CN110781021A - 异常检测方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请公开了一种异常检测方法、装置、计算机设备及存储介质，属于计算机技术领域。本申请通过获取互动道具的目标道具参数在不同使用过程中的多个测试值，根据各个测试值对目标道具参数的使用状态信息和稳定性信息进行量化，从而根据使用状态信息和稳定性信息，检测目标道具参数是否发生异常，能够避免异常检测过程中用户主观因素的影响，精准检测出引发异常的目标道具参数，以便于对提供互动道具的应用程序进行优化。

Description

异常检测方法、装置、计算机设备及存储介质

技术领域

本申请涉及计算机技术领域，特别涉及一种异常检测方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展以及终端功能的多样化，在终端上能够进行的游戏种类越来越多。其中，第一人称射击游戏(First-Person Shooting game，FPS)是一种比较盛行的游戏，在FPS游戏中可以提供多种不同的枪械类互动道具。

枪械类互动道具的道具参数决定了用户使用时的“枪械手感”，例如，道具参数包括后坐力、射速、开火间隔、射程等，具有不同道具参数的枪械类互动道具可能会为用户带来迥异的枪械手感。

目前，由于游戏数据保密的原因，根据用户的主观感觉和游戏反馈来衡量枪械手感是一种枪械手感的主要分析方法，这样只能定性的反映枪械手感是否稳定，而由于用户的主观感觉差异明显，不同的终端也会影响用户对枪械手感的判断，一旦枪械手感产生异常时，很难通过用户的游戏反馈找到异常原因。因此，亟需提供一种用户分析枪械手感的异常检测方法，以精准测试出引发枪械手感异常的原因，从而对射击类游戏进行优化。

发明内容

本申请实施例提供了一种异常检测方法、装置、计算机设备及存储介质，能够解决枪械手感分析准确度低、异常检测困难的问题。该技术方案如下：

一方面，提供了一种异常检测方法，该方法包括：

获取互动道具的目标道具参数在不同使用过程中的多个测试值，所述目标道具参数用于反映所述互动道具在使用过程的目标互动特征；

根据所述目标道具参数的各个测试值，确定所述目标道具参数的使用状态信息和稳定性信息；

根据所述使用状态信息和稳定性信息，检测所述互动道具的所述目标道具参数是否发生异常。

在一种可能实施方式中，所述获取互动道具的目标道具参数在不同使用过程中的多个测试值包括：

获取所述互动道具在不同使用过程中产生的多个数据组，每个数据组包括多次使用相同道具参数的所述互动道具时产生的多个数据项；

根据各个数据组的各个数据项，确定所述目标道具参数的所述多个测试值。

在一种可能实施方式中，所述数据项为目标图像，所述获取所述互动道具在不同使用过程中产生的多个数据组包括：

通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集，每个图像集包括多次使用相同道具参数的所述互动道具时产生的多个测试图像；

从所述多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像；

对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像，将对应于相同图像集的目标图像确定为所述多个数据组中的一个数据组。

在一种可能实施方式中，在存储所述多个图像集时，将所述多个图像集以各自的时间戳和道具参数来命名。

一方面，提供了一种异常检测装置，该装置包括：

获取模块，用于获取互动道具的目标道具参数在不同使用过程中的多个测试值，所述目标道具参数用于反映所述互动道具在使用过程的目标互动特征；

确定模块，用于根据所述目标道具参数的各个测试值，确定所述目标道具参数的使用状态信息和稳定性信息；

检测模块，用于根据所述使用状态信息和稳定性信息，检测所述互动道具的所述目标道具参数是否发生异常。

在一种可能实施方式中，所述获取模块包括：

第一获取单元，用于获取所述互动道具在不同使用过程中产生的多个数据组，每个数据组包括多次使用相同道具参数的所述互动道具时产生的多个数据项；

确定单元，用于根据各个数据组的各个数据项，确定所述目标道具参数的所述多个测试值。

在一种可能实施方式中，所述数据项为目标图像，所述第一获取单元包括：

测试子单元，用于通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集，每个图像集包括多次使用相同道具参数的所述互动道具时产生的多个测试图像；

获取子单元，用于从所述多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像；

第一确定子单元，用于对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像，将对应于相同图像集的目标图像确定为所述多个数据组中的一个数据组。

在一种可能实施方式中，所述获取子单元用于：

获取所述多个图像集对应的目标区域和过滤区域，所述过滤区域位于所述目标区域中；

对所述多个图像集的各个测试图像进行目标区域裁剪和灰度处理，得到各个测试图像中目标区域的灰度图像；

对各个目标区域的灰度图像进行二值化处理，在二值化后的各图像中将所述过滤区域所覆盖的像素点置为0，得到各个目标区域的二值图像。

在一种可能实施方式中，所述装置还用于：

从每个图像集中随机选取至少一张二值图像进行测试，若测试结果不满足目标条件，调整二值化处理过程的处理参数，重复执行获取二值图像并进行异常检测的步骤，直到测试结果满足目标条件，所述目标条件用于表示所述处理参数所产生误差的可接受范围。

在一种可能实施方式中，所述确定单元用于：

若所述目标道具参数为所述互动道具的射击位置与目标位置之间的最大偏移量，对任一目标图像，在所述目标图像中选定基准点；

在所述目标图像中像素值为1的像素点中确定在各个方向上距离所述基准点最远的至少一个目标像素点；

将所述至少一个目标像素点与所述基准点在各个方向上的距离确定为各个方向上的最大偏移量，将所述目标图像所对应的各个方向上的最大偏移量确定为目标道具参数的一个测试值。

在一种可能实施方式中，所述基准点为所述目标图像所对应测试图像的几何中心；或，所述基准点为所述目标图像中位于最下方的像素值为1的像素点。

在一种可能实施方式中，所述测试子单元用于：

在应用程序中，选择具有所述配置文件所配置的道具参数的互动道具；

在所述应用程序所提供的虚拟场景中，为虚拟对象确定固定的射击位置和射击目标；

控制所述虚拟对象在所述射击位置上向所述射击目标进行连续射击，在目标时长内对所述虚拟场景进行图像截取，得到一张测试图像；

重复执行控制虚拟对象连续射击并得到测试图像的步骤，得到具有相同道具参数的多个测试图像，将所述多个测试图像确定为一个图像集。

在一种可能实施方式中，在存储所述多个图像集时，将所述多个图像集以各自的时间戳和道具参数来命名。

在一种可能实施方式中，所述确定模块包括：

第二获取单元，用于获取各个测试值的平均值或者标准差中至少一项，将所述平均值或者标准差中至少一项确定为所述目标道具参数的使用状态信息；

分析单元，用于获取各个测试值所在的多个数据组对应的多个对比组，对所述多个数据组和所述多个对比组进行统计分析，得到所述目标道具参数的稳定性信息。

在一种可能实施方式中，所述分析单元包括：

置换检验子单元，用于对所述多个数据组和所述多个对比组进行置换检验，得到所述目标道具参数的分布结果；

自助法统计子单元，用于对所述多个数据组和所述多个对比组进行自助法统计，得到所述目标道具参数的差异程度；

第二确定子单元，用于将所述分布结果或者所述差异程度中至少一项确定为所述稳定性信息。

在一种可能实施方式中，所述置换检验子单元用于：

对任一个数据组以及所述数据组的对比组，获取所述数据组与所述对比组之间目标道具参数的测试值的目标均值差；

将所述数据组与所述对比组的各个测试值随机划分为不同的两个置换组，确定所述两个置换组之间的均值差；

重复多次执行随机划分置换组并确定均值差的步骤，得到多个均值差，获取所述多个均值差构成的第一抽样分布；

根据所述目标均值差在所述第一抽样分布中落入的置信区间，获取置换检验的概率值，基于所述概率值确定所述目标道具参数的分布结果。

在一种可能实施方式中，所述自助法统计子单元用于：

对任一个数据组以及所述数据组对应的对比组，获取所述数据组与所述对比组在置换检验的概率值；

从所述对比组中有放回的随机抽取测试值，形成一个试验组，基于所述数据组以及所述试验组进行置换检验，得到一个试验概率值；

重复执行形成试验组并得到试验概率值的步骤，得到多个试验概率值，获取所述多个试验概率值所构成的第二抽样分布；

根据所述概率值在所述第二抽样分布中指定区间的出现频次，获取所述目标道具参数的差异程度。

一方面，提供了一种计算机设备，该计算机设备包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器加载并执行以实现如上述任一种可能实现方式的异常检测方法所执行的操作。

一方面，提供了一种存储介质，该存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行以实现如上述任一种可能实现方式的异常检测方法所执行的操作。

本申请实施例提供的技术方案带来的有益效果至少包括：

通过获取互动道具的目标道具参数在不同使用过程中的多个测试值，根据各个测试值对目标道具参数的使用状态信息和稳定性信息进行量化，从而根据使用状态信息和稳定性信息，检测目标道具参数是否发生异常，能够避免异常检测过程中用户主观因素的影响，精准检测出引发异常的目标道具参数，以便于对提供互动道具的应用程序进行优化。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种异常检测方法的实施环境示意图；

图2是本申请实施例提供的一种异常检测方法的流程图；

图3是本申请实施例提供的一种获取数据组的流程图；

图4是本申请实施例提供的一种测试图像的界面示意图；

图5是本申请实施例提供的一种测试图像命名的示意图；

图6是本申请实施例提供的一种目标区域和过滤区域的示意图；

图7是本申请实施例提供的一种目标区域和过滤区域的示意图；

图8是本申请实施例提供的一种弹孔提取图的示意图；

图9是本申请实施例提供的一种异常图像的示意图；

图10是本申请实施例提供的一种分析最大偏移量的流程图；

图11是本申请实施例提供的一种选定基准点的示意图；

图12是本申请实施例提供的一种选定基准点的示意图；

图13是本申请实施例提供的一种向上最大偏移量的示意图；

图14是本申请实施例提供的一种第一抽样分布的示意图；

图15是本申请实施例提供的一种第二抽样分布的示意图；

图16是本申请实施例提供的一种第二抽样分布的局部放大图；

图17是本申请实施例提供的一种第二抽样分布的示意图；

图18是本申请实施例提供的一种第二抽样分布的局部放大图；

图19是本申请实施例提供的一种枪械手感分析方法的示意图；

图20是本申请实施例提供的一种枪械手感分析系统的示意图；

图21是本申请实施例提供的一种枪械手感分析系统的示意图；

图22是本申请实施例提供的一种枪械手感分析方法的原理性示意图；

图23是本申请实施例提供的一种异常检测装置的结构示意图；

图24是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

以下，对本申请涉及的术语进行解释。

虚拟场景：是应用程序在终端上运行时显示(或提供)的虚拟场景。该虚拟场景可以是对真实世界的仿真环境，也可以是半仿真半虚构的虚拟环境，还可以是纯虚构的虚拟环境。虚拟场景可以是二维虚拟场景、2.5维虚拟场景或者三维虚拟场景中的任意一种，本申请实施例对虚拟场景的维度不加以限定。例如，虚拟场景可以包括天空、陆地、海洋等，该陆地可以包括沙漠、城市等环境元素，用户可以控制虚拟对象在该虚拟场景中进行移动。

虚拟对象：是指在虚拟场景中的可活动对象。该可活动对象可以是虚拟人物、虚拟动物、动漫人物等，比如：在虚拟场景中显示的人物、动物、植物、油桶、墙壁、石块等。该虚拟对象可以是该虚拟场景中的一个虚拟的用于代表用户的虚拟形象。虚拟场景中可以包括多个虚拟对象，每个虚拟对象在虚拟场景中具有自身的形状和体积，占据虚拟场景中的一部分空间。

可选地，该虚拟对象可以是通过客户端上的操作进行控制的玩家角色，也可以是通过训练设置在虚拟场景对战中的人工智能(Artificial Intelligence，AI)，还可以是设置在虚拟场景互动中的非玩家角色(Non-Player Character，NPC)。可选地，该虚拟对象可以是在虚拟场景中进行竞技的虚拟人物。可选地，该虚拟场景中参与互动的虚拟对象的数量可以是预先设置的，也可以是根据加入互动的客户端的数量动态确定的。

互动道具：指虚拟场景中可供虚拟对象使用的虚拟道具，用户控制虚拟对象装备互动道具之后，即可在虚拟场景中通过互动道具与其他虚拟对象进行战斗等方式的互动，例如，该互动道具可以是机枪、手枪、步枪等枪械类互动道具，本申请对互动道具的类型不作具体限定。

可选地，互动道具可以具有不同的道具参数，每个道具参数用于反映互动道具在使用过程的互动特征，例如，枪械类互动道具的道具参数可以包括：枪械配件、后坐力、射速、开火间隔、换弹速度、伤害、射程、便携性或者载弹量中至少一项。

其中，枪械配件是指枪械类互动道具的配套工具，例如倍镜、枪口、握把、枪托等。

其中，后坐力是指枪械类互动道具在射击或连续射击后对准确性的负面影响，后坐力越大，在射击或者连续射击后导致准确性下降的幅度就越高。

其中，射速是指枪械类互动道具在连续射击的过程中，单位时间内打出子弹的速率。

其中，开火间隔是指枪械类互动道具在连续射击的过程中，发射相邻的两发子弹之间的最低时间间隔。

其中，换弹速度是指枪械类互动道具在更换子弹时所需的时间长短。

其中，伤害是指枪械类互动道具所能够造成的伤害程度大小，例如，用造成的伤害量来表示伤害程度大小。

其中，射程是指枪械类互动道具的最远攻击距离，在射程之内枪械类互动道具的伤害随着距离的增加而衰减，直到达到伤害的最小值。

其中，便携性与枪械类互动道具的重量有关，枪械类互动道具的便携性越好，用户控制虚拟对象的操作就越灵活，虚拟对象的动作速度也就越快。

其中，载弹量是指枪械类互动道具的弹夹的最大子弹承载量。

图1是本申请实施例提供的一种异常检测方法的实施环境示意图，参见图1，该实施环境包括：测试终端101和服务器102。

测试终端101用于对互动道具进行测试，测试终端101安装和运行有配置文件和应用程序。其中，该应用程序可以支持在虚拟场景中提供互动道具，该应用程序可以是第一人称射击游戏(First-Person Shooting game，FPS)、第三人称射击游戏、多人在线战术竞技游戏(Multiplayer Online Battle Arena games，MOBA)、虚拟现实应用程序、三维地图程序、军事仿真程序或者多人枪战类生存游戏中的任意一种。

测试终端101的设备类型可以包括：智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机中的至少一种。例如，测试终端101可以是智能手机，或者其他手持便携式游戏设备。以下实施例，以终端包括智能手机来举例说明。

本领域技术人员可以知晓，上述测试终端101的数量可以更多或更少。比如上述测试终端101可以仅为一个，或者上述测试终端101为几十个或几百个，或者更多数量。本申请实施例对测试终端101的数量和设备类型不加以限定。

服务器102可以包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一种。服务器102用于为互动道具的异常检测提供后台服务。可选地，服务器102可以承担主要计算工作，测试终端101可以承担次要计算工作；或者，服务器102承担次要计算工作，测试终端101承担主要计算工作；或者，服务器102和测试终端101两者之间采用分布式计算架构进行协同计算。

测试终端101以及服务器102通过无线网络或有线网络相连。

在一个示例性场景中，用户登录测试终端101，通过配置文件配置一轮测试的多套道具参数，在测试终端101上对具有不同道具参数的互动道具进行多次测试，得到各个道具参数在不同使用过程中的测试值。测试终端101可以将各个道具参数的测试值发送至服务器102，由服务器102进行数据处理和异常检测，并向测试终端101返回各个道具参数的异常检测结果。

需要说明的是，测试终端101和服务器102可以部署于相同的物理设备上，也可以部署于不同的物理设备上，本申请实施例不对两者是否在于同一物理实体进行具体限定。

图2是本申请实施例提供的一种异常检测方法的流程图。参见图2，以该实施例应用于服务器102为例说明，该实施例包括：

201、服务器获取互动道具在不同使用过程中产生的多个数据组，每个数据组包括多次使用相同道具参数的互动道具时产生的多个数据项。

其中，数据项可以是文本形式，也可以是图像形式。在下一个实施例中将以数据项为目标图像为例，对获取数据组的过程进行详细说明，这里不做赘述。

在上述过程中，服务器可以从后台收集一个或多个用户终端在不同使用过程中的各个数据项，将具有相同道具参数的互动道具分到同一个数据组，从而可以简化获取数据组的流程。

在一些实施例中，服务器还可以直接对互动道具进行多次测试，得到上述多个数据组，从而能够个性化的配置不同的道具参数，还可以通过控制变量的方式为各个数据组生成对比组，方便了后续的异常检测过程。

202、服务器根据各个数据组的各个数据项，确定目标道具参数的多个测试值。

其中，该目标道具参数用于反映该互动道具在使用过程的目标互动特征，目标道具参数可以是服务器本轮异常检测中指定控制的变量，例如，各个数据组的目标道具参数互不相同，但除了目标道具参数之外的其他道具参数均采用相同值。

可选地，服务器可以直接将各个数据项确定为各个测试值。例如，目标道具参数为载弹量时，数据项可以为文本形式的载弹量，此时服务器直接将一个数据项确定为一个测试值。

在一些实施例中，服务器需要对各个数据项进行数据处理之后，才能得到各个测试值，不同的目标道具参数的测试值可以有不同的表现形式，例如，每个测试值可以是一个数值，也可以是多个数值所构成的测试值序列。

例如，目标道具参数为后坐力时，可以使用互动道具的最大偏移量来表示后坐力，最大偏移量越大，那么代表后坐力越强，在这种情况下，若数据项为图像形式的目标图像，服务器可以对目标图像进行图像处理，由于最大偏移量是相对于方向而言的，因此服务器可以获取到每张目标图像下互动道具在不同方向上的最大偏移量，服务器可以将同一目标图像在不同方向上的最大偏移量(例如上、下、左、右这四个方向的最大偏移量)确定为后坐力(也即是目标道具参数)的一个测试值序列。

在上述步骤201-202中，服务器获取互动道具的目标道具参数在不同使用过程中的多个测试值，从而能够在各个测试值的基础上，通过后续的数据分析和处理步骤，检测出目标道具参数是否发生异常。

203、服务器根据该目标道具参数的各个测试值，确定该目标道具参数的使用状态信息和稳定性信息。

其中，使用状态信息用于反映目标道具参数在多轮使用过程的平均使用状况，例如，使用状态信息可以包括各个测试值的平均值和标准差，平均值用于衡量测试值的平均大小，平均值越大时测试值的平均大小越大，标准差用于衡量各个测试值的离散程度，标准差越大时目标道具参数的随机性越大，这是由于在互动道具的使用过程中，有可能会引入一些随机变量，因此可以通过标准差来度量目标道具参数的随机性。

其中，稳定性信息用于反映目标道具参数在多轮使用过程的测试值是否趋于稳定，例如，稳定性信息可以包括分布结果和差异程度，分布结果用于表示各个测试值服从哪种抽样分布，而差异程度用于表示各个测试值之间是否存在显著差异。

