CN105761255A - 游戏画面卡顿测试方法及装置 - Google Patents
游戏画面卡顿测试方法及装置 Download PDFInfo
- Publication number
- CN105761255A CN105761255A CN201610079981.2A CN201610079981A CN105761255A CN 105761255 A CN105761255 A CN 105761255A CN 201610079981 A CN201610079981 A CN 201610079981A CN 105761255 A CN105761255 A CN 105761255A
- Authority
- CN
- China
- Prior art keywords
- adjacent
- sift feature
- field pictures
- field
- feature point
- 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
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种游戏画面卡顿测试方法及装置。本发明游戏画面卡顿测试方法,包括:获取游戏运行时的连续数帧图像;确定获取到的连续数帧图像中每相邻两帧图像的相似度;根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。本发明能够准确确定游戏运行时的画面卡顿时刻和场景。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种游戏画面卡顿测试方法及装置。
背景技术
在手游开发过程中,产品会不断地迭代,每个版本打包后都会对游戏性能进行测试。性能测试指标包括内存消耗、中央处理器(CentralProcessingUnit,简称CPU)占用、流畅度、流量消耗、电量消耗等方面。绝大部分手游画面刷新频率(也即帧率)锁定为30Hz,即满帧为30帧。在理想状态下,如果游戏能够一直保持30帧/每秒(FramePerSecond,简称FPS)运行,则代表游戏特别流畅。然而,游戏过程中帧率会有一个波动的过程,并不是一直保持30FPS。这时候帧率无法确切地反映游戏真实的流畅程度。这是因为从视觉角度来说,游戏卡顿可以理解为一种连续不相同的动画过程中出现停滞的现象,也即图形处理器(GraphicProcessingUnit,简称GPU)来不及渲染下一帧图像,图1为游戏画面卡顿的示意图,如图1所示,在0-1s的时间内,图中的第3图像由于GPU来不及渲染,因此出现卡顿,与第2幅图像相同。假设某款游戏某个连续变化的动作在渲染过程中从30FPS下降到25FPS,这说明原本1s需要刷新30帧画面变成了25帧,那么中间就会有5次是和前一时刻保持相同画面。如果这5次是连续时刻发生的,那么就会有将近1/6s的画面卡顿。如果这5次分散在1s时间内的不同时刻,那么游戏因为人眼视觉效应,在1/15s时间间隔里看起来就不会有卡顿。因此,帧率在一定程度上能够反映游戏整体流畅度,但是和游戏画面卡顿没有必然的联系。为了保证游戏质量,最理想情况是让游戏能够满帧运行,但现实又无法满足,所以需要寻找一种能够准确反映游戏流畅程度,也即游戏画面卡顿轻重程度的方法。
现有技术中,可以通过软件方式录制游戏运行时的视频,然后对录制的游戏视频进行卡顿分析,卡顿分析是通过人眼观察录制的游戏视频,得出分析结果,该方法一般只能识别出卡顿时间较长的游戏视频中的画面,对于短时间卡顿的画面识别不出来,识别准确率低,而且效率较低。
发明内容
本发明提供一种游戏画面卡顿测试方法及装置,以克服现有技术中识别准确率低,而且效率较低的问题。
第一方面,本发明提供一种游戏画面卡顿测试方法,包括:
获取游戏运行时的连续数帧图像;
确定获取到的连续数帧图像中每相邻两帧图像的相似度;
根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。
第二方面,本发明提供一种游戏画面卡顿测试装置,包括:
获取模块,用于获取游戏运行时的连续数帧图像;
第一处理模块,用于确定获取到的连续数帧图像中每相邻两帧图像的相似度;
第二处理模块,用于根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。
本发明游戏画面卡顿测试方法及装置,通过获取游戏运行时的连续数帧图像,然后确定获取到的连续数帧图像中每相邻两帧图像的相似度,并根据每相邻两帧图像的相似度,确定游戏运行时的画面卡顿时刻,如果相邻两帧图像的相似度大于预设的阈值,则说明相邻两帧图像的后一帧图像有卡顿,则能够准确确定游戏运行时的画面卡顿时刻和场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为游戏画面卡顿的示意图。
图2为本发明游戏画面卡顿测试方法一实施例的流程示意图;
图3为本发明方法一实施例的相似度曲线变化示意图;
图4为本发明方法一实施例的相似度曲线变化的散点图;
图5为本发明方法一实施例的相似度曲线变化的折线图;
图6为本发明方法一实施例的卡顿点判断示意图;
图7为本发明方法一实施例的视频录制硬件连接示意图一;
图8为本发明方法一实施例的视频录制硬件连接示意图二;
图9为本发明方法一实施例的采集频率与图像帧率的对比示意图一;
图10为本发明方法一实施例的采集频率与图像帧率的对比示意图二;
图11为本发明方法一实施例的采集频率与图像帧率的对比示意图三;
图12为本发明游戏画面卡顿测试装置一实施例的结构示意图;
图13为本发明游戏画面卡顿测试装置另一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中的方法,主要应用于对终端设备的游戏画面卡顿进行测试。
图2为本发明游戏画面卡顿测试方法一实施例的流程示意图。图3为本发明方法一实施例的相似度曲线变化示意图。本实施例的执行主体为游戏画面卡顿测试装置。如图2所示,本实施例的方法,包括:
步骤201、获取游戏运行时的连续数帧图像;
步骤202、确定获取到的连续数帧图像中每相邻两帧图像的相似度;
步骤203、根据每相邻两帧图像的相似度,确定游戏运行时的画面卡顿时刻。
具体来说,对游戏画面卡顿进行测试时,首先要获取游戏运行时的连续数帧图像,具体可以是通过视频采集卡获取。
然后,确定获取到的连续数帧图像中每相邻两帧图像的相似度,本实施例中,每相邻两帧图像,如可以是第1帧和第2帧图像为一组,第2帧和第3帧图像为一组,第3帧和第4帧图像为一组,依此类推。
其中,在实际应用中,步骤103具体可以通过如下方式实现:
若相邻两帧图像的相似度大于预设的第二阈值,则确定相邻两帧图像的后一帧图像的时刻为卡顿时刻。
具体的,在本发明实施例中是将游戏运行时的视频转换成时间序列的多个图像帧,只要在时间序列上比较相邻两帧图像的相似度,以时间为自变量,某一时刻和前一时刻图像的相似度为变量可以绘制出一幅曲线图,如图3所示,那么在卡顿的地方会有一个脉冲式的相似度变化,这个相似度接近甚至可能达到100%(即完全一致)。在脉冲的这个地方很可能就是卡顿点。因为自变量是时间,因此在找到卡顿点就可以定位到卡顿时刻的游戏场景和游戏画面。
图4为本发明方法一实施例的相似度曲线变化的散点图。图5为本发明方法一实施例的相似度曲线变化的折线图。具体的,在本实施例中,如相邻两帧图像的相似度为99.99%即可认为是相同的图像,说明此处的游戏画面有卡顿。在获取相邻两帧图像的相似度后,可以利用散点图和折线图进行相似度统计。如图4所示,该散点图是以时序为横轴,将每相邻两帧的前后帧的相似度达到99.99%的延时作为纵坐标,该延时后一帧与前一帧的时间间隔,可以通过图4中的点确定游戏的卡顿点,如图4中在第2帧处的第1个点的延时为0.033s,则说明第1帧与第2帧的相似度达到99.99%,则确定第2帧为卡顿时刻。
如图5所示,该折线图以时序为横轴,相似度为纵坐标,通过该图可以看出游戏画面卡顿是否是因为美术动作设计不合理造成丢帧,即是否是连续动作之间插帧不够。例如,若前后两帧图像的相似度小于一预设值,则说明前后两帧图像的差别太大,连续动作之间插帧不够。
图6为本发明方法一实施例的卡顿点判断示意图。
进一步的,在实际应用中,确定相邻两帧图像的后一帧图像的时刻为卡顿时刻之前,还可以进行如下操作:
确定卡顿时刻的图像的帧率是否达到满帧;
若图像的帧率未达到满帧,则确定相邻两帧图像的后一帧图像的时刻为
卡顿时刻。
具体的,由于游戏画面静止(一般为游戏设置界面或者非玩家角色(Non-PlayerCharacter,简称NPC)对话界面)时也会造成虚假的卡顿点,但是画面静止时帧率都能达到满帧。因此可以引入帧率进一步确定是否为卡顿点。散点图上延时高的点如果帧率到达满帧即可认为不是卡顿点,如图6所示,点1处的延时虽然很大,但是对应的图像的帧率达到满帧因此不是卡顿点,而点2对应的图像的帧率未达到满帧是卡顿点。
本实施例提供的游戏画面卡顿测试方法,通过获取游戏运行时的连续数帧图像,然后确定获取到的连续数帧图像中每相邻两帧图像的相似度,并根据每相邻两帧图像的相似度,确定游戏运行时的画面卡顿时刻,如果相邻两帧图像的相似度大于预设的阈值,则说明相邻两帧图像的后一帧图像有卡顿,则能够准确确定游戏运行时的画面卡顿时刻和场景。
图7为本发明方法一实施例的视频录制硬件连接示意图一。图8为本发明方法一实施例的视频录制硬件连接示意图二。在上述实施例的基础上,本实施例中,步骤201具体可以通过如下的实现方式实现:
根据预设的采集频率,采用视频采集卡获取游戏运行时的连续数帧图像。
其中,在实际应用中,采用视频采集卡获取游戏运行时的连续数帧图像之前,还包括:
对游戏运行时输出的视频信号进行解码,以采用视频采集卡获取游戏运行时的各帧图像。
具体来说,现有的通过软件方式录制游戏运行时的视频,具体可以通过第三方录屏应用程序,或利用手游本身接入的录屏软件开发工具包(SoftwareDevelopmentKit,简称SDK)对游戏运行时的视频进行录制,但是由于软件录屏工具本身也占用CPU资源和内存资源,因此对游戏本身的流畅度性能影响很大,无法真实反映游戏的流畅度,因此本实施例中采用视频采集卡获取游戏运行时的各帧图像。
如图7所示,对于操作系统为IOS的终端设备来说,有两种不同的接口,Dock接口和Lighting接口,对于这两种接口,需要通过接口转换器,转换为高清晰度多媒体接口(HighDefinitionMultimediaInterface,简称HDMI),通过HDMI连接高带宽数字内容保护(High-bandwidthDigitalContentProtection,简称HDCP)解码器,HDCP解码器通过HDMI连接视频采集卡。
HDCP是为了保证HDMI或者数字视频接口(DigitalVisualInterface,简称DVI)传输的高清晰视频信号不会被非法录制而出现的一种技术。由于大部分设备厂商在终端设备输出HDMI信号时都会支持HDCP,这会导致视频采集卡无法录制终端设备输出的视频信号。因此需要使用HDCP解码器,对游戏运行时输出的视频信号进行解码,从而采用视频采集卡对输出的视频信号进行采集录制,获取游戏运行时的各帧图像。
如图8所示,对于操作系统为Android的终端设备来说,一般都具有移动终端高清影音标准接口(MobileHigh-DefinitionLink,简称MHL),而视频采集卡的输入端口一般是HDMI,因此如果要用视频采集卡对该终端设备上的游戏运行时的视频进行录制的话,需要有一个MHL转HDMI的接口转换器。此外,如上述可知,还需要在视频采集卡前增加一个HDCP解码器才能进行采集录制。
进一步的,视频采集卡可以插在计算机的个人电脑接口(PersonalComputerInterface,简称PCI)插槽上,然后通过视频采集卡配套软件在计算机上获取录制的视频信号,从而获取到游戏运行时的连续数帧图像。
图9为本发明方法一实施例的采集频率与图像帧率的对比示意图一。图10为本发明方法一实施例的采集频率与图像帧率的对比示意图二。图11为本发明方法一实施例的采集频率与图像帧率的对比示意图三。在上述实施例的基础上,进一步的,一般来说视频采集卡输出的视频信号大都为30FPS或者60FPS(这和输入视频信号分辨率和视频采集卡的数字信号处理器(DigitalSignalProcessor,简称DSP)的计算能力有关),也即视频采集卡的采集频率可以为30Hz或者60Hz。而游戏画面的帧率一般是30FPS(锁帧)或者60FPS(满帧)。
假设GPU每隔1/30秒钟渲染一次(即帧率为30FPS),视频采集卡每隔1/30秒钟采集一次。如图9所示,t1为GPU渲染时刻,t2为视频采集卡采集时刻,即使二者采集时间点不一致时,各自的采集时间间隔一致,所以视频采集卡采集的图像帧都可以准确反映出GPU渲染的图像帧。视频采集卡的采集频率为60Hz,游戏画面的帧率为60FPS时与上述类似,此处不再赘述。
在游戏画面的帧率和采集频率不一致时,需要分为两种情况:
1)帧率大于采集频率;
2)帧率小于采集频率。
假设GPU每隔1/60秒钟渲染一次(即帧率为60FPS),视频采集卡每隔1/30秒钟采集一次,如图10所示,t1为GPU渲染时刻,t2为视频采集卡采集时刻,这种情况下视频采集卡会漏掉GPU渲染的一半帧数,所以能够检测到卡顿的时间精度是1/30≈33.3(ms)。
假设GPU每隔1/30秒钟渲染一次(即帧率为30FPS),视频采集卡每隔1/60秒钟采集一次,如图11所示,t1为GPU渲染时刻,t2为视频采集卡采集时刻,这种情况下各帧图像均重复采集了一次,需要做剔除处理。
在实际应用中,具体的,若预设的采集频率大于图像的帧率,将采用视频采集卡采集到的所有奇数帧作为获取到的各帧图像;或者,将采用视频采集卡采集到的所有偶数帧作为获取到的各帧图像。
在上述实施方式的基础上,进一步,确定相邻两帧图像的相似度的实现方式有多种,如直方图匹配算法、矩阵分解算法、基于特征点的图像相似度比较算法等,在本实施例中,作为一种可实施的方式,步骤202具体可以通过如下方式实现:
根据尺度不变特征转换SIFT算法计算出相邻两帧图像的SIFT特征点及SIFT特征点对应的SIFT特征向量;
若相邻两帧图像中任一帧图像的SIFT特征点的数目为零,则确定相邻两帧图像的相似度为零;
若相邻两帧图像的SIFT特征点的数目均不为零,则根据SIFT特征点及SIFT特征点对应的SIFT特征向量,计算相邻两帧图像的相似度。
具体的,在本实施例中,采用尺度不变特征转换(Scale-InvariantFeatureTransform,简称SIFT)特征匹配算法对相邻两帧图像的特征点及特征向量进行计算。SIFT特征匹配算法是一种用来侦测与描述影像中的局部性特征的计算机视觉算法,主要通过分别求两幅图中的特征点(InterestPointsorCornerPoints)及其有关尺寸(scale)和方向(orientation)的描述子得到特征,在尺度空间中寻找极值点,并提取出其位置、尺度、旋转不变量,然后进行两幅图像的特征点匹配。SIFT算法的实质是在不同尺度空间上查找特征点,并计算出特征点的方向,其所查找到的特征点是一些十分突出,不会因光照、仿射变换和噪音等因素而变化的点,如角点、边缘点、暗区的亮点及亮区的暗点等,因而SIFT特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换和噪音等也保持一定程度的稳定性。
若相邻两帧图像中任一帧图像的SIFT特征点的数目为零,即若相邻两帧图像中的前一帧图像或后一帧图像的SIFT特征点的数目为零,则确定相邻两帧图像的相似度为零;
若相邻两帧图像的SIFT特征点的数目均不为零,则根据SIFT特征点及SIFT特征点对应的SIFT特征向量,计算相邻两帧图像的相似度。
进一步的,根据SIFT特征点及SIFT特征点对应的SIFT特征向量,计算相邻两帧图像的相似度,具体可以通过如下方式实现:
根据SIFT特征向量确定相邻两帧图像的特征点匹配对;
根据特征点匹配对和相邻两帧图像中第一帧图像的SIFT特征点的数目确定相邻两帧图像的相似度。
其中,在实际应用中,将特征点匹配对的数目与第一帧图像的SIFT特征点的数目的商作为相邻两帧图像的相似度。
具体来说,确定相邻两帧图像的特征点匹配对并计算出相邻两帧图像的特征点匹配对的数目;将特征点匹配对的数目除以相邻两帧图像中第一帧图像的SIFT特征点的数目的商作为相邻两帧图像的相似度,相邻两帧图像中第一帧图像即为相邻两帧图像中的前一帧图像。
其中,在实际用于中,根据SIFT特征向量确定相邻两帧图像的特征点匹配对,具体可以通过如下方式实现:
计算出相邻两帧图像中第一帧图像的SIFT特征点对应的SIFT特征向量与相邻两帧图像中第二帧图像的SIFT特征点对应的SIFT特征向量的最小欧氏距离和次小欧氏距离;
若最小欧氏距离与次小欧氏距离的商小于预设的第一阈值,将第一帧图像的SIFT特征点与第二帧图像的SIFT特征点作为特征点匹配对。
具体的,计算出相邻两帧图像中第一帧图像的SIFT特征点对应的SIFT特征向量与第二帧图像的SIFT特征点对应的SIFT特征向量的最小欧氏距离min_E和次小欧氏距离nextmin_E;在最小欧氏距离min_E除以次小欧氏距离nextmin_E的商小于第一阈值时,将该第一帧图像的SIFT特征点与该第二帧图像的SIFT特征点作为特征点匹配对,并计算特征点匹配对的数目。例如,假设第一阈值TH1为0.75,则当min_E<0.75×nextmin_E时,确定该第一帧图像的SIFT特征点与该第二帧图像的SIFT特征点为特征点匹配对。
图12为本发明游戏画面卡顿测试装置一实施例的结构示意图。如图12所示,本实施例的游戏画面卡顿测试装置,包括:
获取模块、第一处理模块和第二处理模块;
其中,获取模块,用于获取游戏运行时的连续数帧图像;
第一处理模块,用于确定获取到的连续数帧图像中每相邻两帧图像的相似度;
第二处理模块,用于根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。
可选的,作为一种可实施的方式,所述获取模块,具体用于:
根据预设的采集频率,采用视频采集卡获取所述游戏运行时的连续数帧图像。
可选的,作为一种可实施的方式,所述获取模块,还具体用于:
对所述游戏运行时输出的视频信号进行解码,以采用所述视频采集卡获取所述游戏运行时的连续数帧图像。
可选的,作为一种可实施的方式,所述获取模块,具体用于:
若所述预设的采集频率大于所述图像的帧率,将采用所述视频采集卡采集到的所有奇数帧作为所述图像;或者,将采用所述视频采集卡采集到的所有偶数帧作为所述图像。
可选的,作为一种可实施的方式,所述第一处理模块,具体用于:
根据尺度不变特征转换SIFT算法计算出所述相邻两帧图像的SIFT特征点及所述SIFT特征点对应的SIFT特征向量;
若所述相邻两帧图像中任一帧图像的SIFT特征点的数目为零,则确定所述相邻两帧图像的相似度为零;
若所述相邻两帧图像的SIFT特征点的数目均不为零,则根据所述SIFT特征点及所述SIFT特征点对应的SIFT特征向量,计算所述相邻两帧图像的相似度。
图13为本发明游戏画面卡顿测试装置一实施例的结构示意图。如图13所示,在图12所示的结构基础上,可选的,作为一种可实施的方式,所述第一处理模块,包括:
第一处理单元,用于根据所述SIFT特征向量确定所述相邻两帧图像的特征点匹配对;
第二处理单元,用于根据所述特征点匹配对和所述相邻两帧图像中第一帧图像的SIFT特征点的数目确定所述相邻两帧图像的相似度。
可选的,作为一种可实施的方式,所述第二处理单元,具体用于:
将所述特征点匹配对的数目与所述第一帧图像的SIFT特征点的数目的商作为所述相邻两帧图像的相似度。
可选的,作为一种可实施的方式,所述第一处理单元,具体用于:
计算出所述相邻两帧图像中第一帧图像的SIFT特征点对应的SIFT特征向量与所述相邻两帧图像中第二帧图像的SIFT特征点对应的SIFT特征向量的最小欧氏距离和次小欧氏距离;
若所述最小欧氏距离与所述次小欧氏距离的商小于预设的第一阈值,将所述第一帧图像的SIFT特征点与所述第二帧图像的SIFT特征点作为所述特征点匹配对。
可选的,作为一种可实施的方式,所述第二处理模块,具体用于:
若所述相邻两帧图像的相似度大于预设的第二阈值,则确定所述相邻两帧图像的后一帧图像的时刻为卡顿时刻。
可选的,作为一种可实施的方式,所述第二处理模块,还具体用于:
确定所述卡顿时刻的图像的帧率是否达到满帧;
若所述图像的帧率未达到满帧,则确定所述相邻两帧图像的后一帧图像
的时刻为卡顿时刻。
需要说明的是,对于装置实施例而言,由于其基本相应于方法实施例,所以相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (20)
1.一种游戏画面卡顿测试方法,其特征在于,包括:
获取游戏运行时的连续数帧图像;
确定获取到的连续数帧图像中每相邻两帧图像的相似度;
根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。
2.根据权利要求1所述的方法,其特征在于,所述获取游戏运行时的连续数帧图像,包括:
根据预设的采集频率,采用视频采集卡获取所述游戏运行时的连续数帧图像。
3.根据权利要求2所述的方法,其特征在于,采用视频采集卡获取所述游戏运行时的连续数帧图像之前,还包括:
对所述游戏运行时输出的视频信号进行解码,以采用所述视频采集卡获取所述游戏运行时的连续数帧图像。
4.根据权利要求3所述的方法,其特征在于,所述根据预设的采集频率,采用视频采集卡获取所述游戏运行时的连续数帧图像,包括:
若所述预设的采集频率大于所述图像的帧率,将采用所述视频采集卡采集到的所有奇数帧作为所述图像;或者,将采用所述视频采集卡采集到的所有偶数帧作为所述图像。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述确定获取到的连续数帧图像中每相邻两帧图像的相似度,具体包括:
根据尺度不变特征转换SIFT算法计算出所述相邻两帧图像的SIFT特征点及所述SIFT特征点对应的SIFT特征向量;
若所述相邻两帧图像中任一帧图像的SIFT特征点的数目为零,则确定所述相邻两帧图像的相似度为零;
若所述相邻两帧图像的SIFT特征点的数目均不为零,则根据所述SIFT特征点及所述SIFT特征点对应的SIFT特征向量,计算所述相邻两帧图像的相似度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述SIFT特征点及所述SIFT特征点对应的SIFT特征向量,计算所述相邻两帧图像的相似度,具体包括:
根据所述SIFT特征向量确定所述相邻两帧图像的特征点匹配对;
根据所述特征点匹配对和所述相邻两帧图像中第一帧图像的SIFT特征点的数目确定所述相邻两帧图像的相似度。
7.根据权利要求6所述的方法,其特征在于,所述根据所述特征点匹配对和所述相邻两帧图像中第一帧图像的SIFT特征点的数目确定所述相邻两帧图像的相似度,包括:
将所述特征点匹配对的数目与所述第一帧图像的SIFT特征点的数目的商作为所述相邻两帧图像的相似度。
8.根据权利要求6所述的方法,其特征在于,所述根据所述SIFT特征向量确定所述相邻两帧图像的特征点匹配对,具体包括:
计算出所述相邻两帧图像中第一帧图像的SIFT特征点对应的SIFT特征向量与所述相邻两帧图像中第二帧图像的SIFT特征点对应的SIFT特征向量的最小欧氏距离和次小欧氏距离;
若所述最小欧氏距离与所述次小欧氏距离的商小于预设的第一阈值,将所述第一帧图像的SIFT特征点与所述第二帧图像的SIFT特征点作为所述特征点匹配对。
9.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述每相邻两帧图像的相似度,确定所述游戏运行时的卡顿时刻,包括:
若所述相邻两帧图像的相似度大于预设的第二阈值,则确定所述相邻两帧图像的后一帧图像的时刻为卡顿时刻。
10.根据权利要求9所述的方法,其特征在于,所述确定所述相邻两帧图像的后一帧图像的时刻为卡顿时刻之前,还包括:
确定所述卡顿时刻的图像的帧率是否达到满帧;
若所述图像的帧率未达到满帧,则确定所述相邻两帧图像的后一帧图像
的时刻为卡顿时刻。
11.一种游戏画面卡顿测试装置,其特征在于,包括:
获取模块,用于获取游戏运行时的连续数帧图像;
第一处理模块,用于确定获取到的连续数帧图像中每相邻两帧图像的相似度;
第二处理模块,用于根据所述每相邻两帧图像的相似度,确定所述游戏运行时的画面卡顿时刻。
12.根据权利要求11所述的装置,其特征在于,所述获取模块,具体用于:
根据预设的采集频率,采用视频采集卡获取所述游戏运行时的连续数帧图像。
13.根据权利要求12所述的装置,其特征在于,所述获取模块,还具体用于:
对所述游戏运行时输出的视频信号进行解码,以采用所述视频采集卡获取所述游戏运行时的连续数帧图像。
14.根据权利要求13所述的装置,其特征在于,所述获取模块,具体用于:
若所述预设的采集频率大于所述图像的帧率,将采用所述视频采集卡采集到的所有奇数帧作为所述图像;或者,将采用所述视频采集卡采集到的所有偶数帧作为所述图像。
15.根据权利要求11-14任一项所述的装置,其特征在于,所述第一处理模块,具体用于:
根据尺度不变特征转换SIFT算法计算出所述相邻两帧图像的SIFT特征点及所述SIFT特征点对应的SIFT特征向量;
若所述相邻两帧图像中任一帧图像的SIFT特征点的数目为零,则确定所述相邻两帧图像的相似度为零;
若所述相邻两帧图像的SIFT特征点的数目均不为零,则根据所述SIFT特征点及所述SIFT特征点对应的SIFT特征向量,计算所述相邻两帧图像的相似度。
16.根据权利要求15所述的装置,其特征在于,所述第一处理模块,包括:
第一处理单元,用于根据所述SIFT特征向量确定所述相邻两帧图像的特征点匹配对;
第二处理单元,用于根据所述特征点匹配对和所述相邻两帧图像中第一帧图像的SIFT特征点的数目确定所述相邻两帧图像的相似度。
17.根据权利要求16所述的装置,其特征在于,所述第二处理单元,具体用于:
将所述特征点匹配对的数目与所述第一帧图像的SIFT特征点的数目的商作为所述相邻两帧图像的相似度。
18.根据权利要求16所述的装置,其特征在于,所述第一处理单元,具体用于:
计算出所述相邻两帧图像中第一帧图像的SIFT特征点对应的SIFT特征向量与所述相邻两帧图像中第二帧图像的SIFT特征点对应的SIFT特征向量的最小欧氏距离和次小欧氏距离;
若所述最小欧氏距离与所述次小欧氏距离的商小于预设的第一阈值,将所述第一帧图像的SIFT特征点与所述第二帧图像的SIFT特征点作为所述特征点匹配对。
19.根据权利要求11-14任一项所述的装置,其特征在于,所述第二处理模块,具体用于:
若所述相邻两帧图像的相似度大于预设的第二阈值,则确定所述相邻两帧图像的后一帧图像的时刻为卡顿时刻。
20.根据权利要求19所述的装置,其特征在于,所述第二处理模块,还具体用于:
确定所述卡顿时刻的图像的帧率是否达到满帧;
若所述图像的帧率未达到满帧,则确定所述相邻两帧图像的后一帧图像的时刻为卡顿时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610079981.2A CN105761255B (zh) | 2016-02-04 | 2016-02-04 | 游戏画面卡顿测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610079981.2A CN105761255B (zh) | 2016-02-04 | 2016-02-04 | 游戏画面卡顿测试方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105761255A true CN105761255A (zh) | 2016-07-13 |
CN105761255B CN105761255B (zh) | 2019-01-25 |
Family
ID=56330580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610079981.2A Active CN105761255B (zh) | 2016-02-04 | 2016-02-04 | 游戏画面卡顿测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761255B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375755A (zh) * | 2016-08-31 | 2017-02-01 | 福建省天奕网络科技有限公司 | 一种视频数据卡顿检测方法及系统 |
CN106973321A (zh) * | 2017-03-31 | 2017-07-21 | 广州酷狗计算机科技有限公司 | 确定视频卡顿的方法及装置 |
CN107451066A (zh) * | 2017-08-22 | 2017-12-08 | 网易(杭州)网络有限公司 | 卡顿处理方法和装置、存储介质、终端 |
CN108347598A (zh) * | 2018-01-25 | 2018-07-31 | 晶晨半导体(上海)股份有限公司 | 一种音视频卡顿信息自动检测上报系统及方法 |
CN108696747A (zh) * | 2018-04-17 | 2018-10-23 | 青岛海信电器股份有限公司 | 一种视频测试方法和装置 |
CN108737885A (zh) * | 2018-06-07 | 2018-11-02 | 北京奇艺世纪科技有限公司 | 一种分析在线视频播放卡顿的方法及装置 |
CN108874673A (zh) * | 2018-06-21 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 应用程序的测试方法及装置 |
CN109460364A (zh) * | 2018-11-14 | 2019-03-12 | Oppo广东移动通信有限公司 | 应用程序检测方法、装置、存储介质及移动终端 |
CN109939439A (zh) * | 2019-03-01 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 虚拟角色的卡住检测方法、模型训练方法、装置及设备 |
CN110221922A (zh) * | 2018-03-02 | 2019-09-10 | 网易(杭州)网络有限公司 | 程序产品的卡顿定位方法及装置、介质及计算设备 |
CN110430425A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 一种视频流畅度确定方法、装置、电子设备及介质 |
CN110505522A (zh) * | 2019-09-16 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 视频数据的处理方法、装置、及电子设备 |
CN110944101A (zh) * | 2018-09-25 | 2020-03-31 | 株式会社理光 | 摄像装置及图像记录方法 |
CN111193923A (zh) * | 2019-09-24 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
CN111654756A (zh) * | 2020-06-03 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 卡顿检测方法、装置、设备及可读存储介质 |
CN111813689A (zh) * | 2020-07-22 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 游戏测试方法、设备和介质 |
CN112073597A (zh) * | 2020-08-14 | 2020-12-11 | 北京三快在线科技有限公司 | 视觉稳定度检测方法、装置、设备以及存储介质 |
CN112130792A (zh) * | 2020-09-11 | 2020-12-25 | 安徽中科新辰技术有限公司 | 一种实现可视化视图多端同步的方法 |
CN112511821A (zh) * | 2021-02-03 | 2021-03-16 | 腾讯科技(深圳)有限公司 | 视频卡顿检测方法、装置和存储介质 |
CN112559342A (zh) * | 2020-12-09 | 2021-03-26 | 上海米哈游天命科技有限公司 | 一种画面测试图像的获取方法、装置、设备及存储介质 |
CN110049373B (zh) * | 2019-04-29 | 2021-04-06 | 宜通世纪科技股份有限公司 | 机顶盒卡顿检测方法、系统及存储介质 |
CN115619785A (zh) * | 2022-12-16 | 2023-01-17 | 深圳市乐讯科技有限公司 | 一种基于计算机视觉的游戏画面智能分析方法及系统 |
CN115830945A (zh) * | 2023-01-14 | 2023-03-21 | 苏州海易泰克机电设备有限公司 | 一种飞行模拟机的智能监控管理方法及系统 |
CN116781963A (zh) * | 2023-08-16 | 2023-09-19 | 浙江印象软件有限公司 | 直播清晰度切换防卡死方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010056729A (ja) * | 2008-08-27 | 2010-03-11 | Mitsubishi Electric Corp | フレーム補間装置及び方法並びに画像表示装置 |
CN104573613A (zh) * | 2013-10-16 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于团块跟踪的视频安全防砸方法及装置 |
CN104679649A (zh) * | 2013-11-29 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种软件流畅度测试方法和测试装置 |
CN104965773A (zh) * | 2015-07-09 | 2015-10-07 | 网易(杭州)网络有限公司 | 终端、卡顿检测方法、装置及游戏卡顿检测方法、装置 |
CN105304006A (zh) * | 2015-10-21 | 2016-02-03 | 京东方科技集团股份有限公司 | 显示方法及显示器 |
-
2016
- 2016-02-04 CN CN201610079981.2A patent/CN105761255B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010056729A (ja) * | 2008-08-27 | 2010-03-11 | Mitsubishi Electric Corp | フレーム補間装置及び方法並びに画像表示装置 |
CN104573613A (zh) * | 2013-10-16 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于团块跟踪的视频安全防砸方法及装置 |
CN104679649A (zh) * | 2013-11-29 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种软件流畅度测试方法和测试装置 |
CN104965773A (zh) * | 2015-07-09 | 2015-10-07 | 网易(杭州)网络有限公司 | 终端、卡顿检测方法、装置及游戏卡顿检测方法、装置 |
CN105304006A (zh) * | 2015-10-21 | 2016-02-03 | 京东方科技集团股份有限公司 | 显示方法及显示器 |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375755A (zh) * | 2016-08-31 | 2017-02-01 | 福建省天奕网络科技有限公司 | 一种视频数据卡顿检测方法及系统 |
CN106973321B (zh) * | 2017-03-31 | 2019-07-30 | 广州酷狗计算机科技有限公司 | 确定视频卡顿的方法及装置 |
CN106973321A (zh) * | 2017-03-31 | 2017-07-21 | 广州酷狗计算机科技有限公司 | 确定视频卡顿的方法及装置 |
CN107451066A (zh) * | 2017-08-22 | 2017-12-08 | 网易(杭州)网络有限公司 | 卡顿处理方法和装置、存储介质、终端 |
CN108347598A (zh) * | 2018-01-25 | 2018-07-31 | 晶晨半导体(上海)股份有限公司 | 一种音视频卡顿信息自动检测上报系统及方法 |
CN110221922A (zh) * | 2018-03-02 | 2019-09-10 | 网易(杭州)网络有限公司 | 程序产品的卡顿定位方法及装置、介质及计算设备 |
CN108696747A (zh) * | 2018-04-17 | 2018-10-23 | 青岛海信电器股份有限公司 | 一种视频测试方法和装置 |
CN108696747B (zh) * | 2018-04-17 | 2019-12-24 | 青岛海信电器股份有限公司 | 一种视频测试方法和装置 |
CN108737885A (zh) * | 2018-06-07 | 2018-11-02 | 北京奇艺世纪科技有限公司 | 一种分析在线视频播放卡顿的方法及装置 |
CN108874673A (zh) * | 2018-06-21 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 应用程序的测试方法及装置 |
CN110944101A (zh) * | 2018-09-25 | 2020-03-31 | 株式会社理光 | 摄像装置及图像记录方法 |
CN109460364A (zh) * | 2018-11-14 | 2019-03-12 | Oppo广东移动通信有限公司 | 应用程序检测方法、装置、存储介质及移动终端 |
CN109460364B (zh) * | 2018-11-14 | 2022-07-19 | Oppo广东移动通信有限公司 | 应用程序检测方法、装置、存储介质及移动终端 |
CN109939439B (zh) * | 2019-03-01 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 虚拟角色的卡住检测方法、模型训练方法、装置及设备 |
CN109939439A (zh) * | 2019-03-01 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 虚拟角色的卡住检测方法、模型训练方法、装置及设备 |
CN110049373B (zh) * | 2019-04-29 | 2021-04-06 | 宜通世纪科技股份有限公司 | 机顶盒卡顿检测方法、系统及存储介质 |
CN110430425B (zh) * | 2019-07-31 | 2021-02-05 | 北京奇艺世纪科技有限公司 | 一种视频流畅度确定方法、装置、电子设备及介质 |
CN110430425A (zh) * | 2019-07-31 | 2019-11-08 | 北京奇艺世纪科技有限公司 | 一种视频流畅度确定方法、装置、电子设备及介质 |
CN110505522A (zh) * | 2019-09-16 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 视频数据的处理方法、装置、及电子设备 |
CN111193923A (zh) * | 2019-09-24 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
WO2021244224A1 (zh) * | 2020-06-03 | 2021-12-09 | 腾讯科技(深圳)有限公司 | 卡顿检测方法、装置、设备及可读存储介质 |
EP4044612A4 (en) * | 2020-06-03 | 2023-03-29 | Tencent Technology (Shenzhen) Company Limited | DELAY DETECTION METHOD AND APPARATUS, AND READABLE STORAGE DEVICE AND MEDIA |
JP7371261B2 (ja) | 2020-06-03 | 2023-10-30 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | ラグ検出方法、装置、機器及びコンピュータプログラム |
JP2023508974A (ja) * | 2020-06-03 | 2023-03-06 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | ラグ検出方法、装置、機器及びコンピュータプログラム |
CN111654756B (zh) * | 2020-06-03 | 2021-06-11 | 腾讯科技(深圳)有限公司 | 卡顿检测方法、装置、设备及可读存储介质 |
US20220233957A1 (en) * | 2020-06-03 | 2022-07-28 | Tencent Technology (Shenzhen) Company Limited | Lag detection method and apparatus, device, and readable storage medium |
CN111654756A (zh) * | 2020-06-03 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 卡顿检测方法、装置、设备及可读存储介质 |
CN111813689A (zh) * | 2020-07-22 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 游戏测试方法、设备和介质 |
CN111813689B (zh) * | 2020-07-22 | 2021-08-31 | 腾讯科技(深圳)有限公司 | 游戏测试方法、设备和介质 |
CN112073597A (zh) * | 2020-08-14 | 2020-12-11 | 北京三快在线科技有限公司 | 视觉稳定度检测方法、装置、设备以及存储介质 |
CN112130792A (zh) * | 2020-09-11 | 2020-12-25 | 安徽中科新辰技术有限公司 | 一种实现可视化视图多端同步的方法 |
CN112130792B (zh) * | 2020-09-11 | 2023-12-15 | 安徽中科新辰技术有限公司 | 一种实现可视化视图多端同步的方法 |
CN112559342A (zh) * | 2020-12-09 | 2021-03-26 | 上海米哈游天命科技有限公司 | 一种画面测试图像的获取方法、装置、设备及存储介质 |
CN112511821A (zh) * | 2021-02-03 | 2021-03-16 | 腾讯科技(深圳)有限公司 | 视频卡顿检测方法、装置和存储介质 |
CN115619785A (zh) * | 2022-12-16 | 2023-01-17 | 深圳市乐讯科技有限公司 | 一种基于计算机视觉的游戏画面智能分析方法及系统 |
CN115830945A (zh) * | 2023-01-14 | 2023-03-21 | 苏州海易泰克机电设备有限公司 | 一种飞行模拟机的智能监控管理方法及系统 |
CN116781963A (zh) * | 2023-08-16 | 2023-09-19 | 浙江印象软件有限公司 | 直播清晰度切换防卡死方法及装置 |
CN116781963B (zh) * | 2023-08-16 | 2024-01-12 | 浙江印象软件有限公司 | 直播清晰度切换防卡死方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105761255B (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105761255A (zh) | 游戏画面卡顿测试方法及装置 | |
US11967089B2 (en) | Object tracking method, tracking processing method, corresponding apparatus, and electronic device | |
Hu et al. | Revisiting single image depth estimation: Toward higher resolution maps with accurate object boundaries | |
US9361512B2 (en) | Identification of a gesture | |
CN103688275A (zh) | 分析体育运动的视频的方法 | |
US11514625B2 (en) | Motion trajectory drawing method and apparatus, and device and storage medium | |
US20210124928A1 (en) | Object tracking methods and apparatuses, electronic devices and storage media | |
US10254831B2 (en) | System and method for detecting a gaze of a viewer | |
US8442327B2 (en) | Application of classifiers to sub-sampled integral images for detecting faces in images | |
CN108282694B (zh) | 全景视频渲染方法、装置及电子设备 | |
CN110490075B (zh) | 获取稳定帧的方法、装置以及计算机可读介质 | |
CN110392232B (zh) | 实时数据监控平台 | |
CN110136069A (zh) | 文本图像矫正方法、装置与电子设备 | |
EP2966591A1 (en) | Method and apparatus for identifying salient events by analyzing salient video segments identified by sensor information | |
US20150022683A1 (en) | Electronic device and video playing method | |
US20190147226A1 (en) | Method, system and apparatus for matching a person in a first image to a person in a second image | |
CN109729429A (zh) | 视频播放方法、装置、设备和介质 | |
CN109840491A (zh) | 视频流播放方法、系统、计算机装置及可读存储介质 | |
CN108986569A (zh) | 一种桌面ar交互学习方法及装置 | |
US20230130355A1 (en) | Image processing method and apparatus | |
CN113887547A (zh) | 关键点检测方法、装置和电子设备 | |
Ohzeki et al. | Video analysis for detecting eye blinking using a high-speed camera | |
CN112965602A (zh) | 一种基于手势的人机交互方法及设备 | |
WO2024022301A1 (zh) | 视角路径获取方法、装置、电子设备及介质 | |
WO2018202435A1 (en) | Method and device for determining lighting information of a 3d scene |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |