉及网络直播领域，具体涉及一种直播人数真实性检测方法、存储介质、电子设备及系统。
背景技术
目前，随着网络通信技术进步和宽带网络提速发展，网络直播受到越来越多人的喜爱，人们通过观看网络直播来丰富自己的业余生活，尤其是游戏直播领域，越发受到观众们的喜爱。
但是，某些主播出于利益的考虑，会通过使用非法手段来增加自己直播间的虚假观看人数，给其它观众营造一种该直播间人气高的虚假景象，吸引更多的观众进入到该直播间，从而获得收益。常见的使用非法手段增加直播间虚假人数的做法是，通过破解直播平台的网络协议，伪造大量的虚假直播客户端，并在一台性能较佳的服务器或电脑上登陆，通过虚假直播客户端伪造大量的虚假用户登录到某个直播间，通过伪造大量的直播观众的方式，来增加该直播间的观看人数，极大地破坏了直播平台上各主播间直播的公平性。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种直播人数真实性检测方法、存储介质、电子设备及系统，对直播客户端的合法性进行判断，保证直播的公平。
为达到以上目的，本发明采取的技术方案是，包括：
S1：在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力；
S2：直播平台服务器周期性向直播房间内所有当前在线用户的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；
S3：直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器；
S4：直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止相应直播客户端对直播平台服务器的访问。
在上述技术方案的基础上，直播客户端集成的深度学习框架为卷积神经网络框架。
在上述技术方案的基础上，直播客户端进行深度训练学习的具体过程为：
S101：提供多张含有特定图案和不含有特定图案的图片，并在图片上对图片是否含有特定图案进行标识；
S102：基于提供的图片生成对应的Lmdb数据；
S103：将生成的Lmdb数据输入至卷积神经网络框架，执行卷积神经网络框架提供的命令工具，直播客户端进行深度训练学习，直至直播客户端具有识别特定图案的能力。
在上述技术方案的基础上，
发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中；
直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新。
在上述技术方案的基础上，
直播平台服务器对发送给直播客户端的图片进行编号；
直播客户端对所接收的图片进行判断，并将判断结果和所判断的图片的编号发送给直播平台服务器；
直播平台服务器结合所接收的判断结果和编号，根据标注，判断直播客户端返回的结果是否正确。
本发明还提供一种存储介质，该存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的方法。
本发明还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的方法。
本发明还提供一种直播人数真实性检测系统，包括：
训练学习模块，其用于在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力；
传输模块，其用于使直播平台服务器周期性随机向直播房间内所有当前在线用户所登录的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；
判断模块，其用于使直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器，以及使直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止发送错误结果的直播客户端对直播平台服务器的访问。
在上述技术方案的基础上，直播客户端集成的深度学习框架为卷积神经网络框架。
在上述技术方案的基础上，发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中，且直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新。
与现有技术相比，本发明的优点在于：在直播客户端中集成深度学习框架，使直播客户端具有自动识别特定图案的能力，当直播客户端连接直播平台服务器后，直播平台服务器向直播客户端发送一含有/不含有特定图案的图片，直播客户端对是否含有特定图案进行判断，并将结果返回给直播平台服务器，直播平台服务器对结果的正确性进行判断，非法直播客户端是不具有特定图案识别能力的，据此便可以对直播客户端的合法性进行判断，封禁非法直播客户端对直播平台服务器的访问，杜绝非法增加直播间人数现象的发生，保证主播间直播的公平性。
附图说明
图1为本发明实施例中一种直播人数真实性检测方法的流程图；
图2为本发明实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
参见图1所示，本发明实施例提供一种直播人数真实性检测方法，通过图片识别方式，来对直播客户端的虚假性进行判断，本发明的直播人数真实性检测方法具体包括：
S1：在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力。即在直播客户端中集成一套开源的深度学习框架，深度学习框架可以为Caffe、TensorFlow、MXNet、Theano等，TensorFlow是谷歌研发的第二代人工智能学习系统，MXNet是DMLC(分布式机器学习社区)发布的智能学习系统。本发明实施例中，直播客户端集成的深度学习框架为卷积神经网络框架(Caffe)。特定图案为某一个动物或者某一个物品的图案，如猫、狗的图片等等。
直播客户端进行深度训练学习的具体过程为：