在一些实施例中，服务器可以获取各个测试值的平均值或者标准差中至少一项，将该平均值或者标准差中至少一项确定为该目标道具参数的使用状态信息；获取各个测试值所在的多个数据组对应的多个对比组，对该多个数据组和该多个对比组进行统计分析，得到该目标道具参数的稳定性信息。从而不但可以分析出目标道具参数的使用状态信息，而且还能够分析出目标道具参数的稳定性信息。

在上述步骤202中，由于服务器根据各个数据项确定出各个测试值，因此各个测试值也可以具有和各个数据项对应的分组，也即是说，各个测试值分别对应于不同的数据组，因此服务器可以以数据组为单位计算各个数据组内测试值的平均值和标准差。而进一步地，任意不同的两个数据组可以互为对比组，在对任一数据组进行处理时，为该数据组选定一个对比组，从而可以对该数据组和相应的对比组进行统计分析，能够得到该数据组的稳定性信息。

在一些实施例中，服务器可以仅获取目标道具参数的使用状态信息，或者仅获取目标道具参数的稳定性信息，从而能够简化对各个测试值进行数据处理的流程。

204、服务器根据该使用状态信息和稳定性信息，检测该互动道具的该目标道具参数是否发生异常。

在上述过程中，若使用状态信息符合第一异常条件或者稳定性信息符合第二异常条件，服务器确定目标道具参数处于异常状态；否则，服务器确定目标道具参数处于正常状态。

可选地，该第一异常条件可以是平均值大于平均值阈值或者标准差大于标准差阈值中至少一项，该第二异常条件可以是分布结果不服从正态分布或者差异程度大于目标阈值中至少一项，本申请实施例不对第一异常条件或第二异常条件进行具体限定。

在一些实施例中，当完成一个目标道具参数的异常检测后，服务器可以更换目标道具参数，重复执行步骤202-204所执行的操作，检测更换后的目标道具参数是否发生异常，直到遍历互动道具所有的道具参数，完成对互动道具整体道具参数的异常排查。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

本申请实施例提供的方法，通过获取互动道具的目标道具参数在不同使用过程中的多个测试值，根据各个测试值对目标道具参数的使用状态信息和稳定性信息进行量化，从而根据使用状态信息和稳定性信息，检测目标道具参数是否发生异常，能够避免异常检测过程中用户主观因素的影响，精准检测出引发异常的目标道具参数，以便于对提供互动道具的应用程序进行优化。

在上个实施例中，服务器基于各个数据项确定目标道具参数的各个测试值，从而通过对各个测试值进行数据处理和异常检测，确定目标道具参数是否发生异常。由于数据项可以是文本形式或者图像形式，本申请实施例以数据项为目标图像为例，对上述步骤201中获取数据组的过程进行详述。

图3是本申请实施例提供的一种获取数据组的流程图，参见图3，以数据项为目标图像为例，该实施例包括：

301、服务器在应用程序中，选择具有配置文件所配置的道具参数的互动道具。

在上述过程中，由于互动道具通常具有多个道具参数，不同道具参数的排列组合可以组成多套道具参数，因此，用户可以通过配置文件配置多套道具参数，进而由服务器根据配置文件所配置的道具参数，在应用程序中选择相应的互动道具。

例如，以配置文件为WeaponConfig.xml为例，通过上述配置文件可以管理测试用例(test case)，一个测试用例是指在一轮测试过程中所采用的样本。在本申请实施例中，假设互动道具为枪械类互动道具，测试用例则用于指明每一组测试使用的枪械标识(identification，ID)、枪械名称、枪械配件ID，其中枪械配件可以包括倍镜、枪口、握把、枪托等。配置文件可以通过配置表来管理测试用例，例如，假设选择了两把不同的枪械类互动道具weapon1和weapon2，则可以配置3条不同的测试用例，配置语句如下：

在上述配置语句中，第一个测试用例中weapon1的配件仅选择了1号倍镜，而第二个测试用例中weapon1的配件选择了1号倍镜和1号枪口，在第三个测试用例中weapon2的配件仅选择了1号倍镜，三个测试用例对应于三种不同的道具参数选择，从而可以在后续步骤中生成三个数据组。

302、服务器在该应用程序所提供的虚拟场景中，为虚拟对象确定固定的射击位置和射击目标。

在上述过程中，服务器可以启动应用程序，在该应用程序中显示虚拟场景，在该虚拟场景中选定某一固定的射击位置和射击目标。射击位置是指虚拟对象发射互动道具的位置，射击目标是指虚拟对象所欲射击的另一虚拟对象，也即是说，射击目标可以是虚拟场景中除了该虚拟对象之外的任一虚拟物品、NPC、AI或者敌对虚拟对象。

通过选取固定的射击位置和射击目标，能够在控制变量的情况下对互动道具进行多次测试，由于保证每次测试时射击位置、射击目标均保持不变，也就保证了引发射击效果变化的原因仅为互动道具自身的道具参数，从而有助于在对目标道具参数进行异常检测的过程中排除额外的干扰因素。

303、服务器控制该虚拟对象在该射击位置上向该射击目标进行连续射击，在目标时长内对该虚拟场景进行图像截取，得到一张测试图像。

在上述过程中，服务器可以控制虚拟对象位移至该射击位置，并控制虚拟对象在该射击位置上瞄准该射击目标，使用互动道具向瞄准的准心进行连续开火，从而达到连续射击的效果。

可选地，如果互动道具本身是单次开火模式，那么需要连续多次触发互动道具进行开火，如果互动道具本身是多次开火模式，则仅需要一次触发互动道具进行连续开火。

由于后坐力、随机变量等因素的影响，即使在保证射击位置、射击目标以及瞄准的准心不变的情况下，击中射击目标的子弹所落的位置仍然可能互不相同。当子弹击中射击目标时，通常会在射击目标上留下弹孔，而虚拟场景中的弹孔并不会永久保留，会随着时间的推移而淡化或者消失，因此服务器需要在连续射击所导致的一个或多个弹孔消失之前(也即是目标时长内)，对虚拟场景进行图像截取，将截取到的图像获取为一张测试图像。其中，目标时长为任一大于或等于0的时长，例如，目标时长为最后一个子弹射击之后5秒。

在一些实施例中，连续射击的次数可以是大于或等于1且小于载弹量的一个固定数量，当然，连续射击的次数也可以是载弹量，此时直接控制道具进行连续开火，直到将弹夹内所有装载的子弹全部射击完毕即可停止射击，本申请实施例不对连续射击的次数进行具体限定。

图4是本申请实施例提供的一种测试图像的界面示意图，参见图4，将射击目标确定为虚拟场景400中的射击靶401，将连续射击的次数确定为载弹量，通过控制虚拟对象402瞄准射击靶401的靶心进行连续射击，从而在射击靶401上打出一系列的弹孔，在目标时长内对虚拟场景400截图，即可截取到保留有各个弹孔的测试图像。

304、服务器重复执行上述步骤303中控制虚拟对象连续射击并得到测试图像的步骤，得到具有相同道具参数的多个测试图像，将该多个测试图像确定为一个图像集。

上述步骤304与上述步骤303类似，这里不做赘述。

基于上述步骤301的示例，假设在第一个测试用例的道具参数下，重复50次进行连续射击并截取测试图像的步骤，可以得到一个包含50张测试图像且与第一个测试用例相对应的图像集。

在上述过程中，由于射击行为本身是具有随机性的，通过对同一套道具参数进行多次重复采样，能够为每一套道具参数截取到一个图像集内的测试图像，用于后续的计算和分析过程，可以减少因偶然误差而带来的不确定性。

305、服务器重复执行上述步骤304，得到多个图像集，每个图像集包括多次使用相同道具参数的该互动道具时产生的多个测试图像。

上述步骤305与上述步骤304类似，这里不做赘述。

基于上述步骤304的示例，服务器对每个测试用例，重复执行获取图像集的步骤，可以得到多个图像集，图像集的数量与测试用例的数量相等。

在上述步骤301-305中，服务器通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集，进一步地，服务器可以存储该多个图像集。

可选地，在存储该多个图像集时，服务器可以将该多个图像集以各自的时间戳和道具参数来命名。当测试图像的体量较大时，各个测试图像可能会被随机存放在不同的目录中，由于采取了以时间戳和道具参数的命名方式，因此可以将时间戳和道具参数作为键值，遍历存放测试图像的各个目录，把具有相同键值的测试图像划分至同一个图像集，能够方便快捷地完成图像集的划分。

在一些实施例中，服务器也可以不采用各自的时间戳和道具参数对测试图像进行命名，而是直接由用户手动将同一个图像集的各个测试图像存储到相同的目录中，从而也能够保证图像集的准确划分。

例如，可以将各个测试图像按照“时间戳_枪械ID_倍镜ID_枪口ID_握把ID_枪托ID”的方式进行命名，将各个测试图像的格式统一为.jpg或者.png，能够方便后续对各个测试图像的归类和分组。比如，若没有倍镜、枪口等配件时，可以将对应配件的ID置为0。

图5是本申请实施例提供的一种测试图像命名的示意图，参见图5，对枪械ID为001、倍镜ID为1且未配置其余配件的互动道具进行重复多次测试，能够得到仅时间戳不同的多张测试图像，左侧为部分测试图像的命名示例。服务器将“枪械ID_倍镜ID_枪口ID_握把ID_枪托ID”作为键值遍历测试图像的目录，例如，图中所示各个测试图像的键值均为“001_1_0_0_0”，即可得到具有相同键值、不同时间戳的一系列测试图像。

306、服务器获取该多个图像集对应的目标区域和过滤区域，该过滤区域位于该目标区域中。

其中，目标区域是指测试图像中用于进行弹孔提取的有效区域，过滤区域是指目标区域中存在遮挡或干扰的噪声区域。目标区域和过滤区域是根据上述步骤302中选取的射击位置和射击目标而确定的，由于各个图像集具有相同的射击位置和射击目标，因此各个图像集对应于相同的目标区域和过滤区域。

