CN111228821A - 智能检测穿墙外挂方法、装置、设备及其存储介质 - Google Patents

智能检测穿墙外挂方法、装置、设备及其存储介质 Download PDF

Info

Publication number
CN111228821A
CN111228821A CN202010044523.1A CN202010044523A CN111228821A CN 111228821 A CN111228821 A CN 111228821A CN 202010044523 A CN202010044523 A CN 202010044523A CN 111228821 A CN111228821 A CN 111228821A
Authority
CN
China
Prior art keywords
game
video
image frame
information
game image
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
Application number
CN202010044523.1A
Other languages
English (en)
Other versions
CN111228821B (zh
Inventor
邹耿鹏
张婧琦
雷植程
段建波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010044523.1A priority Critical patent/CN111228821B/zh
Publication of CN111228821A publication Critical patent/CN111228821A/zh
Application granted granted Critical
Publication of CN111228821B publication Critical patent/CN111228821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/75—Enforcing rules, e.g. detecting foul play or generating lists of cheating players
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/53—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game
    • A63F13/533—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game for prompting the player, e.g. by displaying a game menu
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/837—Shooting of targets
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
    • A63F2300/303—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device for displaying additional data, e.g. simulating a Head Up Display
    • A63F2300/305—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device for displaying additional data, e.g. simulating a Head Up Display for providing a graphical or textual hint to the player
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
    • A63F2300/55—Details of game data or player data management
    • A63F2300/5586—Details of game data or player data management for enforcing rights or rules, e.g. to prevent foul play
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/8076—Shooting

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种智能检测穿墙外挂的方法、装置、设备及其存储介质。该方法包括：从游戏视频中获取多张不连续的游戏图像帧；对游戏图像帧进行文字信息识别，得到信息识别结果；当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段；检测待检测视频段中的游戏行为是否属于穿墙外挂行为。根据本申请实施例的技术方案，通过对包含目标信息的游戏图像帧的起始图像帧之前的连续的游戏图像帧进行识别，有效地减少游戏视频的处理量，节省了视频分析处理的时间，并提高了游戏视频的检测效率。

Description

智能检测穿墙外挂方法、装置、设备及其存储介质
技术领域
本申请一般互联网技术领域，尤其涉及智能检测穿墙外挂方法、装置、设备及其存储介质。
背景技术
外挂一般指通过修改游戏数据而为玩家谋取利益的作弊程序或软件。其主要是针对一个或多个软件进行非原设操作，篡改游戏原本正常的设定和规则，大幅增强游戏角色的技能和超越常规的能力，从而达到轻松获取胜利、奖励和快感的好处，通过改变软件的部分程序制作而成的作弊程序。
对于不同的游戏，有不同的外挂类型。例如，第一人称射击类游戏FPS(First-person shooting game)。针对FPS游戏存在穿墙外挂行为，可以基于机器学习判断；基于特定特征的外挂行为判断，例如弹道；或者基于纯人工的视频审核等方式来识别检测。但是这些方式都存在检测能力的不足，有的甚至会被外挂行为的执行者识破，不能长期有效地使用。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种智能检测穿墙外挂的方法、装置、设备及其存储介质，来提升检测游戏视频中外挂行为的效率。
第一方面，本申请实施例提供了一种智能检测穿墙外挂的方法，其包括以下步骤：
从游戏视频中获取多张不连续的游戏图像帧；
对游戏图像帧进行文字信息识别，得到信息识别结果；
当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段；
检测待检测视频段中的游戏行为是否属于穿墙外挂行为。
第二方面，本申请实施例提供了一种智能检测穿墙外挂的装置，其包括：
获取单元，用于从游戏视频中获取多张不连续的游戏图像帧；
识别单元，用于对游戏图像帧进行文字信息识别，得到信息识别结果；
提取单元，用于当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段；
检测单元，检测待检测视频段中的游戏行为是否属于穿墙外挂行为。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现如本申请实施例描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序用于：
该计算机程序被处理器执行时实现如本申请实施例描述的方法。
本申请实施例提供的智能检测穿墙外挂方法、装置、设备及其存储介质，该方法通过从游戏视频中获取多张不连续的游戏图像帧，对游戏图像帧进行文字信息识别，得到信息识别结果；当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段，检测待检测视频段中的游戏行为是否属于穿墙外挂行为，通过从多张不连续的游戏图像帧中查找到包含目标信息的游戏图像帧，有效地减少游戏视频的处理量，节省了视频分析处理的时间，然后，基于包含目标信息的游戏图像帧所对应的待检测视频段，来识别游戏行为是否属于穿墙外挂行为，有效地提高了对游戏视频中是否存在外挂行为的检测效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1示出了本申请实施例提供的智能检测穿墙外挂方法所涉及的实施环境的结构示意图；
图2示出了本申请实施例提供的智能检测穿墙外挂方法的流程示意图；
图3示出了本申请实施例提供的步骤101的流程示意图；
图4示出了本申请实施例提供的步骤102的流程示意图；
图5示出了本申请实施例提供的构建分类模型的流程示意图；
图6示出了本申请实施例提供的步骤103的流程示意图；
图7示出了本申请实施例提供的步骤104的流程示意图；
图8示出了本申请实施例提供的构建目标检测模型的流程示意图；
图9示出了本申请实施例提供的对游戏视频图片进行填充、缩放处理的示意图；
图10示出了本申请实施例提供的智能检测穿墙外挂行为方法的流程示意图；
图11示出了本申请实施例提供的游戏审核显示界面示意图；
图12示出了本申请实施例提供的智能检测穿墙外挂装置500的结构示意图；
图13示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与公开相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
技术术语：
穿墙外挂行为，是指游戏玩家利用作弊行为透视影藏在不可透视的物体之后的虚拟对象，并对其他玩家执行攻击。不可透视的物体，例如建筑物、遮挡物等。
下面先对本申请实施例提供的穿墙外挂行为识别方法所涉及的实施环境进行介绍。请参考图1，图1示出了本申请实施例提供的智能检测穿墙外挂方法所涉及的实施环境的结构示意图。如图1所示，该实施环境中包括多个终端11以及服务器12。其中，终端11的类型包括但不限于智能手机、台式电脑、笔记本电脑、平板电脑、可穿戴设备等。终端11上可以安装有各种应用程序，如游戏应用软件等。例如运行在智能手机上的游戏应用软件，称为手游客户端。本申请实施例对应用场景中各个设备的数量不作具体限定，即可以是一个或者多个。
在本申请实施例中，服务器12可以用于获取游戏视频，游戏视频可以是服务器12从终端抓取或者录制的游戏视频片段，也可以其他中转服务器发送给服务器12。服务器可以是一台独立的服务器、或由若干台服务器组成的服务器集群、或云计算中心。服务器能够为终端提供查询处理服务。服务器可以是应用程序的后台服务器，例如：服务器可以是中间服务器，终端可以通过应用程序与服务器进行交互，从而实现穿墙外挂行为的识别。终端可通过有线或无线方式与服务器进行交互。
本申请实施例提供的智能检测穿墙外挂行为方法，可以由智能检测穿墙外挂装置作为执行主体来执行。智能检测穿墙外挂装置可以集成在终端或服务器等计算机设备中，智能检测穿墙外挂装置可以是硬件也可以是软件模块。也可以由单一的终端或服务器执行，或者二者配合起来执行。终端也可以作为智能检测穿墙外挂行为的执行主体，例如对接收到其他终端传输或者服务器传输的待识别视频进行识别。
下面结合上述应用场景描述本申请实施例提供的智能检测穿墙外挂的方法。请参考图2，图2示出了本申请实施例提供的智能检测穿墙外挂方法的流程示意图。该方法可以由智能检测穿墙外挂装置执行。
步骤101，从游戏视频中获取多张不连续的游戏图像帧；
步骤102，对游戏图像帧进行文字信息识别，得到信息识别结果；
步骤103，当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段；
步骤104，检测待检测视频段中的游戏行为是否属于穿墙外挂行为。
在上述步骤中，游戏视频是指在游戏过程中获取的原始视频数据，该原始视频数据是以待识别的是否存在穿墙外挂行为的游戏玩家的第一视角采集得到的。获取游戏视频，可以是在游戏过程中由游戏玩家对举报获得的，也可以是监控系统智能检测到游戏玩家的数据异常时主动获取的。游戏视频的获取方式可以是服务器控制录播功能从终端获取得到的，也可以是由中转服务器转发得到的。
