CN109799975B - 一种基于神经网络的动作游戏制作方法和系统 - Google Patents

Abstract

一种基于神经网络的动作游戏制作方法，包括以下步骤：导入动作游戏外部资源和游戏脚本，所述外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，所述游戏框架基于所指定外部资源的标识，调用相应的外部资源；将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序。本申请还提出一种与上述方法相应的基于神经网络的动作游戏制作系统。

Description

一种基于神经网络的动作游戏制作方法和系统

技术领域

本发明涉及神经网络领域，尤其涉及一种基于神经网络的动作游戏制作方法和系统。

背景技术

电子游戏自上世纪70年代被发明以来，一直深受大众喜爱。其画面精细程度和游戏音效等指标也从原始的二维像素画面和单调的背景音乐不停进步至目前的三维高清图形和多种高音质的音乐。

然而，目前拥有较大用户群的游戏类型相对集中于动作游戏和角色扮演游戏等几种类型。此类游戏，尤其是二维动作游戏，其基本流程框架和程序架构相对固定。一方面，这使得电子游戏公司能够高效地复用部分游戏代码(例如支持人物动作控制和场景物体运动等的物理引擎)，从而能够缩短电子游戏开发周期和降低电子游戏开发成本。另一方面，由于游戏的重复性较高，即使动作游戏的游戏剧情再优秀，甚至能够与其他游戏玩家进行交互，同一个动作游戏也难以让玩家有反复游玩的吸引力。

因此，如何让动作游戏的开发人员将更多的精力投放在游戏剧情和关卡设计，能够以较短的开发周期和较低的开发成本为玩家提供全新的电子游戏成为了电子游戏公司需要面对的问题。

发明内容

本申请的目的是解决现有技术的不足，提供一种基于神经网络的动作游戏制作方法和系统，能够获得缩短开发周期和降低开发成本的效果。

为了实现上述目的，本申请采用以下的技术方案。

首先，本申请提出一种基于神经网络的动作游戏制作方法，适用于二维电子动作游戏的制作。该方法包括以下步骤：

S100)导入动作游戏外部资源和游戏剧本，该外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；

S200)通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；

S300)通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，该游戏框架基于所指定外部资源的标识，调用相应的外部资源；

S400)将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序。

进一步地，在本申请的上述方法中，该人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。

再进一步地，在本申请的上述方法中，该人物素材的标识至少包括人物的类型和矢量图的动作。

又进一步地，在本申请的上述方法中，该场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，该游戏音效的标识至少包括音效时间和音效类型，以及该背景音乐至少包括持续时间和音乐主题。

进一步地，在本申请的上述方法中，该步骤S200还包括以下子步骤：

S201)标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；

S202)初始化外部资源的训练神经网络模型，读入训练集并执行训练；

S203)基于已经训练完毕的神经网络模型为其他外部资源进行标识。

进一步地，在本申请的上述方法中，该神经网络模型是基于Tensorflow和Kerass学习框架建立。

进一步地，在本申请的上述方法中，该步骤S300还包括以下子步骤：

S301)根据外部资源的类型，对所指定的外部资源进行分类；

S302)利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本。

再进一步地，在本申请的上述方法中，该步骤S400还包括以下子步骤：

S401)验证游戏脚本和外部资源的对应关系；

S402)基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

其次，本申请还公开了一种基于神经网络的动作游戏制作系统，适用于二维电子动作游戏的制作。该系统包括以下模块：导入模块，用于导入动作游戏外部资源和游戏剧本，该外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；训练模块，用于通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；建立模块，用于通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，该游戏框架基于所指定外部资源的标识，调用相应的外部资源；生成模块，用于将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序。

进一步地，在本申请的上述系统中，该人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。

再进一步地，在本申请的上述系统中，该人物素材的标识至少包括人物的类型和矢量图的动作。

又进一步地，在本申请的上述系统中，该场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，该游戏音效的标识至少包括音效时间和音效类型，以及该背景音乐至少包括持续时间和音乐主题。

进一步地，在本申请的上述系统中，该训练模块还包括以下子模块：第一标识模块，用于标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；执行模块，用于初始化外部资源的训练神经网络模型，读入训练集并执行训练；第二标识模块，用于基于已经训练完毕的神经网络模型为其他外部资源进行标识。

进一步地，在本申请的上述系统中，该神经网络模型是基于Tensorflow和Kerass学习框架建立。

进一步地，在本申请的上述系统中，该建立模块还包括以下子模块：分类模块，用于根据外部资源的类型，对所指定的外部资源进行分类；第一生成模块，用于利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本。

再进一步地，在本申请的上述系统中，该生成模块还包括以下子模块：验证模块，用于验证游戏脚本和外部资源的对应关系；第二生成模块，用于基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

最后，本申请还提出一种计算机可读存储介质，其上存储有计算机指令。上述指令被处理器执行时，执行如下步骤：

S100)导入动作游戏外部资源和游戏剧本，该外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；

S200)通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；

S300)通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，该游戏框架基于所指定外部资源的标识，调用相应的外部资源；

S400)将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序。

进一步地，在处理器执行上述指令时，该人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。

再进一步地，在处理器执行上述指令时，该人物素材的标识至少包括人物的类型和矢量图的动作。

又进一步地，在处理器执行上述指令时，该场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，该游戏音效的标识至少包括音效时间和音效类型，以及该背景音乐至少包括持续时间和音乐主题。

进一步地，在处理器执行上述指令时，该步骤S200还包括以下子步骤：

S201)标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；

S202)初始化外部资源的训练神经网络模型，读入训练集并执行训练；

S203)基于已经训练完毕的神经网络模型为其他外部资源进行标识。

进一步地，在处理器执行上述指令时，该神经网络模型是基于Tensorflow和Kerass学习框架建立。

进一步地，在处理器执行上述指令时，该步骤S300还包括以下子步骤：

S301)根据外部资源的类型，对所指定的外部资源进行分类；

S302)利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本。

再进一步地，在处理器执行上述指令时，该步骤S400还包括以下子步骤：

S401)验证游戏脚本和外部资源的对应关系；

S402)基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

本申请的有益效果为：利用神经网络对动作游戏的外部资源进行恰当的分类、标识和导入，使得开发人员能够摆脱繁重的机械开发任务，将更多的精力投放到游戏剧情等的设计上，从而缩短开发周期和降低开发成本。

附图说明

图1所示为本申请所公开的基于神经网络的动作游戏制作方法的流程图；

图2所示为在本申请的一个实施例中，标识外部资源子方法的流程图；

图3所示为在本申请的另一个实施例中，建立游戏框架子方法的流程图；

图4所示为在本申请的又一个实施例中，生成动作游戏子方法的流程图；

图5所示为本申请所公开的基于神经网络的动作游戏制作系统的结构图。

具体实施方式

以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本申请中所使用的上、下、左、右等描述仅仅是相对于附图中本申请各组成部分的相互位置关系来说的。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本申请中可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本申请范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”。

参照图1所示的方法流程图，在本申请的一个或多个实施例中，适用于二维电子动作游戏制作的基于神经网络的动作游戏制作方法可以包括以下步骤：

S100)导入动作游戏外部资源和游戏剧本，该外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；

S200)通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；

S300)通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，该游戏框架基于所指定外部资源的标识，调用相应的外部资源；以及

S400)将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序。

具体地，电子游戏公司在进行开发项目立项、制定开发目标和撰写项目策划案后，可以根据具体的项目策划由美术制作人员提供相关的外部资源(即包括但是不限于动作游戏中的人物素材、场景背景、游戏音效和背景音乐等)和项目策划所确定的游戏脚本。相关的外部资源也可以从现有电子游戏的外部资源中复用。通过神经网络的深度学习方法，将各类资源作恰当的分类和标识(例如将背景音乐标识为阴沉的或者激昂的)，以适用于动作游戏的具体不同游戏场景。

具体地，针对动作游戏对玩家所操纵游戏人物精细度的需求，在本申请的一个或多个实施例中，该人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。例如，在玩家选择游戏人物时，可以在动作游戏的显示界面向玩家显示具有较高分辨率的二维图像图片和人物立绘，以吸引玩家进行游戏。在游戏的游玩过程中，为了节省计算资源，使得游戏运行得更为流畅，可以向玩家显示具有较低分辨率的人物立绘。进一步地，该人物素材的标识至少包括人物的类型和矢量图的动作。具体地，人物的类型可以标识为玩家可操作角色、电子游戏中的“敌人”和背景人物，由于有各种动作的人物立绘已经导入到动作游戏中并作出恰当的标识，因此可以流畅地显示玩家所操作人物的动作、由动作游戏本身所操作的“敌人”的动作和背景人物的动作。

类似地，在本申请的一个或多个实施例中，该场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，该游戏音效的标识至少包括音效时间和音效类型，以及该背景音乐至少包括持续时间和音乐主题。基于上述标识，相关的外部资源可以合理地根据项目策划所指定动作游戏的主题编排动作游戏各个关卡。例如，将标识为“阴沉的”场景、背景音乐分类在一起以构成某个动作游戏的关卡。

对于上述外部资源的分类，参照图2所示的子方法流程图，在本申请的一个或多个实施例中，可以通过以下子步骤实现：

S201)标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；

S202)初始化外部资源的训练神经网络模型，读入训练集并执行训练；

S203)基于已经训练完毕的神经网络模型为其他外部资源进行标识。

在上述子方法流程中，有监督的学习方式被用来对前述外部资源进行分类。在本申请的一个或多个实施例中，该神经网络模型是基于Tensorflow和Kerass学习框架建立。具体地，通过神经网络Tensorflow的机器学习和深度学习计算，结合Keras Api的卷积神经网络和相信函数，在已经完成标识的外部资源(例如是现有的动作游戏中已被标识的外部资源)中进行机器训练，从而实现外部的资源分类和标识的深度学习。本领域技术人员可以根据采用现有的神经网络训练方式建立并训练相应的分类器，本申请对此不予具体限定。

在完成上述分类和标识的过程后，参照图3所示的子方法流程图，在本申请的一个或多个实施例中，导入已标识的外部资源可以包括以下子步骤：

S301)根据外部资源的类型，对所指定的外部资源进行分类；

S302)利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本。

其中，外部资源的类型既可以是指外部资源属于前述的人物素材、场景背景、游戏音效和背景音乐中的哪一类(这可以通过外部资源的文件类型、文件大小和文件名进行识别)，也可以是根据前述神经网络对外部资源所作标识进行的分类。在一个或多个实施例中，开发人员可以通过将分类后的外部资源放入指定的位置下的文件夹，然后利用游戏框架多确定的调用时机(即玩家所进行到的游戏阶段)，生成调用相应外部资源及其时机的游戏脚本。

进一步地，参照图4所示的子方法流程图，在本申请的上述一个或多个实施例中，该步骤S400还包括以下子步骤：

S401)验证游戏脚本和外部资源的对应关系；

S402)基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

其中，验证可以是基于外部资源的文件类型和游戏脚本。例如，当游戏脚本在需要调用在某个文件夹内的背景音乐时，该文件夹内找不到对应的文件类型，则可以判断相关游戏脚本有误。通过验证后，相应的外部资源可以根据游戏脚本导入到游戏框架，从而生成相应的动作游戏的可运行程序。

参照图5所示的模块结构图，在本申请的一个或多个实施例中，适用于二维电子动作游戏制作的基于神经网络的动作游戏制作系统可以包括以下模块：导入模块，用于导入动作游戏外部资源和游戏剧本，该外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；训练模块，用于通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；建立模块，用于通过深度学习对游戏剧本进行计算和训练以建立动作游戏的运行框架，该运行框架基于所指定外部资源的标识，调用相应的外部资源；以及生成模块，用于将已经标识的外部资源导入到游戏的运行框架内，并基于所导入到运行框架内的游戏资源上的标识，生成动作游戏的可运行程序。具体地，电子游戏公司在进行开发项目立项、制定开发目标和撰写项目策划案后，可以根据具体的项目策划由美术制作人员提供相关的外部资源(即包括但是不限于动作游戏中的人物素材、场景背景、游戏音效和背景音乐等)和项目策划所确定的游戏脚本。相关的外部资源也可以从现有电子游戏的外部资源中复用。通过神经网络的深度学习方法，将各类资源作恰当的分类和标识(例如将背景音乐标识为阴沉的或者激昂的)，以适用于动作游戏的具体不同游戏场景。

具体地，针对动作游戏对玩家所操纵游戏人物精细度的需求，在本申请的一个或多个实施例中，该人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。例如，在玩家选择游戏人物时，可以在动作游戏的显示界面向玩家显示具有较高分辨率的二维图像图片和人物立绘，以吸引玩家进行游戏。在游戏的游玩过程中，为了节省计算资源，使得游戏运行得更为流畅，可以向玩家显示具有较低分辨率的人物立绘。进一步地，该人物素材的标识至少包括人物的类型和矢量图的动作。具体地，人物的类型可以标识为玩家可操作角色、电子游戏中的“敌人”和背景人物，由于有各种动作的人物立绘已经导入到动作游戏中并作出恰当的标识，因此可以流畅地显示玩家所操作人物的动作、由动作游戏本身所操作的“敌人”的动作和背景人物的动作。

类似地，在本申请的一个或多个实施例中，该场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，该游戏音效的标识至少包括音效时间和音效类型，以及该背景音乐至少包括持续时间和音乐主题。基于上述标识，相关的外部资源可以合理地根据项目策划所指定动作游戏的主题编排动作游戏各个关卡。例如，将标识为“阴沉的”场景、背景音乐分类在一起以构成某个动作游戏的关卡。

对于上述外部资源的分类，在本申请的一个或多个实施例中，可以通过系统的训练模块的以下子模块实现：第一标识模块，用于标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；执行模块，用于初始化外部资源的训练神经网络模型，读入训练集并执行训练；第二标识模块，用于基于已经训练完毕的神经网络模型为其他外部资源进行标识。在上述子模块中，有监督的学习方式被用来对前述外部资源进行分类。具体地，在本申请的一个或多个实施例中，该神经网络模型是基于Tensorflow和Kerass学习框架建立。例如，通过神经网络Tensorflow的机器学习和深度学习计算，结合KerasApi的卷积神经网络和相信函数，在已经完成标识的外部资源(例如是现有的动作游戏中已被标识的外部资源)中进行机器训练，从而实现外部的资源分类和标识的深度学习。本领域技术人员可以根据采用现有的神经网络训练方式建立并训练相应的分类器，本申请对此不予具体限定。

在完成上述分类和标识的过程后，在本申请的一个或多个实施例中，建立模块还可以包括以下子模块：分类模块，用于根据外部资源的类型，对所指定的外部资源进行分类；第一生成模块，用于利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本。其中，外部资源的类型既可以是指外部资源属于前述的人物素材、场景背景、游戏音效和背景音乐中的哪一类(这可以通过外部资源的文件类型、文件大小和文件名进行识别)，也可以是根据前述神经网络对外部资源所作标识进行的分类。在一个或多个实施例中，开发人员可以通过将分类后的外部资源放入指定的位置下的文件夹，然后利用游戏框架多确定的调用时机(即玩家所进行到的游戏阶段)，生成调用相应外部资源及其时机的游戏脚本。

进一步地，在本申请的上述一个或多个实施例中，该生成模块还可以包括以下子模块：验证模块，用于验证游戏脚本和外部资源的对应关系；第二生成模块，用于基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。其中，验证可以是基于外部资源的文件类型和游戏脚本。例如，当游戏脚本在需要调用在某个文件夹内的背景音乐时，该文件夹内找不到对应的文件类型，则可以判断相关游戏脚本有误。通过验证后，相应的外部资源可以根据游戏脚本导入到游戏框架，从而生成相应的动作游戏的可运行程序。

应当认识到，本申请的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。该方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

进一步地，该方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本申请的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文该步骤的指令或程序时，本文所述的申请包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本申请所述的方法和技术编程时，本申请还包括计算机本身。

计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本申请优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

因此，应以说明性意义而不是限制性意义来理解本说明书和附图。然而，将明显的是：在不脱离如权利要求书中阐述的本申请的更宽广精神和范围的情况下，可以对本申请做出各种修改和改变。

其他变型在本申请的精神内。因此，尽管所公开的技术可容许各种修改和替代构造，但在附图中已示出并且在上文中详细描述所示的其某些实施例。然而，应当理解，并不意图将本申请局限于所公开的一种或多种具体形式；相反，其意图涵盖如所附权利要求书中所限定落在本申请的精神和范围内的所有修改、替代构造和等效物。

Claims (8)

1.一种基于神经网络的动作游戏制作方法，适用于二维电子动作游戏的制作，其特征在于，包括以下步骤：

S100）导入动作游戏外部资源和游戏剧本，所述外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；

S200）通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；

S300）通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，所述游戏框架基于所指定外部资源的标识，调用相应的外部资源；

S400）将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序；

其中，步骤S300还包括以下子步骤：

S301）根据外部资源的类型，对所指定的外部资源进行分类；

S302）利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本；

步骤S400还包括以下子步骤：

S401）验证游戏脚本和外部资源的对应关系；

S402）基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

2.根据权利要求1所述的方法，其特征在于，所述人物素材至少包括人物的二维头像图片以及各种动作的人物立绘的矢量图。

3.根据权利要求2所述的方法，其特征在于，所述人物素材的标识至少包括人物的类型和矢量图的动作。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述场景背景的标识至少包括场景类型和指示场景亮度和场景色调的参数，所述游戏音效的标识至少包括音效时间和音效类型，以及所述背景音乐至少包括持续时间和音乐主题。

5.根据权利要求4所述的方法，其特征在于，所述步骤S200还包括以下子步骤：

S201）标识人物素材、场景背景、游戏音效和背景音乐的一部分以建立外部资源的训练集；

S202）将外部资源的训练神经网络模型进行初始化，读入训练集并执行训练；

S203）基于已经训练完毕的神经网络模型为其他外部资源进行标识。

6.根据权利要求5所述的方法，其特征在于，所述神经网络模型是基于Tensorflow和Keras学习框架建立。

7.一种基于神经网络的动作游戏制作系统，适用于二维电子动作游戏的制作，其特征在于，包括以下模块：

导入模块，用于导入动作游戏外部资源和游戏剧本，所述外部资源至少包括动作游戏的人物素材、场景背景、游戏音效和背景音乐；

训练模块，用于通过对外部资源的部分进行标识，并利用已经标识的外部资源进行监督训练，以建立外部资源的训练集和训练神经网络模型以对其他外部资源进行标识；

建立模块，用于通过深度学习对游戏剧本进行计算和训练以建立动作游戏的游戏框架，所述游戏框架基于所指定外部资源的标识，调用相应的外部资源；

生成模块，用于将已经标识的外部资源导入到游戏的游戏框架内，并基于所导入到游戏框架内的游戏资源上的标识，生成动作游戏的可运行程序；

其中，所述建立模块包括分类模块和第一生成模块，所述分类模块用于根据外部资源的类型，对所指定的外部资源进行分类；所述第一生成模块用于利用外部资源的标识和游戏框架所确定的调用时机，生成调用相应外部资源及其时机的游戏脚本；

所述生成模块包括验证模块和第二生成模块，所述验证模块用于验证游戏脚本和外部资源的对应关系；所述第二生成模块用于基于游戏脚本和外部资源，由游戏框架生成相应的动作游戏的可运行程序。

8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于该指令被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。

Images