S101：提供多张含有特定图案和不含有特定图案的图片，并在图片上对图片是否含有特定图案进行标识。如提供多张含有猫的图片和多张不含有猫的图片，并在每张图片上对该图片是否含有猫进行标注，构成直播客户端深度训练学习的素材。
S102：基于提供的图片生成对应的Lmdb数据；Lmdb是卷积神经网络框架的一种输入数据格式，具体的，Lmdb可以由create_imagenet.sh工具进行生成。
S103：将生成的Lmdb数据输入至卷积神经网络框架，执行卷积神经网络框架提供的命令工具，直播客户端进行深度训练学习，直至直播客户端具有识别特定图案的能力，例如直播客户端学会识别猫的图片的能力。在向卷积神经网络框架输入图片前，需要对卷积神经网络框架的Solver(求解器)即train_val配置文件进行修改，具体的是对卷积神经网络框架的网络学习方法、网络结构和图像类别进行修改，以使直播客户端的卷积神经网络框架学会对特定图案的识别，本发明实施例中，直播客户端的卷积神经网络框架是学会对含有猫的图案的图片进行识别。因卷积神经网络框架提供完整的训练学习框架，故经过前期的准备工作，将图片输入到卷积神经网络框架中，卷积神经网络框架便可执行命令工具开始模型的训练，运行lenet_train.sh，同时调用lenet_train_test_prtotx的网络结构，进行学习，直至直播客户端具备识别特定图案的能力。
对于卷积神经网络框架所使用的基本常用层包括卷积层Convetion、池化层Pool、激活层Relu、分类器softMax、损失层loss和全连接层。对于卷积层，因为图像有局部特征，且可以共享参数，所以可以通过局部特征特性来减少输入维度以及隐藏的参数，主要原理是，一个图像WXH的矩阵可以转换成一个卷积核个数以及图像矩阵的卷积核抽取的向量展开成的一维特征的矩阵AXB，然后每一张图像能抽取C个矩阵，这个可以算出来一个BxC的特征，然后矩阵剩法，GPU就是在这些矩阵方面运行非常快，加速GPU训练比较快。对于池化层，为了防overfitting问题，类似于图像的金字塔法则，用平均最大等来代替卷积特征的，这样可以进一步缩小输出的抽象特征。对于激活层，一般都是relu有较好的速度与性能，主要是原子层上的一层参数的调整。对于分类器和损失层，主要做多元分类。对于全连接层，主要把特征多维变成NX1X1X1的输出特征，其实就是以前神经网络的NN一样，然后多层网络之间的上一层输出作为下一层的输入。
具体的会提供一个接口来将图片输入到卷积神经网络框架中，如将猫的图片输入到卷积神经网络框架中，具体的接口如下：
Int DetectCat(Bitmap*bitMap)；
其中，DetectCat是接口名，参数Bitmap*bitMap则是传入的一张图片的像素数据，返回值Int则是告诉图片中是否有猫，如果有则返回1，如果无则返回0，以此来对直播客户端进行训练。
直播客户端的训练学习在直播平台服务器中完成，且正常用户所使用的直播客户端一般从各大应用商店或直播官网网站进行下载，因此正常用户下载并使用的直播客户端具有识别特定图案的能力，而刷人数者所使用的直播客户端是通过破解直播平台的网络协议所伪造的，故伪造的虚假直播客户端是不具有识别特定图案的能力的。
S2：直播平台服务器周期性向直播房间内所有当前在线用户的直播客户端发送含有/不含有特定图案的图片，即直播平台服务器周期性向直播房间内所有当前在线用户所登录的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注。即直播平台服务器按照设定的间隔时间向直播房间内所有当前在线用户所登录的直播客户端发送含有/不含有特定图案的图片。
即直播平台服务器将发送给直播客户端的图片，对于图片中是否含有图案直播平台服务器后台进行标注和记录，以便于后续的对直播客户端返回的结果进行校对。且直播平台服务器发送给直播客户端的图片，图片中是否含有特定图片是随机的，即直播平台服务器随机向某个直播客户端发送含有特定图案的图片或者不含有特定图案的图片。当然，直播平台服务器能够使用策略对某个直播客户端有针对性的下发图片，如某个直播客户端登录用户的账号ID进行取余数，余数为1则下发含有特定图案的图片，余数为0则下发不含有特定图案的图片。
发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中。且存储于数据库中所有含有特定图案的图片间是不同的，所有不含有特定图案的图片间也是不相同的，随机挑选，以达到无序无规律性，从而直播客户端无法捕捉到直播平台服务器所发送图片的规律，为进一步保证图片下发的无规律性，直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新，减少直播客户端接受到相同图片的概率，以防止刷人数作弊者穷举出服务器的所有图片，从而直接得到结果。
S3：直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器。直播客户端在使用时需要登录直播平台服务器来获取相应数据，故当直播客户端登录直播平台服务器后，直播平台服务器便开始向直播客户端发送含有/不含有特定图案的图片，直播客户端根据之前训练得到的识别能力，开始对图片结果进行识别，判断图片中是否含有特定图案，最后将结果加密后发送给直播平台服务器。
S4：直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止相应直播客户端，即发送错误结果的直播客户端对直播平台服务器的访问。因直播平台服务器对发送给直播客户端的图片中是否含有特定图案进行了标注，故当直播客户端返回结果后，直播平台服务器便能够对结果的正确性很快进行判断，如结果正确，则说明对应的直播客户端为正常直播客户端，若结果错误，说明对应的直播客户端不具有对特定图案的判断能力，故该直播客户端为非法的直播客户端程序，故终止该直播客户端对直播平台服务器的访问，达到封禁虚假直播客户端的目的，阻止增加直播房间中虚拟人数的操作，有效保证主播间直播的公平性。
