CN108537017A - 一种用于管理游戏用户的方法与设备 - Google Patents

Abstract

本申请的目的是提供一种用于管理游戏用户的方法，该方法包括：***获取游戏用户的用户生物特征信息；***根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；若所述游戏用户属于受限身份类别，***拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。与现有技术相比，人工智能***通过实时获取用户生物特征信息来确定用户的身份信息、检测游戏用户是否属于受限身份类别等，更加智能化、高效化的管理游戏用户，有效地防止未成年人沉迷于游戏。

Description

一种用于管理游戏用户的方法与设备

技术领域

本申请涉及通信领域，尤其涉及一种用于管理游戏用户的技术。

背景技术

随着时代的发展，游戏的形式发生了显著的变化，但其作为人们娱乐休闲的工具却始终未变。所以防止未成年人沉迷于游戏也一直是不变的话题，不仅家长通过积极地教育配合，游戏供应商也采取各种措施，如12周岁及以下的游戏用户21点之后被限玩某些游戏、游戏用户须实名制注册、游戏用户登录须身份证信息等，不论实名制注册、身份证信息及年龄的设置都需要用户手动设置完成，容易造假，存在一定的规避风险。

发明内容

本申请的一个目的是提供一种用于管理游戏用户的方法与设备。

根据本申请的一个方面，提供了一种用于管理游戏用户的方法，该方法包括：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。

根据本申请的另一个方面，提供了一种用于确定游戏用户身份类别的方法，该方法包括：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，确定所述游戏用户的身份类别信息。

根据本申请的一个方面，提供了一种用于管理游戏用户的设备，该设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。

根据本申请的另一个方面，提供了一种用于确定游戏用户的身份类别的设备，该设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，确定所述游戏用户的身份类别信息。

根据本申请的一个方面，提供了一种包括指令的计算机可读介质，所述指令在被执行时使得***进行：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。

根据本申请的另一个方面，提供了一种包括指令的计算机可读介质，所述指令在被执行时使得***进行：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，确定所述游戏用户的身份类别信息。

与现有技术相比，本申请提供了一种用于管理游戏用户的方法，该方法包括：获取游戏用户的用户生物特征信息；根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。人工智能***通过实时获取用户生物特征信息来确定用户的身份信息、检测游戏用户是否属于受限身份类别等，更加智能化、高效化的管理游戏用户，有效的防止未成年人沉迷于游戏。

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示出了根据本申请的一个实施例的一种用于管理游戏用户的方法流程图；

图2、3示出根据本申请一些实施例中应用场景示意图；

图4示出根据本申请另一个实施例的一种用于确定游戏用户的身份类别的方法流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本申请所指设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作***，如android操作***、iOS操作***等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。

当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。

图1示出了根据本申请的一个实施例的一种用于管理游戏用户的方法流程图，该方法包括步骤S11、步骤S12和步骤S13。其中，在步骤S11中，设备/应用程序获取游戏用户的用户生物特征信息；在步骤S12中，设备/应用程序根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；在步骤S13中，若所述游戏用户属于受限身份类别，设备/应用程序拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。在此，用户生物特征信息包括基于人工智能方法可识别并通过摄像装置获取的特征信息，如人脸特征信息、声音特征信息；受限身份类别包括但不限于小学生、青少年或未成年等其他人；配置信息包括但不限于游戏的使用设备、游戏的难度系数、暴击率、体力信息或魔法系数。该方法既可以独立运用在游戏应用中，也可以集成在游戏应用中；即可以在用户设备完成，也可以在网络设备完成；在此，我们以该方法独立运用在游戏应用中，并在用户设备完成为例阐述相应实施例，本领域技术人员应能理解，除个别明确示出的实施例外，该等实施例同样可由网络设备执行，并可适用集成游戏应用的方法。

例如，用户设备通过摄像装置获取游戏用户小明的人脸特征信息；通过对小明脸部特征进行旋转角度、相关特征提取等处理，检测小明是否属于受限身份类别；确定小明为受限类别中的小学生，若小明正在登录当前游戏应用，则用户设备拒绝小明进入该游戏应用；若小明已进入当前游戏应用中，用户设备会自动调整小明在该游戏中的配置信息，如提高该游戏的难度系数等以防小明沉迷该游戏，又或者用户设备直接强制小明退出该游戏。

