CN109727058A - 用户行为异常检测方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本公开的实施例提供了一种用户行为异常检测方法、装置、电子设备及可读存储介质，所述方法包括：检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；获取用户针对所述拍摄请求拍摄的第一图像；获取对应所述第一图像的预置模板图像；根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据与预置模板图像之间的相似度，判断用户的访问行为是否存在异常，提高异常排查的效率。

Description

用户行为异常检测方法、装置、电子设备及可读存储介质

技术领域

本公开的实施例涉及检测技术领域，尤其涉及一种用户行为异常检测方法、装置、电子设备及可读存储介质。

背景技术

在检测技术领域，往往通过客户经理针对商家拜访所作的访问记录，来进行商家评测的真实性验证。例如，管理者通过客户经理的访问记录，考核商家评测的真实性，发现其中存在的问题及待改进的地方。

然而，根据上述方法考核商家评测的真实性，存在如下问题：人工排查时，数据基数较大，并且，客户经理录入系统的记录是否真实有效很难查证，有没有到店拜访也较难获得真实反馈，导致排查的效率较低。

发明内容

本公开的实施例提供一种用户行为异常检测方法、装置、电子设备及可读存储介质，用以提高异常排查的效率。

根据本公开的实施例的第一方面，提供了一种用户行为异常检测方法，所述方法包括：

检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

获取用户针对所述拍摄请求拍摄的第一图像；

获取对应所述第一图像的预置模板图像；

根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；

在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

根据本公开的实施例的第二方面，提供了一种用户行为异常检测装置，所述装置包括：

拍摄请求发起模块，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求

第一图像获取模块，用于获取用户针对所述拍摄请求拍摄的第一图像；

预置模板图像获取模块，用于获取对应所述第一图像的预置模板图像；

相似度值获取模块，用于根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；

第一异常确定模块，用于在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

根据本公开的实施例的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述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前述用户行为异常检测方法。

根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述用户行为异常检测方法。

本公开的实施例提供了一种用户行为异常检测方法、装置、电子设备及可读存储介质，所述方法包括：检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；获取用户针对所述拍摄请求拍摄的第一图像；获取对应所述第一图像的预置模板图像；根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据，监测用户的访问行为是否存在异常，提高异常排查的效率。

附图说明

为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的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公开的实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了在本公开的一个实施例中的用户行为异常检测方法的步骤流程图；

图2示出了在本公开的另一个实施例中的用户行为异常检测方法的步骤流程图；

图3示出了在本公开的一个实施例中的用户行为异常检测装置的结构图；

图4示出了在本公开的另一个实施例中的用户行为异常检测装置的结构图；

图5示出了本公开的一个实施例提供的电子设备的结构图。

具体实施方式

下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的实施例一部分实施例，而不是全部的实施例。基于本公开的实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开的实施例保护的范围。

实施例一

参照图1，其示出了在本公开的一个实施例中的用户行为异常检测方法的步骤流程图，包括：

步骤101，检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求。

本公开的实施例，在用户到店真实性检测场景下，当用户到店进行业务操作时，可以通过应用平台向用户发布到店访问行为验证任务，验证任务请求用户拍摄商家店内指定场景的图像数据，例如，当用户到店进行下单、支付以及评价操作时，向用户发送请求拍摄对应点单、支付以及评价对象的真实图像数据，用户可以根据提示进行拍摄，如对应点单操作的拍摄场景是菜品图像数据，对应支付操作的拍摄场景是账单、小票的图像数据，对应评价操作的拍摄场景是评价对象的图像数据，如商家店内环境、菜品质量、商家门头图像数据、店内明星海报铺设的图像数据、桌贴检核图像数据等。

当然，在实际应用中，预设业务行为的以及对应的拍摄场景不限于上述描述，本公开实施例对此不加以限制。

步骤102，获取用户针对所述拍摄请求拍摄的第一图像；

本公开的实施例，根据上述描述，在用户接收到拍摄请求后，根据拍摄请求拍摄对应场景的图像数据作为第一图像并上传。当然，第一图像是作为表针图像数据的指定名称，与顺序无关。

其中，用户可以在拍摄图像时选择上述预设场景标签对第一图像进行标注，以便后续进行甄别。

其中，要求用户上传的第一图像可以是静态第一图像，也可以为动态第一图像，本公开实施例对此不加以限制。

本公开实施例中，获取用户上传的第一图像后，从该第一图像可以获取图像元信息作为检测信息，来判定用户的访问行为是否存在异常。

具体地，图像元信息中一般包括图像拍摄时间、定位信息、拍摄设备信息、指纹信息等。

当然，图像元信息不限于上述描述，本公开实施例对此不加以限制。

步骤103，获取对应所述第一图像的预置模板图像。

本公开实施例中，在用户根据对应场景拍摄第一图像中根据标签查找预置在系统中的模板第一图像，例如，如商家店内环境、菜品质量、商家门头第一图像、店内明星海报铺设的第一图像、桌贴第一图像等，都可以以商家提前上传的真实店内第一图像作为模板图像。

当然，模板图像不限于上述描述，本公开实施例对此不加以限制。

步骤104，根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值。

本公开实施例中，将用户实时上传的第一图像与对应场景的模板图像进行对比，获取相似度数据，并根据相似度数据判断用户拍摄的第一图像是不是针对同一场景的真实第一图像。

当然，作为模板数据可以由商家提供，也可以是系统设置，例如，代言明星海报，并且商家提供的模板数据也是系统通过统一规则进行甄别的，设定之后不能由商家随意修改，对模板数据的设置方式和来源，本公开实施例不加以限制。

优选地，步骤104具体包括：

子步骤A1，将所述预置模板图像拆分为多个预设大小的第一图像分区；

子步骤A2，根据所述图像特征标记所述预置模板图像中每个所述第一图像分区的权重值；

具体地，以预置模板图像为明星海报为例，将将模板照片拆分为3*3 的区块，人为设置每一区域的权重W[1…9],第i个区域大小记为R[w/3, h/3]，其中，针对识别度较高的区域设置的权重较高，如在海报上的明星脸部区域以及代言的产品区域或者品牌区域，相对识别度较低的区域设置低一级的权重值，以此类推为每一个区域设置权重值。

可以理解地，针对模板图片的划分区域大小，可以根据识别精度进行调节，如想获得高精度识别结果，那么就将模板图像划分为小而多的区域，反之，则划分大而少的区域，所以划分区域的方式不限于上述描述的 3*3的区块，对此本公开实施例不加以限制。

子步骤A3，通过仿射变换将所述第一图像与所述预置模板图像进行匹配，获得匹配第一图像；

具体地，由于拍摄的照片角度可能存在有倾斜、拉伸，与预置模板照片差距较远，为了能较好的进行处理，需要进行进行仿射变换。其中，如果物料照片(预置模板图像)有比较明显的黄色，首先需要进行边沿检测，判断出最大的黄色矩形区域，然后根据左上角、右上角、左下角三个点进行定位，将其与模板中黄色对应，使用仿射变换求出其变换矩阵。

依次将左上角、右上角、左角三个点与模板对应，求出矩阵A与B，进而对整幅图片进行仿射变换，近而将照片拉伸至与模板照片接近尺寸。

子步骤A4，根据所述第一图像分区在所述匹配第一图像上的映射关系，将所述匹配第一图像拆分为多个预设大小的第二图像分区。

具体地，对应模板图像的划分区域，将匹配后用户拍摄的图像区域进行移动对比，即通过滑动窗口的办法，将预置模板图像与用户拍摄照片进行移动对比，如此将第一分区对应的区域在匹配第一图像上形成分割区域，对应将匹配第一图像划分为多个预设大小的第二图像分区，如模板图像划分为3*3的区块，那么对应的第一图像也同样划分为3*3的区块，以便进行逐一对比。

子步骤A5，获取各所述第一图像分区与各所述第二图像分区之间的各第一相似度；

具体地，针对划分好的模板图像与用户拍摄的第一图像，将用户拍摄的第一图像按照自适应Otsu方法进行灰度化，使用模板匹配算法计算模板图片与拍摄图片的最大相似度S[i]。

模板匹配算法具体如下：

对于用户拍摄的到店照片，找到照片所属类别的模板照片S[1]…S[9], 计算两张图像在窗口移动到位置[i,j]处的相似度S[i,j]。

其中SD代表模板灰度照片减去平均值的灰度值，OD代表用户灰度照片减去平均值的灰度值,x∈[0,3/w],y∈[0,h/3]，最终寻找max(S[i,j])作为模板与用户拍摄照片的相似度。

其中，自适应Otsu方法也称为大津法，是一种对图像阈值分割的方法，它是自适应地寻找二值化的阈值，按图像的灰度特性将图像分成背景和目标2部分，背景和目标之间的类间方差越大，说明构成图像的2部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。通过该方法得到模板图像和拍摄第一图像每个区域快的灰度值后，将模板图像作为背景图像，拍摄图像作为前景图像，分别得到各区域的类间方差S[i]，作为模板图片与拍摄图片的最大相似度。

当然，实际应用中，两个第一图像之间的相似度计算方法不限于上述描述，本公开实施例对此不加以计算。

可以理解地，对于不同的相似度计算方法，对于模板图像和拍摄第一图像要求不同，例如分辨率、格式等图像特征，本公开实施例对此不加以限制。

子步骤A6，根据所述各第一相似度与各所述第一图像分区的权重值的加权和，获取所述第一图像与所述预置模板图像之间的相似度值。

具体地，在获得模板图片与拍摄图片的最大相似度S[i]后，根据S[i]对应每个模板区域的具体权重值，计算模板图片与拍摄图片之间的最终相似度，即最终将所有模板图片的相似度和权重值进行加权求和，得到 W＝W[i]*S[i]，W作为最终相似度。

优选地，所述第一图像的数量为多个；每一个第一图像对应一个预置模板图像；步骤104包括：

子步骤C1，针对每一张第一图像，根据该第一图像对应的预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的第一相似度；

具体地，根据上述步骤的描述，可以在用户到店访问时请求用户根据多个请求的多个店内第一图像，每一个第一图像，或者说每种要求的第一图像对应一个预置模板图像。

其中，通过获取第一图像的图像特征，与预置模板图像进行对比，获得第一相似度。当然，图像特征是根据模板图像的种类，通过图像处理方法确定的，例如，预置模板图像是人像图，那么图像特征是人脸特征。因此，对于图像特征的种类本发明实施例不加以限制。

子步骤C2，对各个第一图像对应的第一相似度值按照预设比例进行运算，得到综合相似度值；

具体地，综合相似度的计算方法可以是多个相似度的简单累计，也可以是根据不同第一图像的重要程度为第一图像设置相似度占比，对多个第一图像的第一相似度与相似度占比的乘积进行累加，得到综合相似度值，本发明相似度占比的设置不加以具体限制。

步骤105，在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

本公开实施例中，当第一图像与预置模板图像之间的相似度值低于预设阈值时，则认为拍摄第一图像疑似虚假，进而认为用户的访问行为存在异常。

优选地，根据子步骤C1-C2，步骤105，具体包括：

子步骤D1，在所述综合相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

具体地，根据子步骤C1的描述，当第一图像为多个时，通过每个第一图像与对应的预置模板图之间的对比得到的第一相似度值，计算出包含多个第一相似度的综合相似度值，在综合相似度值低于预设相似度阈值时，确定用户的访问行为存在异常。

综上所述，本公开的实施例提供了一种用户行为异常检测方法，所述方法包括：检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；获取用户针对所述拍摄请求拍摄的第一图像；获取对应所述第一图像的预置模板图像；根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据与预置模板图像之间的相似度，判断用户的访问行为是否存在异常，提高异常排查的效率。

实施例二

参照图2，其示出了在本公开的另一个实施例中的用户行为异常检测方法的步骤流程图，具体如下。

步骤201，检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

此步骤与步骤101相同，在此不再详述。

步骤202，获取用户针对所述拍摄请求拍摄的第一图像；

此步骤与步骤102相同，在此不再详述。

步骤203，获取所述第一图像的拍摄时间和定位信息。

本公开实施例中，通过图像元信息中的定位信息确定第一图像的拍摄的地理位置，其次获取图像元信息中的拍摄时间信息。

可以理解地，取录入记录的时间点，若短时间内包含多条记录则认为疑似虚假。

可以理解地，在存在连锁商家的情况下，使用同样的门头第一图像或海报数据，不能确定用户是否真实访问其中指定的店面，所以需要通过地理位置来进行判定。

步骤204，根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；

具体地，可以通过拍摄时间计算该第一图像的拍摄频率，如果短时间内包含多条该用户的第一图像的上传记录，则疑似用户的访问行为存在异常。

步骤205，在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。

具体地，通过第一图像的具体位置，拍摄的频率，此判断拍摄的第一图像是否真实由用户到商家店面进行拍摄，若上述任一信息在设定阈值内，则由此判定用户的访问行为存在异常，即不真实。

可以理解的，通过用户的拍摄地点与商家店面注册地址之间的距离，如果该距离超出预设距离，那可以确定第一图像不是用户到店真实拍摄，用户的访问行为存在异常。

当然，在实际应用中，通过第一图像的异常检测可以结合多种信息共同判断，不限于上述描述，本公开实施例不加以限制。

其中，判断该地理位置与门店在平台的标注位置之间的距离是否小于设定的距离阈值，若小于设定的距离阈值，则认为用户的访问行为存在异常。

优选地，还包括：

步骤B1，获取所述第一图像的图片属性信息。

具体地，当获取用户拍摄的第一图像后，根据第一图像的属性信息进行图像真实性的判断。

可以理解地，属性信息可以是针对拍摄要求而特有的信息，如第一图像的指纹信息，以及第一图像的拍照设备信息，针对不同的拍摄需求，属性信息可以不同，本公开实施例对此不加以限制。

步骤B2，根据所述图片属性信息，确定所述第一图像的汉明距离和拍摄设备信息；

具体地，获取第一图像中的拍摄设备信息后，再获取该用户上传的历史第一图像中的历史拍摄设备信息。

其中，第一图像的包含Exif(Exchangeable image file format，可交换图像文件格式)，是专门为数码相机的照片设定的，可以记录数码照片的拍摄设备信息。

优选地，步骤B2包括：

步骤B21，所述检测信息包括指纹数据，采用所述数据指纹，获取所述第一图像的当前指纹向量；

具体地，在拍摄的第一图像中，每个第一图像在设备生产时，存在一个唯一可识别的编码，将该编码利用pHash计算出的值，为该第一图像的 pHash指纹数据，作为该第一图像的当前指纹向量。

其中，pHash为感知哈希算法，是哈希算法的一类，主要通过计算第一图像编码的pHash值，用来做相似图片的搜索工作。

步骤B22，获取预置的历史第一图像的历史指纹向量；

具体地，获取该用户针对当前商家上传过的历史第一图像，同样获取该历史第一图像的唯一可识别的编码，并计算出其pHash指纹数据，作为该历史第一图像的历史指纹向量。

步骤B23，根据所述当前指纹向量与所述历史指纹向量，计算所述第一图像与预置的历史第一图像之间的汉明距离；

具体地，计算当前指纹向量与历史指纹向量之间的汉明距离，其中，汉明距离表示两个(相同长度)字对应位不同的数量，我们以d(x，y)表示两个字x，y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。

步骤B3，在所述汉明距离小于预设距离阈值，和/或，所述拍摄设备信息与历史拍摄设备信息不一致时，确定所述用户的访问行为存在异常。

具体地，当计算出的汉明距离小于预设距离阈值时，则该用户的访问行为疑似存在异常。

具体地，获取当前第一图像的EXIF信息，若与历史设备信息，即历史 EXIF信息有变化，则认为用户的商家访问行为存在异常。

例如，通过EXIF信息的变化，可以判定用户可能委托其他人进行到店拍摄。

当然，在实际应用中，用户如果更换设备也可能导致EXIF信息的变化。所以，针对该检测可以设置一个时间阈值，即用户使用新设配进行拍摄的次数大于一定数量后，则认为新设备为用户的默认设备，并认同用户使用该设备进行拍摄的第一图像真实。

可以理解地，获取第一图像的元信息、属性信息以及图像特征进行相似度计算，都是本公开实施例中使用的判断依据，上述因素可以作为逐层判断方法进行使用，也可以只使用其中的一个作为判断依据，并且在实际应用中针对判断方法也不限于上述描述，对此本公开实施例不加以限制。

可以理解地，结合多项上述描述的方式进行异常检测时，检测的准确率会更高。

综上所述，本公开的实施例提供了一种用户行为异常检测方法，所述方法包括：检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；获取用户针对所述拍摄请求拍摄的第一图像。获取所述第一图像的拍摄时间和定位信息；根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据中获取的信息，判断用户的访问行为是否存在异常，提高异常排查的效率，此外，还可以结合多种第一图像信息的方式进行异常检测，提高检测准确性。

实施例三

参照图3，其示出了在本公开的一个实施例中的用户行为异常检测装置的结构图，具体如下。

拍摄请求发起模块301，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

第一图像获取模块302，用于获取用户针对所述拍摄请求拍摄的第一图像；

预置模板图像获取模块303，用于获取对应所述第一图像的预置模板图像；

相似度值获取模块304，用于根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；

优选地，所述相似度值获取模块304，包括：

第一拆分子模块，用于将所述预置模板图像拆分为多个预设大小的第一图像分区；

权重标记子模块，用于根据所述图像特征标记所述预置模板图像中每个所述第一图像分区的权重值；

匹配第一图像获得子模块，用于通过仿射变换将所述第一图像与所述预置模板图像进行匹配，获得匹配第一图像；

第二拆分子模块，用于根据所述第一图像分区在所述匹配第一图像上的映射关系，将所述匹配第一图像拆分为多个预设大小的第二图像分区；

第一相似度获取子模块，用于获取各所述第一图像分区与各所述第二图像分区之间的各第一相似度；

相似度值获取子模块，用于根据所述各第一相似度与各所述第一图像分区的权重值的加权和，获取所述第一图像与所述预置模板图像之间的相似度值。

优选地，所述第一图像的数量为多个；每一个第一图像对应一个预置模板图像，所述相似度值获取模块304，包括：

第一相似度值获取子模块，用于针对每一张第一图像，根据该第一图像对应的预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的第一相似度值；

第一异常确定模块305，用于在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

优选地，所述第一异常确定模块305，包括：

第一异常确定子模块，用于在所述综合相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

综上所述，本公开的实施例提供了一种用户行为异常检测装置，所述装置包括：拍摄请求发起模块，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；第一图像获取模块，用于获取用户针对所述拍摄请求拍摄的第一图像；预置模板图像获取模块，用于获取对应所述第一图像的预置模板图像；相似度值获取模块，用于根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；第一异常确定模块，用于在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据与预置模板图像之间的相似度，判断用户的访问行为是否存在异常，提高异常排查的效率。

装置实施例三对应方法实施例一，详细说明可以参照实施例一，在此不再赘述。

实施例四

参照图4，其示出了本公开的另一个实施例中的用户行为异常检测装置的结构图，具体如下。

拍摄请求发起模块401，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

第一图像获取模块402，用于获取用户针对所述拍摄请求拍摄的第一图像；

拍摄时间和定位信息获取模块403，用于获取所述第一图像的拍摄时间和定位信息。

拍摄频率计算模块404，用于根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；

第二异常确定模块405，用于在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。

优选地，还包括：

图片属性信息获取模块，用于获取所述第一图像的图片属性信息；

汉明距离确定模块，用于根据所述图片属性信息，确定所述第一图像的汉明距离和拍摄设备信息；

优选地，所述图片属性信息包括指纹数据，所述汉明距离确定模块，包括：

指纹向量获取子模块，用于采用所述数据指纹，获取所述第一图像的当前指纹向量；

历史指纹向量获取子模块，用于获取预置的历史第一图像的历史指纹向量；

汉明距离计算子模块，用于根据所述当前指纹向量与所述历史指纹向量，计算所述第一图像与预置的历史第一图像之间的汉明距离。

第三异常确定模块，用于在所述汉明距离小于预设距离阈值，和/或，所述拍摄设备信息与历史拍摄设备信息不一致时，确定所述用户的访问行为存在异常。

综上所述，本公开的实施例提供了一种用户行为异常检测装置，所述装置包括：拍摄请求发起模块，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；第一图像获取模块，用于获取用户针对所述拍摄请求拍摄的第一图像；拍摄时间和定位信息获取模块，用于获取所述第一图像的拍摄时间和定位信息。拍摄频率计算模块，用于根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；第二异常确定模块，用于在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。能够根据用户访问商家时的拍摄数据中获取的信息，判断用户的访问行为是否存在异常，提高异常排查的效率，此外，还可以结合多种第一图像信息的方式进行异常检测，提高检测准确性。

装置实施例四对应方法实施例二，详细说明可以参照实施例二，在此不再赘述。

本公开的实施例还提供了一种电子设备，参见图5，包括：处理器 501、存储器502以及存储在所述存储器上并可在所述处理器上运行的计算机程序5021，所述处理器执行所述程序时实现前述实施例的用户行为异常检测方法。

本公开的实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的用户行为异常检测方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开的实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的实施例的内容，并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的实施例的示例性实施例的描述中，本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的实施例的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书 (包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

本公开的实施例的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP) 来实现根据本公开的实施例的排序设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本公开的实施例的较佳实施例而已，并不用以限制本公开的实施例，凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本公开的实施例的保护范围之内。

以上所述，仅为本公开的实施例的具体实施方式，但本公开的实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的实施例的保护范围之内。因此，本公开的实施例的保护范围应以权利要求的保护范围为准。

Claims (14)

1.一种用户行为异常检测方法，其特征在于，所述方法包括：

检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

获取用户针对所述拍摄请求拍摄的第一图像；

获取对应所述第一图像的预置模板图像；

根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；

在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

2.根据权利要求1所述的方法，其特征在于，所述根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值的步骤，包括：

将所述预置模板图像拆分为多个预设大小的第一图像分区；

根据所述图像特征标记所述预置模板图像中每个所述第一图像分区的权重值；

通过仿射变换将所述第一图像与所述预置模板图像进行匹配，获得匹配第一图像；

根据所述第一图像分区在所述匹配第一图像上的映射关系，将所述匹配第一图像拆分为多个预设大小的第二图像分区；

获取各所述第一图像分区与各所述第二图像分区之间的各第一相似度；

根据所述各第一相似度与各所述第一图像分区的权重值的加权和，获取所述第一图像与所述预置模板图像之间的相似度值。

3.根据权利要求1所述的方法，其特征在于，在所述获取用户针对所述拍摄请求拍摄的第一图像的步骤之后，还包括：

获取所述第一图像的拍摄时间和定位信息；

根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；

在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。

4.根据权利要求1所述的方法，其特征在于，在所述获取用户针对所述拍摄请求拍摄的第一图像的步骤之后，还包括：

获取所述第一图像的图片属性信息；

根据所述图片属性信息，确定所述第一图像的汉明距离和拍摄设备信息；

在所述汉明距离小于预设距离阈值，和/或，所述拍摄设备信息与历史拍摄设备信息不一致时，确定所述用户的访问行为存在异常。

5.根据权利要求4所述的方法，其特征在于，所述图片属性信息包括指纹数据，所述根据所述图片属性信息，确定所述第一图像的汉明距离的步骤，包括：

采用所述数据指纹，获取所述第一图像的当前指纹向量；

获取预置的历史第一图像的历史指纹向量；

根据所述当前指纹向量与所述历史指纹向量，计算所述第一图像与预置的历史第一图像之间的汉明距离。

6.根据权利要求1所述的方法，其特征在于，所述第一图像的数量为多个；每一个第一图像对应一个预置模板图像；

所述根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值，包括：

针对每一张第一图像，根据该第一图像对应的预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的第一相似度；

对各个第一图像对应的第一相似度值按照预设比例进行运算，得到综合相似度值；

所述在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常，包括：

在所述综合相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

7.一种用户行为异常检测装置，其特征在于，所述装置包括：

拍摄请求发起模块，用于检测到用户访问商家时发起的预设业务行为，向用户发起针对所述业务行为的拍摄请求；

第一图像获取模块，用于获取用户针对所述拍摄请求拍摄的第一图像；

预置模板图像获取模块，用于获取对应所述第一图像的预置模板图像；

相似度值获取模块，用于根据预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的相似度值；

第一异常确定模块，用于在所述相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

8.根据权利要求7所述的装置，其特征在于，所述相似度值获取模块，包括：

第一拆分子模块，用于将所述预置模板图像拆分为多个预设大小的第一图像分区；

权重标记子模块，用于根据所述图像特征标记所述预置模板图像中每个所述第一图像分区的权重值；

匹配第一图像获得子模块，用于通过仿射变换将所述第一图像与所述预置模板图像进行匹配，获得匹配第一图像；

第二拆分子模块，用于根据所述第一图像分区在所述匹配第一图像上的映射关系，将所述匹配第一图像拆分为多个预设大小的第二图像分区；

第一相似度获取子模块，用于获取各所述第一图像分区与各所述第二图像分区之间的各第一相似度；

相似度值获取子模块，用于根据所述各第一相似度与各所述第一图像分区的权重值的加权和，获取所述第一图像与所述预置模板图像之间的相似度值。

9.根据权利要求7所述的装置，其特征在于，还包括：

拍摄时间和定位信息获取模块，用于获取所述第一图像的拍摄时间和定位信息。

拍摄频率计算模块，用于根据所述拍摄时间和所述定位信息，确定所述第一图像的拍摄频率，和/或，拍摄位置；

第二异常确定模块，用于在所述拍摄频率或拍摄位置超过预设阈值时，确定所述用户的访问行为存在异常。

10.根据权利要求7所述的装置，其特征在于，还包括：

图片属性信息获取模块，用于获取所述第一图像的图片属性信息；

汉明距离确定模块，用于根据所述图片属性信息，确定所述第一图像的汉明距离和拍摄设备信息；

第三异常确定模块，用于在所述汉明距离小于预设距离阈值，和/或，所述拍摄设备信息与历史拍摄设备信息不一致时，确定所述用户的访问行为存在异常。

11.根据权利要求8所述的装置，其特征在于，所述图片属性信息包括指纹数据，所述汉明距离确定模块，包括：

指纹向量获取子模块，用于采用所述数据指纹，获取所述第一图像的当前指纹向量；

历史指纹向量获取子模块，用于获取预置的历史第一图像的历史指纹向量；

汉明距离计算子模块，用于根据所述当前指纹向量与所述历史指纹向量，计算所述第一图像与预置的历史第一图像之间的汉明距离。

12.根据权利要求7所述的装置，其特征在于，所述第一图像的数量为多个；每一个第一图像对应一个预置模板图像；

所述相似度值获取模块，包括：

第一相似度值获取子模块，用于针对每一张第一图像，根据该第一图像对应的预置模板图像与所述第一图像的所述图像特征，获取所述第一图像与所述预置模板图像之间的第一相似度值；

综合相似度值获取子模块，用于对各个第一图像对应的第一相似度值按照预设比例进行运算，得到综合相似度值；

所述第一异常确定模块，包括：

第一异常确定子模块，用于在所述综合相似度值低于预设相似度阈值时，确定所述用户的访问行为存在异常。

13.一种电子设备，其特征在于，包括：

处理器、存储器以及存储在所述存储器上并可在所述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1-6中一个或多个所述的用户行为异常检测方法。

14.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-6中一个或多个所述的用户行为异常检测方法。