直播平台服务器对发送给直播客户端的图片进行编号；直播客户端对所接收的图片进行判断，并将判断结果和所判断的图片的编号发送给直播平台服务器；直播平台服务器结合所接收的判断结果和编号，根据标注，判断直播客户端返回的结果是否正确。即通过编号的方式，将图片和是否含有特定图案的标注进行对应，保证图片和结果对应的唯一性。
对于存储于直播平台服务器数据库中的图片，按照如下数据格式进行存储：
0001.jpg 1 data；
其中，001为该图片的编号，1表示该图片含有特定图案，data为该图片的像素数据，在发送图片给直播客户端时，图片的像素数据一并发送至直播客户端，便于直播客户端对图片的识别。因此，当直播平台服务器接收到直播客户端返回的判断结果后，根据对应图片的编号，便能够对结果的正确性进行快速判断。对于可疑的直播客户端，可能增加发送图片至该直播客户端的频率，让直播客户端进行多次判断，保证直播平台服务器判断直播客户端是否合法的正确率。
本发明实施例的直播人数真实性检测方法的原理在于，在直播客户端中集成深度学习框架，使直播客户端具有自动识别特定图案的能力，当直播客户端连接直播平台服务器后，直播平台服务器向直播客户端发送一含有/不含有特定图案的图片，直播客户端对是否含有特定图案进行判断，并将结果返回给直播平台服务器，直播平台服务器对结果的正确性进行判断，因用户正常使用的直播客户端是从正规渠道所下载，故该类直播客户端具有判断是否含有特定图案的能力，而非法刷人气者所使用的直播客户端是伪造的虚拟直播客户端，此类直播客户端是不具有判断图片中是否含有特定图案的能力的，据此便可以对直播客户端的合法性进行判断，封禁非法直播客户端对直播平台服务器的访问，杜绝非法增加直播间人数现象的发生，保证主播间直播的公平性。
另外，对应上述直播人数真实性检测方法，本发明还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例所述的直播人数真实性检测方法的步骤。需要说明的是，所述存储介质包括U盘、移动硬盘、ROM(Read-OnlyMemory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、磁碟或者光盘等各种可以存储程序代码的介质。
参见图2所示，对应上述直播人数真实性检测方法，本发明还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述各实施例的直播人数真实性检测方法。
本发明还提供一种基于上述直播人数真实性检测方法的直播人数真实性检测系统，包括训练学习模块、传输模块和判断模块。
训练学习模块用于在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力；传输模块用于使直播平台服务器周期性随机向直播房间内所有当前在线用户所登录的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；判断模块用于使直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器，以及使直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止发送错误结果的直播客户端对直播平台服务器的访问。
直播客户端集成的深度学习框架为卷积神经网络框架。发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中，且直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新。
本发明实施例的直播人数真实性检测系统的原理在于，训练学习模块在直播客户端中集成深度学习框架，使直播客户端具有自动识别特定图案的能力，当直播客户端连接直播平台服务器后，通过传输模块，直播平台服务器向直播客户端发送一含有/不含有特定图案的图片，判断模块使直播客户端对是否含有特定图案进行判断，并将结果返回给直播平台服务器，直播平台服务器对结果的正确性进行判断，因用户正常使用的直播客户端是从正规渠道所下载，故该类直播客户端具有判断是否含有特定图案的能力，而非法刷人气者所使用的直播客户端是伪造的虚拟直播客户端，此类直播客户端是不具有判断图片中是否含有特定图案的能力的，据此便可以对直播客户端的合法性进行判断，封禁非法直播客户端对直播平台服务器的访问，保证主播间直播的公平性。
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (8)
1.一种直播人数真实性检测方法，其特征在于，包括：
S1：在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力；
S2：直播平台服务器周期性向直播房间内所有当前在线用户的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；
S3：直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器；
S4：直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止相应直播客户端对直播平台服务器的访问；
所述直播客户端集成的深度学习框架为卷积神经网络框架；
所述直播客户端进行深度训练学习的具体过程为：
S101：提供多张含有特定图案和不含有特定图案的图片，并在图片上对图片是否含有特定图案进行标识；
S102：基于提供的图片生成对应的Lmdb数据；
S103：将生成的Lmdb数据输入至卷积神经网络框架，执行卷积神经网络框架提供的命令工具，直播客户端进行深度训练学习，直至直播客户端具有识别特定图案的能力。
2.如权利要求1所述的一种直播人数真实性检测方法，其特征在于：
发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中；
直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新。
3.如权利要求1所述的一种直播人数真实性检测方法，其特征在于：
直播平台服务器对发送给直播客户端的图片进行编号；
直播客户端对所接收的图片进行判断，并将判断结果和所判断的图片的编号发送给直播平台服务器；
直播平台服务器结合所接收的判断结果和编号，根据标注，判断直播客户端返回的结果是否正确。
4.一种存储介质，该存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至3任一项所述的方法。
5.一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至3任一项所述的方法。
6.一种基于权利要求1所述方法的直播人数真实性检测系统，其特征在于，包括：
训练学习模块，其用于在直播客户端中集成深度学习框架，同时直播客户端进行深度训练学习以使直播客户端具有识别特定图案的能力；
传输模块，其用于使直播平台服务器周期性随机向直播房间内所有当前在线用户所登录的直播客户端发送含有/不含有特定图案的图片，同时直播平台服务器后台对发送给直播客户端的图片进行是否含有特定图案的标注；
判断模块，其用于使直播客户端对所接收的图片进行判断，判断图片中是否含有特定图案，并将判断结果发送给直播平台服务器，以及使直播平台服务器根据标注，对直播客户端返回的结果进行判断，若结果为正确，则不作处理，若结果为错误，则停止发送错误结果的直播客户端对直播平台服务器的访问。
7.如权利要求6所述的一种直播人数真实性检测系统，其特征在于：直播客户端集成的深度学习框架为卷积神经网络框架。
8.如权利要求6所述的一种直播人数真实性检测系统，其特征在于：发送给直播客户端的含有/不含有特定图案的图片存储于直播平台服务器的数据库中，且直播平台服务器对数据库中存储的用于发送给直播客户端的含有/不含有特定图案的图片定期进行更新。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710774329.7A CN107509083B (zh) | 2017-08-31 | 2017-08-31 | 直播人数真实性检测方法、存储介质、电子设备及系统 |
| PCT/CN2017/117377 WO2019041667A1 (zh) | 2017-08-31 | 2017-12-20 | 直播人数真实性检测方法、存储介质、电子设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710774329.7A CN107509083B (zh) | 2017-08-31 | 2017-08-31 | 直播人数真实性检测方法、存储介质、电子设备及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107509083A CN107509083A (zh) | 2017-12-22 |
| CN107509083B true CN107509083B (zh) | 2018-09-04 |
Family
ID=60694388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710774329.7A Active CN107509083B (zh) | 2017-08-31 | 2017-08-31 | 直播人数真实性检测方法、存储介质、电子设备及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107509083B (zh) |
| WO (1) | WO2019041667A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108206972B (zh) * | 2018-01-02 | 2019-10-25 | 武汉斗鱼网络科技有限公司 | 直播间人气处理方法、装置、服务器及存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101114324A (zh) * | 2006-07-25 | 2008-01-30 | 珠海市西山居软件有限公司 | 可反外挂的网络游戏系统及网络游戏系统反外挂的方法 |
| WO2011101848A1 (en) * | 2010-02-18 | 2011-08-25 | United Parents Online Ltd. | Methods and systems for managing virtual identities |
| CN105024967B (zh) * | 2014-04-17 | 2018-05-11 | 北京畅游天下网络技术有限公司 | 一种利用验证图片识别游戏外挂的系统及方法 |
| US9720577B1 (en) * | 2014-05-01 | 2017-08-01 | On24, Inc. | Webcast and virtual environment content recommendation engine and method for recommendation using user history and affinity with other individuals to predict interesting current future webcasts and online virtual environments and content |
| CN105808610B (zh) * | 2014-12-31 | 2019-12-20 | 中国科学院深圳先进技术研究院 | 一种互联网图片过滤方法及装置 |
| CN105933727B (zh) * | 2016-05-20 | 2019-05-31 | 中山大学 | 一种应用于游戏直播平台的视频流转码和分发方法 |
| CN105959728B (zh) * | 2016-06-27 | 2019-06-21 | 武汉斗鱼网络科技有限公司 | 统计直播平台在线人数的系统及其方法 |
| CN106412710A (zh) * | 2016-09-13 | 2017-02-15 | 北京小米移动软件有限公司 | 直播中通过图形标签进行信息交互的方法及装置 |
| CN106453305A (zh) * | 2016-10-10 | 2017-02-22 | 传线网络科技（上海）有限公司 | 会员直播防盗链方法、装置及网络服务器 |
| CN106713938A (zh) * | 2017-02-24 | 2017-05-24 | 北京潘达互娱科技有限公司 | 一种数据处理方法与装置 |
| CN106937177A (zh) * | 2017-03-06 | 2017-07-07 | 北京潘达互娱科技有限公司 | 直播间人气显示方法和装置 |
-
2017
- 2017-08-31 CN CN201710774329.7A patent/CN107509083B/zh active Active
- 2017-12-20 WO PCT/CN2017/117377 patent/WO2019041667A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| CN107509083A (zh) | 2017-12-22 |
| WO2019041667A1 (zh) | 2019-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110166827B (zh) | 视频片段的确定方法、装置、存储介质及电子装置 | |
| CN109889538B (zh) | 用户异常行为检测方法及系统 | |
| CN110781433B (zh) | 数据类型的确定方法和装置、存储介质及电子装置 | |
| US20070026372A1 (en) | Method for providing machine access security by deciding whether an anonymous responder is a human or a machine using a human interactive proof | |
| US20200349385A1 (en) | Multimedia resource matching method and apparatus, storage medium, and electronic apparatus | |
| CN105023165A (zh) | 社交网络平台中投放任务的控制方法、装置及系统 | |
| WO2021082589A1 (zh) | 内容审核模型的训练方法和装置、视频内容的审核方法和装置、计算机设备以及存储介质 | |
| CN108933656A (zh) | 在线作品投票方法及装置、计算机设备、可读存储介质 | |
| CN105897676A (zh) | 处理用户的资源访问行为的方法及装置 | |
| CN109729044A (zh) | 一种通用的互联网数据采集反反爬系统及方法 | |
| CN112100221B (zh) | 一种资讯推荐方法、装置、推荐服务器及存储介质 | |
| CN105989345A (zh) | 图像匹配发现好友的方法和装置 | |
| US20230359721A1 (en) | Methods and systems for facilitating secure authentication of user based on known data | |
| CN107563798A (zh) | 中奖数据处理方法及装置 | |
| CN111401447A (zh) | 一种基于人工智能的流量作弊识别方法、装置、电子设备 | |
| CN107886437A (zh) | 主动查勘处理方法、系统、计算机设备和存储介质 | |
| CN110572302B (zh) | 无盘局域网场景识别方法、装置及终端 | |
| CN110457601B (zh) | 社交账号的识别方法和装置、存储介质及电子装置 | |
| CN109429082A (zh) | 直播人气检测方法、存储介质、电子设备及系统 | |
| CN107509083B (zh) | 直播人数真实性检测方法、存储介质、电子设备及系统 | |
| CN110427998A (zh) | 模型训练、目标检测方法及装置、电子设备、存储介质 | |
| CN116668187B (zh) | 一种蜜罐识别的方法、装置及电子设备 | |
| CN108551473B (zh) | 一种基于可视农业的农产品交流方法和装置 | |
| CN109831417A (zh) | 防骚扰处理帐号的方法、装置、服务器及存储介质 | |
| CN110427971A (zh) | 用户及ip的识别方法、装置、服务器和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231124 Address after: No.308, Huaibei Road, Huaibei Town, Huairou District, Beijing Patentee after: Xinhua Tongyun Video Technology (Beijing) Co.,Ltd. Address before: 430000 East Lake Development Zone, Wuhan City, Hubei Province, No. 1 Software Park East Road 4.1 Phase B1 Building 11 Building Patentee before: WUHAN DOUYU NETWORK TECHNOLOGY Co.,Ltd. |