一种基于多源特征融合跑步轨迹作弊违规检测方法及系统与流程

摘要: 本发明涉及赛事作弊违规检测,尤其涉及一种基于多源特征融合跑步轨迹作弊违规检测方法及系统。背景技术:1、随着路跑、马拉松等大众跑步赛事的蓬勃发展,赛事参与人数不断...
一种基于多源特征融合跑步轨迹作弊违规检测方法及系统与流程

本发明涉及赛事作弊违规检测,尤其涉及一种基于多源特征融合跑步轨迹作弊违规检测方法及系统。

背景技术:

1、随着路跑、马拉松等大众跑步赛事的蓬勃发展,赛事参与人数不断增加,线下赛事组织的监管压力持续上升,各类跑步作弊违规行为也层出不穷。当前常见的跑步作弊手段包括借助交通工具代步、使用虚拟定位软件修改gps轨迹、代跑、不按规定赛道绕行等,传统的防作弊检测手段多依赖单一数据源进行判断:仅依靠人工终点验票难以识别途中代跑、赛道绕行等违规行为,仅基于gps轨迹检测无法应对步态特征与参赛者不匹配的代跑行为,仅依靠线下打卡点核验无法识别打卡后的轨迹异常问题。单一数据源的检测方法存在检测维度不足、误判率高、难以识别复合型作弊行为的缺陷,无法满足大规模跑步赛事精准高效防作弊检测的实际需求。因此,行业内亟需一种能够融合多维度源数据、覆盖多类常见作弊场景的跑步轨迹有效性验证与防作弊检测方案,提升跑步赛事作弊违规行为的检测准确率与检测效率,保障跑步赛事的公平公正性。

技术实现思路

1、为了克服现有技术的不足,本发明提供了一种基于多源特征融合跑步轨迹作弊违规检测方法及系统,通过初次筛选先快速剔除存在明显作弊行为的参赛者,再通过多源特征融合交叉验证完成深度筛选,最终对通过筛选的参赛者进行成绩有效性验证,实现在保障作弊违规行为检测精度的同时提升了检测效率。

2、为了实现上述发明目的,本发明采用以下技术方案:

3、本技术第一方面提供了一种基于多源特征融合跑步轨迹作弊违规检测方法,包括以下步骤:

4、步骤一:获取各参赛者gps轨迹数据、线下物理打卡记录数据、运动传感器数据,并进行gps轨迹特征、线下物理打卡特征、运动特征提取处理;

5、步骤二:基于gps轨迹特征提取处理结果进行初次筛选标记处理以剔除存在明显作弊行为的参赛者,得到无明显作弊行为的参赛者;

6、步骤三:基于gps轨迹特征、线下物理打卡特征、运动特征提取处理结果,对无明显作弊行为的参赛者进行多源特征融合交叉验证深度筛选标记处理,以筛选出存在作弊行为的参赛者;

7、步骤四:对通过多源特征融合交叉验证深度筛选处理的参赛者进行成绩有效性验证处理;

8、步骤五:基于初次筛选标记处理结果、多源特征融合交叉验证深度筛选标记处理结果和成绩有效性验证标记处理结果,生成参赛者作弊行为报告。

9、进一步的,获取各参赛者gps轨迹数据、线下物理打卡记录数据、运动传感器数据,并进行gps轨迹特征、线下物理打卡特征、运动特征提取处理包括以下步骤:

10、对gps轨迹数据进行gps轨迹特征提取处理,gps轨迹特征提取处理包括gps瞬时速度异常特征、gps坐标跳变特征、gps轨迹配速特征、gps轨迹图形特征、gps轨迹坐标对应时间特征;

11、对线下物理打卡记录数据进行线下物理打卡特征提取处理,线下物理打卡特征提取处理包括线下物理打卡时间特征、线下物理打卡点坐标特征;

12、对运动传感器数据进行运动特征提取处理,运动特征提取处理包括步频特征、步幅特征、摆动特征;

13、其中,若每设定单位长度距离的gps瞬时速度大于或等于设定跑步速度阈值,则判定存在gps瞬时速度异常特征;

14、若gps轨迹序列中存在时间跨度小于设定时间跨度阈值、且空间位移距离大于或等于设定位移阈值,则判定存在gps坐标跳变特征。

15、进一步的,gps轨迹配速特征的提取方式为:获取该参赛者相邻两个预设线下物理打卡点之间的跑步距离及跑步时长,将该参赛者的跑步距离与跑步时长进行作商计算处理,作为该参赛者在这相邻两个预设线下物理打卡点之间的gps轨迹配速,从而得到该参赛者的gps轨迹配速特征。

16、进一步的,基于gps轨迹特征提取处理结果进行初次筛选标记处理以剔除存在明显作弊行为的参赛者,得到无明显作弊行为的参赛者包括以下步骤:

17、遍历所有参赛者的gps轨迹特征提取处理结果,对每个参赛者的gps轨迹特征提取处理结果进行明显作弊行为筛选处理;

18、若gps轨迹特征提取处理结果中存在gps瞬时速度异常特征或/和gps坐标跳变特征,则判定该参赛者存在明显作弊行为,并标记为明显作弊行为类型;其中,对于存在gps瞬时速度异常特征的参赛者标记为使用交通攻击作弊行为类型,对于存在gps坐标跳变特征的参赛者标记为虚拟定位作弊行为类型;

19、若gps轨迹特征提取处理结果中不存在gps瞬时速度异常特征或gps坐标跳变特征,则判定该参赛者不存在明显作弊行为,并标记为无明显作弊行为类型;

20、剔除所有存在明显作弊行为的参赛者,保留经初次筛选确认无明显作弊行为的参赛者,实现在保证作弊行为筛查准确率的同时,有效减少了后续交叉验证深度筛选环节的数据处理量,提升了作弊行为检测效率。

21、进一步的,基于gps轨迹特征、线下物理打卡特征、运动特征提取处理结果,对无明显作弊行为的参赛者进行多源特征融合交叉验证深度筛选标记处理,以筛选出存在作弊行为的参赛者包括以下步骤:

22、基于gps轨迹特征与线下物理打卡特征对无明显作弊行为的参赛者进行步态签名交叉验证;

23、基于gps轨迹特征与运动特征对无明显作弊行为的参赛者进行步态签名交叉验证;

24、若无明显作弊行为的参赛者未通过欧式距离交叉验证或步态签名交叉验证,则判定该参赛者存在作弊行为并进行标记;其中,将未通过欧式距离交叉验证的参赛者标记为修改gps数据作弊行为类型,将未通过步态签名交叉验证的参赛者标记为代跑作弊行为类型;

25、若无明显作弊行为的参赛者通过欧式距离交叉验证和步态签名交叉验证,则判定该参赛者不存在作弊行为。

26、进一步的,基于gps轨迹特征与线下物理打卡特征对无明显作弊行为的参赛者进行欧式距离交叉验证包括以下步骤:

27、基于线下物理打卡时间特征提取时间对应的gps轨迹坐标对应时间特征;

28、基于该打卡时间的线下物理打卡点坐标特征和gps轨迹坐标对应时间特征进行欧式距离计算处理;

29、若欧式距离大于或等于设定打卡范围距离阈值,则判定该参赛者未通过欧式距离交叉验证;若欧式距离小于设定打卡范围距离阈值,则判定该参赛者通过欧式距离交叉验证。

30、进一步的,基于gps轨迹特征与运动特征对无明显作弊行为的参赛者进行步态签名交叉验证包括以下步骤:

31、s31:基于gps轨迹图形特征对无明显作弊行为的参赛者进行轨迹图形相似度筛选处理,若轨迹图形相似度小于设定轨迹图形相似度阈值,则判定该参赛者通过步态签名交叉验证,若轨迹图形相似度大于或等于设定轨迹图形相似度阈值,则进行步骤s32;

32、s32:基于gps轨迹配速特征对无明显作弊行为的参赛者进行gps轨迹配速相似度筛选处理,若gps轨迹配速相似度小于设定配速相似度阈值,则判定该参赛者通过步态签名交叉验证,若gps轨迹配速相似度大于或等于设定配速相似度阈值,则执行步骤s33;

33、s33:基于步频特征、步幅特征和摆动特征对无明显作弊行为的参赛者进行步态签名相似度筛选处理,若步态签名相似度小于设定步态相似度阈值,则判定该参赛者通过步态签名交叉验证,若步态签名相似度大于或等于设定步态相似度阈值,则判定该参赛者未通过步态签名交叉验证。

34、进一步的,对通过多源特征融合交叉验证深度筛选处理的参赛者进行成绩有效性标记验证处理包括以下步骤:

35、获取通过多源特征融合交叉验证深度筛选处理的参赛者的gps轨迹图形特征;

36、将gps轨迹图形特征与标准赛道图形进行赛道图形比对处理;

37、将该参赛者的gps轨迹累积里程总长度与赛道里程总长度进行赛道里程比对处理;

38、若赛道图形比对与赛道里程比对均不通过,则判定该参赛者的成绩为无效并标记为绕道违规行为类型;反之,则判定该参赛者的成绩为有效。

39、进一步的,基于成绩有效性验证标记处理结果、初次筛选标记处理结果和多源特征融合交叉验证深度筛选标记处理结果,生成参赛者作弊行为报告包括以下步骤:

40、汇总所有参赛者在初次筛选标记处理、多源特征融合交叉验证深度筛选标记处理、成绩有效性验证标记处理三个环节的标记结果,提取所有存在作弊行为或违规行为的参赛者的身份信息与对应标记结果;

41、针对每个存在作弊行为或违规行为的参赛者,提取对应用于判定作弊行为或违规行为的原始异常数据,将作弊行为类型或违规行为类型及判定结果、对应原始异常数据与参赛者身份信息进行关联绑定;

42、将所有违规作弊参赛者的关联信息进行整理排序,输出完整的参赛者作弊行为报告,支持按作弊违规类型分类查看、导出异常原始数据,便于赛事组委会进行后续人工复核与成绩公示,以保障线下跑步赛事的公正性。

43、本技术第二方面提供了一种基于多源特征融合跑步轨迹作弊违规检测系统,包括:

44、第一数据处理单元,用于对各参赛者gps轨迹数据、线下物理打卡记录数据、运动传感器数据,进行gps轨迹特征、线下物理打卡特征、运动特征提取处理;

45、第二数据处理单元,用于基于gps轨迹特征提取处理结果进行初次筛选标记处理以剔除存在明显作弊行为的参赛者,得到无明显作弊行为的参赛者;

46、第三数据处理单元,用于基于gps轨迹特征、线下物理打卡特征、运动特征提取处理结果,对无明显作弊行为的参赛者进行多源特征融合交叉验证深度筛选标记处理,以筛选出存在作弊行为的参赛者;

47、第四数据处理单元,用于对通过多源特征融合交叉验证深度筛选处理的参赛者进行成绩有效性验证处理;

48、第五数据处理单元,用于基于初次筛选标记处理结果、多源特征融合交叉验证深度筛选标记处理结果和成绩有效性验证标记处理结果,生成参赛者作弊行为报告。

49、本技术的有益效果:实现了通过分层递进的筛查机制,先依托gps轨迹特征完成明显作弊行为的初次剔除,大幅压缩后续环节的处理规模,再通过多源特征交叉验证完成深度作弊筛查,最后针对合规候选对象开展成绩有效性验证,兼顾了检测效率与检测准确率,能够有效识别借助交通工具代步、虚拟定位修改轨迹、代跑、违规绕赛道等多类常见作弊违规行为,解决了传统单一数据源检测方法维度不足、误判率高、无法识别复合型作弊违规的问题,有效保障跑步赛事的公正性。