在上述步骤306中，服务器可以将多个图像集中任一测试图像下发至终端，由用户在终端上对该测试图像进行目标区域标注以及过滤区域标注，终端将目标区域的标注结果以及过滤区域的标注结果发送至服务器，服务器解析目标区域的标注结果和过滤区域的标注结果，即可得到各个图像集对应的目标区域和过滤区域，避免了由于重复标注而造成的人力资源浪费。

图6是本申请实施例提供的一种目标区域和过滤区域的示意图，参见图6，以虚拟场景400中的射击靶401作为射击目标时，可以将射击靶401的靶面区域601作为目标区域，将靶面区域601中被虚拟对象的头部所遮挡的区域602作为过滤区域，需要说明的是，图6仅以目标区域中包含1个过滤区域为例，而实际上目标区域中可以包括一个或多个过滤区域，本申请实施例不对过滤区域的数量进行具体限定。

图7是本申请实施例提供的一种目标区域和过滤区域的示意图，参见图7，以虚拟场景700中的墙壁701作为射击目标时，可以将墙壁中部702作为目标区域，在目标区域内标注了两个过滤区域，分别是被虚拟对象的头部所遮挡的区域703以及被箱子所遮挡的区域704。根据虚拟场景中各个虚拟物品的陈列和布局，还可以标注更多或更少的过滤区域，这里不做赘述。

307、服务器对该多个图像集的各个测试图像进行目标区域裁剪和灰度处理，得到各个测试图像中目标区域的灰度图像。

在上述过程中，对任一测试图像，服务器可以从该测试图像中裁剪出目标区域所覆盖的图像，对该目标区域所覆盖的图像进行灰度处理，从而得到目标区域的灰度图像。

在进行灰度处理时，可以采用分量法、最大值法、平均值法或者加权平均法中的任一种，例如，采用平均值法时，对目标区域所覆盖的图像中各个像素点，服务器将各个像素点在R、G、B三通道的平均亮度值作为各个像素点的灰度值。

308、服务器对各个目标区域的灰度图像进行二值化处理，在二值化后的各图像中将该过滤区域所覆盖的像素点置为0，得到各个目标区域的二值图像。

在上述过程中，服务器可以根据预先设定的灰度阈值来进行二值化处理，由于子弹的击中点(俗称为“着弹点”，指互动道具射击子弹后停留在射击目标上的弹孔位置)的灰度值偏低，因此可以将低于灰度值低于灰度阈值的像素点置为1，将灰度值高于灰度阈值的像素点置为0，从而完成对灰度图像的二值化处理。其中，灰度阈值可以为0～255区间的任一数值，例如灰度阈值设置为30。

进一步地，由于过滤区域是标注出来的存在遮挡或干扰的噪声区域，因此可以认为过滤区域内不可能存在着弹点，直接将过滤区域内各个像素点全部置为0，能够避免过滤区域内产生的噪声干扰，相当于对灰度图像进行了一次初步降噪处理。

在上述步骤306-308中，服务器从该多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像。由于目标区域内着弹点分布较为密集，因此目标区域的二值图像中可以明显的显示出各个着弹点，目标区域的二值图像也可以俗称为“弹孔提取图”。

图8是本申请实施例提供的一种弹孔提取图的示意图，参见图8，在图6的基础上进行目标区域裁剪、灰度处理和二值化处理，即可得到图8所示的弹孔提取图，在弹孔提取图中，着弹点为白色，除了着弹点之外的其余像素点均为黑色。

在一些实施例中，服务器也可以不获取标注的过滤区域，而是仅获取目标区域，从而在对目标区域的灰度图像进行二值化处理后，直接能够得到二值图像，能够简化异常检测过程的流程。

309、服务器从每个图像集中随机选取至少一张二值图像进行测试，若测试结果不满足目标条件，调整二值化处理过程的处理参数，重复执行获取二值图像并进行异常检测的步骤，直到测试结果满足目标条件，该目标条件用于表示该处理参数所产生误差的可接受范围。

其中，处理参数包括目标区域、过滤区域或者灰度阈值中至少一项。

可选地，目标条件可以为着弹点的提取率处于误差范围内，着弹点的提取率是指二值图像中提取出的着弹点占测试图像中原本的着弹点的比例，提取率的误差范围可以是一个区间。例如误差范围可以设置为95％～105％，当提取率大于105％时，说明服务器将许多噪声像素点误认为是着弹点，故而影响后续异常检测的准确率，而当提取率小于95％时，说明服务器未能提取出测试图像中原本的着弹点，故而也会影响异常检测的准确率。

在上述过程中，通过随机选取至少一种二值图像，能够对各个图像集进行小批量测试，能够使得图像处理过程中采用的处理参数具有更高的适配性，针对不同应用程序的不同测试任务，通过小批量测试和迭代调整，能够确定出最适合当前测试任务的处理参数，使得处理参数最优化，从而提升异常检测的准确性。

在一些实施例中，在迭代调整处理参数时，服务器可以遵循下述任一条或者至少一条调参规则：

(1)：当测试图像中存在着弹点落在二值图像外时，扩大目标区域，直至将遗漏的着弹点覆盖在目标区域内；

(2)：当二值图像中存在大量的非弹孔对象被提取时，将大量的非弹孔对象聚集的区域选取为过滤区域，例如将图6的目标区域内虚拟对象的头部选取为过滤区域。

(3)：当着弹点落在二值图像内，但存在少量遗漏时，逐步增大灰度阈值，例如，可以按照每次增加5个像素值的方式进行迭代调整，同时还可以为灰度阈值设置上限，假设用T表示灰度阈值，那么灰度阈值T的上限可以设置为max(T)＝70。

(4)：当着弹点落在二值图像内，但存在少量噪声时，逐步缩小灰度阈值，例如，可以按照每次减少5个像素值的方式进行迭代调整，同时还可以为灰度阈值设置下限，假设用T表示灰度阈值，那么灰度阈值T的下限可以设置为min(T)＝10。

服务器对上述各个图像集中的至少一张二值图像迭代进行参数调整，直到测试结果满足目标条件，停止迭代，以最后一次迭代时采用的处理参数为基础，通过上述步骤307-308类似的操作，批量提取所有图像集中所有测试图像的着弹点，得到最终各个图像集内的各个二值图像。

310、服务器对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像，将对应于相同图像集的目标图像确定为该多个数据组中的一个数据组。

在上述过程中，服务器对上述步骤308最终生成的二值图像进行筛选，筛选出二值图像中的异常图像，在图像集中将异常图像删除，从而将被保留下来的各个二值图像确定为目标图像(也即是数据项)。其中，异常图像可以是指没有提取到着弹点的二值图像，或者着弹点的个数超过数量阈值的二值图像，例如该数量阈值可以是载弹量的两倍。

图9是本申请实施例提供的一种异常图像的示意图，参见图9，由于根据配置文件进行多次测试时产生的网络波动，导致虚拟对象在连续射击后，射击靶上没有弹孔，此时依据该异常图像所生成的二值图像(弹孔提取图)也属于无效的异常图像，服务器在检测到异常图像后，从图像集中删除异常图像。

由于在生成测试图像时可能会出现网络波动或者射击失效，因此会导致测试图像中夹杂着一些异常图像，通过上述对二值图像的筛选过程，能够精细筛选出二值图像是否为无效的异常图像，若某一个二值图像被确定为异常图像，该二值图像所对应的测试图像也可以直接被确定为异常图像，通过删除异常图像，避免异常图像纳入后续统计分析的样本范围内，从而达到对于异常图像的自动检测和过滤的效果，提升了异常检测过程的准确性和智能性。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

本申请实施例提供的方法，以数据项为目标图像为例，通过配置文件对互动道具进行多次测试，生成多个图像集，通过对各个图像集内各个测试图像进行目标区域裁剪、灰度处理和二值化处理，得到多个二值图像，这些二值图像能够反映从测试图像中提取出的着弹点，通过迭代调整处理参数，能够使得图像处理时采用的处理参数更加适配于本次的异常检测任务，对各个二值图像进行异常检测，能够检测出二值图像中的异常图像，删除异常图像从而得到多个目标图像，对各个目标图像分组得到各个数据组，能够避免由于异常图像而带来的随机误差，提升整体针对目标道具参数进行异常检测过程的准确性。

上述实施例中数据项为目标图像为例，对获取数据组的过程进行了详述，而在本申请实施例中，在获取数据组之后，将以目标道具参数为互动道具的射击位置与目标位置之间的最大偏移量为例，说明如何对最大偏移量进行数据处理和统计分析，由于最大偏移量与后坐力呈正相关，因此可以通过最大偏移量的使用状态信息和稳定性信息，反映后坐力的使用状态信息和稳定性信息。

图10是本申请实施例提供的一种分析最大偏移量的流程图，参见图10，该实施例包括：

1001、若目标道具参数为互动道具的射击位置与目标位置之间的最大偏移量，服务器对任一目标图像，在该目标图像中选定基准点。

其中，目标位置也即是子弹的着弹点。

可选地，该基准点可以为该目标图像所对应测试图像的几何中心，在这种情况下，虚拟对象所瞄准的准心始终位于测试图像的几何中心，在每次射击后应用程序显示的画面会自动恢复至第一次瞄准射击时的位置。

可选地，该基准点也可以为该目标图像中位于最下方的像素值为1的像素点，由于像素值为1的像素点也即是目标图像中被提取出的着弹点，换言之，可以将位于最下方的着弹点作为基准点，在这种情况下，在每次射击后应用程序显示的画面并不会自动恢复至第一次瞄准射击时的位置，而是由于后坐力的影响，导致连续射击时每一发子弹的着弹点在向上方向的偏移量逐渐增加，因此将位于最下方的着弹点作为基准点。

图11是本申请实施例提供的一种选定基准点的示意图，参见图11，服务器直接将测试图像的几何中心确定为基准点。图12是本申请实施例提供的一种选定基准点的示意图，参见图12，服务器直接将最下方着弹点作为基准点。需要说明的是，若位于最下方的着弹点与测试图像的几何中心重合，那么两种选取基准点的方式是一致的。

1002、服务器在该目标图像中像素值为1的像素点中确定在各个方向上距离该基准点最远的至少一个目标像素点。

在确定了基准点之后，可以确定出每个像素值为1的像素点(也即是着弹点)与基准点之间在各个方向上的距离，对每个方向都可以确定出一个距离最远的目标像素点，例如，可以选取上、下、左、右这四个方向上的目标像素点，当然，选取的方向可以是任一方向，例如北偏东45度方向等，本申请实施例不对上述选取的方向进行具体限定。

1003、服务器将该至少一个目标像素点与该基准点在各个方向上的距离确定为各个方向上的最大偏移量，将该目标图像所对应的各个方向上的最大偏移量确定为目标道具参数的一个测试值。

在上述过程中，对任一方向，服务器将对应的目标像素点与基准点在该方向上的距离确定为该方向的最大偏移量，对每个方向重复执行上述步骤，即可得到各个方向的最大偏移量，这些最大偏移量可以构成一个测试值序列。

在上述步骤1001-1003中，阐明了数据项为目标图像、目标道具参数为射击位置与目标位置之间最大偏移量时，服务器如何实现上述实施例中步骤202的操作，也即是，服务器根据各个数据组的各个数据项，确定该目标道具参数的该多个测试值，其中，测试值是以多个最大偏移量所构成的测试值序列的形式来表示的。

图13是本申请实施例提供的一种向上最大偏移量的示意图，参见图13，在目标图像中，基准点A在向上方向距离最远的目标像素点为B点，将基准点A和目标像素点B在垂直方向上的距离作为目标图像的向上最大偏移量。

1004、服务器获取各个测试值的平均值或者标准差中至少一项，将该平均值或者标准差中至少一项确定为该目标道具参数的使用状态信息。

在上述过程中，使用状态信息用于反映目标道具参数在多轮使用过程的平均使用状况，例如，使用状态信息可以包括各个测试值的平均值和标准差，平均值用于衡量测试值的平均大小，平均值越大时测试值的平均大小越大，标准差用于衡量各个测试值的离散程度，标准差越大时目标道具参数的随机性越大，这是由于在互动道具的使用过程中，有可能会引入一些随机变量，因此可以通过标准差来度量目标道具参数的随机性。

例如，服务器对每一个测试用例均生成50张目标图像作为一个数据组，从而将平均值和标准差作为随机变量的分析指标，分别计算各个数据组内50张目标图像在各个方向上最大偏移量的平均值和标准差，平均值反映了互动道具的后坐力，平均值越大时说明互动道具的后坐力越强，标准差反映了互动道具的随机性，标准差越大时说明互动道具在射击时存在越高的随机性。当然，数据组内所包括的目标图像并不局限于50张，目标图像的数量可以是任一大于或等于1的数值，当目标图像的数量越大时，说明采样越丰富，则分析出的统计结果就越准确。

1005、服务器获取各个测试值所在的多个数据组对应的多个对比组。

由于服务器根据各个数据项确定出各个测试值，因此各个测试值也可以具有和各个数据项对应的分组，也即是说，各个测试值分别对应于不同的数据组，因此服务器可以以数据组为单位计算各个数据组内测试值的平均值和标准差。

而进一步地，任意不同的两个数据组可以互为对比组，在对任一数据组进行处理时，为该数据组选定一个对比组，从而可以对该数据组和相应的对比组进行统计分析，以便于得到该数据组的稳定性信息。其中，稳定性信息可以包括分布结果或者差异程度中至少一项。

1006、服务器对该多个数据组和该多个对比组进行置换检验，得到该目标道具参数的分布结果。

对任一个数据组以及该数据组的对比组，服务器可以通过执行下述子步骤来进行置换检验：

1006A、服务器获取任一个数据组与该数据组的对比组之间目标道具参数的测试值的目标均值差。

其中，当前选取进行置换检验的数据组也可以称为“基线组”。

置换检验(permutation test)是用于检验某一种假设是否成立的方法，假设数据组与对比组中同一条测试用例的数据是稳定或者同分布的，从而在重复计算的过程中来检验这个假设是否成立。

例如，假设数据组与对比组中同一条测试用例的数据是稳定或者同分布的，以任一条测试用例为例说明，假设该测试用例的数据组以及对比组内，向上方向分别各自包括50个最大偏移量。将数据组内50个最大偏移量的平均值用t1标识，对比组内50个最大偏移量的平均值用t2表示。那么数据组与对比组之间的目标均值差t0可以表示为t0＝t1-t2。

1006B、服务器将该数据组与该对比组的各个测试值随机划分为不同的两个置换组，确定该两个置换组之间的均值差。

在上述过程中，数据组和对比组总共包含了100个最大偏移量，服务器可以将这100个最大偏移量合并在一个样本集内，将样本集内所有最大偏移量随机分成两个置换组，每个置换组内包含50个最大偏移量，从而通过与上述步骤1006A类似的方式确定两个置换你之间的均值差。

1006C、服务器重复多次执行上述步骤1006B中随机划分置换组并确定均值差的步骤，得到多个均值差，获取该多个均值差构成的第一抽样分布。

在上述过程中，在重复多次执行上述步骤1006B，并获取到多个均值差之后，服务器可以对该多个均值差进行数据拟合，从而得到第一抽样分布。

例如，重复10000次执行上述步骤1006B，可以得到10000个均值差，对这10000个均值差进行数据拟合，可以生成一个均值差抽样分布图，通过均值差抽样分布图能够反映出均值差所服从的第一抽样分布。

图14是本申请实施例提供的一种第一抽样分布的示意图，参见图14，选取均值差的频率分布直方图作为均值差抽样分布图，横轴用于表示均值差，纵轴用于表示均值差对应的分布比例(也即是在10000次重复试验中出现的概率)，并在频率分布直方图中绘制出拟合的第一抽样分布的概率曲线。

1006D、服务器根据该目标均值差在该第一抽样分布中落入的置信区间，获取置换检验的概率值，基于该概率值确定该目标道具参数的分布结果。

在上述过程中，服务器可以检测目标均值差t0是否落入第一抽样分布中预定的置信区间，通过获取概率值(P值)来判断假设是否成立。例如，选取的置信区间可以为99％的置信度所在区间。

例如，假设预定的置信区间为99％的置信度所在区间，如果10000次重复试验中，大于|t0|的统计量(也即是均值差)有n(n≥0)个，那么可以将概率值P获取为P＝n/10000，从而当n越小时，说明目标均值差t0在10000次重复试验中出现的次数也就越少，相应的t0的出现概率就越小，P值就越小。而如果P值小于1％时，说明10000次重复试验中目标均值差t0出现的次数已经很少了，那么可以确定数据组与对比组之间数据稳定或者同分布的假设是不成立的，因为如果假设成立时，说明目标均值差t0有较大的出现概率，P值不可能小于1％。

在本申请实施例中，以置换检验中重复执行10000次为例进行说明，而重复试验的次数可以是任一大于或等于1的数值，本申请实施例不对置换检验中重复试验的次数进行具体限定。在一种可能实现方式中，可以最少进行2000次重复试验。

在一些实施例中，服务器可以不执行上述步骤1006，而是在执行下述步骤1007之后直接执行下述步骤1008，将差异程度确定为稳定性信息，能够简化异常检测的流程。

1007、服务器对该多个数据组和该多个对比组进行自助法统计，得到该目标道具参数的差异程度。

在上述步骤1006中，对每个数据组仅针对一个对比组进行了置换检验，也即是针对数据组和对比组只计算了一次t0，然而，由于对比组本身各个测试值的随机性，会导致置换检验获取的P值可靠性不足，因此，通过上述步骤1007中的自助法统计(bootstrap)，能够通过增加统计量的方式，来检验置换检验中P值的可信度，下面将进行详述。

对任一个数据组以及该数据组对应的对比组，服务器可以通过执行下述子步骤来进行置换检验：

1007A、服务器获取任一个数据组与该数据组对应的对比组在置换检验的概率值。

上述步骤1007A与上述步骤1006类似，这里不做赘述。也即是说，在针对任一数据组与对比组进行置换检验，获取到P值的基础上才能进行自助法统计。

1007B、服务器从该对比组中有放回的随机抽取测试值，形成一个试验组，基于该数据组以及该试验组进行置换检验，得到一个试验概率值。

在上述过程中，需要保持该数据组不变，而针对对比组反复进行有放回的随机抽取，例如对比组内包含50个最大偏移量，服务器重复进行50次有放回的随机抽取，可以形成一个试验组。在数据组与试验组的基础上，执行上述步骤1006类似的置换检验操作，可以得到一个试验概率值。

1007C、服务器重复执行上述步骤1007B中形成试验组并得到试验概率值的步骤，得到多个试验概率值，获取该多个试验概率值所构成的第二抽样分布。

在上述过程中，在重复多次执行上述步骤1007B之后，可以得到多个试验概率值，从而对该多个试验概率值进行数据拟合，得到第二抽样分布。

例如，重复10000次执行上述步骤1007B，可以得到10000个试验概率值，对这10000个试验概率值进行数据拟合，可以生成一个概率值抽样分布图，通过概率值抽样分布图能够反映出试验概率值所服从的第二抽样分布。

图15是本申请实施例提供的一种第二抽样分布的示意图，参见图15，选取试验概率值的点状图作为概率值抽样分布图，横轴用于表示试验概率值，各个数据区间内数据点的疏密程度用于反映试验概率值在该数据区间内的出现概率。

图16是本申请实施例提供的一种第二抽样分布的局部放大图，参见图16，将图15中0～0.01区间内的数据点进行放大显示，可以看出，P值(试验概率值)小于0.01时，仅含有3个数据点，也即是说，10000次重复试验中，仅有3个试验概率值小于0.01。

1007D、服务器根据该概率值在该第二抽样分布中指定区间的出现频次，获取该目标道具参数的差异程度。

在上述过程中，指定区间可以是预定的置信区间，例如，指定区间可以选取为P＜0.01。在一个示例性场景中，针对图16进行分析，10000次重复试验中P＜0.01的次数为3次，也即是说，P＜0.01的置信度为3/10000＝0.03％，从而证明数据组和对比组出现不同的概率极低，从而可以认为数据组和对比组服从同分布的置信度较高，也即是确定数据组和对比组确实服从同分布。

图17是本申请实施例提供的一种第二抽样分布的示意图，图17与图15类似，均为点状图所表示的概率值抽样分布图，但是采用了不同的数据组和对比组，因此两者反映了不同的第二抽样分布。

图18是本申请实施例提供的一种第二抽样分布的局部放大图，参见图18，将图17中0～0.01区间内的数据点进行放大显示，可以看出，P值(试验概率值)小于0.01时，包含了6798个数据点，也即是说，10000次重复试验中，有6798个试验概率值小于0.01。也即是说，在10000次重复试验中P＜0.01的次数为6798次，P＜0.01的置信度为6798/10000＝67.98％，说明数据组和对比组服从同分布的置信度较低，也即是确定数据组和对比组之间存在较高的差异性。

在本申请实施例中，以自助法统计中重复执行10000次为例进行说明，而重复试验的次数可以是任一大于或等于1的数值，本申请实施例不对自助法统计中重复试验的次数进行具体限定。在一种可能实现方式中，可以最少进行2000次重复试验。

在一些实施例中，服务器可以不执行上述步骤1007，而是在执行上述步骤1006之后直接执行下述步骤1008，将分布结果确定为稳定性信息，能够简化异常检测的流程。

1008、服务器将该分布结果或者该差异程度中至少一项确定为目标道具参数的稳定性信息。

在上述步骤1006-1008中，相当于服务器对该多个数据组和该多个对比组进行统计分析，得到该目标道具参数的稳定性信息。在本申请实施例中分别以单个数据组和单个对比组为例说明了如何获取分布结果和差异程度，从而对每个数据组和相应的对比组重复执行类似的操作，能够得到多个数据组和多个对比组各自的分布结果和差异程度，进而将两者中至少一项确定为稳定性信息。

通过上述步骤1004-1008，服务器相当于实现了上述实施例中步骤203中所执行的操作，也即是服务器根据该目标道具参数的各个测试值，确定该目标道具参数的使用状态信息和稳定性信息。

1009、服务器根据该使用状态信息和稳定性信息，检测该互动道具的该目标道具参数是否发生异常。

上述步骤1009与上述步骤204类似，这里不做赘述。

基于上述示例，如果平均值大于某一偏移量阈值，可以确定最大偏移量偏大，因此确定后坐力异常(偏高)，或者，如果标准差大于某一标准差阈值，可以确定最大偏移量的随机性偏大，因此确定后坐力异常(随机性偏高)，或者，如果分布结果为数据组与对比组不服从同分布，说明在不同的数据组之间最大偏移量不稳定，因此确定后坐力异常(稳定性偏低)，或者，数据组与对比组服从同分布的置信度很低，也可以认为数据组和对比组不服从同分布，说明在不同的数据组之间最大偏移量不稳定，因此确定后坐力异常(稳定性偏低)。

需要说明的是，在本申请实施例中仅以目标道具参数为最大偏移量为例，对异常检测的流程进行示例性说明，可选地，目标道具参数还可以为随机变量、为互动道具添加不同的枪械配件等，均可以执行类似的步骤进行异常检测，本申请实施例不对目标道具参数的内容进行具体限定。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

本申请实施例提供的方法，以目标道具参数为最大偏移量为例，通过对各个目标图像进行基准点选取和目标像素点确定，得到各个目标图像对应的测试值，获取各个测试值的平均值和标准差，得到目标道具参数的使用状态信息，通过使用状态信息能够衡量互动道具的后坐力大小和随机性大小，获取各个测试值所在的数据组以及对应的对比组，基于数据组和对比组分别进行置换检验和自助法统计，能够避免由于样本数量有限、对比组数量有限等情况而导致的系统误差，得到目标道具参数的分布结果和差异程度，通过分布结果和差异程度能够衡量互动道具的后坐力是否在多次使用过程中保持稳定，从而在基于使用状态信息和稳定性信息进行异常检测时，能够确定出互动道具的后坐力是否发生异常。

基于上述各个实施例，在一个示例性场景中，提供一种检测FPS游戏中枪械手感是否发生异常的方法。其中，枪械手感是指FPS游戏中枪械道具各个道具参数所带来用户体验的统称。

服务器可以向测试终端提供一个数值分析平台，该数值分析平台可以是一个网站或者一个应用程序，本申请实施例不对数值分析平台的形式进行具体限定。用户可以通过测试终端登录数值分析平台，在登录成功后即可通过数值分析平台检测各类FPS游戏的枪械手感是否异常。

以数值分析平台为网站为例，用户在测试终端上登录该网站，在该网站中点击枪械手感分析选项，从而可以进入枪械手感分析的管理页面，在该管理页面中可以创建和管理测试任务，当创建测试任务后，用户可以设置本次测试任务的FPS游戏、目标道具参数、置换检验的重复次数、自助法统计的重复次数等参数，由用户触发测试终端向服务器发送测试指令，该测试指令中携带上述参数。当服务器接收到该测试指令时，根据该测试指令设置本次异常检测过程中各个参数，并对FPS游戏进行自动化地异常检测，当检测完毕后，向测试终端返回测试结果。

可选地，上述测试结果可以至少携带“异常”或“正常”的状态结果，可选地，上述测试结果还可以携带生成的各个测试图像、各个二值图像、各个均值差抽样分布图或者各个概率值抽样分布图中至少一项。

图19是本申请实施例提供的一种枪械手感分析方法的示意图，参见图19，用户在测试终端登录数值分析平台，选择枪械手感分析选项后，用户触发测试指令，使得服务器响应于该测试指令进行测试，图19中还示出了一张测试图像和对应的二值图像，测试图像和二值图像可以包含在测试结果内，由服务器在检测完毕后发送至测试终端，当然，测试图像和二值图像也可以存储在服务器中，由用户自行选择是否需要下载至测试终端。

图20是本申请实施例提供的一种枪械手感分析系统的示意图，参见图20，在上述示例性场景中，通过测试终端与服务器之间的交互过程，从而对枪械手感进行分析和检测时，在逻辑上可以划分为数据模块2001、计算模块2002和结果展示模块2003。通常数据模块2001和计算模块2002部署在服务器端，而结果展示模块2003则部署在用户端(也即是测试终端)。

数据模块2001用于进行图像集生成和数据预处理，能够从数据源中生成多个测试图像，并对各个测试图像进行分组，得到多个图像集，对多个图像集进行预处理，得到多个数据组。

需要说明的是，数据模块2001从数据源生成图像集时，数据源的类型可以包括配置文件产生的图像数据或者底层收集的游戏数据，本申请实施例不对数据源的构成进行具体限定。数据源中通常会存储多款FPS游戏的图像数据和游戏数据，因此在分析枪械手感时，并不局限于分析同一款FPS游戏内不同枪械道具(例如不同型号相同配件的枪械、不同配件相同型号的枪械等)的枪械手感，还可以对比分析不同的FPS游戏内枪械道具的枪械手感，本申请实施例不对此进行具体限定。

计算模块2002用于进行基于图像处理的弹孔提取(生成弹孔提取图)、异常图像检测(迭代调整参数并检测异常图像)、目标道具参数的测试值计算(例如计算抖动偏移量)以及基于统计分析的稳定性检测(置换检验和自助法统计)等核心操作。

可选地，计算模块2002可以从测试图像中提取特征(例如弹孔位置特征)从而分析计算本次目标道具参数的测试值，也可以直接从底层游戏数据中分析出本次目标道具参数的测试值，本申请实施例不对测试值的获取方式进行具体限定。通过计算模块2002可以基于各个测试值，进行复杂和完整的数据分析。

结果展示模块2003用于进行展示异常数据(异常图像)、有效数据弹孔图(目标图像)以及统计分析结果(基于稳定性信息生成的枪械监控结果表)等。结果展示模块2003可以采用合适的方式(图像、文本或者表格等方式)输出枪械手感的分析结果。

在图20所示的枪械手感分析系统的基础上，为了对各个模块的功能进行详细说明，请参考图21，图21是本申请实施例提供的一种枪械手感分析系统的示意图，在图21中对图20内各个模块的功能进行了细化，能够更好地说明各个模块所执行的操作。数据模块2001从数据源获取图像集，通过配置文件管理图像集，对图像集进行预处理从而进行了图像分组，得到多个数据组。计算模块2002进行弹孔提取，生成各个测试图像的二值图像，随机抽取一部分二值图像进行小批量测试，从而迭代调整生成二值图像时的处理参数，得到最终输出的各个弹孔提取图，对各个弹孔提取图进行异常数据检测，删去异常图像，保留下来的弹孔提取图即为目标图像，基于目标图像进行抖动偏移计算(也即是计算各个方向的最大偏移量)，基于抖动偏移量进行统计分析，得到统计分析结果。进一步地，计算模块2002在异常数据检测时，检测出的异常图像可以构成异常数据结果，检测保留下来的目标图像可以构成弹孔提取图像，计算模块2002将异常数据结果和弹孔提取图像分别输出至结果展示模块2003后，即可删除无效的异常数据结果，此外，计算模块2002还可以将统计分析结果也输出至结果展示模块2003，由结果展示模块2003分别展示异常数据结果、弹孔提取图像和统计分析结果。

在一些实施例中，计算模块2002可以以表格的形式输出枪械监控结果，如表1所示，针对3条测试用例进行异常检测之后，能够得到各个枪械道具的异常概率，其中，枪械3的异常概率最高，高达67.98％。从而使得技术人员可以对枪械3进行优化，能够提升FPS游戏的优化进程，提升FPS游戏提供的用户体验。

表1

枪械道具	异常概率
		Weapon1(枪械1)	0.31％
Weapon2(枪械2)	0.09％
		Weapon3(枪械3)	67.98％

此外，由于计算模块2002自动检测和过滤掉了可能的异常数据结果，但仍然将异常数据结果在结果展示模块2003中进行展示，能够便于用户随时查看异常数据结果，从而判断是否有被误判的异常图像。用户也可以方便的基于结果展示模块2003查看弹孔提取图像，能够随机查看具体的着弹点分布情况，便于用户人工分析异常、排查故障。而针对统计分析结果，可以以上表中枪械监控结果表的形式来进行展示，也可以采用条状图、扇形图、饼状图等其他的显示方式进行展示，同时还可以向用户提供自定义统计分析结果的接口，支持用户自定义显示统计分析结果的形式和内容，比如，用户可以自定义显示每一张图像的详细数据，每一个数据组的统计数据，或者仅显示枪械对比监控的结果，本申请实施例不对统计分析结果的内容和形式进行具体限定。

图22是本申请实施例提供的一种枪械手感分析方法的原理性示意图，参见图22，示意性的，基于上述枪械手感分析系统，数据模块2001从数据源中获取多个测试图像，对多个测试图像进行预处理分组，得到包括多个图像集，对图像集内数据进行区域标注，标注出目标区域和过滤区域，从而由计算模块2002进行弹孔提取，得到各个二值图像，对各个二值图像进行异常数据检测，可以检测出二值图像中的无效数据(异常图像)，删除异常图像后即可得到保留下来的目标图像，基于目标图像计算着弹点的最大偏移量，并进行基于置换检验和自助法统计的统计分析，得到均值差抽样分布图和概率值抽样分布图，最终向结果展示模块2003输出统计分析结果(例如枪械监控结果表)。

基于本申请实施例提供的枪械手感分析系统，通过选取不同的数据组和对比组，能够适用于各式各样的测试任务，例如：分析判断出枪械道具是否设计合理，是否满足高低性能枪械道具的设计原则，枪械道具的设计是否具有区分度，检测枪械道具的配件是否生效，检测不同游戏版本中枪械道具性能是否稳定等。

通过配置不同的测试任务，也就能够对FPS游戏的枪械手感进行多维度的异常检测，以下，针对几种不同的测试任务进行详细说明：

一、测试枪械道具设计性能的差别

在FPS游戏中进行枪械道具设计时，同一把枪械道具在安装配件后应当比裸枪(指未安装任何配件的枪械道具)的性能更好，通过对比安装不同配件的枪械道具的最大偏移量的平均值，若安装配件的枪械道具的平均值大于裸枪的平均值，说明安装配件后后坐力反而增大了，这不满足枪械设计原则，需要对枪械道具的参数进行调整，从而能够辅助游戏测试人员和开发人员进行枪械设计检查。

又例如，在原始设计中高性能的枪械道具后坐力较小，通过对比不同性能的枪械道具的最大偏移量的平均值，若高性能的枪械道具的平均值大于低性能的枪械道具的平均值，说明高性能的枪械道具反而具有较大的后坐力，这也不满足枪械设计原则，需要对枪械道具的参数进行调整。不同的枪械设计原则可以配置不同的数据组和对比组，这里不做一一赘述。

二、区分和检测不同的枪械道具以及配件的区别

选择安装相同配件的不同枪械道具，或者选择安装不同配件的相同枪械道具，分别作为基准组和对比组进行统计分析，可以检测出是否存在明显的差异性，因此可以通过上述方式用来自动检测枪械配件是否失效，及时发现配件相关的问题(bug)，提升了异常检测的效率，提升了异常排查的速度。

三、测试同一游戏版本枪械手感的稳定性

同一版本的FPS游戏，用户在体验的过程(也即是使用过程)中，枪械手感应当是稳定的。此时可以选择某一枪械道具进行多轮测试，对比分析多轮的测试结果，如果P<0.01的置信度小，说明无明显差异性，即枪械道具的手感稳定，表现正常，反之，值得引起关注，需要进一步排查相关异常。

四、检测不同游戏版本之间的枪械手感的稳定性

利用本分析系统，可以将稳定的游戏版本数据作为监控数据(置换检验的数据组)，在游戏新版本更新之后、发布之前进行对比实验，将新版本的游戏数据作为置换检验的对比组，从而可以检测出枪械道具在不同的游戏版本之间手感是否稳定，版本更新是否对枪械手感产生了不良影响，通过检测两个游戏版本之间枪械手感的差异性，可以预警出枪械手感是否出现问题，这些问题有可能不是由于直接修改枪械数据引起，还可能是由于其他功能所导致的，通过分析系统内的监控，有助于发现更多情况下可能存在的bug。

五、设计和调整枪械道具的道具参数

对比测试不同FPS游戏中相同枪械道具的性能，可以定量分析枪械道具的差异性，从而可以帮助调整出更合理的手感属性的相关道具参数，设计出具有更好枪械手感体验的FPS游戏。

本申请实施例提供的枪械手感分析系统，基于图像处理的方法解决了游戏数据缺失(由于保密等原因)的问题，在随机分布统计学上针对显著性的非参数差异检测方法(置换检验和自助法统计)，解决了随机变量测量和分析困难的问题。以分析枪械后坐力为例，建立了一套通用的枪械手感分析方案，可实施应用于其他手感属性的测量和分析，为FPS游戏枪械手感的定量分析提供了方向和可行方案。

图23是本申请实施例提供的一种异常检测装置的结构示意图，参见图23，该装置包括：

获取模块2301，用于获取互动道具的目标道具参数在不同使用过程中的多个测试值，该目标道具参数用于反映该互动道具在使用过程的目标互动特征；

确定模块2302，用于根据该目标道具参数的各个测试值，确定该目标道具参数的使用状态信息和稳定性信息；

检测模块2303，用于根据该使用状态信息和稳定性信息，检测该互动道具的该目标道具参数是否发生异常。

本申请实施例提供的装置，通过获取互动道具的目标道具参数在不同使用过程中的多个测试值，根据各个测试值对目标道具参数的使用状态信息和稳定性信息进行量化，从而根据使用状态信息和稳定性信息，检测目标道具参数是否发生异常，能够避免异常检测过程中用户主观因素的影响，精准检测出引发异常的目标道具参数，以便于对提供互动道具的应用程序进行优化。

在一种可能实施方式中，基于图23的装置组成，该获取模块2301包括：

第一获取单元，用于获取该互动道具在不同使用过程中产生的多个数据组，每个数据组包括多次使用相同道具参数的该互动道具时产生的多个数据项；

确定单元，用于根据各个数据组的各个数据项，确定该目标道具参数的该多个测试值。

在一种可能实施方式中，该数据项为目标图像，基于图23的装置组成，该第一获取单元包括：

测试子单元，用于通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集，每个图像集包括多次使用相同道具参数的该互动道具时产生的多个测试图像；

获取子单元，用于从该多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像；

第一确定子单元，用于对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像，将对应于相同图像集的目标图像确定为该多个数据组中的一个数据组。

在一种可能实施方式中，该获取子单元用于：

获取该多个图像集对应的目标区域和过滤区域，该过滤区域位于该目标区域中；

对该多个图像集的各个测试图像进行目标区域裁剪和灰度处理，得到各个测试图像中目标区域的灰度图像；

对各个目标区域的灰度图像进行二值化处理，在二值化后的各图像中将该过滤区域所覆盖的像素点置为0，得到各个目标区域的二值图像。

在一种可能实施方式中，该装置还用于：

从每个图像集中随机选取至少一张二值图像进行测试，若测试结果不满足目标条件，调整二值化处理过程的处理参数，重复执行获取二值图像并进行异常检测的步骤，直到测试结果满足目标条件，该目标条件用于表示该处理参数所产生误差的可接受范围。

在一种可能实施方式中，该确定单元用于：

若该目标道具参数为该互动道具的射击位置与目标位置之间的最大偏移量，对任一目标图像，在该目标图像中选定基准点；

在该目标图像中像素值为1的像素点中确定在各个方向上距离该基准点最远的至少一个目标像素点；

将该至少一个目标像素点与该基准点在各个方向上的距离确定为各个方向上的最大偏移量，将该目标图像所对应的各个方向上的最大偏移量确定为目标道具参数的一个测试值。

在一种可能实施方式中，该基准点为该目标图像所对应测试图像的几何中心；或，该基准点为该目标图像中位于最下方的像素值为1的像素点。

在一种可能实施方式中，该测试子单元用于：

在应用程序中，选择具有该配置文件所配置的道具参数的互动道具；

在该应用程序所提供的虚拟场景中，为虚拟对象确定固定的射击位置和射击目标；

控制该虚拟对象在该射击位置上向该射击目标进行连续射击，在目标时长内对该虚拟场景进行图像截取，得到一张测试图像；

重复执行控制虚拟对象连续射击并得到测试图像的步骤，得到具有相同道具参数的多个测试图像，将该多个测试图像确定为一个图像集。

在一种可能实施方式中，在存储该多个图像集时，将该多个图像集以各自的时间戳和道具参数来命名。

在一种可能实施方式中，基于图23的装置组成，该确定模块2302包括：

第二获取单元，用于获取各个测试值的平均值或者标准差中至少一项，将该平均值或者标准差中至少一项确定为该目标道具参数的使用状态信息；

分析单元，用于获取各个测试值所在的多个数据组对应的多个对比组，对该多个数据组和该多个对比组进行统计分析，得到该目标道具参数的稳定性信息。

在一种可能实施方式中，基于图23的装置组成，该分析单元包括：

置换检验子单元，用于对该多个数据组和该多个对比组进行置换检验，得到该目标道具参数的分布结果；

自助法统计子单元，用于对该多个数据组和该多个对比组进行自助法统计，得到该目标道具参数的差异程度；

第二确定子单元，用于将该分布结果或者该差异程度中至少一项确定为该稳定性信息。

在一种可能实施方式中，该置换检验子单元用于：

对任一个数据组以及该数据组的对比组，获取该数据组与该对比组之间目标道具参数的测试值的目标均值差；

将该数据组与该对比组的各个测试值随机划分为不同的两个置换组，确定该两个置换组之间的均值差；

重复多次执行随机划分置换组并确定均值差的步骤，得到多个均值差，获取该多个均值差构成的第一抽样分布；

根据该目标均值差在该第一抽样分布中落入的置信区间，获取置换检验的概率值，基于该概率值确定该目标道具参数的分布结果。

在一种可能实施方式中，该自助法统计子单元用于：

对任一个数据组以及该数据组对应的对比组，获取该数据组与该对比组在置换检验的概率值；

从该对比组中有放回的随机抽取测试值，形成一个试验组，基于该数据组以及该试验组进行置换检验，得到一个试验概率值；

重复执行形成试验组并得到试验概率值的步骤，得到多个试验概率值，获取该多个试验概率值所构成的第二抽样分布；

根据该概率值在该第二抽样分布中指定区间的出现频次，获取该目标道具参数的差异程度。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

需要说明的是：上述实施例提供的异常检测装置在检测异常时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常检测装置与异常检测方法实施例属于同一构思，其具体实现过程详见异常检测方法实施例，这里不再赘述。

图24是本申请实施例提供的一种计算机设备的结构示意图，计算机设备2400可以是上述各个实施例中的服务器，该计算机设备2400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(Central Processing Units，CPU)2401和一个或一个以上的存储器2402，其中，该存储器2402中存储有至少一条程序代码，该至少一条程序代码由该处理器2401加载并执行以实现上述各个实施例提供的异常检测方法。当然，该计算机设备2400还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备2400还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括至少一条程序代码的存储器，上述至少一条程序代码可由终端中的处理器执行以完成上述实施例中异常检测方法。例如，该计算机可读存储介质可以是ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory，只读光盘)、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种异常检测方法，其特征在于，所述方法包括：

获取互动道具的目标道具参数在不同使用过程中的多个测试值，所述目标道具参数用于反映所述互动道具在使用过程的目标互动特征；

根据所述目标道具参数的各个测试值，确定所述目标道具参数的使用状态信息和稳定性信息；

根据所述使用状态信息和稳定性信息，检测所述互动道具的所述目标道具参数是否发生异常。

2.根据权利要求1所述的方法，其特征在于，所述获取互动道具的目标道具参数在不同使用过程中的多个测试值包括：

获取所述互动道具在不同使用过程中产生的多个数据组，每个数据组包括多次使用相同道具参数的所述互动道具时产生的多个数据项；

根据各个数据组的各个数据项，确定所述目标道具参数的所述多个测试值。

3.根据权利要求2所述的方法，其特征在于，所述数据项为目标图像，所述获取所述互动道具在不同使用过程中产生的多个数据组包括：

通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集，每个图像集包括多次使用相同道具参数的所述互动道具时产生的多个测试图像；

从所述多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像；

对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像，将对应于相同图像集的目标图像确定为所述多个数据组中的一个数据组。

4.根据权利要求3所述的方法，其特征在于，所述从所述多个图像集的各个测试图像中提取目标区域，获取各个目标区域的二值图像包括：

获取所述多个图像集对应的目标区域和过滤区域，所述过滤区域位于所述目标区域中；

对所述多个图像集的各个测试图像进行目标区域裁剪和灰度处理，得到各个测试图像中目标区域的灰度图像；

对各个目标区域的灰度图像进行二值化处理，在二值化后的各图像中将所述过滤区域所覆盖的像素点置为0，得到各个目标区域的二值图像。

5.根据权利要求3所述的方法，其特征在于，所述对各个二值图像进行异常检测，删除各个二值图像中的异常图像，得到各个目标图像之前，所述方法还包括：

从每个图像集中随机选取至少一张二值图像进行测试，若测试结果不满足目标条件，调整二值化处理过程的处理参数，重复执行获取二值图像并进行异常检测的步骤，直到测试结果满足目标条件，所述目标条件用于表示所述处理参数所产生误差的可接受范围。

6.根据权利要求3所述的方法，其特征在于，所述根据各个数据组的各个数据项，确定所述目标道具参数的所述多个测试值包括：

若所述目标道具参数为所述互动道具的射击位置与目标位置之间的最大偏移量，对任一目标图像，在所述目标图像中选定基准点；

在所述目标图像中像素值为1的像素点中确定在各个方向上距离所述基准点最远的至少一个目标像素点；

将所述至少一个目标像素点与所述基准点在各个方向上的距离确定为各个方向上的最大偏移量，将所述目标图像所对应的各个方向上的最大偏移量确定为目标道具参数的一个测试值。

7.根据权利要求6所述的方法，其特征在于，所述基准点为所述目标图像所对应测试图像的几何中心；或，所述基准点为所述目标图像中位于最下方的像素值为1的像素点。

8.根据权利要求3所述的方法，其特征在于，所述通过配置文件对具有不同道具参数的互动道具进行多次测试，得到多个图像集包括：

在应用程序中，选择具有所述配置文件所配置的道具参数的互动道具；

在所述应用程序所提供的虚拟场景中，为虚拟对象确定固定的射击位置和射击目标；

控制所述虚拟对象在所述射击位置上向所述射击目标进行连续射击，在目标时长内对所述虚拟场景进行图像截取，得到一张测试图像；

重复执行控制虚拟对象连续射击并得到测试图像的步骤，得到具有相同道具参数的多个测试图像，将所述多个测试图像确定为一个图像集。

9.根据权利要求1所述的方法，其特征在于，所述根据所述目标道具参数的各个测试值，确定所述目标道具参数的使用状态信息和稳定性信息包括：

获取各个测试值的平均值或者标准差中至少一项，将所述平均值或者标准差中至少一项确定为所述目标道具参数的使用状态信息；

获取各个测试值所在的多个数据组对应的多个对比组，对所述多个数据组和所述多个对比组进行统计分析，得到所述目标道具参数的稳定性信息。

10.根据权利要求9所述的方法，其特征在于，所述对所述多个数据组和所述多个对比组进行统计分析，得到所述目标道具参数的稳定性信息包括：

对所述多个数据组和所述多个对比组进行置换检验，得到所述目标道具参数的分布结果；

对所述多个数据组和所述多个对比组进行自助法统计，得到所述目标道具参数的差异程度；

将所述分布结果或者所述差异程度中至少一项确定为所述稳定性信息。

11.根据权利要求10所述的方法，其特征在于，所述对所述多个数据组和所述多个对比组进行置换检验，得到所述目标道具参数的分布结果包括：

对任一个数据组以及所述数据组的对比组，获取所述数据组与所述对比组之间目标道具参数的测试值的目标均值差；

将所述数据组与所述对比组的各个测试值随机划分为不同的两个置换组，确定所述两个置换组之间的均值差；

重复多次执行随机划分置换组并确定均值差的步骤，得到多个均值差，获取所述多个均值差构成的第一抽样分布；

根据所述目标均值差在所述第一抽样分布中落入的置信区间，获取置换检验的概率值，基于所述概率值确定所述目标道具参数的分布结果。

12.根据权利要求10所述的方法，其特征在于，所述对所述多个数据组和所述多个对比组进行自助法统计，得到所述目标道具参数的差异程度包括：

对任一个数据组以及所述数据组对应的对比组，获取所述数据组与所述对比组在置换检验的概率值；

从所述对比组中有放回的随机抽取测试值，形成一个试验组，基于所述数据组以及所述试验组进行置换检验，得到一个试验概率值；

重复执行形成试验组并得到试验概率值的步骤，得到多个试验概率值，获取所述多个试验概率值所构成的第二抽样分布；

根据所述概率值在所述第二抽样分布中指定区间的出现频次，获取所述目标道具参数的差异程度。

13.一种异常检测装置，其特征在于，所述装置包括：

获取模块，用于获取互动道具的目标道具参数在不同使用过程中的多个测试值，所述目标道具参数用于反映所述互动道具在使用过程的目标互动特征；

确定模块，用于根据所述目标道具参数的各个测试值，确定所述目标道具参数的使用状态信息和稳定性信息；

检测模块，用于根据所述使用状态信息和稳定性信息，检测所述互动道具的所述目标道具参数是否发生异常。

14.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求12任一项所述的异常检测方法所执行的操作。

15.一种存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现如权利要求1至权利要求12任一项所述的异常检测方法所执行的操作。

Images