目标信息是指用于指示游戏场景命中目标的信息。目标信息可以显示在游戏图像帧中透视镜区域附近。该目标信息可以用于确定游戏视频中命中虚拟对象的大致的时间位置。目标信息可以是文字信息、图标等信息。虚拟对象是游戏场景中设计的人物、动物或者其他类型的游戏参与形象。游戏玩家是指通过终端等硬件设备上预先安装或者通过网络共享的客户端操作虚拟对象的主体。
本申请实施例，通过从游戏视频中获取不连续的多个游戏图像帧，在不连续的多个游戏图像帧中初步地查找包含目标信息的游戏图像帧，然后，精确地查找包含目标信息的游戏图像帧的起始图像帧。其中，查找方法可以通过人工智能的深度学习算法，从游戏图像帧所包含的某些局部区域来识别游戏图像帧中是否包含目标信息。人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
起始图像帧是指在游戏场景中游戏玩家击中虚拟对象时首次显示目标信息的游戏图像帧。以联网射击类游戏为例，当游戏玩家击中虚拟对象时，会出现“你使用XXX命中XXX”的目标信息。在游戏场景中可以多帧连续显示目标信息，首次显示“你使用XXX命中XXX”的游戏图像帧即称为该次射击行为的起始图像帧。在一定时间长度的游戏视频中，可能存在多次射击行为，每次射击行为都会通过信息提示作为射击行为的反馈信息。其中，命中虚拟对象的反馈信息即目标信息。若在一定时间长度的游戏视频中，存在多次射击行为，则相应地存在多个起始图像帧，每个起始图像帧用于指示游戏玩家在游戏视频中的射击行为命中虚拟对象。例如，游戏玩家命中虚拟对象一次，则存在一个起始图像帧，命中多个虚拟对象则存在多个起始图像帧，不同时刻命中同一个虚拟对象，也存在与不同时刻对应的起始图像帧。
在确定起始图像帧之后，基于起始图像帧之前的N张连续的游戏图像帧可以确定起始图像帧对应的游戏行为是否属于穿墙外挂行为。仍以射击类游戏为例，当游戏玩家通过射击行为命中虚拟对象时，可以通过游戏里射击的各种游戏装备对虚拟对象进行瞄准射击，从而获得命中虚拟对象的结果。在瞄准射击过程中，瞄准的过程可能是正常的游戏行为，也可能是穿墙外挂行为。例如，当某些虚拟对象躲避在不可视物体(例如，障碍物)之后，有些高级游戏玩家凭借丰富的游戏经验，可以人为预判是否在障碍物后躲藏虚拟对象，从而完成射击并获得命中的结果。而有些游戏玩家则是利用外挂透视躲避在障碍物后面的虚拟对象，从而完成射击并获得命中的结果。
相关技术通过机器学习对外挂风险进行识别判断，其判断结果的精准度并不高，通过游戏场景的特定特征，例如弹道等进行判断，精准度有所提升，但很容易被外挂使用者识破，不能有效解决外挂问题。但是，如果单纯的以人工审核视频的方式来解决外挂识别问题，每个游戏视频的审核时间大致需要5-6分钟，其耗时较长，审核效率较低。
为了解决该问题，本申请实施例，通过人工智能模仿人工审核方式，从游戏视频中获取多张不连续的游戏图像帧，然后对游戏图像帧进行文字信息识别，得到信息识别结果；当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段；并检测待检测视频段中的游戏行为是否属于穿墙外挂行为。其通过从游戏视频中选择不连续的多张游戏帧，有效地减少游戏视频的处理量，节省了大量的视频分析处理时间，并在确定包含目标信息的游戏图像帧之后进一步提取待检测视频段，通过对目标信息对应的待检测视频段进一步进行检测识别，来有效地提高了游戏视频的检测效率。
下面结合图3说明步骤101的操作过程。请参考图3，图3示出了本申请实施例提供的步骤101的流程示意图。步骤101可以包括：
步骤1011，获取游戏视频；
步骤1012，将游戏视频处理成游戏图像帧序列；
步骤1013，按照预设帧间隔从游戏视频帧序列中提取游戏图像帧，得到多张不连续的游戏图像帧。
本申请实施例中可以获取1个或多个游戏视频，将每个游戏视频处理成游戏图像帧序列。将游戏视频输入到OpenCV工具，该工具可以将游戏视频逐帧进行拆分成游戏图像帧序列。OpenCV工具(英文全称：Open Source Computer Vision Library，开源计算机视觉库)是一个跨平台的计算机视觉库。OpenCV工具可以用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用IPP(英文全称Intel Integrated PerformancePrimitives，平台软件函数库)进行加速处理。按照预设帧间隔从游戏视频帧序列中提取游戏图像帧，得到多张不连续的游戏图像帧。预设帧间隔f是指两个待提取的游戏图像帧之间间隔f个游戏图像帧，f的取值例如可以是3-5帧。
本申请实施例通过模拟人工审核视频间隔获取可能包含目标信息的游戏图像帧，有效地减少审核数据量，极大地提升了视频审核的效率。
下面结合图4说明步骤102的操作过程。请参考图4，图4示出了本申请实施例提供的步骤102的流程示意图。步骤102可以包括：
步骤1021，对于获取到的每一张游戏图像帧，截取游戏图像帧中的文字浮现区域，得到待识别局部图像；
步骤1022，识别待识别局部图像中是否包含目标信息，得到信息识别结果。
在上述步骤中，待识别局部图像是指目标信息在游戏图像帧中占据的像素区域。例如目标信息为“你使用XXX命中XXX”，或者类似的文字表述内容，目标信息在游戏图像帧中可以位于某个显示位置，该显示位置对应的像素区域称为待识别局部图像。
在上述步骤中，先从每个游戏图像帧中截取取待识别局部图像，然后对待识别局部图像进行识别，以确定待识别图像中是否包含目标信息作为信息识别结果。
本申请实施例中，在多张不连续的游戏图像帧中初步查找包含目标信息的游戏图像帧，该包含目标信息的游戏图像帧不能真实地反应被举报游戏玩家的游戏行为的起始位置。这是因为目标信息通常会在连续多张游戏图像帧中显示，初步查找得到的包含目标信息的游戏图像帧，是通过跳帧方式获取的，因此不能真实反应被举报游戏玩家的游戏行为的起始位置。游戏行为是指游戏玩家命中虚拟对象的行为。在游戏行为发生对应的时刻开始，连续在多张游戏图像帧中显示目标信息，例如，目标信息为“你使用XXX命中XXX”，或者类似的表述内容。截图识别的结果仅说明游戏行为已经发生，但并不是游戏玩家命中虚拟对象的起始位置。
