CN110215708A - 游戏角色的控制方法、装置以及移动终端 - Google Patents
游戏角色的控制方法、装置以及移动终端 Download PDFInfo
- Publication number
- CN110215708A CN110215708A CN201910363808.9A CN201910363808A CN110215708A CN 110215708 A CN110215708 A CN 110215708A CN 201910363808 A CN201910363808 A CN 201910363808A CN 110215708 A CN110215708 A CN 110215708A
- Authority
- CN
- China
- Prior art keywords
- action
- jump
- game role
- user
- game
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009471 action Effects 0.000 claims abstract description 169
- 230000006399 behavior Effects 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 16
- 210000003423 ankle Anatomy 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 3
- 210000002683 foot Anatomy 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 4
- 230000009191 jumping Effects 0.000 description 4
- 210000003127 knee Anatomy 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000037147 athletic performance Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- A63F13/40—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment
- A63F13/42—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment by mapping the input signals into game commands, e.g. mapping the displacement of a stylus on a touch screen to the steering angle of a virtual vehicle
- A63F13/428—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment by mapping the input signals into game commands, e.g. mapping the displacement of a stylus on a touch screen to the steering angle of a virtual vehicle involving motion or position input signals, e.g. signals representing the rotation of an input controller or a player's arm motions sensed by accelerometers or gyroscopes
-
- 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
- A63F13/55—Controlling game characters or game objects based on the game progress
-
- 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
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/822—Strategy games; Role-playing games
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Abstract
本发明公开了一种游戏角色的控制方法、装置以及移动终端。其中，该方法包括：获取用户的关节移动特征；根据动作模型确定关节移动特征对应的跳跃动作，其中，动作模型为使用多组训练数据，通过机器学习训练得出的，多组训练数据中的每组数据均包括：关节移动特征和关节移动特征对应的跳跃动作；根据跳跃动作，控制游戏角色的动作行为。本发明解决了相关技术中不存在通过用户的跳跃动作来控制游戏角色的动作行为的技术问题。
Description
技术领域
本发明涉及游戏角色控制领域，具体而言，涉及一种游戏角色的控制方法、装置以及移动终端。
背景技术
目前基于全身性动作识别的健身工具，市面上的解决方案，主要集中在俯卧撑、深蹲等几个标准动作上，指导性和娱乐性都较弱。对于跳跃的识别，还没有看到较为成型的应用。而且现有技术中，通常利用手指触摸屏幕来进行一些游戏，例如，跳跃游戏等，并不存在通过用户的跳跃动作来控制游戏角色的动作行为。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种游戏角色的控制方法、装置以及移动终端，以至少解决相关技术中不存在通过用户的跳跃动作来控制游戏角色的动作行为的技术问题。
根据本发明实施例的一个方面，提供了一种游戏角色的控制方法，包括：获取用户的关节移动特征；根据动作模型确定所述关节移动特征对应的跳跃动作，其中，所述动作模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：关节移动特征和所述关节移动特征对应的跳跃动作；根据所述跳跃动作，控制游戏角色的动作行为。
可选地，获取用户的关节移动特征包括：采集游戏场景中用户的身体运动的多张图像；依据所述多张图像生成在预设时间阈值和/或预设帧数阈值内的图像序列；提取所述图像序列的关节移动轨迹；根据所述关节移动轨迹，确定所述用户的关节移动特征。
可选地，在根据所述跳跃动作，控制游戏角色的动作行为之前包括：确定所述跳跃动作的预设阈值，其中，所述预设阈值包括以下至少之一：预设速度阈值，预设加速度阈值，预设方向阈值，预设位移距离阈值；在所述跳跃动作满足对应的所述跳跃动作的预设阈值的情况下，则判定所述跳跃动作为控制游戏角色的动作。
可选地，通过以下至少之一根据所述跳跃动作，控制游戏角色的动作行为包括：根据所述跳跃动作的速度，控制所述游戏角色的动作行为的移动速度；根据所述跳跃动作的加速度，控制所述游戏角色的动作行为的移动加速度；根据所述跳跃动作的方向，控制所述游戏角色的动作行为的移动方向；根据所述跳跃动作的位移距离，控制所述游戏角色的动作行为的移动距离。
可选地，根据所述跳跃动作的方向，控制所述游戏角色的动作行为的移动方向包括：在所述跳跃动作为向左跳时，控制所述游戏角色向左跳；在所述跳跃动作为向右跳时，控制所述游戏角色向右跳；在所述跳跃动作为向上跳时，控制所述游戏角色向上跳。
可选地，所述关节移动特征为双脚脚腕关节点的位移。
可选地，还包括：获取用户的运动特征；根据所述用户的运动特征，控制所述游戏角色与游戏场景目标对象的互动。
根据本发明实施例的另一方面，还提供了一种游戏角色的控制装置，包括：获取模块，用于获取用户的关节移动特征；确定模块，用于根据动作模型确定所述关节移动特征对应的跳跃动作，其中，所述动作模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：关节移动特征和所述关节移动特征对应的跳跃动作；控制模块，用于根据所述跳跃动作，控制游戏角色的动作行为。
根据本发明实施例的另一方面，还提供了一种移动终端，所述移动终端包括上述中所述的游戏角色的控制装置。
根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质存储有程序，其中，在所述程序被处理器运行时使得所述处理器执行上述中任意一项所述的游戏角色的控制方法。
根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的游戏角色的控制方法。
在本发明实施例中，采用获取用户的关节移动特征；根据动作模型确定所述关节移动特征对应的跳跃动作，其中，所述动作模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：关节移动特征和所述关节移动特征对应的跳跃动作；根据所述跳跃动作，控制游戏角色的动作行为的方式，通过用户在运动时的关节移动特征来确定用户的跳跃动作，达到了利用用户的跳跃动作对游戏角色的动作行为进行控制的目的，从而实现了用户能够与游戏角色在动作上的一致性交互，增加了运动锻炼的趣味性的技术效果，进而解决了相关技术中不存在通过用户的跳跃动作来控制游戏角色的动作行为的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的游戏角色的控制方法的流程图；
图2是根据本发明实施例的游戏角色的控制装置的结构示意图；
图3是根据本发明实施例的移动终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种游戏角色的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的游戏角色的控制方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取用户的关节移动特征；
步骤S104，根据动作模型确定关节移动特征对应的跳跃动作，其中，动作模型为使用多组训练数据，通过机器学习训练得出的，多组训练数据中的每组数据均包括：关节移动特征和关节移动特征对应的跳跃动作；
步骤S106，根据跳跃动作，控制游戏角色的动作行为。
通过上述步骤，可以实现通过用户在运动时的关节移动特征来确定用户的跳跃动作，达到了利用用户的跳跃动作对游戏角色的动作行为进行控制的目的，从而实现了用户能够与游戏角色在动作上的一致性交互，增加了运动锻炼的趣味性的技术效果，进而解决了相关技术中不存在通过用户的跳跃动作来控制游戏角色的动作行为的技术问题。
作为一种可选的实施例，上述关节移动特征包括身体的任意一个关节或者是关节点，例如可以是手腕、脚腕、膝盖等等。在具体实施过程中，可以根据需要进行灵活选择，例如，可以采用其中一个关节移动特征，还可以采用多个关节移动特征相结合的形式。
作为一种可选的实施例，上述动作模型可以是基于神经网络、随机森林、支持向量机等模型构建的，利用大量的训练数据，通过机器学习的方式对上述动作模型进行训练，直至模型收敛。可以有效提高识别跳跃动作的速度和准确率。
作为一种可选的实施例，在根据跳跃动作，控制游戏角色的动作行为时，可以根据不同的跳跃动作，对游戏角色的动作行为进行控制，使得游戏角色的动作行为与上述跳跃动作保持一致。同时可以在保证动作一致性的基础上，使得动作反应速度上实现实时性。
可选地，获取用户的关节移动特征包括：采集游戏场景中用户的身体运动的多张图像；依据多张图像生成在预设时间阈值和/或预设帧数阈值内的图像序列；提取图像序列的关节移动轨迹；根据关节移动轨迹，确定用户的关节移动特征。
作为一种可选的实施例，上述采集游戏场景中用户的身体运动的多张图像，可以通过多种方式采集，既可以采用监控摄像头、还可以采用手机摄像头，除此以外，具有录像以及拍照功能其他移动终端，例如，手机、平板等。
作为一种可选的实施例，上述图像序列是按照预设规则进行排序生成的，例如，可以是预设时间范围内的图像序列，也可以是根据需要选取多张图片进行排序生成的图像序列。在具体实施中，可以根据应用需求灵活设置，既可以是一段时间内的多张图像生成的图像序列，例如，从当前时刻向前一定时间内的图像序列，其中，时间的设置比较灵活，可以是5秒、10秒等等；又可以是一段帧数内的多张图像生成的图像序列，例如，当前时刻向前一定帧数的图像序列，选择帧率小于30帧每秒的多张图像生成图像序列。同样地，结合具体的应用场景可以采用将上述两种方法相结合的形式。在实施过程中，可以根据手机相机或者其他移动终端的拍摄帧率和硬件处理性能动态选择图像序列生成方式，将手机相机或者其他移动终端拍摄帧率和硬件处理算法帧率大于30帧每秒，则选取按照一定时间的图像序列生成方式，否则选取按照一定帧数的图像序列生成方式，以此保证判断的稳定性。
作为一种可选的实施例，在提取图像序列在预设时间阈值内的关节移动轨迹时，预设时间阈值的设置可以采用系统默认的形式，还可以由用户设定。由于应用场景的限制，在具体实施中，预设时间阈值设置过大或者过小，均会对识别结果造成影响，因此，上述预设时间阈值的设定一般是根据用户的运动动作特征确定，例如，动作的时长、动作的频率等。需要说明的是，不同用户的预设时间阈值是不同的，例如，用户A动作的频率快，则其对应的预设时间阈值就小一些，而用户B动作的频率慢，则其对应的预设时间阈值就大一些。通过上述方法，可以提高生成关节运动轨迹的精确度，以及提高后续提取用户的关节移动特征的准确性。
作为一种可选的实施例，在根据关节移动轨迹，确定用户的关节移动特征时，实际就是确定身体某一部位关节点的位移，而身体的部位关节点可以是手腕、胳膊、膝盖或脚腕等。这些部位的关节点都会随着用户的运动而不断发生位移变化，利用位移变化可以获知用户朝那个方向运动，还可以获知用户的位移速度、加速度等。
可选地，在根据跳跃动作，控制游戏角色的动作行为之前包括：确定跳跃动作的预设阈值，其中，预设阈值包括以下至少之一：预设速度阈值，预设加速度阈值，预设方向阈值，预设位移距离阈值；在跳跃动作满足对应的跳跃动作的预设阈值的情况下，则判定跳跃动作为控制游戏角色的动作。
作为一种可选的实施例，在根据跳跃动作，控制游戏角色的动作行为之前，还需要对跳跃动作进行判定，也就是判断该动作是否为真正的跳跃动作。这对游戏角色的在游戏中的状态有着密切的关联。需要说明的是，游戏包括单人模式、PK模式、战队模式等，游戏包括多种玩法，可以是多人实时PK场景，也可以是对已产生的历史成绩(包括自己的或其他人的历史记录)进行PK等。在具体实施过程中，在多人模式或PK时，如果跳跃动作未达到预设条件，例如，速度与其他人比较小于预设速度阈值，游戏角色可以不动或其他预设动作(比如相反位移)。例如，甲速度为15m/s，若乙速度为大于5m/s小于等于10m/s，则乙不动；若乙速度为小于等于5m/s，则乙后退；若一定时间范围内乙都不动或后退，则游戏失败，提前退出等。在实施过程中，若一个跳跃动作的不满足预设阈值，例如，预设速度阈值，预设加速度阈值，预设方向阈值，预设位移距离阈值等，则该跳跃动作并不是控制游戏角色的动作，正如上述所例举的，游戏角色可能不动或者相反移动等等。因此，当跳跃动作并不是控制游戏角色的动作时，就可能导致游戏提前结束。另外，在跳跃动作满足对应的跳跃动作的预设阈值的情况下，则判定跳跃动作为控制游戏角色的动作，进一步可以实现对游戏角色的动作行为控制，提升用户跳跃动作的控制精准度，避免了游戏中的误操作。可选地，通过以下至少之一根据跳跃动作，控制游戏角色的动作行为包括：根据跳跃动作的速度，控制游戏角色的动作行为的移动速度；根据跳跃动作的加速度，控制游戏角色的动作行为的移动加速度；根据跳跃动作的方向，控制游戏角色的动作行为的移动方向；根据跳跃动作的位移距离，控制游戏角色的动作行为的移动距离。
作为一种可选的实施例，可以根据用户跳跃动作的速度，决定游戏角色由当前台阶跳到下一台阶时的移动速度，跳跃速度越快游戏角色的移动速度越快，则越节省游戏时间；反之，则需要更多的游戏时间。
作为一种可选的实施例，可以根据用户跳跃动作的加速度，决定游戏角色由当前台阶跳到下一台阶时的加速度，跳跃加速度越快游戏角色的移动加速度也越快，则越节省游戏时间；反之，则需要更多的游戏时间。
作为一种可选的实施例，可以根据用户跳跃动作的方向，决定游戏角色由当前台阶跳到下一台阶时的具体方向，方向与当前台阶至下一台阶的中点连线方向越一致则跳跃过程所需时间越短(两点之间直线最短)，则越节省游戏时间；反之，则需要更多的游戏时间。
作为一种可选的实施例，可以根据用户跳跃动作的位移距离，决定游戏角色的动作行为的移动距离，例如，根据用户跳跃动作的高度和游戏场景中当前台阶与下一台阶的高度差，决定游戏角色能否跳到下一级台阶。
上述实施例在具体实施过程中，既可以选择其中一个，也可以采用多个相结合的方式，可以是实现更加精准的游戏角色控制，提升用户体验。
可选地，根据跳跃动作的方向，控制游戏角色的动作行为的移动方向包括：在跳跃动作为向左跳时，控制游戏角色向左跳；在跳跃动作为向右跳时，控制游戏角色向右跳；在跳跃动作为向上跳时，控制游戏角色向上跳。
作为一种可选的实施例，在用户进行跳跃动作时，相应的游戏角色也会随之跳跃，而且游戏角色的跳跃动作与用户的跳跃动作是一致的。实际上就是在游戏角色和用户之间存在一种映射关系，该映射关系能够时用户通过动作来控制游戏角色的动作。在具体实施过程中，可以是在用户的跳跃动作为向左跳时，则控制游戏角色向左跳；在用户的跳跃动作为向右跳时，则控制游戏角色向右跳；在用户跳跃动作为向上跳时，则控制游戏角色向上跳。需要说明的是，在其他应用场景下，还可以实现通过向后跳或者向下跳来控制游戏角色的动作行为。
可选地，关节移动特征为双脚脚腕关节点的位移。
作为一种可选的实施例，用户可以根据习惯设定位移量，当用户的双脚脚腕关节点的位移超过预设的位移量时，则表明用户发生位移，这样可以有效避免用户的关节点发生轻微移动(非真正位移)被误认为位移的情况，避免后续的误判。
可选地，还包括：获取用户的运动特征；根据用户的运动特征，控制游戏角色与游戏场景目标对象的互动。
作为一种可选的实施例，在跳跃游戏过程中、跳跃游戏结束后以及其他游戏阶段，可以根据用户的运动特征，进而控制游戏角色与游戏场景目标对象的互动。其中，运动特征包括但不限于：手势特征、面部特征、姿势特征等。目标对象可以是游戏场景中的角色以及和游戏相关的元素，例如，游戏中的人，物以及拍照等。例如，在跳跃中，利用举手的动作，可以抓取游戏中的道具，例如，一些金币、装备以及其他的奖励。还有就是可以通过特定动作触发一些与运动相关的商品推荐信息，例如，以图片、视频等方式推荐的瑜伽垫、哑铃、跳绳等运动装备或者运动课程。需要说明的是，上述游戏角色与游戏场景目标对象的互动与游戏角色的动作行为既可以同步进行，也可以不同步进行，例如，自动拍照均可以在游戏中或者游戏后实现，总之，该方法可以基于应用场景进行灵活设置。又例如，在PK模式下，可以增加伸手进行互动，通过拍打对方可以把对方拍到下层，伸手保持不动可以跟对方一起自动跳上去3层等。在具体实施中，并不局限于上述实施例中所说明的内容，还可以通过面部表情，手势等其他运动特征实现上述互动。通过上述方法，可以提升用户在游戏中的体验，增强游戏的趣味性。
下面对本发明的优选实施方式进行说明。
游戏模式：
1.用户可以进行单人/PK模式，在单人模式中，用户进入后面对不断下降的台阶，需要不断向上跳跃。用户没有跳跃正确，消失在屏幕下方，即，算作失败。PK模式中，用户可以对其他人的跳跃记录发起挑战，并在游戏中实时看到对方的进度。
2.游戏过程中，会出现道具、拍照等，增加游戏的趣味性。
3.游戏元素，使用瑜伽垫、水瓶等训练道具，还把用户头像放在跳跃机器人身上，贴合游戏、健身主题。
动作识别：
使用基于移动端深度学习的关键点检测方法获取游戏场景中用户身体的关键点(主要是双脚脚腕部位)位置，在游戏程序中通过维护一个固定长度的双脚脚腕关节点位置buffer，结合人为定义的阈值，判断用户向左跳、向右跳、向上跳的行为。
使用深度学习、图像处理的技术识别游戏场景中人体的动作、姿态，用于手机游戏的操作。而当前手机端游戏的操作还是以触摸屏操作为主，这是本申请与现有技术存在的重要区别。优势：1、增加用户在游戏中的参与感、互动性；2、帮助用户在游戏中达到锻炼、健身的目的。还可以拓宽运动工具的种类和场景，并在训练中增加趣味性。
图2是根据本发明实施例的游戏角色的控制装置的结构示意图，如图2所示，该游戏角色的控制装置20，包括：获取模块22，确定模块24和控制模块26。下面对该游戏角色的控制装置进行详细说明。
获取模块22，用于获取用户的关节移动特征；确定模块24，连接至上述获取模块22，用于根据动作模型确定关节移动特征对应的跳跃动作，其中，动作模型为使用多组训练数据，通过机器学习训练得出的，多组训练数据中的每组数据均包括：关节移动特征和关节移动特征对应的跳跃动作；控制模块26，连接至上述确定模块24，用于根据跳跃动作，控制游戏角色的动作行为。
作为一种可选的实施例，上述关节移动特征包括身体的任意一个关节或者是关节点，例如可以是手腕、脚腕、膝盖等等。在具体实施过程中，可以根据需要进行灵活选择，例如，可以采用其中一个关节移动特征，还可以采用多个关节移动特征相结合的形式。
作为一种可选的实施例，上述动作模型可以是基于神经网络、随机森林、支持向量机等模型构建的，利用大量的训练数据，通过机器学习的方式对上述动作模型进行训练，直至模型收敛。可以有效提高识别跳跃动作的速度和准确率。
作为一种可选的实施例，在根据跳跃动作，控制游戏角色的动作行为时，可以根据不同的跳跃动作，对游戏角色的动作行为进行控制，使得游戏角色的动作行为与上述跳跃动作保持一致。同时可以在保证动作一致性的基础上，使得动作反应速度上实现实时性。
通过上述实施例，可以实现通过用户在运动时的关节移动特征来确定用户的跳跃动作，达到了利用用户的跳跃动作对游戏角色的动作行为进行控制的目的，从而实现了用户能够与游戏角色在动作上的一致性交互，增加了运动锻炼的趣味性的技术效果，进而解决了相关技术中不存在通过用户的跳跃动作来控制游戏角色的动作行为的技术问题。
可选地，获取模块包括：采集单元，用于采集游戏场景中用户的身体运动的多张图像；生成单元，用于依据多张图像生成在预设时间阈值和/或预设帧数阈值内的图像序列；提取单元，用于提取图像序列在预设时间阈值内的关节移动轨迹；确定单元，用于根据关节移动轨迹，确定用户的关节移动特征。
作为一种可选的实施例，上述采集游戏场景中用户的身体运动的多张图像，可以通过多种方式采集，既可以采用监控摄像头、还可以采用手机摄像头，除此以外，具有录像以及拍照功能其他移动终端，例如，手机、平板等。
作为一种可选的实施例，上述图像序列是按照预设规则进行排序生成的，例如，可以是预设时间范围内的图像序列，也可以是根据需要选取多张图片进行排序生成的图像序列。在具体实施中，可以根据应用需求灵活设置，既可以是一段时间内的多张图像生成的图像序列，例如，从当前时刻向前一定时间内的图像序列，其中，时间的设置比较灵活，可以是5秒、10秒等等；又可以是一段帧数内的多张图像生成的图像序列，例如，当前时刻向前一定帧数的图像序列，选择帧率小于30帧每秒的多张图像生成图像序列。同样地，结合具体的应用场景可以采用将上述两种方法相结合的形式。在实施过程中，可以根据手机相机或者其他移动终端的拍摄帧率和硬件处理性能动态选择图像序列生成方式，将手机相机或者其他移动终端拍摄帧率和硬件处理算法帧率大于30帧每秒，则选取按照一定时间的图像序列生成方式，否则选取按照一定帧数的图像序列生成方式，以此保证判断的稳定性。
作为一种可选的实施例，在提取图像序列在预设时间阈值内的关节移动轨迹时，预设时间阈值的设置可以采用系统默认的形式，还可以由用户设定。由于应用场景的限制，在具体实施中，预设时间阈值设置过大或者过小，均会对识别结果造成影响，因此，上述预设时间阈值的设定一般是根据用户的运动动作特征确定，例如，动作的时长、动作的频率等。需要说明的是，不同用户的预设时间阈值是不同的，例如，用户A动作的频率快，则其对应的预设时间阈值就小一些，而用户B动作的频率慢，则其对应的预设时间阈值就大一些。通过上述方法，可以提高生成关节运动轨迹的精确度，以及提高后续提取用户的关节移动特征的准确性。
作为一种可选的实施例，在根据关节移动轨迹，确定用户的关节移动特征时，实际就是确定身体某一部位关节点的位移，而身体的部位关节点可以是手腕、胳膊、膝盖或脚腕等。这些部位的关节点都会随着用户的运动而不断发生位移变化，利用位移变化可以获知用户朝那个方向运动，还可以获知用户的位移速度、加速度等。
图3是根据本发明实施例的移动终端的结构示意图，如图3所示，该移动终端包括上述中的游戏角色的控制装置20。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质存储有程序，其中，在程序被处理器运行时使得处理器执行上述中任意一项的游戏角色的控制方法。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的游戏角色的控制方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种游戏角色的控制方法，其特征在于，包括：
获取用户的关节移动特征；
根据动作模型确定所述关节移动特征对应的跳跃动作，其中，所述动作模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：关节移动特征和所述关节移动特征对应的跳跃动作；
根据所述跳跃动作，控制游戏角色的动作行为。
2.根据权利要求1所述的方法，其特征在于，获取用户的关节移动特征包括：
采集游戏场景中用户的身体运动的多张图像；
依据所述多张图像生成在预设时间阈值和/或预设帧数阈值内的图像序列；
提取所述图像序列的关节移动轨迹；
根据所述关节移动轨迹，确定所述用户的关节移动特征。
3.根据权利要求1所述的方法，其特征在于，在根据所述跳跃动作，控制游戏角色的动作行为之前包括：
确定所述跳跃动作的预设阈值，其中，所述预设阈值包括以下至少之一：预设速度阈值，预设加速度阈值，预设方向阈值，预设位移距离阈值；
在所述跳跃动作满足对应的所述跳跃动作的预设阈值的情况下，则判定所述跳跃动作为控制游戏角色的动作。
4.根据权利要求1所述的方法，其特征在于，通过以下至少之一根据所述跳跃动作，控制游戏角色的动作行为包括：
根据所述跳跃动作的速度，控制所述游戏角色的动作行为的移动速度；
根据所述跳跃动作的加速度，控制所述游戏角色的动作行为的移动加速度；
根据所述跳跃动作的方向，控制所述游戏角色的动作行为的移动方向；
根据所述跳跃动作的位移距离，控制所述游戏角色的动作行为的移动距离。
5.根据权利要求4所述的方法，其特征在于，根据所述跳跃动作的方向，控制所述游戏角色的动作行为的移动方向包括：
在所述跳跃动作为向左跳时，控制所述游戏角色向左跳；
在所述跳跃动作为向右跳时，控制所述游戏角色向右跳；
在所述跳跃动作为向上跳时，控制所述游戏角色向上跳。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述关节移动特征为双脚脚腕关节点的位移。
7.根据权利要求6所述的方法，其特征在于，还包括：
获取用户的运动特征；
根据所述用户的运动特征，控制所述游戏角色与游戏场景目标对象的互动。
8.一种游戏角色的控制装置，其特征在于，包括：
获取模块，用于获取用户的关节移动特征；
确定模块，用于根据动作模型确定所述关节移动特征对应的跳跃动作，其中，所述动作模型为使用多组训练数据，通过机器学习训练得出的，所述多组训练数据中的每组数据均包括：关节移动特征和所述关节移动特征对应的跳跃动作；
控制模块，用于根据所述跳跃动作，控制游戏角色的动作行为。
9.一种移动终端，其特征在于，所述移动终端包括权利要求8中所述的游戏角色的控制装置。
10.一种存储介质，其特征在于，所述存储介质存储有程序，其中，在所述程序被处理器运行时使得所述处理器执行权利要求1至7中任意一项所述的游戏角色的控制方法。
11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的游戏角色的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910363808.9A CN110215708A (zh) | 2019-04-30 | 2019-04-30 | 游戏角色的控制方法、装置以及移动终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910363808.9A CN110215708A (zh) | 2019-04-30 | 2019-04-30 | 游戏角色的控制方法、装置以及移动终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110215708A true CN110215708A (zh) | 2019-09-10 |
Family
ID=67820482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910363808.9A Pending CN110215708A (zh) | 2019-04-30 | 2019-04-30 | 游戏角色的控制方法、装置以及移动终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110215708A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111318021A (zh) * | 2020-02-24 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 虚拟对象控制方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101229432A (zh) * | 2007-10-26 | 2008-07-30 | 北京大学 | 一种动作仿真控制方法及其系统 |
| US20100240454A1 (en) * | 2009-03-14 | 2010-09-23 | Quan Xiao | Methods and apparatus to provide user a somatosensory experience for thrill seeking jumping like activities |
| CN104353240A (zh) * | 2014-11-27 | 2015-02-18 | 北京师范大学珠海分校 | 基于Kinect的跑步机系统 |
| CN107115675A (zh) * | 2017-05-26 | 2017-09-01 | 合肥充盈信息科技有限公司 | 一种基于Kinect的体育健身游戏系统及实现方法 |
| CN107233730A (zh) * | 2016-08-31 | 2017-10-10 | 浙江玛拉蒂智能家具科技有限公司 | 基于姿态识别控制游戏的智能座椅、智能交互系统及方法 |
-
2019
- 2019-04-30 CN CN201910363808.9A patent/CN110215708A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101229432A (zh) * | 2007-10-26 | 2008-07-30 | 北京大学 | 一种动作仿真控制方法及其系统 |
| US20100240454A1 (en) * | 2009-03-14 | 2010-09-23 | Quan Xiao | Methods and apparatus to provide user a somatosensory experience for thrill seeking jumping like activities |
| CN104353240A (zh) * | 2014-11-27 | 2015-02-18 | 北京师范大学珠海分校 | 基于Kinect的跑步机系统 |
| CN107233730A (zh) * | 2016-08-31 | 2017-10-10 | 浙江玛拉蒂智能家具科技有限公司 | 基于姿态识别控制游戏的智能座椅、智能交互系统及方法 |
| CN107115675A (zh) * | 2017-05-26 | 2017-09-01 | 合肥充盈信息科技有限公司 | 一种基于Kinect的体育健身游戏系统及实现方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111318021A (zh) * | 2020-02-24 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 虚拟对象控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8113991B2 (en) | Method and system for interactive fitness training program | |
| CN109499068B (zh) | 对象的控制方法和装置、存储介质、电子装置 | |
| CN108635853B (zh) | 对象的控制方法和装置、存储介质、电子装置 | |
| CN102301315B (zh) | 姿势识别器系统架构 | |
| KR101643020B1 (ko) | 애니메이션을 체이닝하는 방법 및 애니메이션 블렌딩 장치 | |
| US20100322111A1 (en) | Methods and systems for realizing interaction between video input and virtual network scene | |
| CN105229666A (zh) | 3d图像中的运动分析 | |
| JP7232341B2 (ja) | 情報の表示方法、装置、電子機器及びコンピュータプログラム | |
| CN109499059A (zh) | 对象的渲染方法和装置、存储介质、电子装置 | |
| CN111841018B (zh) | 模型训练方法、模型使用方法、计算机设备及存储介质 | |
| CN107341351A (zh) | 智能健身方法、装置及系统 | |
| US11529560B2 (en) | Method and apparatus for controlling virtual race car, storage medium, and device | |
| JP6577673B2 (ja) | ゲームプログラム、及びゲームプログラム制御方法 | |
| CN108421255A (zh) | 场景图像的展示方法和装置、存储介质、电子装置 | |
| CN108905095B (zh) | 运动员比赛状态评估方法和设备 | |
| CN111191542B (zh) | 虚拟场景中的异常动作识别方法、装置、介质及电子设备 | |
| CN110215708A (zh) | 游戏角色的控制方法、装置以及移动终端 | |
| CN113559516B (zh) | 虚拟角色的控制方法和装置、存储介质及电子设备 | |
| CN112742031B (zh) | 模型训练方法、游戏测试方法、ai角色训练方法及装置 | |
| KR101962269B1 (ko) | 게임 평가 장치 및 방법 | |
| CN107133561A (zh) | 事件处理方法和装置 | |
| Burelli et al. | Non-invasive player experience estimation from body motion and game context | |
| JP2005319191A (ja) | ゲームシステム、プログラム、情報記憶媒体および画像生成方法 | |
| Sasaki et al. | Exemposer: Predicting poses of experts as examples for beginners in climbing using a neural network | |
| KR102401955B1 (ko) | Fsm 특성을 활용한 ar 스포츠 게임 콘텐츠 제공시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |