CN109445662B - 虚拟对象的操作控制方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种虚拟对象的操作控制方法、装置、电子设备及存储介质，属于人机交互领域。所述方法包括：显示用户界面，该用户界面包括虚拟场景以及虚拟场景中的至少一个虚拟对象；对该用户界面进行特征提取，得到虚拟场景的场景特征和至少一个虚拟对象的对象特征；调用操作预测模型，将虚拟场景的场景特征和虚拟对象的对象特征输入到操作预测模型，输出目标虚拟对象的目标操作信息；基于目标操作信息，对目标虚拟对象进行操作控制。本申请提供的操作控制方法能够对任一虚拟场景中的虚拟对象进行操作控制，通用性和准确度较高，泛化能力较强，且操作简便，节省了人力成本。

Description

虚拟对象的操作控制方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及人机交互领域，特别涉及一种虚拟对象的操作控制方法、装置、电子设备及存储介质。

背景技术

随着网络技术的发展，计算机游戏等人机交互应用可以为用户提供虚拟场景，用户可以在虚拟场景中操控虚拟对象执行操作，以达到娱乐的目的。一般情况下，通常由用户对虚拟对象所处的虚拟场景进行分析，来确定该虚拟对象接下来应该执行什么操作，并进行操作控制。但是，在角色托管或人机对战等特殊场景中，还需要由机器自动确定某个虚拟对象待执行的操作，进而进行操作控制。比如，在游戏托管中，由终端代替玩家对游戏角色所处的游戏场景进行分析，自动控制该游戏角色执行操作。

在相关技术中，以计算机游戏为例，可以由技术人员事先浏览大量玩家的游戏录像，并将每局游戏切分成多个游戏场景，然后，对切分的游戏场景进行分类，得到不同预设场景类别的游戏场景。之后，针对不同预设场景类别，根据经验编写对应预设场景类别下的游戏角色的操作规则，并将场景分类条件和编写的操作规则嵌入游戏中。这样，当游戏运行过程中，即可根据场景分类条件判断目标游戏角色所处的游戏场景所属的预设场景类别，并查询所属的预设场景类别对应的操作规则，根据该操作规则，确定在该游戏场景下目标游戏角色待执行的操作，并根据确定的操作对目标游戏角色进行操作控制。

但是，人工编写操作规则的方式，需要技术人员对大量游戏录像进行浏览、切分、分类和总结，人力成本较高，准确度较低，而且，只能对已统计过的游戏场景中的角色操作进行决策，泛化能力较差。

发明内容

本申请实施例提供了一种虚拟对象的操作控制方法、装置、电子设备及存储介质，可以用于解决相关技术中存在的人力成本较高和泛化能力较差的问题。所述技术方案如下：

一方面，提供了一种虚拟对象的操作控制方法，所述方法包括：

显示用户界面，所述用户界面包括虚拟场景以及所述虚拟场景中的至少一个虚拟对象；

对所述用户界面进行特征提取，得到所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征；

调用操作预测模型，所述操作预测模型用于输出目标虚拟对象的操作信息；

将所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征输入到所述操作预测模型中，输出所述目标虚拟对象的目标操作信息；

基于所述目标操作信息，在所述用户界面中对所述目标虚拟对象进行操作控制。

一方面，提供了一种虚拟对象的操作确定装置，所述装置包括：

显示模块，用于显示用户界面，所述用户界面包括虚拟场景以及所述虚拟场景中的至少一个虚拟对象；

提取模块，用于对所述用户界面进行特征提取，得到所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征；

调用模块，用于调用操作预测模型，所述操作预测模型用于输出目标虚拟对象的操作信息；

预测模块，用于将所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征输入到所述操作预测模型中，输出所述目标虚拟对象的目标操作信息；

控制模块，用于基于所述目标操作信息，在所述用户界面中对所述目标虚拟对象进行操作控制。

一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述虚拟对象的操作控制方法。

一方面，提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述虚拟对象的操作控制方法。

本申请实施例提供的技术方案带来的有益效果是：

本申请实施例中，通过对显示有虚拟场景以及虚拟场景中的至少一个虚拟对象的显示界面进行特征提取，得到虚拟场景的场景特征以及至少一个虚拟对象的对象特征，然后将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型，通过该操作预测模型进行预测，便可得到虚拟对象待执行操作的目标操作信息，之后基于目标操作信息，便可在用户界面中对虚拟对象进行操作控制。由于可以直接通过操作预测模型对虚拟场景中的操作进行预测，操作简便，因此避免了需要由技术人员对大量游戏录像进行浏览、切分、分类和总结等导致的人力成本较高的问题。而且，该操作预测模型能够对任一虚拟场景中的虚拟对象的操作进行预测，不仅局限于已统计过的虚拟场景，通用性和准确度较高，泛化能力较强。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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示出了本申请一个示例性实施例提供的操作控制系统的结构框图；

图2示出了本申请另一个示例性实施例提供的操作控制系统的结构框图；

图3示出了本申请一个示例性实施例提供的虚拟对象的操作控制方法的逻辑结构示意图；

图4示出了本申请另一个示例性实施例提供的虚拟对象的操作控制方法的逻辑结构示意图；

图5示出了本申请一个示例性实施例提供的操作预测模型的训练方法的流程图；

图6示出了本申请一个示例性实施例提供的均衡处理过程的示意图；

图7示出了本申请一个示例性实施例提供的虚拟对象的操作控制方法的流程图；

图8示出了本申请另一个示例性实施例提供的虚拟对象的操作控制方法的流程图；

图9示出了本申请一个示例性实施例提供的游戏场景的示意图；

图10示出了本申请另一个示例性实施例提供的游戏场景的示意图；

图11示出了本申请一个示例性实施例提供的虚拟对象的操作控制装置的结构框图；

图12示出了本申请一个示例性实施例提供的终端1200的结构框图；

图13示出了本申请一个示例性实施例提供的服务器1300的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

防御建筑：是指具有一定的攻击范围，且当敌方游戏角色处于攻击范围内时能够对敌方游戏角色自动进行攻击的建筑，如防御塔、防御城楼等。

MOBA(Multiplayer Online Battle Arena Games，多人在线战术竞技游戏)：多个用户帐号在同一场景内进行竞技的游戏，还可称为角色扮演类即时对战游戏(Action RTS，ARTS)游戏。该类型游戏的玩法是：在战斗中一般需要购买装备，玩家通常被分为两队，两队在分散的游戏地图中互相竞争，每个玩家都通过一个RTS风格的界面控制所选的角色。通常情况下，每个玩家只需要控制自己所选择的角色即可。

在对本申请实施例进行详细地解释说明之前，先对本申请实施例的应用场景予以说明。

本申请实施例提供的虚拟对象的操作控制方法可以应用于计算机游戏或直播等人机交互场景中，这些人机交互场景能够为用户提供虚拟场景和虚拟对象，通过本申请提供的方法可以对虚拟场景中虚拟对象自动进行操作控制。

例如，计算机游戏中的虚拟场景为游戏场景，虚拟对象为游戏角色。本申请实施例提供的方法可以应用于计算机游戏中的游戏指导、游戏托管或人机对战等场景中，在这些场景中，需要由机器自动对某些游戏角色的操作进行决策和操控，以便这些游戏角色能够像游戏玩家一样，在各种游戏场景中执行合理操作。其中，所述机器可以为终端或服务器等。

其中，所述计算机游戏为角色扮演类的竞技游戏，具体可以为人机对战游戏或多人对战游戏等对战游戏。人机对战游戏是指用户账号的游戏角色与游戏设置的模拟游戏角色在同一场景中进行竞技的游戏。多人对战游戏是指多个用户帐号在同一场景内进行竞技的游戏。可选地，多人对战游戏可以是MOBA。另外，该计算机游戏可以为客户端游戏或网页游戏，可以为需要网络支持的在线游戏，也可以为不需要网络支持的离线游戏。

其中，需要由机器操控的游戏角色可以为玩家的游戏角色或游戏设置的模拟游戏角色，也可以为小兵、野怪等NPC(Non-Player Character，非玩家游戏角色)。

以游戏指导场景为例，为了便于新手玩家快速熟悉游戏，在新手玩家玩游戏的过程中，可以由终端或服务器对新手玩家的游戏角色所处的游戏场景进行分析，并预测该新手玩家的游戏角色接下来应该执行的操作，然后将预测到的操作提示给新手玩家，以对新手玩家进行操作指导。

以游戏托管场景为例，在终端离线或玩家繁忙时，玩家可以将玩家的游戏角色进行托管，这样，终端或服务器即可代替玩家对其游戏角色进行操控。

以人机对战场景为例，可以在游戏中设置一个模拟游戏角色作为玩家的游戏角色的对手，且该模拟游戏角色是由终端或服务器，或者终端或服务器中的人工智能(Artificial Intelligence，Ai)程序进行操控。也即是，可以由终端或服务器对模拟游戏角色所处的游戏场景进行分析，以预测模拟游戏角色接下来应该执行的操作，然后自动控制模拟游戏角色执行预测的操作。

图1示出了本申请一个示例性实施例提供的操作控制系统的结构框图。该操作控制系统100包括：第一终端120。

第一终端120可以是智能手机、游戏主机、台式计算机、平板电脑、电子书阅读器、MP3播放器、MP4播放器和膝上型便携计算机中的至少一种。

第一终端120中安装和运行有某个人机交互应用的客户端，在该客户端运行的过程中，该客户端可以按照本申请实施例提供的方法对某个虚拟对象进行操作控制。其中，该人机交互应用的客户端可以为某个计算机游戏的客户端，简称游戏客户端或客户端。在该游戏客户端运行的过程中，该游戏客户端可以按照本申请实施例提供的方法对某个游戏角色进行操作控制。

也即是，在图1所示的操作控制系统中，本申请实施例提供的方法的执行主体可以为终端、终端中安装的客户端或客户端中的人工智能(Artificial Intelligence，Ai)程序。

图2示出了本申请另一个示例性实施例提供的操作控制系统的结构框图。该游戏系统100包括：第一终端120、服务器集群140和第二终端160。

第一终端120通过无线网络或有线网络与服务器集群140相连。第一终端120安装和运行有某个人机交互应用的客户端。例如，该人机交互应用的客户端可以为某个计算机游戏的客户端，简称游戏客户端或客户端。该游戏客户端可以是即时对战类游戏客户端、角色扮演类游戏客户端、多人在线战术竞技类游戏客户端、多人在线枪战类游戏客户端、多人在线求生类游戏客户端中的任意一种。第一终端120是第一用户使用的终端，第一终端120内的客户端登录有第一用户帐号。

服务器集群140包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器集群140用于为客户端提供后台服务。可选地，服务器集群140承担主要计算工作，第一终端120和第二终端160承担次要计算工作；或者，服务器集群140承担次要计算工作，第一终端120和第二终端160承担主要计算工作；或者，服务器集群140、第一终端120和第二终端160三者之间采用分布式计算架构进行协同计算。

第二终端160通过无线网络或有线网络与服务器集群140相连。第二终端160安装和运行有某个人机交互应用的客户端。例如，该人机交互应用的客户端可以为某个计算机游戏的客户端，简称游戏客户端或客户端。该游戏客户端可以是即时对战类游戏客户端、角色扮演类游戏客户端、多人在线战术竞技类游戏客户端、多人在线枪战类游戏客户端、多人在线求生类游戏客户端中的任意一种。第二终端160是第二用户使用的终端，第二终端160的客户端内登录有第二用户帐号。

可选地，第一用户帐号和第二用户帐号处于同一虚拟社交网络中。可选地，第一用户帐号和第二用户帐号可以属于同一个队伍、同一个组织、具有好友关系或具有临时性的通讯权限。可选地，第一用户帐号和第二用户帐号也可以属于不同队伍、不同组织、或具有敌对性的两个团体。

可选地，第一终端120和第二终端160上安装的客户端是相同的，或两个终端上安装的客户端是不同操作系统平台的同一类型客户端。不同操作系统包括：安卓操作系统、IOS操作系统、Windows操作系统、游戏主机专用的操作系统。

第一终端120可以泛指多个终端中的一个，第二终端160可以泛指多个终端中的一个，本实施例仅以第一终端120和第二终端160来举例说明。第一终端120和第二终端160的终端类型相同或不同，该终端类型包括：智能手机、游戏主机、台式计算机、平板电脑、电子书阅读器、MP3播放器、MP4播放器和膝上型便携计算机中的至少一种。以下实施例以第一终端120和/或第二终端160是智能手机来举例说明。

本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。典型的，一局对战游戏需要若干个终端参与，比如8个或10个，该若干个终端的游戏角色会被划分为两组敌对团队，从而进行竞技对战。典型的，一局人机对战游戏由一个终端参与，该终端的游戏角色可以与游戏中设置的模拟游戏角色进行对战。

在图2所示的游戏系统中，本申请实施例提供的方法的执行主体可以为服务器集群140、终端或终端中安装的客户端等。

图3示出了本申请一个示例性实施例提供的虚拟对象的操作控制方法的逻辑结构示意图。该逻辑结构包括第一数据处理模块301和模型预测模块302。

第一数据处理模块301用于对显示有虚拟场景以及该虚拟场景中的至少一个虚拟对象的用户界面进行特征提取，得到虚拟场景的场景特征和至少一个虚拟对象的对象特征。

模型预测模块302用于调用操作预测模型，将提取的特征输入到该操作预测模型中，输出目标虚拟对象的操作信息。其中，操作预测模型用于输出目标虚拟对象的操作信息，即用于根据任一虚拟对象所处的虚拟场景的场景特征和场景中至少一个虚拟对象的对象特征，确定目标虚拟对象的操作信息。

可选地，图3所示的逻辑结构可以在线执行。

图4示出了本申请另一个示例性实施例提供的虚拟对象的操作控制方法的逻辑结构示意图。该逻辑结构包括第二数据处理模块303、模型训练模块304、第一数据处理模块301和模型预测模块302。

第二数据处理模块303用于获取多个虚拟场景的样本数据，样本数据包括场景特征、场景中至少一个虚拟对象的对象特征和样本操作标签，样本操作标签用于指示场景中的参考虚拟对象所执行的操作。

具体地，第二数据处理模块303可以对多个虚拟场景中每个虚拟场景的场景数据进行特征提取，得到每个虚拟场景的场景特征和场景中的至少一个虚拟对象的对象特征，以及对每个虚拟场景的场景数据进行标签提取，得到每个虚拟场景的样本操作标签。

模型训练模块304用于根据多个虚拟场景的样本数据，对待训练操作预测模型进行训练，得到操作预测模型。

第一数据处理模块301用于对显示有虚拟场景以及该虚拟场景中的至少一个虚拟对象的用户界面进行特征提取，得到虚拟场景的场景特征和至少一个虚拟对象的对象特征。

模型预测模块302用于调用操作预测模型，将第一数据处理模块301处理得到的特征输入到该操作预测模型中，输出目标虚拟对象的目标操作信息。

可选地，第一数据处理模块301还可以对于多个预设场景类别中的每个预设场景类别，对每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到每个预设场景类别的目标样本数据。每个场景类别的目标样本数据中各种操作类型对应的样本数据的比例等于每个预设场景类别的预设类型比例。

可选地，第二数据处理模块303和模型训练模块304的逻辑可以离线执行，第一数据处理模块301和模型预测模块302的逻辑可以在线执行。也即是，可以在离线状态下训练得到操作预测模型，在在线状态下通过训练好的操作预测模型对任一虚拟场景中虚拟对象的操作进行预测。

需要说明的是，本申请实施例提供的虚拟对象的操作控制方法需要用到一个操作预测模型，该操作预测模型能够输出目标虚拟对象的目标操作信息，即能够根据任一目标虚拟对象所处的虚拟场景的场景特征和场景中至少一个虚拟对象的对象特征，对目标虚拟对象待执行的操作进行预测。而为了得到该操作预测模型，需要事先通过多个训练样本进行训练，接下来对该操作预测模型的训练过程进行详细介绍。

图5示出了本申请一个示例性实施例提供的操作预测模型的训练方法的流程图，该方法可以应用于终端或服务器中。本实施例以该方法应用于图2所示的服务器中来举例说明，该方法包括:

步骤501：获取多个虚拟场景的场景数据，每个虚拟场景至少包括一个参考虚拟对象。

本申请实施例中，为了进行模型训练，可以先获取多个虚拟场景的样本数据，以作为训练样本。其中，每个虚拟场景至少包括一个参考虚拟对象，样本数据包括场景特征、场景中至少一个虚拟对象的对象特征和样本操作标签，样本操作标签用于指示场景中的参考虚拟对象所执行的操作。具体地，本申请实施例中，获取多个虚拟场景的样本数据的操作可以通过步骤501-503实现。

其中，该多个虚拟场景为同一人机交互应用的虚拟场景，例如，为同一计算机游戏的游戏场景。参考虚拟对象是指作为参考样本的虚拟对象，比如，可以为计算机游戏中比较有经验的玩家的游戏角色，或者等级较高的游戏角色等。

可选地，该多个虚拟场景为同一计算机游戏中多个用户账号的游戏角色所处的游戏场景，每个虚拟场景中的参考虚拟对象为对应用户账号的游戏角色。可选地，该多个用户账号的游戏角色的等级大于或等于预设等级。

可选地，每个虚拟场景的场景数据可以包括每个虚拟场景的场景画面、场景中各个虚拟对象的对象属性以及参考虚拟对象的操作日志等。

在一个实施例中，可以获取多个用户账号的游戏录像，然后对该多个游戏录像的每帧游戏画面进行切分，将切分得到的游戏画面和每个游戏画面对应的操作日志作为该多个虚拟场景的场景数据。

步骤502：对于该多个虚拟场景中的每个虚拟场景，对每个虚拟场景的场景数据进行特征提取，得到每个虚拟场景的相关特征，该相关特征包括场景特征和场景中至少一个虚拟对象的对象特征。

1)场景特征：用于描述虚拟场景的场景内容和场景位置。

其中，场景内容用于指示对应虚拟场景所包含的内容。可选地，在计算机游戏中，还可以包括虚拟场景所处的游戏地图的内容。场景位置用于指示对应虚拟场景中所包含的内容之间的位置关系。可选地，在计算机游戏中，还可以指示对应虚拟场景在所处的游戏地图中的位置。例如，该场景特征可以包括img_like(画面)和minimap(小地图)这两类特征，img_like是指虚拟场景对应的游戏画面的特征，minimap是指虚拟场景所处的游戏地图的特征。

场景特征在一定程度上能够更好地刻画参考虚拟对象所处的虚拟场景，以便能够根据该场景特征判断该虚拟场景中的参考虚拟对象所处的状态。例如，可以判断参考虚拟对象是处于安全状态还是处于被攻击状态，在处于被攻击状态时的被攻击伤害程度等，便于后续模仿虚拟对象对伤害的感知。

可选地，当该多个虚拟场景为同一对战游戏的游戏场景时，该场景特征可以包括第一场景特征和第二场景特征。

第一场景特征是指用于描述敌方防御建筑相关场景的特征，包括敌方防御建筑对参考虚拟对象的攻击特征。防御建筑是指具有一定的攻击范围，且当敌方虚拟对象处于攻击范围内时能够对敌方虚拟对象进行攻击的建筑，如防御塔、防御城楼等。例如，第一场景特征可以用于描述参考虚拟对象是否处于敌方防御建筑下、是否正在被敌方防御建筑攻击、与最近的地方防御建筑之间的距离以及是否有我方小兵在敌方防建筑下中的至少一种。

第二场景特征是指用于描述敌方攻击伤害相关场景的特征，包括敌方虚拟对象对参考虚拟对象的攻击特征。例如，第二场景特征可以用于描述参考虚拟对象是否处于敌方虚拟对象的武器或技能的伤害范围内、与敌方最近攻击伤害(如子弹、技能等)的距离、前n帧虚拟场景画面中参考虚拟对象的位置与敌方最近攻击伤害的距离中的至少一种。其中，前n帧游戏画面是指当前虚拟场景所处的游戏画面的前n帧游戏画面，n为正整数。例如，前n帧可以为前2帧、前4帧、前6帧或前8帧等。

2)场景中的至少一个虚拟对象的对象特征。

其中，各个虚拟对象的对象特征是指各个虚拟对象的对象属性，如对象类型、对象等级或对象的战斗力等等。以计算机游戏为例，可以包括各个游戏角色和非游戏角色的角色属性。非游戏角色是指游戏中的NPC角色，如游戏中的野怪、小兵等。角色属性用于反映对应游戏角色的战斗力，具体可以包括角色的血量、蓝量、攻击力、等级、装备和击杀数中的至少一种，当然也可以包括其他能够对游戏角色的战斗力产生影响的因素。

可选地，场景中的至少一个虚拟对象的对象特征可以为vector(属性)特征。

在一个实施例中，若该多个虚拟场景的场景数据为多个游戏场景的游戏数据，可以对每个游戏场景的游戏数据的img_like、minimap和vector这3类特征进行提取，得到每个游戏场景的img_like、minimap和vector这3类特征。

步骤503：对每个虚拟场景的场景数据进行标签提取，得到每个虚拟场景的样本操作标签。

其中，样本操作标签可以为对应虚拟场景中的参考虚拟对象所执行的操作的名称或编号等。每个操作标签用于指示一个操作，比如，操作标签可以包括向左移动或向右移动等向各个方向移动的操作标签，跳跃或飞翔的操作标签，开枪或劈砍等各种攻击的操作标签，以及释放各种技能的操作标签等。

另外，还可以预先设置多种操作类型，每种操作类型包括多种操作标签。比如，该多种操作类型可以包括移动操作类型和攻击操作类型等。其中，向各个方向移动的操作标签，以及跳跃或飞翔的操作标签可以属于移动操作类型，用于对来自敌方的伤害进行躲避。开枪或劈砍等各种攻击的操作标签，以及释放各种技能的操作标签可以属于攻击操作类型，用于对敌方虚拟对象或敌方防御建筑造成伤害。

其中，每个虚拟场景的场景数据中通常包括操作日志，该操作日志中包括场景中的参考虚拟对象的操作信息，因此，可以从操作日志中提取每个虚拟场景的样本操作标签。

例如，在玩家玩游戏的过程中，终端或服务器通常会对玩家的游戏角色所执行的操作进行记录，并形成操作日志，因此，可以从每个游戏场景对应的操作日志中提取该游戏场景中的参考游戏角色所执行的操作的操作标签。

需要说明的是，由于一个虚拟场景对应于一个短暂的场景画面，在一个短暂的场景画面中参考虚拟对象通常最多仅能执行一个操作，因此，一个虚拟场景通常对应于一个操作标签。当然，在一些特殊的场景中，一个虚拟场景也可能对应于多个操作标签，本申请实施例对此不做限定。

步骤504：根据多个虚拟场景的样本数据，对待训练操作预测模型进行训练，得到操作预测模型。

也即是，可以根据多个虚拟场景中每个虚拟场景的相关特征以及样本操作标签，对待训练操作预测模型进行训练，得到操作预测模型。该操作预测模型能够根据任一目标虚拟对象所处的虚拟场景的相关特征，确定目标虚拟对象的操作信息，也即是，该操作预测模型能够根据任一目标虚拟对象所处的虚拟场景的相关特征，对目标虚拟对象在该虚拟场景中接下来应该执行的操作进行预测。其中，目标虚拟对象的操作信息用于指示目标虚拟对象待执行的操作，具体可以为目标虚拟对象的操作标签。

需要说明的是，该操作预测模型为机器学习模型，该操作预测模型的网络结构可以为CNN(Convolutional Neural Networks，卷积神经网络)、DNN(Deep Neural Networks，深度神经网络)、RNN(Recurrent Neural Network，循环神经网络)、LSTM(Long Short-TermMemory，长短期记忆网络)、BN(Batch Normalization，批规范化)网络、DenseNet(DenseConvolutional Network，密集卷积网络)、GoogLenet(谷歌网络)或ResNet(ResidualNetwork，残差网络)等，当然也可以使用其他能够通过训练达到类似效果的网络结构，本申请实施例对该操作预测模型使用的网络结构不做限定。另外，由于该操作预测模型是通过待训练操作预测模型训练得到，因此，该待训练操作预测模型与该操作预测模型所使用的网络结构相同。

本申请实施例中，通过根据多个虚拟场景的相关特征和样本操作标签，对待训练操作预测模型进行训练，该待训练操作预测模型即可在训练过程中不断学习到虚拟场景的相关特征和对应的样本操作标签之间的关系，通过学习对待训练操作预测模型的模型参数进行调整，进而得到能够根据任一目标虚拟对象所处的虚拟场景的相关特征，确定目标虚拟对象的操作信息的操作预测模型。

在一个示意性的例子中，可以提取每个虚拟场景的img_like、vector、minimap这三类的特征数据，以及提取每个虚拟场景的标签数据进行模型训练。在模型训练中，采用卷积神经网络对img_like、minimap特征进行训练，使用全连接网络对vector特征进行训练，而后将三类特征经过多层网络后的值拼在一起，再使用全连接网络进行处理。

具体地，根据多个虚拟场景的样本数据，对待训练操作预测模型进行训练，得到操作预测模型可以包括以下两种实现方式：

第一种实现方式：将该多个虚拟场景的样本数据作为待训练操作预测模型的训练样本，对该待训练操作预测模型进行训练，得到操作预测模型。

也即是，在第一种实现方式，可以直接将多个虚拟场景的样本数据作为待训练操作预测模型的训练样本，以训练得到该操作预测模型。这种训练方式中，训练样本的获取方式较为简便，提高了训练效率。

具体地，可以将该多个虚拟场景的相关特征和对应的样本操作标签输入到该待训练操作预测模型中，采用随机梯度下降法，对该待训练操作预测模型进行训练。在训练过程中，可以将每个虚拟场景的相关特征的实际操作标签与样本操作标签进行比较，每个虚拟场景的相关特征的实际操作标签是待训练操作预测模型对每个虚拟场景的相关特征进行预测处理得到。然后，根据比较结果，采用随机梯度下降法，对待训练操作预测模型的模型参数进行调整，使得参数调整后的模型对每个虚拟场景的相关特征进行预测处理得到的实际操作标签逐渐趋近于对应的样本操作标签，再将参数调整后的待训练操作预测模型确定为该操作预测模型。

另外，在训练过程中，还可以采用代价敏感学习的方法，为属于不同场景类别的相关特征分别赋予不同的错分代价，从而在训练过程中影响网络结构。如此，可以提高对不同场景类别的相关特征的熵的反向传播敏感度，进而提高模型训练效率。

第二种实现方式：对该多个虚拟场景的样本数据进行均衡处理，得到目标样本数据，根据目标样本数据对待训练操作预测模型进行训练，得到操作预测模型。

具体地，第二种实现方式可以包括如下步骤5041-5042：

步骤5041：从多个虚拟场景中，确定属于多个预设场景类别的虚拟场景。

在对战游戏中，吸引玩家的一大亮点便是游戏中有关伤害的设计。玩家在游戏中，需要同时考虑敌方防御塔、敌方英雄技能的伤害，如果对敌方防御塔、敌方英雄技能的伤害感知不够，会造成英雄因无谓承受伤害而导致的死亡，输出和经济过低，最终输掉游戏。因此，对虚拟对象的操作进行预测时，学会对敌方防御塔和敌方英雄技能的伤害感知，合理的决策是躲避还是进攻，有助于取得游戏的胜利。

本申请实施例中，在训练该操作预测模型时，为了便于训练得到的操作预测模型能够对虚拟场景中的各种伤害进行感知，可以根据对应虚拟场景中的参考虚拟场景所处的伤害类别对该多个虚拟场景进行分类，得到属于多个预设场景类别的虚拟场景。也即是，该多个预设场景类别是根据虚拟场景中的伤害类别进行分类得到。

可选地，可以根据场景中的参考虚拟对象是否处于敌方防御建筑的攻击范围内，以及是否处于敌方虚拟对象的攻击范围内对该多个虚拟场景进行分类，得到属于多个预设场景类别的虚拟场景。当然，还可以应用于对其他伤害的感知中，只需增加其他不同伤害类别即可。

可选地，多个预设预设场景类别可以包括被攻击场景类别和常规场景类别。

被攻击场景类别

被攻击场景类别是指对应虚拟场景中的参考虚拟对象在敌方的攻击范围内。可选地，被攻击场景类别可以包括第一场景类别、第二场景类别和第三场景类别中的至少两种。

1)第一场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内但不在敌方防御建筑的攻击范围内，比如，在对应虚拟场景中的某个英雄的周围存在敌方英雄，且该英雄在敌方英雄子弹的伤害范围内，但不在敌方防御塔的攻击范围内。

可选地，第一场景类别还可以包括第一子类别和第二子类别。第一子类别是指符合第一场景类别且对应场景中的敌方虚拟对象的战斗力值大于或等于第一预设阈值，第二子类别是指符合第一场景类别且对应虚拟场景中的敌方虚拟对象的战斗力值小于第一预设阈值。或者，第一子类别是指符合第一场景类别且对应虚拟场景中的参考虚拟对象的第一战斗力值小于敌方虚拟对象的第二战斗力值，第二子类别是指符合第一场景类别且对应虚拟场景中的参考虚拟对象的第一战斗力值大于或等于敌方虚拟对象的第二战斗力值。

其中，虚拟对象的战斗力值可以根据虚拟对象的角色等级、装备属性、技能属性、剩余血量和BUFF中的至少一种确定。BUFF是作用在虚拟对象上的增益魔法效果。例如，虚拟对象的战斗力值可以根据虚拟对象的剩余血量确定。

2)第二场景类别是指对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内但在敌方防御建筑的攻击范围内，比如，在对应虚拟场景中的某个英雄的周围存在敌方英雄，且该英雄不在敌方英雄子弹的伤害范围内，但在敌方防御塔的攻击范围内。

可选地，第二场景类别还可以包括第三子类别和第四子类别。第三子类别是指符合第二场景类别且对应场景中的敌方防御建筑的防御能力值大于或等于预设防御能力值，第四子类别是指符合第二场景类别且对应虚拟场景中的敌方防御建筑的防御能力值小于预设防御能力值。

其中，防御建筑的防御能力值可以根据防御建筑的等级、剩余生命值、攻击力、攻击范围和加固程度中的至少一种确定。例如，防御建筑的防御能力值可以根据防御建筑的剩余生命值确定。

3)第三场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内且在敌方防御建筑的攻击范围内，比如，在对应虚拟场景中的某个英雄的周围存在敌方英雄，且该英雄不仅在敌方英雄子弹的伤害范围内，也在敌方防御塔的攻击范围内。

另外，上述第一场景类别和第三场景类别还可以统称为第六场景类别，第六场景类别是指对应虚拟场景中的参考虚拟对象周围存在敌人虚拟对象且在敌方虚拟对象的攻击范围内。

常规场景类别

常规场景类别是指对应虚拟场景中的参考虚拟对象的周围存在敌方虚拟对象，但不在敌方的攻击范围内。

可选地，常规场景类别包括第四场景类别，第四场景类别是指对应虚拟场景中的参考虚拟对象的预设区域范围内存在敌方虚拟对象，但对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内且不在敌方防御建筑的攻击范围内。比如，在对应虚拟场景中的某个英雄的周围存在敌方英雄，但该英雄既不在敌方英雄子弹的攻击范围内，也不在敌方防御建筑的攻击范围内。

另外，该多个预设场景类别还可以包括第五场景类别，第五场景类别是指对应虚拟场景中的参考虚拟对象的预设区域范围内不存在敌方虚拟对象。由于在第五场景类别中，参考虚拟对象周围不存在敌人，并不存在受到敌方伤害的可能，因此，在第五场景类别中，往往倾向于不执行任何操作，也无需进行操作预测。

在一个实施例中，可以对多个虚拟场景进行分类，确定属于第五场景类别的虚拟场景，然后将属于第五场景类别的虚拟场景进行删除，只保留属于其他预设场景类别的虚拟场景，并对其他预设场景类别中每个预设场景类别的虚拟场景的样本数据进行均衡处理。

从多个虚拟场景中，确定属于多个预设场景类别的虚拟场景之后，对于该多个预设场景类别中的每个预设场景类别，可以对每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到每个预设场景类别的目标样本数据。其中，每个预设场景类别的目标样本数据中各种操作类型对应的样本数据的比例可以等于每个预设场景类别的预设类型比例。预设类型比例用于指示对应虚拟场景的样本数据中各种操作类型对应的样本数据之间的比例。

具体地，对每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到每个预设场景类别的目标样本数据的操作可以通过以下步骤5042-5044实现。

步骤5042：对于该多个预设场景类别中的每个预设场景类别，获取每个预设场景类别的预设类型比例。

本申请实施例中，预先为每个预设场景类别设置了对应的预设类型比例，每个预设场景类别的预设类型比例用于限制对应预设场景类别下的各种操作类型对应的样本数据之间的比例，即各种操作类型的样本操作标签之间的比例。其中，所述各种操作类型可以包括移动操作类型和攻击操作类型，当然，也可以包括其他操作类型。

其中，多个预设场景类别的预设类型比例可以由技术人员通过对玩家的游戏数据进行分析、依据专家经验、充分考虑不同预设场景类别之间的占比分布以及某个预设场景类别中不同类型的操作标签的占比分布进行设置。

被攻击场景类别对应的预设类型比例

在被攻击场景类别中，由于参考虚拟对象处于敌方的攻击范围内，因此在该场景类别中，我们往往希望参考虚拟对象能够远离伤害。为了达到虚拟对象能够远离伤害的目的，可以将被攻击场景类别对应的预设类型比例设置为第一类型比例，且第一类型比例中移动操作类型对应的样本数据的占比大于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为60％和40％。

其中，该第一类型比例可以由技术人员根据实际需求设置，也可以根据在该多个虚拟场景的样本数据中，属于被攻击场景类别的虚拟场景的样本数据中各种操作类型对应的样本数据的比例确定得到。比如，若在该多个虚拟场景的样本数据中，属于被攻击场景类别的虚拟场景的样本数据中移动操作类型对应的样本数据占比和攻击操作类型的样本数据的占比分别为90％和10％，则为了保证最终训练得到的操作预测模型对被攻击场景类别的虚拟场景进行预测时，能够90％的概率输出移动操作标签、10％的概率输出攻击操作标签，可以通过对被攻击场景类别的虚拟场景的样本数据进行均衡处理，将两者的占比调整为60％和40％。

需要说明的是，若在该多个虚拟场景的样本数据中，属于被攻击场景类别的虚拟场景的样本数据中移动操作类型对应的样本数据的占比和攻击操作类型对应的样本数据的占比分别为90％和10％，如果直接将该被攻击场景类别的虚拟场景的样本数据作为训练样本，则由于机器学习模型在学习过程中的极限趋近性，训练得到操作预测模型对被攻击场景类别的虚拟场景进行预测时，可能会有99％的概率输出移动操作标签、1％的概率输出攻击操作标签，从而无法满足90％的概率输出移动操作标签、10％的概率输出攻击操作标签需求。

本申请实施例中，通过对被攻击场景类别的虚拟场景的样本数据进行均衡处理，可以调整其中不同操作类型对应的样本数据的比例，使其满足对应场景类别的预设类型比例，进而使得训练得到的操作预测模型输出的各种操作类型的操作标签的概率也能够达到预设要求，达到灵活调整各种场景下的操作趋向性和意图的效果。

1)第一场景类别对应的预设类型比例

在第一场景类别中，由于参考虚拟对象处于敌方虚拟对象的攻击范围内，因此在该场景类别中，我们往往希望参考虚拟对象能够远离伤害。为了达到虚拟对象能够远离敌方虚拟对象的伤害的目的，可以将第一场景类别对应的预设类型比例设置为其中移动操作类型对应的样本数据的占比大于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为60％和40％，或者70％和30％等。

可选地，第一子类别的预设类型比例中移动操作类型对应的样本数据的占比大于第二子类别的预设类型比例中移动操作类型对应的样本数据的占比，而第二子类别的预设类型比例中攻击操作类型对应的样本数据的占比大于第二子类别的预设类型比例中攻击操作类型对应的样本数据的占比。也即是，在第二子类别的虚拟场景中，由于敌方虚拟对象的战斗力较小，因此还可以相对调高攻击操作的占比，以便对敌方虚拟对象进行攻击，提高获胜几率。

2)第二场景类别对应的预设类型比例

在第二场景类别中，由于参考虚拟对象处于敌方防御建筑的攻击范围内，因此在该场景类别中，我们往往希望参考虚拟对象能够远离敌方防御建筑的伤害。为了达到虚拟对象能够远离敌方防御建筑的伤害的目的，可以将第二场景类别对应的预设类型比例设置为其中移动操作类型对应的样本数据的占比大于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为60％和40％，或者70％和30％等。

需要说明的是，第一场景类别的预设类型比例与第二场景类别的预设类型比例可以相同，也可以不同。例如，由于敌方防御建筑的伤害往往大于敌方虚拟对象的伤害，因此，可以将第二场景类别的预设类型比例中移动操作类型对应的样本数据的占比调高，使其大于第一场景类别的预设类型比例中移动操作类型对应的样本数据的占比。

可选地，第三子类别的预设类型比例中移动操作类型对应的样本数据的占比大于第四子类别的预设类型比例中移动操作类型对应的样本数据的占比，而第三子类别的预设类型比例中攻击操作类型对应的样本数据的占比大于第四子类别的预设类型比例中攻击操作类型对应的样本数据的占比。也即是，在第四子类别的虚拟场景中，由于敌方防御建筑的防御能力较小，因此还可以相对调高攻击操作的占比，以便对敌方防御建筑进行攻击，提高获胜几率。

3)第三场景类别对应的预设类型比例

在第三场景类别中，由于参考虚拟对象既处于敌方虚拟对象的攻击范围内，也处于敌方防御建筑的攻击范围内，对参考虚拟对象的伤害较大，因此在该场景类别中，我们往往希望参考虚拟对象能够最大程度远离敌方伤害。为了达到虚拟对象能够最大程度远离敌方伤害的目的，可以将第三场景类别对应的预设类型比例设置为其中移动操作类型对应的样本数据的占比大于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为70％和30％，或者80％和20％等。

需要说明的是，由于第三场景类别中参考虚拟对象受到的伤害要远远大于第一场景类别和第二场景类别，因此，可以将第三场景类别的预设类型比例中移动操作类型对应的样本数据的占比相对第一场景类别和第二场景类别调高，使其大于第一场景类别和第二场景类别的预设类型比例中移动操作类型对应的样本数据的占比。

常规场景类别的预设类型比例

在常规场景类别中，由于参考虚拟对象周围存在敌人，但不在敌人的攻击范围内，因此在该场景类别中，我们往往希望参考虚拟对象能够输出更多攻击操作，以便对敌人进行伤害，提高获胜几率。为了达到虚拟对象能够输出更多攻击的目的，可以将常规场景类别对应的预设类型比例设置为第二类型比例，且第二类型比例中移动操作类型对应的样本数据的占比小于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为40％和60％。

其中，该第二类型比例可以由技术人员根据实际需求设置，也可以根据在该多个虚拟场景的样本数据中，属于常规场景类别的虚拟场景的样本数据中各种操作类型对应的样本数据的比例确定得到。比如，若在该多个虚拟场景的样本数据中，属于常规场景类别的虚拟场景的样本数据中移动操作类型对应的样本数据的占比和攻击操作类型对应的样本数据的占比分别为10％和90％，则为了保证最终训练得到的操作预测模型对常规场景类别的虚拟场景进行预测时，能够有10％的概率输出移动操作标签、90％的概率输出攻击操作标签，可以通过对常规场景类别的虚拟场景的样本数据进行均衡处理，以将两者的占比调整为40％和60％。

需要说明的是，若在该多个虚拟场景的样本数据中，属于常规场景类别的虚拟场景的样本数据中移动操作类型对应的样本数据的占比和攻击操作类型对应的样本数据的占比分别为10％和90％，如果直接将该占比的被攻击场景类别的虚拟场景的样本数据作为训练样本，则由于机器学习模型在学习过程中的极限趋近性，训练得到操作预测模型对常规场景类别的虚拟场景进行预测时，可能会1％的概率输出移动操作标签、99％的概率输出攻击操作标签，从而无法满足10％的概率输出移动操作标签、90％的概率输出攻击操作标签需求。

本申请实施例中，通过对伤常规场景类别的虚拟场景的样本数据进行均衡处理，可以调整其中不同操作类型对应的样本数据的比例，进而调整其中不同操作类型的样本操作标签的比例，使其满足对应场景类别的预设类型比例，进而使得训练得到的操作预测模型输出的各种操作类型的操作标签的概率也能够达到预设要求，达到灵活调整各种场景下操作的趋向性和意图的效果。

可选地，第四场景类别的预设类型比例可以为第二类型比例，且第二预设类型比例中移动操作类型对应的样本数据的占比小于攻击操作类型对应的样本数据的占比。例如，两者的占比可以分别为40％和60％。

步骤5043：将每个预设场景类别的样本数据中各种操作类型对应的样本数据的比例，调整为每个场景类别的预设类型比例。

具体地，可以通过对每个预设场景类别的虚拟场景的样本数据进行采样的方式，对其中各种操作类型对应的样本数据的比例进行调整，达到均衡处理的目的，即将每个预设场景类别的虚拟场景的样本数据中不同操作类型对应的样本数据的比例调整到一定均衡比例。其中，所述采样方式可以包括升采样和/或降采样的方式。当然，也可以采用其他方式达到均衡处理的目的。

在一个实施例中，将每个预设场景类别的样本数据中各种操作类型对应的样本数据的比例，调整为每个场景类别的预设类型比例的操作包括：根据每个预设场景类别的预设类型比例，对每个预设场景类别的样本数据中第一操作类型对应的样本数据进行降采样，和/或，对每个场景类别的样本数据中第二操作类型对应的样本数据进行升采样；将采样得到的样本数据与未采样数据进行组合，得到每个预设场景类别的目标样本数据。

其中，每个预设场景类别的样本数据中第一操作类型对应的样本数据的占比大于每个预设场景类别的预设类型比例中第一操作类型的样本数据的占比，每个预设场景类别的样本数据中第二操作类型对应的样本数据的占比小于每个预设场景类别的预设类型比例中第二操作类型对应的样本数据的占比。未采样数据是指第一预设场景类别的虚拟对象的样本数据中未进行采样处理的部分样本数据。

比如，若某个预设场景类别的虚拟对象的样本数据中包括第一操作类型对应的样本数据，则可以根据该预设场景类别的预设类型比例，对第一操作类型对应的样本数据进行降采样，然后将采样得到的样本数据与第二操作类型对应的样本数据进行组合，得到该预设场景类别的目标样本数据。或者，根据该预设场景类别对应的预设类型比例，对第二操作类型对应的样本数据进行升采样，然后将采样得到的样本数据与第一操作类型对应的样本数据进行组合，得到该预设场景类别的目标样本数据。或者，根据该预设场景类别对应的预设类型比例，对第一操作类型的样本数据进行降采样，以及对第二操作类型对应的样本数据进行升采样，然后将采样得到的样本数据进行组合，得到该预设场景类别的目标样本数据。

其中，对第一操作类型对应的样本数据进行降采样是指通过采样的方式从该样本数据中选择部分样本数据作为降采样结果。对第二操作类型对应的样本数据进行升采样是指通过采样的方式从该样本数据中选择部分样本数据，然后将选择的部分样本数据与原来的样本数据进行组合，作为升采样结果。由此可知，降采样得到的样本数据的数量小于被采样的样本数据的数量，升采样得到的样本数据的数量大于被采样的样本数据的数量。

也即是，在每个预设场景类别的虚拟场景的样本数据中，若某种操作类型对应的样本数据的占比较小，则可以通过升采样的方式将其占比调高，或者，若某种操作类型对应的样本数据的占比较大，则可以通过降采样的方式将其占比调低。

例如，假设在被攻击场景类别的虚拟场景的样本数据中，移动操作类型对应的样本数据的占比较小，攻击操作类型对应的样本数据的占比较大，则可以对移动操作类型对应的样本数据进行升采样，以将移动操作类型对应的样本数据的占比调高，和/或，对攻击操作类型对应的样本数据进行降采样，以将攻击操作类型对应的样本数据的占比调低。

需要说明的是，对数据进行升采样或降采样时，可以按照预设方式进行升采样或降采样，也可以进行随机升采样或随机降采样。

在一个实施例中，根据每个预设场景类别的预设类型比例，对第一子样本数据进行降采样，和/或，对第二子样本数据进行升采样的操作可以包括：对每个预设场景类别的样本数据中第一操作类型对应的样本数据进行降采样，和/或，对每个场景类别的样本数据中第二操作类型对应的样本数据进行升采样；判断采样得到的样本数据和未采样数据中各种操作类型对应的样本数据的比例是否符合每个预设场景类别的预设类型比例；若符合，则停止采样，若不符合，则对每个预设场景类别的样本数据中第一操作类型对应的样本数据进行降采样，和/或，对每个场景类别的样本数据中第二操作类型对应的样本数据进行升采样，直至采样得到的样本数据和未采样数据中各种操作类型对应的样本数据的比例符合对应的预设类型比例为止。

步骤5044：根据多个预设场景类别的目标样本数据，对待训练操作预测模型进行训练，得到操作预测模型。

也即是，在第二种实现方式中，可以先对多个虚拟场景的样本数据进行均衡处理，然后将均衡处理后的样本数据作为待训练操作预测模型的训练样本，对待训练操作预测模型进行训练。通过对不同预设场景类别下虚拟场景的样本数据进行均衡处理，可以保证训练样本中每个预设场景类别下不同操作类型的样本操作标签的比例满足预设类型比例，进而在数据层面区分不同类别场景下该进行何种类型的操作，以满足不同类别场景下的操作趋向性和意图。

本申请实施例中，通过根据多个虚拟场景的样本数据进行模型训练，得到能够根据任一目标虚拟对象所处的虚拟场景的相关特征，确定目标虚拟对象的操作信息的操作预测模型，便于通过该操作预测模型根据任一虚拟场景的相关特征，对虚拟场景中的目标虚拟对象进行操作预测和操作控制，操作简便，避免了需要由技术人员对大量游戏录像进行浏览、切分、分类和总结等导致的人力成本较高的问题。而且，该操作预测模型的操作预测不仅局限于已统计过的虚拟场景，通用性和准确度较高，泛化能力较强。另外，通过对不同场景类别中的操作进行预测，还可以实现对伤害进行感知的效果。

另外，通过为多个预设场景类别设置对应的预设类型比例，根据每个预设场景类别的预设类型比例，对每个预设场景类别的虚拟场景的样本数据进行均衡处理，可以在数据层面调节每个预设场景类别中各种操作类型的操作标签的占比，正面影响模型预测时不同类别场景下预测的操作标签，以达到在不同类别场景下预测的操作标签有所区别，实现对不同伤害的感知。如此，可以提高游戏AI的拟人化程度和竞技能力。

在一个示意性的实施例中，假设多个虚拟场景为游戏场景，多个预设场景类别包括第二场景类别、第六场景类别和常规场景类别，则该多个游戏场景的游戏数据的数据处理流程可以如图6所示：

1)对于多个游戏场景中的每个游戏场景，判断该游戏场景中的参考游戏角色周围是否存在敌方游戏角色。

2)若周围不存在敌方游戏角色，则不保留该游戏场景的游戏数据。

也即是，将该游戏场景的游戏数据删除，后续不再对该游戏场景进行处理，也无需对该游戏场景的样本数据进行均衡处理。

3)若周围存在敌方游戏角色，判断参考游戏角色是否在敌方游戏角色的攻击范围内。

4)若在敌方游戏角色的攻击范围内，则将该游戏场景的样本数据存储在第六场景类别中。

5)若不在敌方游戏角色的攻击范围内，则判断参考游戏角色是否在敌方防御建筑的攻击范围内。

6)若在敌方防御建筑的攻击范围内，则将该游戏场景的样本数据存储在第二场景类别。

7)若不在敌方防御建筑的攻击范围内，则将该游戏场的样本数据存储在常规场景类别中。

8)对多个游戏场景识别完成之后，对第六场景类别、第二场景类别和常规场景类别中的样本数据分别进行均衡处理。

具体地，可以根据第六场景类别的预设类型比例，对第六场景类别中的样本数据进行均衡处理；根据第二场景类别的预设类型比例，对第二场景类别中的样本数据进行均衡处理；根据常规场景类别的预设类型比例，对常规场景类别中的样本数据进行均衡处理。

9)根据均衡处理后的样本数据，对待训练操作预测模型进行训练，得到操作预测模块。

图7示出了本申请一个示例性实施例提供的虚拟对象的操作控制方法的流程图，该方法可以应用于终端或服务器中。本实施例以该方法应用于终端中来举例说明，该方法包括:

步骤701：显示用户界面，该用户界面包括虚拟场景以及该虚拟场景中的至少一个虚拟对象。

其中，该用户界面可以为计算机游戏等人机交互应用的用户界面，以计算机游戏为例，用户界面可以为游戏界面，用户界面中的虚拟场景为游戏场景，虚拟场景中的虚拟对象为游戏角色。

另外，该虚拟场景中的至少一个虚拟对象包括目标虚拟对象，目标虚拟对象是指待进行操作控制的虚拟对象。例如，以该虚拟对象为游戏场景为例，该目标虚拟对象可以为玩家托管的虚拟对象、游戏设置的智能虚拟对象(如游戏AI)或者待进行操作指导的虚拟对象等。

步骤702：对该显示界面进行特征提取，得到虚拟场景的场景特征和至少一个虚拟对象的对象特征。

具体地，对该显示界面进行特征提取，得到虚拟场景的场景特征和至少一个虚拟对象的对象特征的操作包括：从用户界面的实时场景数据中，提取虚拟场景的场景特征；确定虚拟场景包括的至少一个虚拟对象，从用户界面的实时场景数据中，提取该至少一个虚拟对象的对象特征。

虚拟场景的场景特征用于描述虚拟场景的场景内容和场景位置。可选地，虚拟场景的场景特征可以包括第一场景特征和第二场景特征。其中，第一场景特征是指场景中的敌方防御建筑对虚拟对象的攻击特征，第二场景特征是指场景中的敌方虚拟对象对虚拟对象的攻击特征。例如，该场景特征可以包括img_like和minimap这两类特征。

各个虚拟对象的对象特征可以为各个虚拟对象的对象属性。例如，在游戏场景中，可以提取场景中的各种游戏角色和非游戏角色的角色属性。

在一个实施例中，可以对虚拟场景的img_like、minimap和vector这3类特征进行提取，得到虚拟场景的img_like、minimap和vector这3类特征。

步骤703：调用操作预测模型，将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型中，输出目标虚拟对象的目标操作信息。

也即是，可以将提取的特征输入到操作预测模型中，通过操作预测模型对目标虚拟对象待执行的操作进行预测。

其中，目标操作信息用于指示目标虚拟对象在虚拟场景中待执行的目标操作，具体可以为操作标签。例如，可以将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型中，输出虚拟对象的目标操作标签。

在一个实施例中，可以将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型中，通过操作预测模型对虚拟场景的场景特征和至少一个虚拟对象的对象特征进行处理，得到多种预设操作标签中每种预设操作标签的概率，并将概率最大的预设操作标签作为目标虚拟对象的目标操作标签。

进一步地，为了提高模型预测的灵活性，还可以基于混淆矩阵或人工经验，对操作预测模型输出的多种预设操作标签中每种预设操作标签的概率进行调整，进而调整预测结果。

步骤704：基于目标操作信息，在该用户界面中对目标虚拟对象进行操作控制。

具体地，输出目标虚拟对象的操作信息之后，可以在用户界面中，控制目标虚拟对象执行目标操作信息指示的操作。例如，在游戏托管场景中，可以控制玩家托管的目标游戏角色自动执行预测到的目标操作信息指示的操作。

另外，输出目标虚拟对象的操作信息之后，还可以基于目标操作信息，在用户界面中进行操作提醒。例如，可以在用户界面中显示操作提示信息，该操作提示信息用于提醒用户对目标虚拟对象执行目标操作信息指示的操作。

可选地，可以在目标虚拟对象的周围显示操作提示信息，比如，在目标虚拟对象的头顶或身侧显示。另外，该操作提示信息可以包括目标操作信息，以通过目标操作信息提醒用户接下来执行什么操作。

在基于目标操作信息，在用户界面中显示操作提示信息之后，当接收到对目标虚拟对象的操作指令时，即可根据该操作指令控制目标虚拟对象执行操作。其中，对目标虚拟对象的操作指令指示的操作，可能是操作提示信息提醒的操作，也可能是用户执行的其他操作，本发明实施例对此不做限定。

进一步地，在基于目标操作信息，在用户界面中显示操作提示信息之后，当基于该操作提示信息接收到对象操作指令时，还可以控制目标虚拟对象执行目标操作信息指示的操作。也即是，可以通过操作提示信息自动对目标虚拟对象进行控制，比如，当检测到对操作提示信息的触发操作时，确定接收到对目标虚拟对象的操作指令，并控制目标虚拟对象执行目标操作信息指示的操作。

本申请实施例中，通过对显示有虚拟场景以及虚拟场景中的至少一个虚拟对象的显示界面进行特征提取，得到虚拟场景的场景特征以及至少一个虚拟对象的对象特征，然后将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型，通过该操作预测模型进行预测，便可得到虚拟对象待执行操作的目标操作信息，之后基于目标操作信息，便可在用户界面中对虚拟对象进行操作控制。由于可以直接通过操作预测模型对虚拟场景中的操作进行预测，操作简便，因此避免了需要由技术人员对大量游戏录像进行浏览、切分、分类和总结等导致的人力成本较高的问题。而且，该操作预测模型能够对任一虚拟场景中的虚拟对象的操作进行预测，不仅局限于已统计过的虚拟场景，通用性和准确度较高，泛化能力较强。另外，通过对不同场景类别中的操作进行预测，还可以实现对伤害进行感知的效果。

为了便于读者理解本申请，接下来以游戏场景为例，对本申请实施例提供的虚拟对象的操作控制方法进行详细介绍。

图8示出了本申请另一个示例性实施例提供的虚拟对象的操作控制方法的流程图，该方法可以应用于终端或服务器中。本实施例以该方法应用于终端中来举例说明，该方法包括:

步骤801：显示用户界面，该用户界面包括游戏场景和该游戏场景中的至少一个游戏角色。

其中，该至少一个游戏角色包括待进行操作控制的目标游戏角色。例如，该游戏场景可以为图9所示的游戏场景，该游戏场景包括目标游戏角色A和敌方防御塔B，且目标游戏角色A在敌方防御塔B的攻击范围内。

步骤802：对用户界面进行特征提取，得到该游戏场景的场景特征和至少一个游戏角色的角色属性。

进一步地，对该用户界面进行特征提取，还可以得到野怪或小兵等非游戏角色的角色属性。

步骤803：调用操作预测模型，将该游戏场景的场景特征和至少一个游戏角色的角色属性输入到操作预测模型中，输出目标游戏角色的目标操作标签。

步骤804：在该用户界面中，控制目标游戏角色执行目标操作标签指示的操作。

例如，参见图10，若将相关特征输入到操作预测模型中，输出向左移动的操作标签，则终端即可自动控制目标游戏角色A向左移动，以躲避敌方防御塔B的攻击伤害。

图11示出了本申请一个示例性实施例提供的虚拟对象的操作确定装置的结构框图。参见图11，该装置包括显示模块1101，提取模块1102、调用模块1103、预测模块1104和控制模块1105。

显示模块1101，用于显示用户界面，该用户界面包括虚拟场景以及该虚拟场景中的至少一个虚拟对象；

提取模块1102，用于对该用户界面进行特征提取，得到该虚拟场景的场景特征和该至少一个虚拟对象的对象特征；

调用模块1103，用于调用操作预测模型，该操作预测模型用于输出目标虚拟对象的操作信息；

预测模块1104，用于将该虚拟场景的场景特征和该至少一个虚拟对象的对象特征输入到该操作预测模型中，输出该目标虚拟对象的目标操作信息；

控制模块1105，用于基于该目标操作信息，在该用户界面中对该目标虚拟对象进行操作控制。

可选地，该提取模块1102具体用于：

从该用户界面的实时场景数据中，提取该虚拟场景的场景特征；

确定该虚拟场景包括的至少一个虚拟对象，从该用户界面的实时场景数据中，提取该至少一个虚拟对象的对象特征。

可选地，该虚拟场景的场景特征包括第一场景特征和第二场景特征，该第一场景特征是指场景中的敌方防御建筑对该目标虚拟对象的攻击特征，该第二场景特征是指场景中的敌方虚拟对象对该目标虚拟对象的攻击特征。

可选地，该控制模块1105具体用于：

在该用户界面中，控制该目标虚拟对象执行该目标操作信息指示的操作；或者，

基于该目标操作信息，在该用户界面中显示操作提示信息；当基于该操作提示信息接收到对象操作指令时，控制该目标虚拟对象执行该目标操作信息指示的操作。

可选地，该装置还包括：

获取模块，用于获取多个虚拟场景的样本数据，该样本数据包括场景特征、场景中的至少一个虚拟对象的对象特征以及样本操作标签，该样本操作标签用于指示场景中的参考虚拟对象所执行的操作；

训练模块，用于根据该多个虚拟场景的样本数据，对待训练操作预测模型进行训练，得到该操作预测模型。

可选地，该训练模块包括：

确定单元，用于从该多个虚拟场景中，确定属于多个预设场景类别的虚拟场景；

均衡单元，用于对于该多个预设场景类别中的每个预设场景类别，对该每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到该每个预设场景类别的目标样本数据；

训练单元，用于根据该多个预设场景类别的目标样本数据，对待训练操作预测模型进行训练，得到该操作预测模型。

可选地，均衡单元具体用于：

获取该每个场景类别的预设类型比例，该预设类型比例用于指示对应虚拟场景的样本数据中各种操作类型对应的样本数据之间的比例；

将该每个预设场景类别的样本数据中各种操作类型对应的样本数据的比例，调整为该每个场景类别的预设类型比例。

可选地，均衡单元具体用于：

根据该每个预设场景类别的预设类型比例，对该每个预设场景类别的样本数据中第一操作类型对应的样本数据进行降采样，和/或，对该每个场景类别的样本数据中第二操作类型对应的样本数据进行升采样；

其中，该每个预设场景类别的样本数据中该第一操作类型对应的样本数据的占比大于该每个预设场景类别的预设类型比例中该第一操作类型的样本数据的占比，该每个预设场景类别的样本数据中该第二操作类型对应的样本数据的占比小于该每个预设场景类别的预设类型比例中该第二操作类型对应的样本数据的占比；

将采样得到的样本数据与未采样数据进行组合，得到该每个预设场景类别的目标样本数据，该未采样数据是指该每个预设场景类别的样本数据中未进行采样处理的部分样本数据。

可选地，该多个预设场景类别包括第一场景类别、第二场景类别、第三场景类别和第四场景类别；

其中，该第一场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内但不在敌方防御建筑的攻击范围内；

该第二场景类别是指对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内但在敌方防御建筑的攻击范围内；

该第三场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内且在敌方防御建筑的攻击范围内；

该第四场景类别是指对应虚拟场景中的参考虚拟对象的预设区域范围内存在敌方虚拟对象，但对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内且不在敌方防御建筑的攻击范围内。

可选地，获取单元具体用于：

获取该多个虚拟场景的场景数据；

对于该多个虚拟场景中的每个虚拟场景，对该每个虚拟场景的场景数据进行特征提取，得到该每个虚拟场景的场景特征和场景中的至少一个虚拟对象的对象特征；

对该每个虚拟场景的场景数据进行标签提取，得到该每个虚拟场景的样本操作标签。

本申请实施例中，通过对显示有虚拟场景以及虚拟场景中的至少一个虚拟对象的显示界面进行特征提取，得到虚拟场景的场景特征以及至少一个虚拟对象的对象特征，然后将虚拟场景的场景特征和至少一个虚拟对象的对象特征输入到操作预测模型，通过该操作预测模型进行预测，便可得到虚拟对象待执行操作的目标操作信息，之后基于目标操作信息，便可在用户界面中对虚拟对象进行操作控制。由于可以直接通过操作预测模型对虚拟场景中的操作进行预测，操作简便，因此避免了需要由技术人员对大量游戏录像进行浏览、切分、分类和总结等导致的人力成本较高的问题。而且，该操作预测模型能够对任一虚拟场景中的虚拟对象的操作进行预测，不仅局限于已统计过的虚拟场景，通用性和准确度较高，泛化能力较强。另外，通过对不同场景类别中的操作进行预测，还可以实现对伤害进行感知的效果。

需要说明的是：上述实施例提供的虚拟对象的操作确定装置在确定虚拟对象待执行的操作时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的虚拟对象的操作确定装置与虚拟对象的操作控制方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本申请实施例提供的游戏操作控制方法的执行主体可以为电子设备，该电子设备可以为终端或服务器。

图12示出了本申请一个示例性实施例提供的终端1200的结构框图。该终端1200可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1200还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端1200包括有：处理器1201和存储器1202。

处理器1201可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1201可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1201还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1202可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1202中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1201所执行以实现本申请中方法实施例提供的虚拟对象的操作控制方法。

在一些实施例中，终端1200还可选包括有：外围设备接口1203和至少一个外围设备。处理器1201、存储器1202和外围设备接口1203之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1203相连。具体地，外围设备包括：射频电路1204、触摸显示屏1205、摄像头1206、音频电路1207、定位组件1208和电源1209中的至少一种。

外围设备接口1203可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1201和存储器1202。在一些实施例中，处理器1201、存储器1202和外围设备接口1203被集成在同一芯片或电路板上；在一些其他实施例中，处理器1201、存储器1202和外围设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1204用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1204包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1204还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1205用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时，显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时，显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1205可以为一个，设置终端1200的前面板；在另一些实施例中，显示屏1205可以为至少两个，分别设置在终端1200的不同表面或呈折叠设计；在再一些实施例中，显示屏1205可以是柔性显示屏，设置在终端1200的弯曲表面上或折叠面上。甚至，显示屏1205还可以设置成非矩形的不规则图形，也即异形屏。显示屏1205可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件1206用于采集图像或视频。可选地，摄像头组件1206包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1201进行处理，或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1207还可以包括耳机插孔。

定位组件1208用于定位终端1200的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件1208可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源1209用于为终端1200中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端1200还包括有一个或多个传感器1210。该一个或多个传感器1210包括但不限于：加速度传感器1211、陀螺仪传感器1212、压力传感器1213、指纹传感器1214、光学传感器1215以及接近传感器1216。

加速度传感器1211可以检测以终端1200建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1211可以用于检测重力加速度在三个坐标轴上的分量。处理器1201可以根据加速度传感器1211采集的重力加速度信号，控制触摸显示屏1205以横向视图或纵向视图进行用户界面的显示。加速度传感器1211还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1212可以检测终端1200的机体方向及转动角度，陀螺仪传感器1212可以与加速度传感器1211协同采集用户对终端1200的3D动作。处理器1201根据陀螺仪传感器1212采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1213可以设置在终端1200的侧边框和/或触摸显示屏1205的下层。当压力传感器1213设置在终端1200的侧边框时，可以检测用户对终端1200的握持信号，由处理器1201根据压力传感器1213采集的握持信号进行左右手识别或快捷操作。当压力传感器1213设置在触摸显示屏1205的下层时，由处理器1201根据用户对触摸显示屏1205的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1214用于采集用户的指纹，由处理器1201根据指纹传感器1214采集到的指纹识别用户的身份，或者，由指纹传感器1214根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1201授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1214可以被设置终端1200的正面、背面或侧面。当终端1200上设置有物理按键或厂商Logo时，指纹传感器1214可以与物理按键或厂商Logo集成在一起。

光学传感器1215用于采集环境光强度。在一个实施例中，处理器1201可以根据光学传感器1215采集的环境光强度，控制触摸显示屏1205的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1205的显示亮度；当环境光强度较低时，调低触摸显示屏1205的显示亮度。在另一个实施例中，处理器1201还可以根据光学传感器1215采集的环境光强度，动态调整摄像头组件1206的拍摄参数。

接近传感器1216，也称距离传感器，通常设置在终端1200的前面板。接近传感器1216用于采集用户与终端1200的正面之间的距离。在一个实施例中，当接近传感器1216检测到用户与终端1200的正面之间的距离逐渐变小时，由处理器1201控制触摸显示屏1205从亮屏状态切换为息屏状态；当接近传感器1216检测到用户与终端1200的正面之间的距离逐渐变大时，由处理器1201控制触摸显示屏1205从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图12中示出的结构并不构成对终端1200的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在本实施例中，终端还包括有一个或者一个以上的程序，这一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行，所述一个或者一个以上程序包含用于进行本申请实施例提供的上述虚拟对象的操作控制方法的指令。

在另一实施中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述虚拟对象的操作控制方法。

在另一实施例中，还提供了一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机实现上述虚拟对象的操作控制方法。

图13示出了本申请一个示例性实施例提供的服务器1300的结构示意图。该服务器1300可以是后台服务器集群中的服务器。具体来讲：

服务器1300包括中央处理单元(CPU)1301、随机存取存储器(RAM)1302和只读存储器(ROM)1303的系统存储器1304，以及连接系统存储器1304和中央处理单元1301的系统总线1305。服务器1300还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)1306，和用于存储操作系统1313、应用程序1314和其他程序模块1315的大容量存储设备1307。

基本输入/输出系统1306包括有用于显示信息的显示器1308和用于用户输入信息的诸如鼠标、键盘之类的输入设备1309。其中显示器1308和输入设备1309都通过连接到系统总线1305的输入输出控制器1310连接到中央处理单元1301。基本输入/输出系统1306还可以包括输入输出控制器1310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1310还提供输出到显示屏、打印机或其他类型的输出设备。

大容量存储设备1307通过连接到系统总线1305的大容量存储控制器(未示出)连接到中央处理单元1301。大容量存储设备1307及其相关联的计算机可读介质为服务器1300提供非易失性存储。也就是说，大容量存储设备1307可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1304和大容量存储设备1307可以统称为存储器。

根据本发明的各种实施例，服务器1300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1300可以通过连接在系统总线1305上的网络接口单元1311连接到网络1312，或者说，也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机系统(未示出)。

上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的上述虚拟对象的操作控制方法的指令。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种虚拟对象的操作控制方法，其特征在于，所述方法包括：

显示用户界面，所述用户界面包括虚拟场景以及所述虚拟场景中的至少一个虚拟对象；对所述用户界面进行特征提取，得到所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征；调用操作预测模型，所述操作预测模型用于输出目标虚拟对象的操作信息；

将所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征输入到所述操作预测模型中，输出所述目标虚拟对象的目标操作信息；基于所述目标操作信息，在所述用户界面中对所述目标虚拟对象进行操作控制；

所述调用操作预测模型之前，还包括：

获取多个虚拟场景的样本数据；从所述多个虚拟场景中，确定属于多个预设场景类别的虚拟场景；对于所述多个预设场景类别中的每个预设场景类别，对所述每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到所述每个预设场景类别的目标样本数据；根据所述多个预设场景类别的目标样本数据，对待训练操作预测模型进行训练，得到所述操作预测模型；

其中，所述多个预设场景类别包括第一场景类别、第二场景类别、第三场景类别和第四场景类别；所述第一场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内但不在敌方防御建筑的攻击范围内；所述第二场景类别是指对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内但在敌方防御建筑的攻击范围内；所述第三场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内且在敌方防御建筑的攻击范围内；所述第四场景类别是指对应虚拟场景中的参考虚拟对象的预设区域范围内存在敌方虚拟对象，但对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内且不在敌方防御建筑的攻击范围内。

2.根据权利要求1所述的方法，其特征在于，所述对所述用户界面进行特征提取，得到所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征，包括：

从所述用户界面的实时场景数据中，提取所述虚拟场景的场景特征；

确定所述虚拟场景包括的至少一个虚拟对象，从所述用户界面的实时场景数据中，提取所述至少一个虚拟对象的对象特征。

3.根据权利要求2所述的方法，其特征在于，所述虚拟场景的场景特征包括第一场景特征和第二场景特征，所述第一场景特征是指场景中的敌方防御建筑对所述目标虚拟对象的攻击特征，所述第二场景特征是指场景中的敌方虚拟对象对所述目标虚拟对象的攻击特征。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标操作信息，在所述用户界面中对所述目标虚拟对象进行操作控制，包括：

在所述用户界面中，控制所述目标虚拟对象执行所述目标操作信息指示的操作；或者，

基于所述目标操作信息，在所述用户界面中显示操作提示信息；当基于所述操作提示信息接收到对象操作指令时，控制所述目标虚拟对象执行所述目标操作信息指示的操作。

5.根据权利要求1-4任一所述的方法，其特征在于，所述样本数据包括场景特征、场景中的至少一个虚拟对象的对象特征以及样本操作标签，所述样本操作标签用于指示场景中的参考虚拟对象所执行的操作。

6.根据权利要求5所述的方法，其特征在于，所述对所述每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到所述每个预设场景类别的目标样本数据，包括：

获取所述每个场景类别的预设类型比例，所述预设类型比例用于指示对应虚拟场景的样本数据中各种操作类型对应的样本数据之间的比例；

将所述每个预设场景类别的样本数据中各种操作类型对应的样本数据的比例，调整为所述每个场景类别的预设类型比例。

7.根据权利要求6所述的方法，其特征在于，所述将所述每个预设场景类别的样本数据中各种操作类型对应的样本数据的比例，调整为所述每个场景类别的预设类型比例，包括：

根据所述每个预设场景类别的预设类型比例，对所述每个预设场景类别的样本数据中第一操作类型对应的样本数据进行降采样，和/或，对所述每个场景类别的样本数据中第二操作类型对应的样本数据进行升采样；

其中，所述每个预设场景类别的样本数据中所述第一操作类型对应的样本数据的占比大于所述每个预设场景类别的预设类型比例中所述第一操作类型的样本数据的占比，所述每个预设场景类别的样本数据中所述第二操作类型对应的样本数据的占比小于所述每个预设场景类别的预设类型比例中所述第二操作类型对应的样本数据的占比；

将采样得到的样本数据与未采样数据进行组合，得到所述每个预设场景类别的目标样本数据，所述未采样数据是指所述每个预设场景类别的样本数据中未进行采样处理的部分样本数据。

8.根据权利要求5所述的方法，其特征在于，所述获取多个虚拟场景的样本数据，包括：

获取所述多个虚拟场景的场景数据；

对于所述多个虚拟场景中的每个虚拟场景，对所述每个虚拟场景的场景数据进行特征提取，得到所述每个虚拟场景的场景特征和场景中的至少一个虚拟对象的对象特征；

对所述每个虚拟场景的场景数据进行标签提取，得到所述每个虚拟场景的样本操作标签。

9.一种虚拟对象的操作确定装置，其特征在于，所述装置包括：

显示模块，用于显示用户界面，所述用户界面包括虚拟场景以及所述虚拟场景中的至少一个虚拟对象；

提取模块，用于对所述用户界面进行特征提取，得到所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征；

调用模块，用于调用操作预测模型，所述操作预测模型用于输出目标虚拟对象的操作信息；

预测模块，用于将所述虚拟场景的场景特征和所述至少一个虚拟对象的对象特征输入到所述操作预测模型中，输出所述目标虚拟对象的目标操作信息；

控制模块，用于基于所述目标操作信息，在所述用户界面中对所述目标虚拟对象进行操作控制；

所述装置还包括：

获取模块，用于获取多个虚拟场景的样本数据；

训练模块，用于从所述多个虚拟场景中，确定属于多个预设场景类别的虚拟场景；对于所述多个预设场景类别中的每个预设场景类别，对所述每个预设场景类别的虚拟场景的样本数据进行均衡处理，得到所述每个预设场景类别的目标样本数据；根据所述多个预设场景类别的目标样本数据，对待训练操作预测模型进行训练，得到所述操作预测模型；

其中，所述多个预设场景类别包括第一场景类别、第二场景类别、第三场景类别和第四场景类别；所述第一场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内但不在敌方防御建筑的攻击范围内；所述第二场景类别是指对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内但在敌方防御建筑的攻击范围内；所述第三场景类别是指对应虚拟场景中的参考虚拟对象在敌方虚拟对象的攻击范围内且在敌方防御建筑的攻击范围内；所述第四场景类别是指对应虚拟场景中的参考虚拟对象的预设区域范围内存在敌方虚拟对象，但对应虚拟场景中的参考虚拟对象不在敌方虚拟对象的攻击范围内且不在敌方防御建筑的攻击范围内。

10.根据权利要求9所述的装置，其特征在于，所述提取模块具体用于：

从所述用户界面的实时场景数据中，提取所述虚拟场景的场景特征；

确定所述虚拟场景包括的至少一个虚拟对象，从所述用户界面的实时场景数据中，提取所述至少一个虚拟对象的对象特征。

11.根据权利要求9或10所述的装 置，其特征在于，所述样本数据包括场景特征、场景中的至少一个虚拟对象的对象特征以及样本操作标签，所述样本操作标签用于指示场景中的参考虚拟对象所执行的操作。

12.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1-8任一项所述的虚拟对象的操作控制方法。

13.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1-8任一项所述的虚拟对象的操作控制方法。

Images