可选地，识别待识别局部图像中是否包含目标信息，得到信息识别结果可以包括：
通过预先构建的分类模型，对文字浮现区域中的文字信息进行识别，得到识别结果；
确定识别结果中是否包含目标信息，得到信息识别结果。
假设从游戏视频中获取多个不连续的游戏图像帧，可以对每个游戏图像帧逐一进行分类识别，也可以对多个游戏图像帧同步进行识别。
先从每个游戏图像帧中截取取待识别局部图像，然后通过预先构建的分类模型，对文字浮现区域中文字信息进行识别，得到识别结果；确定识别结果中是否包含目标信息，得到信息识别结果。
优选地，分类模型可以是MobileNet模型。MobileNet模型是一种轻量化的神经网络模型，适于在小型设备上运行，且处理速度快。
本申请实施例可以通过预先训练构建分类模型来实现游戏图像帧的初步分类识别和精细分类识别，其可以有效地提升数据处理速度。构建分类模型可以参考图5，图5示出了本申请实施例提供的构建分类模型的流程示意图。
从大量的游戏视频图片中截取包含局部区域的图片，并这些图片进行标注处理，例如局部区域内是文字信息，该文字信息显示命中虚拟对象，该文字信息显示未命中虚拟对象，将经过标注处理的图片集划分成训练图片集和测试图片集。
对训练图片集中每张图片进行灰度化处理，输入到待训练的MobileNet模型中进行训练，并通过参数优化算法对模型参数进行优化，然后，利用测试图片集对对模型参数进行修正，最后得到分类模型。
在构建分类模型之后，将多张游戏图像帧进行灰度化处理之后输入到分类模型，输出每张游戏图像帧的分类结果，该分类结果可以表示游戏图像帧是否包含目标信息。
以包含目标信息的游戏图像帧作为起点，将包含目标信息的游戏图像帧之前的多张连续游戏图像帧逐张输入到分类模型进行二次分类，可以识别得到包含目标信息的游戏图像帧的起始图像帧。
本申请实施例中，通过对图像游戏帧进行分类查找，来缩小图像帧的处理量，极大地提升了数据处理的效率，从而有效地提升游戏视频的鉴别效率。
下面结合图6说明步骤103的操作过程。请参考图6，图6示出了本申请实施例提供的步骤103的流程示意图。步骤103包括：
步骤1031，当信息识别结果指示游戏图像帧中包含目标信息时，在游戏视频中确定目标信息对应起始图像帧；
步骤1032，从游戏视频帧中，提取起始图像帧之前的N张连续的游戏图像帧，得到待检测视频段。
在上述步骤中，当信息识别结果指示游戏图像帧中包含目标信息时，在游戏视频中确定目标信息对应的起始图像帧。在初步查找得到包含目标信息的游戏图像帧之后，以该包含目标信息的游戏图像帧为起点，在该起点之前的游戏图像帧中，进一步地查找首次显示目标信息的游戏图像帧(即起始图像帧)，并以首次显示目标信息的游戏图像帧作为游戏行为发生的位置。例如，多张不连续的游戏图像帧{Fm，Fm+f，Fm+2f，Fm+nf}，其中{Fm+f，Fm+2f，Fm+nf}是包含目标信息的游戏图像帧。在{Fm+f，Fm+2f，Fm+nf}中，对游戏图像帧Fm+f，Fm+2f，Fm+nf之前的游戏图像帧逐一的判断是否包含目标信息。例如，游戏图像帧Fm+f之前的f-1张游戏图像帧，如果第m+f-i张游戏图像帧为首次显示目标信息的游戏图像帧，则第m+f-i张游戏图像帧为游戏图像帧Fm+f的起始图像帧，其中，i为小于等于f-1的自然数，f为帧间隔，可以用帧数来表示。
在确定目标信息对应的起始图像帧之后，提取该起始图像帧之前的N张连续的游戏图像帧，得到待检测视频段。
本申请实施例中通过对不连续的多个游戏图像帧进行初步识别确定是否包含目标信息，在确定包含目标信息的游戏图像帧时，再进一步提取该包含目标信息的游戏图像帧的待检测视频段，通过对该待检测视频段进行分析，以确定待检测视频段中的游戏行为是否属于穿墙外挂行为，其有效地提升了对穿墙外挂行为的检测效率。
下面结合图7说明步骤104的操作过程。请参考图7，图7示出了本申请实施例提供的步骤104的流程示意图。步骤104可以包括：
步骤1041，识别待检测视频中关键元素信息；
步骤1042，基于关键元素信息，确定待检测视频段对应的游戏行为；
步骤1043，当游戏行为符合穿墙外挂条件时，则在游戏视频的待检测视频段对应的播放位置添加外挂标记。
确定游戏行为的起始位置之后，通过起始位置之前的连续的N张游戏图像帧的状态变化，来识别游戏行为是否属于穿墙外挂行为。
例如，通过深度学习算法提取N张连续的游戏图像帧中所包含的关键元素，然后，通过关键元素在N张连续的游戏图像帧中的变化来鉴别游戏行为是否属于穿墙外挂行为。深度学习算法，例如可以是Faster R-CNN(英文全称Faster Region-based ConvolutionalNeural Networks，优化的基于区域的卷积神经网络)算法。
关键元素可以包括：第一目标和第二目标的位置关系和第一目标的像素值。第一目标是指射击类游戏中的被射击的虚拟人物，或者动物，或者其他的物体。第一目标可以是隐藏的虚拟对象、暴露的虚拟对象。其中隐藏的虚拟对象是指在被举报者正常视野内不可见的虚拟对象。暴露的虚拟对象是指在被举报者正常视野内可见的虚拟对象。正常视野是指与以虚拟对象为第一视角，其游戏规定的可见范围，或者佩戴游戏道具后可见的范围。被举报者是指在游戏过程中被怀疑使用外挂的游戏玩家。第二目标是指射击类游戏中射击者使用的瞄准镜。第一目标和第二目标的位置关系是指第一目标位于所述第一目标的显示区域内。以射击类游戏为例，第一目标和第二目标的位置关系可以理解为被射击的虚拟对象位于瞄准镜的准心上。
第一目标的像素值是指用于标识第一目标的颜色信息。例如，通过高光贴图处理对第一目标进行处理。以被举报者的第一视角来看，理论上是无法穿透障碍物的。当第一目标躲避在障碍物后，利用黄色高光贴图来处理隐藏的虚拟对象。当第一目标暴露在正常视野时，利用红色高光贴图来处理暴露的虚拟对象。