又例如，用户设备获取游戏用户小明朗读时的声音特征信息；通过声纹识别等处理，检测小明属于受限身份类别；若小明已进入当前游戏应用，则用户设备会自动调整小明在该游戏中的配置信息，如限制小明只能在电脑上使用该游戏应用，降低小明在该游戏应用中的体力信息、暴击率、魔法系数，调整小明进行游戏的网络设置并降低网速，或提高小明在该游戏中的难度系数等，以防止小明沉迷于该游戏。

在一些实施例中，该方法步骤S11包括子步骤S111和子步骤S112(均未示出)。其中，在子步骤S111中，用户设备实时获取游戏用户的拍摄信息；在子步骤S112中，用户设备根据所述拍摄信息提取所述游戏用户的用户生物特征信息。在此，拍摄信息包括以电信号方式重现一系列静态影像的内容信息，在一些实施例中，拍摄信息包括视频信息、图像信息。

如上例，用户设备通过摄像装置实时获取小明的视频信息，通过处理该时间段内小明的视频信息提取小明的用户生物特征信息，如眼睛、鼻子、嘴、下巴等局部构成及它们之间结构关系的几何描述等人脸特征信息，或者通过声纹识别等处理提取小明的音频、音色、方言和口音等声音特征信息。

又如上例，用户设备通过摄像装置实时获取小明的图像信息，通过处理该时间段内小明的图像信息提取小明的用户生物特征信息，如眼睛、鼻子、嘴、下巴等局部构成及它们之间结构关系的几何描述等人脸特征信息。

在一些实施例中，该方法的子步骤S112包括用户设备检测所述拍摄信息是否满足可用性条件；若所述拍摄信息满足所述可用性条件，根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

在此，可用性条件包括但不限于以下各项及它们的组合：所述拍摄信息的摄像装置为所述游戏用户的当前用户设备的摄像装置；所述拍摄信息的拍摄时间与当前时间的时间间隔小于或等于预定的时间间隔阈值；所述拍摄信息的语音识别结果与提供给所述游戏用户的验证码相匹配；所述拍摄信息中所述游戏用户的面部活动信息与提供给所述游戏用户的验证码相匹配。

例如，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，检测到该视频信息的摄像头驱动为USBVID_0C45PID_62C0，该游戏用户当前用户设备的摄像头驱动为USBVID_0C45PID_62C0，即满足可用性条件，根据所述视频信息提取游戏用户的用户生物特征信息。

例如，用户设备实时获取游戏用户的图像信息，检测所述图像信息是否满足可用性条件，检测到该图像信息的摄像头驱动为USBVID_0C45PID_62C0，该游戏用户当前用户设备的摄像头驱动为USBVID_0C45PID_62C0，即满足可用性条件，根据所述图像信息提取游戏用户的用户生物特征信息。

例如，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，检测所述视频信息的开始/结束拍摄时间为下午2:00，当前时间为下午2:01，该视频信息开始/结束拍摄时间与当前时间的时间间隔为1秒，等于预定的时间间隔阈值1秒；既满足可用性条件，根据所述视频信息获取游戏用户的用户生物特征信息。在一些实施例中，预定的时间间隔阈值1秒通过用户设备统计分析获得，在另一些实施例中，综合考虑网络传输，网络设备分析产生预定的时间间隔阈值3秒等。

例如，用户设备实时获取游戏用户的图像信息，检测所述图像信息是否满足可用性条件，检测所述图像信息的拍摄时间为下午2:00，当前时间为下午2:01，该图像信息拍摄时间与当前时间的时间间隔为1秒，等于预定的时间间隔阈值1秒；既满足可用性条件，根据所述图像信息获取游戏用户的用户生物特征信息。在一些实施例中，预定的时间间隔阈值1秒通过用户设备统计分析获得，在另一些实施例中，综合考虑网络传输，网络设备分析产生预定的时间间隔阈值3秒等。

如图2所示的应用场景，小明正在登陆当前游戏应用，用户设备实时获取小明的视频信息并检测该视频信息是否满足可用性条件；对视频信息提取的语音进行语音识别，获得该语音的文字为“今天天气好，我非常高兴”，与用户设备显示的登陆验证文字“今天天气很好，我也非常高兴”相差2个文字，低于预先设定的文字阈值3，即两段文字相匹配，满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。

又图2所示的应用场景，小明正在登陆当前游戏应用，用户设备实时获取小明的图像信息并检测该图像信息是否满足可用性条件；对拍摄信息提取的语音进行语音识别，获得该语音的文字为“今天天气好，我非常高兴”，与用户设备显示的登陆验证文字“今天天气很好，我也非常高兴”相差2个文字，低于预先设定的文字阈值3，即两段文字相匹配，满足可用性条件，进而根据所述图像信息提取游戏用户的用户生物特征信息。

如图3所示的应用场景，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，若检测到该视频信息中用户嘴角上扬的面部活动与设备提供给用户的验证码“请微笑”相匹配，则满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。在一些实施例中，用户的面部活动信息包括但不限于眨眼、鼓腮或扮鬼脸。在另一些实施例中，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，若检测到该视频信息中用户的唇部活动与设备提供的朗读验证码口型相匹配，则满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。

本领域技术人员应能理解，上述可用性条件的内容仅为举例，现有的或者今后可能出现的可用性条件的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，该方法步骤S12包括子步骤S121和子步骤S122(均未示出)。其中，在子步骤S121中，用户设备根据所述用户生物特征信息及年龄判断模型，确定所述游戏用户的年龄信息；在子步骤S122中，根据所述年龄信息检测所述游戏用户是否属于受限身份类别。在此，年龄判断模型包括通过AAM模型提取人脸关键点位置，进行年龄估计的算法模型。

如上例，用户设备根据获取小明的人脸特征信息：头骨轮廓圆润，脑颅部分的骨骼较大，面颅部分显得较小；并结合年龄判断模型，确定小明的年龄信息为0-12岁，根据确定的年龄信息0-12岁检测小明属于受限身份类别中的小学生。在一些实施例中，年龄判断模型包括但不限于通过人脸识别，并基于稀疏约束非负矩阵分解算法、深度卷积神经网络等进行年龄估算。

本领域技术人员应能理解，上述年龄判断模型的内容仅为举例，现有的或者今后可能出现的年龄判断模型的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，年龄判断模型是基于已标注年龄的人类生物特征信息进行机器学习获得的。在此，机器学习包括研究使用机器来模拟人类活动的学习。

例如，通过网络或现有数据库获得大量的人脸图片、视频等，提取人脸特征信息，输入预先设置的模型通过分类算法获得年龄信息。在一些实施例中，年龄信息通过在线更新，使用em算法、决策树、SVM或神经网络优化处理。

在一些实施例中，该方法中的用户生物特征信息包括但不限于：所述游戏用户的人脸特征信息；所述游戏用户的声音特征信息。

例如，用户生物特征信息中的人脸特征信息包括人脸形状，眼睛、鼻子、嘴巴及周围的皮肤纹理等；用户生物特征信息中的声音特征信息包括鼻音、带深呼吸音、沙哑音、语种、方言和口音等。

本领域技术人员应能理解，上述用户生物特征信息的内容仅为举例，现有的或者今后可能出现的用户生物特征信息的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，该方法还包括步骤S00(未示出)，在步骤S00中，根据游戏用户模型及游戏用户的应用相关信息确定所述游戏用户属于受限身份类别的概率信息；其中，所述步骤S11包括：若所述概率信息等于或大于预定的受限概率阈值，获取游戏用户的用户生物特征信息。在一些实施例中，游戏用户模型包括但不限于通过游戏用户登录/退出时间信息检测游戏用户是否属于受限身份类别的参与时间专家***、通过游戏用户对发放的礼品的选择信息检测游戏用户是否属于受限身份类别的心理测试专家***。

在一些实施例中，所述游戏用户的应用相关信息包括但不限于以下各项或它们的组合：所述游戏用户的上线时间记录；所述游戏用户的应用设置信息；所述游戏用户的应用测试结果。在此，上线时间记录包括但不限于游戏用户的登录时间、登录时长、退出时间、登录次数；应用设置信息包括游戏用户在该游戏应用中管理设置体现自己个性的内容信息，如头像、应用页面皮肤、个性签名等；应用测试结果包括通过人工或网络收集的对游戏用户进行分析的多种数据信息，如礼品派发测试结果、问卷测试结果、心理测试结果等。

例如，用户设备通过参与时间专家***及游戏用户的上线时间记录确定游戏用户属于受限身份类别的概率信息，如小明经常通过该用户设备登录该游戏应用，用户设备通过查询获得最近3个月内小明登陆游戏的时间记录，如表1所示，小明工作日8:00-17:00登陆的次数统计只有2次，周末、节假日8:00-17:00登陆的次数统计为20次，结合今日小明登录游戏应用的时间，通过参与时间专家***分析获得小明为小学生的概率为85％，最终确定小明属于受限身份类别的概率信息为85％；该概率信息85％大于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

表1

例如，用户设备通过心理测试专家***及游戏用户的上线时间记录确定游戏用户属于受限身份类别的概率信息，如小明经常通过该用户设备登录该游戏应用，游戏应用定期发放礼品供小明选择，如提供礼品“动漫卡通头像、酷炫帽子、名人卡通图像、时尚手提包”等，小明选择的“动漫卡通头像”信息通过用户设备上传至心理测试专家***；并结合小明近3个月内登陆游戏的时间记录，如表1所示，小明工作日8:00-17:00登陆的次数统计只有2次，周末、节假日8:00-17:00登陆的次数统计为20次，分析获得小明为小学生的概率为83％，最终确定小明属于受限身份类别的概率信息为83％；该概率信息83％大于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

例如，用户设备通过参与时间专家***及游戏用户的应用设置信息，确定所述游戏用户属于受限身份类别的概率信息，如周四19:23时，小明登录游戏应用的信息通过用户设备上传参与时间专家***，用户设备调用小明对该游戏应用设置信息，如头像设置为可爱的动漫头像、应用页面皮肤设置为青年偶像鹿晗的图像等；并结合参与时间专家***的分析“工作日19:00-20:30”登录游戏的用户身份；获得小明为小学生的概率为70％，最终确定小明属于受限身份类别的概率信息为70％，等于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

例如，用户设备通过心理测试专家***及游戏用户的应用设置信息，确定所述游戏用户属于受限身份的概率信息，如游戏应用发放礼品供小明选择，如提供礼品“动漫卡通头像、酷炫帽子、名人卡通图像、时尚手提包”小明选择“动漫卡通头像”的信息通过用户设备上传心理测试专家***；用户设备调用小明对该游戏应用设置信息，如头像设置为可爱的动漫头像、游戏角色设置为诚实的守护者、应用页面皮肤设置为青年偶像鹿晗的图像等；综合分析获得小明为小学生的概率为81％，最终确定小明属于受限身份类别的概率信息为81％大于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

又例如，用户设备通过参与时间专家***及游戏用户的应用测试结果，确定所述游戏用户属于受限身份类别的概率信息，如上表1所示，参与时间专家***分析小明近三月内登陆游戏的时间记录，工作日8:00-17:00登陆的次数统计只有2次，周末、节假日8:00-17:00登陆的次数统计为20次；用户设备基于小明填写的关于心理测试地应用测试结果，分析小明的心理年龄为5-13岁；结合分析小明为小学生的概率为87％，最终确定小明属于受限身份类别的概率信息为87％大于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

再例如，用户设备通过心理测试专家***及游戏用户的应用测试结果，确定所述游戏用户属于受限身份类别的概率信息，如游戏应用发放礼品供小明选择，如提供礼品“动漫卡通头像、酷炫帽子、名人卡通图像、时尚手提包”等，小明选择“动漫卡通头像”的信息通过用户设备上传心理测试专家***；用户设备基于小明填写的关于心理测试地应用测试结果，分析小明的心理年龄为5-13岁；综合确定小明为小学生的概率为70％，最终确定小明属于受限身份类别的概率信息为70％等于预定的受限概率阈值70％，进而用户设备获取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

本领域技术人员应能理解，上述游戏用户模型/游戏用户的应用相关信息的内容仅为举例，现有的或者今后可能出现的游戏用户模型/游戏用户的应用相关信息的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，所述步骤S11包括：若所述概率信息等于或大于预定的受限概率阈值，用户设备实时获取所述游戏用户的视频信息；根据所述视频信息提取所述游戏用户的用户生物特征信息。

如上例，用户设备通过心理测试专家***及游戏用户如表1所示的上线时间记录，确定小明属于受限身份类别的概率信息为70％，等于预定的受限概率阈值70％，用户设备打开摄像装置实时获取小明的视频信息；根据获取的视频信息提取小明的用户生物特征信息，如人脸特征信息、声音特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

在一些实施例中，所述步骤S00包括：当接收到游戏用户对当前游戏应用的登录请求，根据游戏用户模型及所述游戏用户的应用相关信息确定所述游戏用户属于受限身份类别的概率信息；其中，所述步骤S11包括：若所述概率信息等于或大于预定的受限概率阈值，通过调用所述游戏用户的当前用户设备中的摄像装置实时获取所述游戏用户的视频信息；根据所述视频信息提取所述游戏用户的用户生物特征信息。

如上例，当用户设备接收到小明对当前游戏应用的登录请求时，根据如表1所示的游戏用户的上线时间记录，结合心理测试专家***的游戏用户模型如小明选择游戏应用提供礼品“动漫卡通头像、酷炫帽子、名人卡通图像、时尚手提包”中的“动漫卡通头像”；分析获得小明为小学生的概率为83％，最终确定小明属于受限身份类别的概率信息为83％；该概率信息83％大于预定的受限概率阈值70％；判断所述概率信息83％大于预定的受限概率阈值70％，用户设备通过调用当前用户设备的摄像装置实时获取小明的视频信息；根据所述视频信息提取小明的用户生物特征信息。在一些实施例中，预定的受限概率阈值70％通过用户设备或网络设备统计分析产生。

在一些实施例中，所述步骤S13包括：若所述游戏用户属于受限身份类别，用户设备拒绝所述登录请求。

例如，用户设备根据获得的小明的人脸特征信息、声音特征信息及年龄判断模型，确定小明的年龄信息0-12岁，检测小明属于受限身份类别，则用户设备拒绝小明对该游戏应用的登陆请求。

又例如，用户设备根据如表1所示的游戏用户的上线时间记录，结合心理测试专家***的游戏用户模型，如小明选择游戏应用提供礼品“动漫卡通头像、酷炫帽子、名人卡通图像、时尚手提包”中的“动漫卡通头像”；检测小明属于受限身份类别，则用户设备拒绝小明对该游戏应用的登陆请求。

在一些实施例中，该方法中所述游戏用户模型是基于多个用户线下活动信息和/或用户线上活动信息确定的。在此，用户线下活动信息包括用户线下作息时间安排信息、用户线下心理测试结果等；用户线上活动信息包括用户登录/退出游戏应用的时间信息、用户线上心理测试结果等。

例如，参与时间专家***的游戏用户模型通过大量收集受限身份的小学生、青少年或未成年等其他人的用户线下作息时间安排信息，统计分析获得如小学生的上下课时间、考试时间规律等，进而结合用户线上登录/退出游戏应用的时间检测游戏用户是否属于受限身份类别。其中收集的方式包括但不限于通过线下的多种形式调查受限身份的小学生、青少年、未成年等其他人的用户线下作息时间安排信息、通过线上多种形式的填写受限身份的小学生、青少年、未成年等其他人的用户线下作息时间安排信息。又如，心理测试专家***的游戏用户模型通过大量收集受限身份的小学生、青少年、未成年等其他人的心理特性，其中，收集方式包括但不限于通过线下发放礼品供选择，统计小学生、青少年、未成年等其他人的用户线下选择信息分析获取其心理特性规律；通过线上发放礼品供选择，统计小学生、青少年、未成年等其他人的用户线上选择信息分析获取其心理特性规律或通过用户线上填写心理调查问卷统计小学生、青少年、未成年等其他人的心理特性规律。

图4示出根据本申请另一个实施例的一种用于确定游戏用户身份类别的方法流程图。该方法包括步骤S21和步骤S22，其中，在步骤S21中，用户设备获取游戏用户的用户生物特征信息；在步骤S22中，用户设备根据所述用户生物特征信息，确定所述游戏用户的身份类别信息。在此，用户生物特征信息包括人脸特征信息、声音特征信息等；身份类别信息包括游戏用户的年龄信息、性别信息。

例如，用户设备通过摄像装置获取游戏用户小兰的人脸特征信息；通过对小兰脸部特征进行旋转角度、相关特征提取等处理；确定小兰的身份类别信息为女性，年龄信息10-18岁等。

又例如，用户设备获取游戏用户小兰朗读时的声音特征信息；通过声纹识别等处理，根据小兰的鼻音、音量、口音等确定小兰的身份类别信息为女性，年龄信息10-18岁等。

在一些实施例中，该方法步骤S21包括子步骤S211和子步骤S212(均未示出)。其中，在子步骤S211中，用户设备实时获取游戏用户的拍摄信息；在子步骤S212中，用户设备根据所述拍摄信息提取所述游戏用户的用户生物特征信息。在此，拍摄信息包括以电信号方式重现一系列静态影像的内容信息，在一些实施例中，拍摄信息包括视频信息、图像信息。

如上例，用户设备通过摄像装置实时获取小兰的视频信息，通过处理该时间段内小兰的视频信息提取小兰的用户生物特征信息，如眼睛、鼻子、嘴、下巴等局部构成及它们之间结构关系的几何描述等人脸特征信息，或者通过声纹识别处理提取小兰的音频、音色、方言和口音等声音特征信息。

又如上例，用户设备通过摄像装置实时获取小兰的图像信息，通过处理该时间段内小兰的图像信息提取小兰的用户生物特征信息，如眼睛、鼻子、嘴、下巴等局部构成及它们之间结构关系的几何描述等人脸特征信息。

在一些实施例中，该方法的子步骤S212包括：用户设备检测所述拍摄信息是否满足可用性条件；若所述拍摄信息满足所述可用性条件，根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

在此，可用性条件包括但不限于：所述拍摄信息的摄像装置为所述游戏用户的当前用户设备的摄像装置；所述拍摄信息的拍摄时间与当前时间的时间间隔小于或等于预定的时间间隔阈值；所述拍摄信息的语音识别结果与提供给所述游戏用户的验证码相匹配；所述拍摄信息中所述游戏用户的面部活动信息与提供给所述游戏用户的验证码相匹配。

例如，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，检测到该视频信息的摄像头驱动为USBVID_0C45PID_61C0，该游戏用户当前用户设备的摄像头驱动为USBVID_0C45PID_61C0，即满足可用性条件，根据所述视频信息提取游戏用户的用户生物特征信息。

例如，用户设备实时获取游戏用户的图像信息，检测所述图像信息是否满足可用性条件，检测到该图像信息的摄像头驱动为USBVID_0C45PID_61C0，该游戏用户当前用户设备的摄像头驱动为USBVID_0C45PID_61C0，即满足可用性条件，根据所述图像信息提取游戏用户的用户生物特征信息。

例如，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，检测所述视频信息的开始/结束拍摄时间为下午2:00，当前时间为下午2:01，该视频信息开始/结束拍摄时间与当前时间的时间间隔为1秒，等于预定的时间间隔阈值1秒；既满足可用性条件，根据所述视频信息获取游戏用户的用户生物特征信息。在一些实施例中，预定的时间间隔阈值1秒通过用户设备统计分析获得，在另一些实施例中，综合考虑网络传输，网络设备分析产生预定的时间间隔阈值3秒等。

例如，用户设备实时获取游戏用户的图像信息，检测所述图像信息是否满足可用性条件，检测所述图像信息的拍摄时间为下午2:00，当前时间为下午2:01，该图像信息拍摄时间与当前时间的时间间隔为1秒，等于预定的时间间隔阈值1秒；既满足可用性条件，根据所述图像信息获取游戏用户的用户生物特征信息。在一些实施例中，预定的时间间隔阈值1秒通过用户设备统计分析获得，在另一些实施例中，综合考虑网络传输，网络设备分析产生预定的时间间隔阈值3秒等。

如图2所示的应用场景，小兰正在登陆当前游戏应用，用户设备实时获取小兰的视频信息并检测该视频信息是否满足可用性条件；对视频信息提取的语音进行语音识别，获得该语音的文字为“今天天气好，我非常高兴”，与用户设备显示的登陆验证文字“今天天气很好，我也非常高兴”相差2个文字，低于预先设定的文字阈值3，即两段文字相匹配，满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。

又如图2所示的应用场景，小兰正在登陆当前游戏应用，用户设备实时获取小兰的图像信息并检测该图像信息是否满足可用性条件；对拍摄信息提取的语音进行语音识别，获得该语音的文字为“今天天气好，我非常高兴”，与用户设备显示的登陆验证文字“今天天气很好，我也非常高兴”相差2个文字，低于预先设定的文字阈值3，即两段文字相匹配，满足可用性条件，进而根据所述图像信息提取游戏用户的用户生物特征信息。

如图3所示的应用场景，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，若检测到该视频信息中用户嘴角上扬的面部活动与设备提供给用户的验证码“请微笑”相匹配，则满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。在一些实施例中，用户的面部活动信息包括但不限于眨眼、鼓腮或扮鬼脸。在另一些实施例中，用户设备实时获取游戏用户的视频信息，检测所述视频信息是否满足可用性条件，若检测到该视频信息中用户的唇部活动与设备提供的朗读验证码口型相匹配，则满足可用性条件，进而根据所述视频信息提取游戏用户的用户生物特征信息。

本领域技术人员应能理解，上述可用性条件的内容仅为举例，现有的或者今后可能出现的可用性条件的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，该方法步骤S22包括子步骤S221和子步骤S222(均未示出)。其中，在子步骤S221中，用户设备根据所述用户生物特征信息及年龄判断模型，确定所述游戏用户的年龄信息；在子步骤S222中，根据所述年龄信息检测所述游戏用户的身份类别信息。在此，年龄判断模型包括通过AAM模型提取人脸关键点位置，进行年龄估计的算法模型。

如上例，用户设备根据获取小兰的人脸特征信息为：棱角柔和、浑圆，额结节突出，眼眶较大、鼻骨和下颌萎缩，整个头形显得略小；并结合年龄判断模型，确定小兰的年龄信息为10-18岁，根据确定的年龄信息10-18岁检测小兰的身份类别信息为女性。在一些实施例中，年龄判断模型包括但不限于通过人脸识别，并基于稀疏约束非负矩阵分解算法、深度卷积神经网络等进行年龄估算。

本领域技术人员应能理解，上述年龄判断模型的内容仅为举例，现有的或者今后可能出现的年龄判断模型的其它内容，如可适用于本申请都应包含在本申请的保护范围内，并在此以引用的方式包含于此。

在一些实施例中，年龄判断模型是基于已标注年龄的人类生物特征信息进行机器学习获得的。在此，机器学习包括研究使用机器来模拟人类活动的学习。

例如，通过网络或现有数据库获得大量的人脸图片、视频等，提取人脸特征信息，输入预先设置的模型通过分类算法获得年龄信息。在一些实施例中，年龄信息通过在线更新，使用em算法、决策树、SVM或神经网络优化处理。

本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；存储器，用于存储一个或多个计算机程序；

当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。

通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个***传送到另一***的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。

作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM,DRAM,SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机***使用的计算机可读信息/数据。

在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (22)

1.一种用于管理游戏用户的方法，其中，该方法包括：

获取游戏用户的用户生物特征信息；

根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别；

若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息。

2.根据权利要求1所述的方法，其中，所述获取游戏用户的用户生物特征信息包括：

实时获取游戏用户的拍摄信息；

根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

3.根据权利要求2所述的方法，其中，所述根据所述拍摄信息提取所述游戏用户的用户生物特征信息包括：

检测所述拍摄信息是否满足可用性条件；

若所述拍摄信息满足所述可用性条件，根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

4.根据权利要求3所述的方法，其中，所述可用性条件包括以下至少任一项：

所述拍摄信息的摄像装置为所述游戏用户的当前用户设备的摄像装置；

所述拍摄信息的拍摄时间与当前时间的时间间隔小于或等于预定的时间间隔阈值；

所述拍摄信息的语音识别结果与提供给所述游戏用户的验证码相匹配；

所述拍摄信息中所述游戏用户的面部活动信息与提供给所述游戏用户的验证码相匹配。

5.根据权利要求1至4中任一项所述的方法，其中，所述根据所述用户生物特征信息，检测所述游戏用户是否属于受限身份类别包括：

根据所述用户生物特征信息及年龄判断模型，确定所述游戏用户的年龄信息；

根据所述年龄信息检测所述游戏用户是否属于受限身份类别。

6.根据权利要求5所述的方法，其中，所述年龄判断模型是基于已标注年龄的人类生物特征信息进行机器学习获得的。

7.根据权利要求1至6中任一项所述的方法，其中，所述用户生物特征信息包括以下至少任一项：

所述游戏用户的人脸特征信息；

所述游戏用户的声音特征信息。

8.根据权利要求1至7中任一项所述的方法，其中，所述方法还包括：

根据游戏用户模型及游戏用户的应用相关信息确定所述游戏用户属于受限身份类别的概率信息；

其中，所述获取游戏用户的用户生物特征信息包括：

若所述概率信息等于或大于预定的受限概率阈值，获取游戏用户的用户生物特征信息。

9.根据权利要求8所述的方法，其中，所述游戏用户的应用相关信息包括以下至少任一项：

所述游戏用户的上线时间记录；

所述游戏用户的应用设置信息；

所述游戏用户的应用测试结果。

10.根据权利要求8或9所述的方法，其中，所述若所述概率信息等于或大于预定的受限概率阈值，获取游戏用户的用户生物特征信息包括：

若所述概率信息等于或大于预定的受限概率阈值，实时获取所述游戏用户的视频信息；

根据所述视频信息提取所述游戏用户的用户生物特征信息。

11.根据权利要求10所述的方法，其中，所述根据游戏用户模型及游戏用户的应用相关信息确定所述游戏用户属于受限身份类别的概率信息包括：

当接收到游戏用户对当前游戏应用的登录请求，根据游戏用户模型及所述游戏用户的应用相关信息确定所述游戏用户属于受限身份类别的概率信息；

其中，所述若所述概率信息等于或大于预定的受限概率阈值，实时获取所述游戏用户的视频信息，根据所述视频信息提取所述游戏用户的用户生物特征信息包括：

若所述概率信息等于或大于预定的受限概率阈值，通过调用所述游戏用户的当前用户设备中的摄像装置实时获取所述游戏用户的视频信息；

根据所述视频信息提取所述游戏用户的用户生物特征信息。

12.根据权利要求11所述的方法，其中，所述若所述游戏用户属于受限身份类别，拒绝所述游戏用户登录当前游戏应用或调整所述游戏用户在所述当前游戏应用中的配置信息包括：

若所述游戏用户属于受限身份类别，拒绝所述登录请求。

13.根据权利要求8至12中任一项所述的方法，其中，所述游戏用户模型是基于多个用户线下活动信息和/或用户线上活动信息确定的。

14.一种用于确定游戏用户的身份类别的方法，其中，该方法包括：

获取游戏用户的用户生物特征信息；

根据所述用户生物特征信息，确定所述游戏用户的身份类别信息。

15.根据权利要求14所述的方法，其中，所述获取游戏用户的用户生物特征信息包括：

实时获取游戏用户的拍摄信息；

根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

16.根据权利要求15所述的方法，其中，所述根据所述拍摄信息提取所述游戏用户的用户生物特征信息包括：

检测所述拍摄信息是否满足可用性条件；

若所述拍摄信息满足所述可用性条件，根据所述拍摄信息提取所述游戏用户的用户生物特征信息。

17.根据权利要求16所述的方法，其中，所述可用性条件包括以下至少任一项：

所述拍摄信息的摄像装置为所述游戏用户的当前用户设备的摄像装置；

所述拍摄信息的拍摄时间与当前时间的时间间隔小于或等于预定的时间间隔阈值；

所述拍摄信息的语音识别结果与提供给所述游戏用户的验证码相匹配；

所述拍摄信息中所述游戏用户的面部活动信息与提供给所述游戏用户的验证码相匹配。

18.根据权利要求14至17中任一项所述的方法，其中，所述根据所述用户生物特征信息，确定所述游戏用户的身份类别信息包括：

根据所述用户生物特征信息及年龄判断模型，确定所述游戏用户的年龄信息；

根据所述年龄信息检测所述游戏用户的身份类别信息。

19.根据权利要求18所述的方法，其中，所述年龄判断模型是基于已标注年龄的人类生物特征信息进行机器学习获得的。

20.一种用于管理游戏用户的设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1至13中任一项所述方法的操作。

21.一种用于确定游戏用户的身份类别的设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求14-19中任一项所述方法的操作。

22.一种包括指令的计算机可读介质，所述指令在被执行时使得***执行根据权利要求1至19中任一项所述方法操作。