本申请实施例，通过对起始图像帧之前的N张连续的游戏图像帧进行智能分析，可以得到起始图像帧对应的游戏行为是否属于穿墙外挂行为。对起始图像帧之前的N张连续的游戏图像帧进行智能分析，可以通过预先构建的目标检测模型来处理。预先构建的目标检测模型，可以是R-CNN(英文缩写：Region with CNN features，带有CNN特征的区域)算法，SPP Net(英文缩写：Spatial Pyramid Pooling Layer Net，空间金字塔)算法，FasterR-CNN(英文全称Faster Region-based Convolutional Neural Networks，优化的基于区域的卷积神经网络)等。下面以Faster R-CNN模型来构建目标检测模型为例，请参考图8，图8示出了本申请实施例提供的构建目标检测模型的流程示意图。
对大量的游戏视频图片中存在的基础元素进行标注，基础元素是指在游戏视频图片中显示的第一目标、第二目标、第一目标的类型，以及游戏视频图片的四角坐标值等。
然后，对这些游戏视频图片进行填充、缩放处理。如图9所示，图9示出了本申请实施例提供的对游戏视频图片进行填充、缩放处理的示意图。在获取游戏视频图片时，游戏视频图片可能大小不一致，通过填充处理使得图片尺寸一致，并按照相同的缩放比例获得不变型的图片，这样处理有助于提升检测结果的准确度。在填充时，可以通过在图片周边填充白色像素或者黑色像素。将填充、缩放处理后的图片划分成训练图片集和测试图片集。
将训练图片集输入到待训练的，Faster R-CNN模型中进行训练，并通过参数优化算法对模型参数进行优化，然后，利用测试图片集对对模型参数进行修正，最后得到目标检测模型。
在构建目标检测模型之后，将起始图像帧之前的N张连续的游戏图像帧经过填充、缩放处理之后，输入到目标检测模型，输出每张游戏图像帧的检测结果，该检测结果包含第一目标与第二目标对象的位置关系和第一目标对象的像素值。即关键元素包括第一目标和第二目标的位置关系和第一目标的像素值。在N张连续的游戏图像帧中，上述位置关系和第一目标的像素值均不变，则表示起始图像帧对应的游戏行为属于穿墙外挂行为。以射击类游戏为例，当第一目标(即被射击的虚拟对象)位于第二目标(即被举报者的瞄准镜的准心位置)的范围内，且第一目标(即被射击的虚拟对象)的像素值一直未相同的颜色值，例如黄色高光贴图的第一目标，颜色值为黄色。在N张连续的游戏图像帧中第一目标与第二目标的位置关系都近似不变且第一目标一直是躲避在障碍物后面的，在第N+1帧时屏幕显示“你使用XXX命中XXX”，则被举报者的游戏行为属于穿墙外挂行为。如果第一目标与第二目标的位置关系符合游戏操作的跟随式产生的活动范围，但是第一目标的像素值，在前N帧中部分帧是红色，部分帧是黄色，则说明虚拟对象在游戏场景中障碍物中有明显移动痕迹，则不能确定被举报者存在穿墙外挂行为。
本申请实施例，利用深度学习对起始图像帧之前的N张连续的游戏图像帧存在关键元素进行提取，基于关键元素判断被举报者的游戏行为是否属于穿墙外挂行为，通过该方式视频数据在经过初步查找和精确查找处理之后，极大地缩小了目标检测处理的视频数据量，因此极大地减少审核视频的时间。且经过初步查找和精确查找定位检测范围，有效地提升了检测的精准性。
可选地，步骤1043还可以包括：
当游戏行为符合穿墙外挂条件时，确定待检测视频段对应的播放起始时间；在游戏视频的播放进度条对应于播放起始时间的进度条位置，添加与穿墙外挂对应的外挂标记。
可选地，本申请实施例还可以在确定游戏行为符合穿墙外挂条件时，在与起始图像帧对应的位置上添加外挂标记。
可选地，还可以在确定起始图像帧时先对所有的起始图像帧对应的位置进行一次标记，该标记用于指示起始图像帧的位置。为了便于人工审核查看，提升审核质量，进一步地通过人工智能识别起始图像帧对应的待检测视频段是否存在穿墙外挂行为，并在待检测视频段对应的播放位置添加外挂标记，或者将第一次标记数据修改为第二标记数据，用于指示该起始图像帧对应的游戏行为属于穿墙外挂行为。
为更清楚地理解本申请的发明构思，下面以MobileNet模型作为分类模型和Faster R-CNN模型作为目标检测为例，结合图10进一步进行描述。图10示出了本申请实施例提供的智能检测穿墙外挂行为方法的流程示意图。
如图10所示，在接收到举报信息之后，获取被举报者的第一视角的游戏视频，对游戏视频先进行高光贴图处理。高光贴图是用来区分隐藏的虚拟对象和暴露的虚拟对象。例如，对隐藏的虚拟对象用黄色高光贴图处理，对暴露的虚拟对象用红色高光贴图处理。
将经过高光贴图处理后的游戏视频处理成游戏图像帧序列{F0，F1，F2，Fm，Fm+f，Fm+2f，Fm+nf，FT}。T为整数。
通过跳帧截取得到多张不连续的游戏图像帧{Fm，Fm+f，Fm+2f，Fm+nf}。将多张不连续的游戏图像帧经过灰度化处理后，输入到分类模型，该分类模型采用的MobieNet模型。输出包含目标信息的游戏图像帧{Fm+f，Fm+2f，Fm+nf}。
然后，将每个游戏图像帧之前的f-1张游戏图像帧再次输入到分类模型，得到分别与游戏图像帧Fm+f对应的起始图像帧，与游戏图像帧Fm+2f对应的起始图像帧，与游戏图像帧Fm+nf对应的起始图像帧。n为整数。
然后对每个起始图像帧之前的连续N张游戏图像帧进行目标检测，N为整数，可选地，N可以取10。假设与游戏图像帧Fm+f对应的起始图像帧为Fm+f-2f，则提取该起始图像帧之前的10张游戏图像帧，对这10张游戏图像帧进行填充和缩放处理后，输入到目标检测模型中，输出第一目标和第二目标的位置关系，第一目标的像素值对应的类型，然后基于第一目标和第二目标的位置关系和第一目标像素值对应的类型可以确定起始图像帧对应的游戏行为是否属于穿墙外挂行为。
其中，对游戏图像帧进行像素填充，以满足预定的全局长宽比，该全局长宽比是根据全局分辨率确定的。在像素填充处理后，根据比例因子对像素填充后的游戏图像帧进行缩小处理得到目标图像帧，该目标图像帧的长宽比等于全局长宽比乘以比例因子。考虑到相关技术中图片缩放会导致图像帧相对位置的改变，为克服该问题，本申请实施例通过按比例因子缩放图像，来保证游戏图像帧的完整性和精确性，从而提高检测结果的精确度。
在通过上述处理之后，可以识别得到游戏视频中存在的穿墙外挂行为，并在游戏视频的播放进度条上标注显示出来。请参考图11，图11示出了本申请实施例提供的游戏审核显示界面示意图。如图11所示，图标10为隐藏的虚拟对象，图标40为瞄准镜区域，图标30为目标信息。图标20为游戏视频的播放进度条。图标202表示属于穿墙外挂行为的射击行为。图标201表示不属于穿墙外挂行为的正常射击行为。本申请实施例，在审核游戏视频界面中明确标识属于穿墙外挂行为的射击行为，有效地提高了视频审核的效率。
在获取起始图像帧之后，标注该起始图像帧的位置。例如，起始图像帧在游戏视频显示界面的游戏视频的播放进度条20上对应的播放位置，例如0.05s位置为游戏图像帧Fm。该播放位置可以通过图标201来标识，图标201可以通过颜色标识来实现，例如图标201采用白色图标来实现。
假设在经过上述智能检测穿墙外挂方法的识别处理之后，确定游戏图像帧Fm+f对应的游戏行为属于穿墙外挂行为，则采用图标202来标识。图标202可以通过颜色标识来实现，例如图标202采用红色图标来实现。图标201和图标202可以相同大小，也可以大小不同。
本申请通过上述方法，实现玩家举报、人工智能识别被举报者的游戏视频中的游戏行为是否存在的穿墙外挂行为，并在游戏视频审核的播放进度条上标注识别结果，以便人工进行二次审核以排除人工智能误判的风险。本申请实施例利用人工智能算法识别游戏视频中游戏行为的穿墙外挂行为，有效地缩短了视频审核的处理时间，通过标注风险位置，有效地提高人工审核的效率，并提升了穿墙外挂检测的精准度。
应当注意，尽管在上述附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
上述方法步骤可以由与其对应的装置来执行，参考图12，图12示出了本申请实施例提供的智能检测穿墙外挂装置500的结构示意图。
该装置500包括：
获取单元501，用于从游戏视频中获取多张不连续的游戏图像帧；
识别单元502，用于对游戏图像帧进行文字信息识别，得到信息识别结果；
提取单元503，用于当信息识别结果指示游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从游戏视频中提取待检测视频段。
检测单元504，检测待检测视频段中的游戏行为是否属于穿墙外挂行为。
本申请实施例中，通过对图像游戏帧进行分类查找，来缩小图像帧的处理量，极大地提升了数据处理的效率，从而有效地提升游戏视频的鉴别效率。
可选地，获取单元501包括：
视频获取子单元，用于获取游戏视频；
序列处理子单元，用于将游戏视频处理成游戏图像帧序列；
读取存储子单元，用于按照预设帧间隔从游戏视频帧序列中提取游戏图像帧，得到多张不连续的游戏图像帧。
识别单元502，包括：
截取子单元，用于对于获取到的每一张游戏图像帧，截取游戏图像帧中的文字浮现区域，得到待识别局部图像；
识别子单元，用于识别待识别局部图像中是否包含目标信息，得到信息识别结果。
其中识别子单元还用于：通过预先构建的分类模型，对待识别局部图像中的文字信息进行识别，得到识别结果；确定识别结果中是否包含目标信息，得到信息识别结果。
可选地，提取单元503还包括：
确定子单元，用于当信息识别结果指示游戏图像帧中包含目标信息时，在游戏视频中确定目标信息对应的起始图像帧；
提取子单元，用于从游戏视频帧中，提取起始图像帧之前N张连续的游戏图像帧，得到待检测视频段。
可选地，检测单元504还包括：
关键信息识别子单元，用于识别待检测视频中关键元素信息；
游戏行为确定子单元，用于基于关键元素信息，确定待检测视频段对应的游戏行为；
标记子单元，用于当游戏行为符合穿墙外挂条件时，则在与待检测视频段对应的起始图像帧对应的播放位置添加外挂标记。
本申请实施例确定从游戏视频中获取多张不连续的游戏图像帧，并查找包含目标信息的游戏图像帧所对应的起始图像帧，并通过对识别结果的区别标识，有效地缩短了视频审核的处理时间，提高穿墙外挂的检测精准度。
应当理解，装置500中记载的诸单元或模块与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。装置500中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
在上文详细描述中提及的若干模块或者单元，这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
下面参考图13，图13示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统800的结构示意图。
如图13所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分509经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，上文参考流程图图2描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、查找单元以及确定单元。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，获取单元还可以被描述为“用于从游戏视频中获取多张不连续的游戏图像帧的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的智能检测穿墙外挂行为的方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种智能检测穿墙外挂的方法，其特征在于，其包括以下步骤：
从游戏视频中获取多张不连续的游戏图像帧；
对所述游戏图像帧进行文字信息识别，得到信息识别结果；
当所述信息识别结果指示所述游戏图像帧中包含目标信息时，根据包含所述目标信息的游戏图像帧，从所述游戏视频中提取待检测视频段；
检测所述待检测视频段中的游戏行为是否属于穿墙外挂行为。
2.根据权利要求1所述的方法，其特征在于，所述从游戏视频中获取多张不连续的游戏图像帧，包括：
获取所述游戏视频；
将所述游戏视频处理成游戏视频帧序列；
按照预设帧间隔从所述游戏视频帧序列中提取游戏图像帧，得到多张不连续的游戏图像帧。
3.根据权利要求1所述的方法，其特征在于，所述对所述游戏图像帧进行文字信息识别，得到信息识别结果，包括：
对于获取到的每一张所述游戏图像帧，截取所述游戏图像帧中的文字浮现区域，得到待识别局部图像；
识别所述待识别局部图像中是否包含目标信息，得到信息识别结果。
4.根据权利要求3所述的方法，其特征在于，所述识别所述待识别局部图像中是否包含目标信息，得到信息识别结果，包括：
通过预先构建的分类模型，对所述待识别局部图像中的文字信息进行识别，得到识别结果；
确定所述识别结果中是否包含目标信息，得到信息识别结果。
5.根据权利要求1所述的方法，其特征在于，所述当所述信息识别结果指示所述游戏图像帧中包含目标信息时，根据包含所述目标信息的游戏图像帧，从所述游戏视频中提取待检测视频段包括：
当所述信息识别结果指示所述游戏图像帧中包含目标信息时，在所述游戏视频中确定所述目标信息对应的起始图像帧；
从所述游戏视频帧中，提取所述起始图像帧之前N张连续的游戏图像帧，得到待检测视频段。
6.根据权利要求1所述的方法，其特征在于，所述检测所述待检测视频段中的游戏行为是否属于穿墙外挂行为，包括：
识别所述待检测视频中关键元素信息；
基于所述关键元素信息，确定所述待检测视频段对应的游戏行为；
当所述游戏行为符合所述穿墙外挂条件时，则在所述游戏视频的待检测视频段对应的播放位置添加外挂标记。
7.根据权利要求6所述的方法，其特征在于，所述当所述游戏行为符合所述穿墙外挂条件时，则在所述游戏视频的待检测视频段对应的播放位置添加外挂标记，包括：
当所述游戏行为符合所述穿墙外挂条件时，确定所述待检测视频段对应的播放起始时间；在所述游戏视频的播放进度条对应于所述播放起始时间的进度条位置，添加与所述穿墙外挂对应的外挂标记。
8.一种智能检测穿墙外挂的装置，其特征在于，其包括：
获取单元，用于从游戏视频中获取多张不连续的游戏图像帧；
识别单元，用于对所述游戏图像帧进行文字信息识别，得到信息识别结果；
提取单元，用于当所述信息识别结果指示所述游戏图像帧中包含目标信息时，根据包含目标信息的游戏图像帧，从所述游戏视频中提取待检测视频段；
检测单元，检测所述待检测视频段中的游戏行为是否属于穿墙外挂行为。
9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可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程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其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如权利要求1-7中任一项所述的方法。
CN202010044523.1A 2020-01-15 2020-01-15 智能检测穿墙外挂方法、装置、设备及其存储介质 Active CN111228821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010044523.1A CN111228821B (zh) 2020-01-15 2020-01-15 智能检测穿墙外挂方法、装置、设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044523.1A CN111228821B (zh) 2020-01-15 2020-01-15 智能检测穿墙外挂方法、装置、设备及其存储介质

Publications (2)

Publication Number Publication Date
CN111228821A true CN111228821A (zh) 2020-06-05
CN111228821B CN111228821B (zh) 2022-02-01

Family

ID=70871113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044523.1A Active CN111228821B (zh) 2020-01-15 2020-01-15 智能检测穿墙外挂方法、装置、设备及其存储介质

Country Status (1)

Country Link
CN (1) CN111228821B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111803956A (zh) * 2020-07-22 2020-10-23 网易（杭州）网络有限公司 游戏外挂行为的确定方法、装置、电子设备及存储介质
CN112206541A (zh) * 2020-10-27 2021-01-12 网易（杭州）网络有限公司 游戏外挂识别方法、装置、存储介质及计算机设备
CN112784675A (zh) * 2020-11-25 2021-05-11 上海芯翌智能科技有限公司 目标检测方法及装置、存储介质、终端
CN112957741A (zh) * 2021-03-03 2021-06-15 网易（杭州）网络有限公司 游戏举报处理方法、装置及电子设备
CN115944921A (zh) * 2023-03-13 2023-04-11 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101540178B1 (ko) * 2014-04-07 2015-07-28 (주)스마일게이트엔터테인먼트 온라인 게임의 월샷 해킹 툴 탐지 방법 및 이를 이용하는 온라인 게임 서비스 시스템
CN106898051A (zh) * 2017-04-14 2017-06-27 腾讯科技（深圳）有限公司 一种虚拟角色的视野剔除方法和服务器
CN107308645A (zh) * 2017-06-07 2017-11-03 浙江无端科技股份有限公司 一种游戏透视外挂检测的方法及游戏客户端
CN108629180A (zh) * 2018-03-29 2018-10-09 腾讯科技（深圳）有限公司 异常操作的确定方法和装置、存储介质、电子装置
CN109045702A (zh) * 2018-07-24 2018-12-21 网易（杭州）网络有限公司 一种外挂检测方法、系统、装置、计算设备和介质
CN110087123A (zh) * 2019-05-15 2019-08-02 腾讯科技（深圳）有限公司 视频文件制作方法、装置、设备及可读存储介质
CN110339576A (zh) * 2019-07-23 2019-10-18 网易（杭州）网络有限公司 信息处理方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101540178B1 (ko) * 2014-04-07 2015-07-28 (주)스마일게이트엔터테인먼트 온라인 게임의 월샷 해킹 툴 탐지 방법 및 이를 이용하는 온라인 게임 서비스 시스템
CN106898051A (zh) * 2017-04-14 2017-06-27 腾讯科技（深圳）有限公司 一种虚拟角色的视野剔除方法和服务器
CN107308645A (zh) * 2017-06-07 2017-11-03 浙江无端科技股份有限公司 一种游戏透视外挂检测的方法及游戏客户端
CN108629180A (zh) * 2018-03-29 2018-10-09 腾讯科技（深圳）有限公司 异常操作的确定方法和装置、存储介质、电子装置
CN109045702A (zh) * 2018-07-24 2018-12-21 网易（杭州）网络有限公司 一种外挂检测方法、系统、装置、计算设备和介质
CN110087123A (zh) * 2019-05-15 2019-08-02 腾讯科技（深圳）有限公司 视频文件制作方法、装置、设备及可读存储介质
CN110339576A (zh) * 2019-07-23 2019-10-18 网易（杭州）网络有限公司 信息处理方法、装置及存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111803956A (zh) * 2020-07-22 2020-10-23 网易（杭州）网络有限公司 游戏外挂行为的确定方法、装置、电子设备及存储介质
CN111803956B (zh) * 2020-07-22 2024-02-09 网易（杭州）网络有限公司 游戏外挂行为的确定方法、装置、电子设备及存储介质
CN112206541A (zh) * 2020-10-27 2021-01-12 网易（杭州）网络有限公司 游戏外挂识别方法、装置、存储介质及计算机设备
CN112784675A (zh) * 2020-11-25 2021-05-11 上海芯翌智能科技有限公司 目标检测方法及装置、存储介质、终端
CN112784675B (zh) * 2020-11-25 2023-06-30 上海芯翌智能科技有限公司 目标检测方法及装置、存储介质、终端
CN112957741A (zh) * 2021-03-03 2021-06-15 网易（杭州）网络有限公司 游戏举报处理方法、装置及电子设备
CN112957741B (zh) * 2021-03-03 2024-02-02 网易（杭州）网络有限公司 游戏举报处理方法、装置及电子设备
CN115944921A (zh) * 2023-03-13 2023-04-11 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备及介质
CN115944921B (zh) * 2023-03-13 2023-05-23 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111228821B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN111228821B (zh) 智能检测穿墙外挂方法、装置、设备及其存储介质
CN106383587B (zh) 一种增强现实场景生成方法、装置及设备
CN106250938B (zh) 目标跟踪方法、增强现实方法及其装置
CN111054080B (zh) 智能检测透视外挂方法、装置、设备及其存储介质
US9345967B2 (en) Method, device, and system for interacting with a virtual character in smart terminal
CN116139466A (zh) 视频流中的对象建模和替换
CN110812845B (zh) 外挂检测方法、外挂识别模型的训练方法和相关装置
CN111988670B (zh) 视频播放方法及装置、电子设备和计算机可读存储介质
CN111672109B (zh) 一种游戏地图生成的方法、游戏测试的方法以及相关装置
CN112927349B (zh) 三维虚拟特效的生成方法、装置、计算机设备及存储介质
CN110059624B (zh) 用于检测活体的方法和装置
CN107256082B (zh) 一种基于网络一体化和双目视觉技术的投掷物弹道轨迹测算系统
CN110267116A (zh) 视频生成方法、装置、电子设备和计算机可读介质
CN112637665B (zh) 增强现实场景下的展示方法、装置、电子设备及存储介质
CN109224444A (zh) 游戏人物识别方法、装置、存储介质和电子设备
CN110302536A (zh) 一种基于交互式应用的对象检测方法及相关装置
CN108921138B (zh) 用于生成信息的方法和装置
CN114067172A (zh) 一种仿真图像生成方法、仿真图像生成装置及电子设备
CN113332714A (zh) 游戏模型的补光方法及装置、存储介质、计算机设备
CN114584680A (zh) 一种运动数据展示方法、装置、计算机设备及存储介质
CN116983660A (zh) 一种图像处理的方法以及相关装置
CN111773683B (zh) 一种基于移动终端的文字显示方法及装置
CN107506031B (zh) 一种vr应用程序的识别方法及电子设备
CN105513050A (zh) 一种目标图像提取方法及装置
CN111953849A (zh) 展示留言板的方法、装置、电子设备及存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40023251

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant