CN111068323B - 智能速度检测方法、装置、计算机设备及存储介质 - Google Patents
智能速度检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111068323B CN111068323B CN201911328183.9A CN201911328183A CN111068323B CN 111068323 B CN111068323 B CN 111068323B CN 201911328183 A CN201911328183 A CN 201911328183A CN 111068323 B CN111068323 B CN 111068323B
- Authority
- CN
- China
- Prior art keywords
- image
- feature point
- target
- pair
- feature
- 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.)
- Active
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
- A63F13/75—Enforcing rules, e.g. detecting foul play or generating lists of cheating players
-
- 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
- A63F13/57—Simulating properties, behaviour or motion of objects in the game world, e.g. computing tyre load in a car race game
-
- 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
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
-
- 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
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
- A63F2300/55—Details of game data or player data management
- A63F2300/5586—Details of game data or player data management for enforcing rights or rules, e.g. to prevent foul play
-
- 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
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/60—Methods for processing data by generating or executing the game program
- A63F2300/64—Methods for processing data by generating or executing the game program for computing dynamical parameters of game objects, e.g. motion determination or computation of frictional forces for a virtual car
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供了一种基于游戏图像的智能速度检测方法、装置、计算机设备及存储介质,属于计算机技术领域。方法包括:从第一图像和第二图像中获取至少一对特征点对,第一图像和第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心;根据至少一对特征点对中的任一特征点对,将第一图像和第二图像进行重叠比对,将图像重叠区域达到目标条件的特征点对作为目标特征点对;根据目标特征点对中特征点之间的距离与目标时长,确定目标虚拟对象的移动速度。不需要实时记录虚拟对象的坐标,基于计算机视觉技术对间隔目标时长的游戏图像进行处理,即可确定目标虚拟对象的移动速度,从而不需要占用大量的检测资源,即可实现速度的检测。
Description
技术领域
本申请涉及计算机视觉技术领域,特别涉及一种基于游戏图像的智能速度检测方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的飞速发展,各种各样的游戏程序层出不穷,用户可以通过互联网与其他用户共同进行游戏。然而,有些恶意用户为了取得游戏的胜利,可能会使用一些第三方的软件来修改游戏数据,以达到作弊的目的。例如,通过修改用户控制的虚拟对象的移动速度,使该用户控制的虚拟对象的移动速度超过游戏的限制,从而其他用户不会轻易的淘汰该用户。这种作弊方式极大的破坏了其他用户的游戏体验。
相关技术中,通常是通过实时记录虚拟对象在虚拟场景中移动的距离来确定虚拟对象的移动速度。例如,通过虚拟对象在一定时间段内的对应坐标的变化,来确定虚拟对象移动的距离,从而确定该虚拟对象在该时间段内的平均速度。
然而,作弊的用户不会一直进行作弊,而是时而作弊,时而正常游戏,这就使得实时记录的数据包含大量的正常数据,从而导致占用大量的检测资源。
发明内容
本申请实施例提供了一种基于游戏图像的智能速度检测方法、装置、计算机设备及存储介质,不需要实时记录虚拟对象的坐标,在需要进行检测时,基于间隔的目标时长即可确定目标虚拟对象的移动速度,从而不需要占用大量的检测资源,即可实现速度的检测。所述技术方案如下:
一方面,提供了一种基于游戏图像的智能速度检测方法,包括:
从第一图像和第二图像中获取至少一对特征点对,所述第一图像和所述第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心,任一对特征点对包括所述第一图像中的第一特征点和所述第二图像中的第二特征点;
根据所述至少一对特征点对中的任一特征点对,将所述第一图像和所述第二图像进行重叠比对,将图像重叠区域达到目标条件的特征点对作为目标特征点对;
根据所述目标特征点对中特征点之间的距离与所述目标时长,确定所述目标虚拟对象的移动速度。
另一方面,提供了一种基于游戏图像的智能速度检测装置,包括:
获取模块,用于从第一图像和第二图像中获取至少一对特征点对,所述第一图像和所述第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心,任一对特征点对包括所述第一图像中的第一特征点和所述第二图像中的第二特征点;
比对模块,用于根据所述至少一对特征点对中的任一特征点对,将所述第一图像和所述第二图像进行重叠比对,将图像重叠区域达到目标条件的特征点对作为目标特征点对;
确定模块,用于根据所述目标特征点对中特征点之间的距离与所述目标时长,确定所述目标虚拟对象的移动速度。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器用于存储至少一段程序代码,所述至少一段程序代码由所述处理器加载并执行以实现本申请实施例中的基于游戏图像的智能速度检测方法中所执行的操作。
另一方面,提供了一种存储介质,所述存储介质中存储有至少一段程序代码,所述至少一段程序代码用于被处理器执行并实现本申请实施例中的基于游戏图像的智能速度检测方法。
本申请实施例提供的技术方案带来的有益效果是:
在本申请实施例中,不需要实时记录虚拟对象的坐标,在需要进行检测时,通过将间隔目标时长的两个图像进行重叠比对,确定图像重叠区域达到目标条件时对应的目标特征点对,即确定在两张图像中指示同一位置的目标特征点对,将该特征点对之间的距离近似作为目标虚拟对象移动的距离,从而基于间隔的目标时长即可确定目标虚拟对象的移动速度,从而不需要占用大量的检测资源,即可实现速度的检测。
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申请的一些实施例,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是本申请实施例提供的一种游戏程序服务系统的结构框图;
图2是本申请实施例提供的一种基于游戏图像的智能速度检测方法的流程图;
图3是本申请实施例提供的一种游戏图像的示意图;
图4是本申请实施例提供的一种特征点的示意图;
图5是本申请实施例提供的一种确定目标特征点对的示意图;
图6是本申请实施例提供的一种基于游戏图像的智能速度检测装置的框图;
图7是本申请实施例提供的一种服务器的结构示意图;
图8是本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分,应理解,“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系,也不对数量和执行顺序进行限定。
为了便于理解本申请实施例的技术过程,下面对本申请实施例所涉及的一些名词进行解释:
外挂:是指通过修改游戏数据而为用户谋取利益的作弊程序或软件。例如,对用户控制的虚拟对象的移动速度进行修改的加速外挂,该加速外挂可以使用户控制的虚拟对象以超出限制的速度进行移动。
下面简单介绍一下本申请实施例可能用到的技术:
计算机视觉技术(Computer Vision,CV),是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和计算机代替人眼对目标进行识别和测量等机器视觉,并进一步做图形处理,使计算机设备处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实与地图构建等技术。本申请实施例主要涉及图像处理、图像识别以及视频处理等。
本申请实施例主要涉及对虚拟对象的移动速度进行检测的场景。例如,以FPS(First-Person Shooting Game,第一人称射击类游戏)游戏为例。用户在游玩FPS游戏时,可以控制虚拟对象与其他用户控制的虚拟对象进行对抗式交互。在FPS游戏中,虚拟对象的移动速度相对固定,如走动的移动速度为每秒1米,跑动的移动速度为每秒2米,爬行的移动速度为每秒0.3米,用户可以根据虚拟对象的移动速度对其他用户控制的虚拟对象进行动作预判,来进行对抗式交互。正是因为各虚拟角色的移动速度等属性均一致,使得FPS游戏具有较强的竞技性,从而广受用户的喜爱。
下面介绍一下外挂对FPS游戏的影响。FPS游戏中最常见的外挂就是加速外挂,顾名思义加速外挂即是改变虚拟对象的移动速度的外挂。在FPS游戏中,我们知道在对其他用户控制的虚拟对象进行射击时,被射击的虚拟对象的移动速度越快,则越是难以被击中。作弊用户通过加速外挂,可以将虚拟对象的移动速度修改到超出限制的数值,如每秒50米,甚至每秒100米等,从而通过快速的移动来避免被其他用户攻击到。当然通过加速外挂,作弊用户还可以实施抢占资源、快速赶路等其他破坏游戏平衡的行为。
为了针对作弊用户,避免由于作弊用户的存在破坏其他用户的游戏体验,通过本申请实施例提供的基于游戏图像的智能速度检测方法,该方法通过计算机视觉技术对游戏图像进行处理,从而可以检测虚拟对象在虚拟场景中的移动速度。例如,当用户发现移动速度异常的目标虚拟对象时,可以通过用户终端生成举报信息,以对该目标虚拟对象进行举报。服务器在接收到该举报信息后,可以获取该举报信息对应的视频片段。从该视频片段中获取间隔目标时长的第一图像和第二图像,基于计算机视觉技术对该第一图像和第二图像进行重叠比对,来确定该目标虚拟对象的移动速度。进而可以确定该目标虚拟对象对应的用户是否为作弊用户,即是否使用了外挂。
图1是本申请实施例提供的一种游戏程序服务系统100的结构框图,该程序服务系统100可以用于实现虚拟对象的速度检测,包括:终端110和游戏程序服务平台140。
终端110可以通过无线网络或有线网络与游戏程序服务平台140相连。终端110可以是智能手机、台式计算机、平板电脑、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机中的至少一种。终端110安装和运行有游戏程序。示意性的,终端110可以是用户使用的终端,终端运行的游戏程序内登录有该用户的账号。
游戏程序服务平台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。游戏程序服务平台140用于提供游戏程序的后台服务,如用户管理、外挂检测等。可选地,应用服务平台140承担主要检测工作,终端110承担次要检测工作;或者,应用服务平台140承担次要检测工作,终端110承担主要检测工作;或者,应用服务平台140或终端110分别可以单独承担检测工作。
可选的,游戏程序服务平台140包括:接入服务器、速度检测服务器和数据库。接入服务器用于提供终端110的接入服务。速度检测服务器用于对虚拟对象的移动速度进行检测等。速度检测服务器可以是一台或多台,当速度检测服务器是多台时,存在至少两台速度检测服务器用于提供不同的服务,和/或,存在至少两台速度检测服务器用于提供相同的服务,比如以负载均衡方式提供同一种服务或者以主服务器和镜像服务器的方式提供同一种服务,本申请实施例对此不加以限定。数据库用于存储用户的游戏数据。该游戏数据为用户已授权采集的数据信息。
终端110可以泛指多个终端中的一个,本实施例仅以终端110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,此时上述游戏程序服务系统还包括其他终端。本申请实施例对终端的数量和类型不加以限定。
图2是本申请实施例提供的一种基于游戏图像的智能速度检测方法的流程图,如图2所示。该基于游戏图像的智能速度检测方法包括以下步骤:
201、计算机设备从待检测的视频片段中获取第一图像和第二图像,第一图像和第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心。
在本申请实施例中,该计算机设备可以为用户正在使用的终端,也可以为提供速度检测服务的服务器,本申请实施例以该计算机设备为服务器为例进行说明。
用户在通过用户终端进行游戏时,如果发现其他用户可能存在作弊行为,如使用加速外挂等,用户可以通过用户终端向计算机设备提交举报信息,该举报信息可以包括被举报的用户所控制的虚拟对象的对象标识以及举报时刻。计算机设备接收到该举报信息后,可以根据该举报信息中的对象标识,将该目标对象标识指示的虚拟对象确定为目标虚拟对象,根据举报信息中的举报时刻,获取待检测的视频片段。该待检测的视频片段可以为以该举报时刻为起始时刻,以预设的截取时长为视频时长的视频片段;该待检测的视频片段还可以为以该举报时刻为结束时刻,以预设的截取时长为视频时长的视频片段;该待检测的视频片段还可以为以该举报时刻为中间时刻,以预设的截取时长为视频时长的视频片段。该截取时长可以为1分钟、3分钟、5分钟等。
在一种可选的实现方式中,上述第一图像和第二图像可以为视频图像中的目标区域。相应的,计算机设备可以从待检测的视频片段中获取第三图像和第四图像,从该第三图像和该第四图像的目标区域分别获取该第一图像和该第二图像。其中,该第三图像和第四图像之间间隔目标时长,该目标时长可以用帧数来表示,例如1秒相当于60帧。该目标区域可以为游戏图像中的小地图区域,该小地图区域的位置通常不会改变,且小地图所指示的方向固定,不会随着虚拟对象移动的方向而发生变化。
例如,第三图像和第四图像为间隔30帧,也即间隔0.5秒的两个游戏图像,该第一图像和第二图像分别为第三图像和第四图像右上角显示小地图的区域。例如参见图3所示,图3示例性的示出了一种游戏图像的示意图。该游戏图像显示有正在路上爬行的目标虚拟对象,该游戏图像的右上角目标区域301中显示有小地图,该小地图中显示有目标虚拟对象所在的位置。
需要说明的是,计算机设备在获取上述待检测的视频片段后,可以每间隔目标时长获取一个图像,将相邻获取的图像作为一对图像对,得到多对图像对,然后根据本申请实施例提供的基于游戏图像的智能速度检测方法,对该多对图像对进行处理,确定目标虚拟对象的多个移动速度。本申请实施例以其中的任一对图像对即第三图像和第四图像为例进行说明。
202、计算机设备从第一图像和第二图像中获取至少一对特征点对,任一对特征点对中包括第一图像中的第一特征点和第二图像中的第二特征点。
在本申请实施例中,计算机设备可以基于计算机视觉技术对第一图像进行特征提取,得到至少一个第一特征点,可以对第二图像进行特征提取,得到至少一个第二特点,将上述至少一个第一特征点与至少一个第二特征点进行匹配,得到至少一对特征点对。其中,图像中的特征点可以为比周围像素点亮度高或者亮度低的像素点,如房屋的边角、道路的转折点等。计算机设备可以基于SURF(Speeded Up Robust Features,加速稳健特征)算法、SIFT(Scale-invariant feature transform,尺度不变特征变换)算法、角点检测算法等,分别从第一图像和第二图像中提取多个特征点。需要说明的是,本申请实施例对采用哪种方式获取特征点不作限定。
例如,参见图4所示,图4是本申请实施例提供的一种特征点的示意图,该第一图像401中包括第一特征点KP11和第一特征点KP21,该第二图像402中,包括第二特征点KP12和第二特征点KP22。
在一种可选的实现方式中,计算机设备可以将互为距离最近的特征点作为一对特征点对。相应的,计算机设备将至少一个第一特征点与至少一个第二特征点进行匹配,得到至少一个特征点对的步骤可以为:计算机设备对于至少一个第一特征点中的任一第一特征点,可以从至少一个第二特征点中获取与该第一特征点距离最近的第二特征点。计算机设备对于至少一个第二特征点中的任一第二特征点,从至少一个第一特征点中获取与该第二特征点距离最近的第一特征点。计算机设备可以将互为距离最近的第一特征点和第二特征点作为一对特征点对。其中,计算机设备可以通过L1范式或者L2范式来计算特征点之间的距离。本申请实施例对采用哪种距离计算方法不作限定。计算机设备还可以通过向量相似度来获取特征点对。
例如,以图4中示出的特征点为例,计算机设备可以分别计算第一特征点KP11和第二特征点KP12、第二特征点KP22之间的距离,分别计算第一特征点KP21和第二特征点KP12、第二特征点KP22之间的距离。由于第一特征点KP11与第二特征点KP12之间的距离小于与第二特征点KP22之间的距离,则与第一特征点KP11距离最近的第二特征点为第二特征点KP12;由于第一特征点KP21与第二特征点KP22之间的距离小于与第二特征点KP12之间的距离,则与第一特征点KP21距离最近的第二特征点为第二特征点KP22;由于第二特征点KP12与第一特征点KP11之间的距离小于与第一特征点KP21之间的距离,则与第二特征点KP12距离最近的第一特征点为第一特征点KP11;由于第二特征点KP22与第一特征点KP21之间的距离小于与第一特征点KP11之间的距离,则与第二特征点KP22距离最近的第以特征点为第一特征点KP21。因此,第一特征点KP11和第二特征点KP12互为距离最近的特征点,计算机设备可以将特征点KP11与特征点KP12组成一对特征对;第一特征点KP21和第二特征点KP22互为距离最近的特征点,计算机设备可以将第一特征点KP21与第二特征点KP22组成一对特征对。
203、计算机设备根据至少一对特征点对中的任一特征点对,将第一图像和第二图像进行重叠比对,将图像重叠区域达到目标条件的特征点对作为目标特征点对。
在本申请实施例中,计算机设备在得到上述至少一对特征点对之后,对于任一特征点对,计算机设备可以基于计算机视觉技术,根据该特征点对,将第一图像和第二图像进行平移,以使该特征点对重合。如果这两个特征点表示的是同一个位置,则第一图像和第二图像基本重合,图像重叠区域的平均像素差趋于零;如果这两个特征点表示的不是同一位置,则第一图像和第二图像的图像重叠区域的平均像素差较大。
在一种可选的实现方式中,计算机设备可以将图像重叠区域的平均像素差作为选择目标特征点对的条件。相应的,本步骤可以为:计算机设备对于至少一对特征点对中的任一特征点对,可以将第一图像和第二图像按照特征点对进行重叠,获取第一图像和第二图像的图像重叠区域。计算机设备在获取图像重叠区域后,可以对该图像重叠区域中的各像素点的像素差值进行计算,获取该图像重叠区域的平均像素差,将平均像素差最小的特征点对作为目标特征点对。其中,平均像素差用于表示图像重叠区域中各像素点像素值的平均差值。本申请实施例对平均像素差的计算方式不进行限定。
在一种可选的实现方式中,计算机设备可以通过下述公式(1)来计算图像重叠区域的平均像素差。
其中,MeanScore可以表示平均像素差,可以表示第一图像对应的像素值矩阵,可以表示第二图像对应的像素值矩阵,OG可以用于表示第一图像与第二图像的图像重叠区域,p可以表示该图像重叠区域中的任一像素点。
例如,参见图5所示,图5是本申请实施例提供的一种确定目标特征点对的示意图。继续以图4中得到的两对特征点对第一特征点KP21和第二特征点KP22,第一特征点KP21与第二特征点KP22为例进行说明。计算机设备基于第一特征点KP11和第二特征点KP12的坐标值确定第一平移向量(-11,2),该第一平移向量指示第一特征点KP11和第二特征点KP12之间的像素坐标差值,基于该第一平移向量对第一图像401和第二图像402进行平移,实现第一图像401和第二图像402重叠,得到如501所示的图像重叠区域OG1;同理,计算机设备基于第一特征点KP21和第二特征点KP22的坐标值确定第二平移向量(-14,136),该第二平移向量指示第一特征点KP21和第二特征点KP22之间的像素坐标差值,基于该第二平移向量对第一图像401和第二图像402进行平移,实现第一图像401和第二图像402重叠,得到图502所示的图像重叠区域OG2。计算机设备可以基于上述公式(1)对图像重叠区域中各像素点的在第一图像中的像素值与在第二图像中的像素值的差值。对于图像重叠区域OG1,计算机设备计算得到该图像重叠区域OG1的平均像素差=7.07,而对于图像重叠区域OG2,计算机设备计算得到该图像重叠区域OG2的平均像素差
=26.63。由于,则计算机设备将包括第一特征点KP11和第二特征点KP12的特征点对作为目标特征点对。
204、计算机设备根据目标特征点对中特征点之间的距离与目标时长,确定目标虚拟对象的移动速度。
在本申请实施例中,目标特征点对中包括的特征点可以称为第一目标特征点和第二目标特征点。由于第一图像和第二图像中有许多固定的物体,如房子、树木、道路等,这些物体不会随着目标虚拟对象的移动而移动,因此计算机设备可以通过第一图像和第二图像中这些固定的物体的位置变化来表征目标虚拟对象的位置变化。也即通过上述第一目标特征点与第二目标特征点的位置变化来表征目标虚拟对象的位置变化。计算机设备可以将目标特征点对中特征点之间的距离作为目标虚拟对象的移动距离,也即第一目标特征点和第二目标特征点之间的距离作为目标虚拟对象的移动距离。计算机设备可以将该移动距离和目标时长的比值作为目标虚拟对象的移动速度。
例如,继续以图5为例,计算机设备将包括第一特征点KP11和第二特征点KP12的特征点对作为目标特征点对后,可以获取第一特征点KP11和第二特征点KP12对应的第一平移向量,计算机设备基于该第一平移向量,确定第一特征点KP11和第二特征点KP12之间的距离为则计算机可以将该距离作为目标虚拟对象的移动距离,从而计算得到目标虚拟对象的移动速度。
需要说明的是,上述步骤201至步骤204是本申请实施例示出的可选的实现方式,相应的,还有其他方式可以实现,如计算机设备可以不通过目标特征点对中特征点之间的距离来确定目标虚拟对象的移动速度,而是通过多个特征点对取平均值的方式来确定目标虚拟对象的移动距离,从而确定目标虚拟对象的移动速度。
还需要说明的是,计算机设备在确定目标虚拟对象的移动速度之后,还可以将该移动速度与目标速度阈值进行比较,当该移动速度大于目标速度阈值时,计算机设备可以确定该目标虚拟对象对应的用户为作弊用户,如该作弊用户使用了加速外挂,当该移动速度不大于目标速度阈值时,计算机设备可以确定该目标虚拟对象对应的用户未作弊。
在本申请实施例中,不需要实时记录虚拟对象的坐标,在需要进行检测时,通过将间隔目标时长的两个图像进行重叠比对,确定图像重叠区域达到目标条件时对应的目标特征点对,即基于计算机视觉技术确定在两张图像中指示同一位置的目标特征点对,将该特征点对之间的距离近似作为目标虚拟对象移动的距离,从而基于间隔的目标时长即可确定目标虚拟对象的移动速度,从而不需要占用大量的检测资源,即可实现速度的检测。
图6是根据本申请实施例提供的一种基于游戏图像的智能速度检测装置的框图。该装置用于执行上述对基于游戏图像的智能速度检测方法执行时的步骤,参见图6,装置包括:获取模块601、比对模块602和确定模块603。
获取模块601,用于从第一图像和第二图像中获取至少一对特征点对,第一图像和第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心,任一对特征点对包括第一图像中的第一特征点和第二图像中的第二特征点;
比对模块602,用于根据至少一对特征点对中的任一特征点对,将第一图像和第二图像进行重叠比对,将图像重叠区域达到目标条件的特征点对作为目标特征点对;
确定模块603,用于根据目标特征点对中特征点之间的距离与目标时长,确定目标虚拟对象的移动速度。
在一种可选的实现方式中,比对模块602,还用于对于至少一对特征点对中的任一特征点对,将第一图像和第二图像按照特征点对进行重叠,获取第一图像和第二图像的图像重叠区域;获取图像重叠区域的平均像素差,平均像素差用于表示图像重叠区域中各像素点像素值的平均差值;将平均像素差最小的特征点对作为目标特征点对。
在另一种可选的实现方式中,获取模块601,还用于对第一图像进行特征提取,得到至少一个第一特征点;对第二图像进行特征提取,得到至少一个第二特征点;将至少一个第一特征点与至少一个第二特征点进行匹配,得到至少一对特征点对。
在另一种可选的实现方式中,获取模块601,还用于对于至少一个第一特征点中的任一第一特征点,从至少一个第二特征点中获取与第一特征点距离最近的第二特征点;对于至少一个第二特征点中的任一第二特征点,从至少一个第一特征点中获取与第二特征点距离最近的第一特征点;将互为距离最近的第一特征点和第二特征点作为一对特征点对。
在另一种可选的实现方式中,获取模块601,还用于从待检测的视频片段中获取第三图像和第四图像,第三图像和第四图像之间间隔目标时长;
获取模块601,还用于从第三图像和第四图像的目标区域分别获取第一图像和第二图像。
在另一种可选的实现方式中,确定模块603,还用于将目标特征点对中特征点之间的距离作为目标虚拟对象的移动距离;将移动距离和目标时长的比值作为目标虚拟对象的移动速度。
在本申请实施例中,不需要实时记录虚拟对象的坐标,在需要进行检测时,通过将间隔目标时长的两个图像进行重叠比对,确定图像重叠区域达到目标条件时对应的目标特征点对,即基于计算机视觉技术确定在两张图像中指示同一位置的目标特征点对,将该特征点对之间的距离近似作为目标虚拟对象移动的距离,从而基于间隔的目标时长即可确定目标虚拟对象的移动速度,从而不需要占用大量的检测资源,即可实现速度的检测。
需要说明的是:上述实施例提供的装置在运行应用程序时,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,上述实施例提供的装置与方法实施例属于同一构思,其实现过程详见方法实施例,这里不再赘述。
在本申请实施例中,计算机设备可以提供为终端或者服务器,当提供为终端时,可以由该终端实现上述的基于游戏图像的智能速度检测方法所执行的操作,当提供为服务器时,可以通过该服务器和终端的交互来实现上述基于游戏图像的智能速度检测方法所执行的操作,也可以由服务器单独实现上述基于游戏图像的智能速度检测方法所执行的操作。
图7是本申请实施例提供的一种服务器700的结构示意图。该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central ProcessingUnits,CPU)701和一个或一个以上的存储器702,其中,所述存储器702中存储有至少一条指令,所述至少一条指令由所述处理器701加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
图8是本申请实施例提供的一种终端800的结构框图。该终端800可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer 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800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800包括有:处理器801和存储器802。
处理器801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801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801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801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801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802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802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802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801所执行以实现本申请中方法实施例提供的基于游戏图像的智能速度检测方法。
在一些实施例中,终端800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803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803相连。具体地,外围设备包括:射频电路804、显示屏805、摄像头组件806、音频电路807和电源809中的至少一种。
外围设备接口803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801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803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801、存储器802和外围设备接口803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804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804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804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804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804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804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805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805是触摸显示屏时,显示屏805还具有采集在显示屏805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801进行处理。此时,显示屏805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805可以为一个,设置终端800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在终端800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在终端800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(LiquidCrystal 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806用于采集图像或视频。可选地,摄像头组件806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806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807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801进行处理,或者输入至射频电路804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800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801或射频电路804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807还可以包括耳机插孔。
电源809用于为终端800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809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800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811、陀螺仪传感器812、压力传感器813、光学传感器815以及接近传感器816。
加速度传感器811可以检测以终端800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811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制显示屏805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811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812可以检测终端800的机体方向及转动角度,陀螺仪传感器812可以与加速度传感器811协同采集用户对终端800的3D动作。处理器801根据陀螺仪传感器812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813可以设置在终端800的侧边框和/或显示屏805的下层。当压力传感器813设置在终端800的侧边框时,可以检测用户对终端800的握持信号,由处理器801根据压力传感器813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813设置在显示屏805的下层时,由处理器801根据用户对显示屏805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。
光学传感器815用于采集环境光强度。在一个实施例中,处理器801可以根据光学传感器815采集的环境光强度,控制显示屏805的显示亮度。具体地,当环境光强度较高时,调高显示屏805的显示亮度;当环境光强度较低时,调低显示屏805的显示亮度。在另一个实施例中,处理器801还可以根据光学传感器815采集的环境光强度,动态调整摄像头组件806的拍摄参数。
接近传感器816,也称距离传感器,通常设置在终端800的前面板。接近传感器816用于采集用户与终端800的正面之间的距离。在一个实施例中,当接近传感器816检测到用户与终端800的正面之间的距离逐渐变小时,由处理器801控制显示屏805从亮屏状态切换为息屏状态;当接近传感器816检测到用户与终端800的正面之间的距离逐渐变大时,由处理器801控制显示屏805从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800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。
本申请实施例还提供了一种存储介质,该存储介质应用于计算机设备,该存储介质中存储有至少一条程序代码,该至少一条程序代码用于被处理器执行并实现本申请实施例中的基于游戏图像的智能速度检测方法。
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,程序可以存储于一种存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种基于游戏图像的智能速度检测方法,其特征在于,所述方法包括:
从第一图像和第二图像中获取至少一对特征点对,所述第一图像和所述第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心,任一对特征点对包括所述第一图像中的第一特征点和所述第二图像中的第二特征点,所述特征点对包括互为距离最近的两个特征点;
对于所述至少一对特征点对中的任一特征点对,将所述第一图像和所述第二图像按照所述特征点对进行重叠,获取所述第一图像和所述第二图像的图像重叠区域;
获取所述图像重叠区域的平均像素差,所述平均像素差用于表示所述图像重叠区域中各像素点像素值的平均差值;
将平均像素差最小的特征点对作为目标特征点对;
根据所述目标特征点对中特征点之间的距离与所述目标时长,确定所述目标虚拟对象的移动速度。
2.根据权利要求1所述的方法,其特征在于,所述从第一图像和第二图像中获取至少一对特征点对,包括:
对所述第一图像进行特征提取,得到至少一个第一特征点;
对所述第二图像进行特征提取,得到至少一个第二特征点;
将所述至少一个第一特征点与所述至少一个第二特征点进行匹配,得到至少一对特征点对。
3.根据权利要求2所述的方法,其特征在于,所述将所述至少一个第一特征点与所述至少一个第二特征点进行匹配,得到至少一对特征点对,包括:
对于所述至少一个第一特征点中的任一第一特征点,从所述至少一个第二特征点中获取与所述第一特征点距离最近的第二特征点;
对于所述至少一个第二特征点中的任一第二特征点,从所述至少一个第一特征点中获取与所述第二特征点距离最近的第一特征点;
将互为距离最近的第一特征点和第二特征点作为一对特征点对。
4.根据权利要求1所述的方法,其特征在于,所述从第一图像和第二图像中获取至少一对特征点对之前,所述方法还包括:
从待检测的视频片段中获取第三图像和第四图像,所述第三图像和所述第四图像之间间隔所述目标时长;
从所述第三图像和所述第四图像的目标区域分别获取所述第一图像和所述第二图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标特征点对中特征点之间的距离与所述目标时长,确定所述目标虚拟对象的移动速度,包括:
将所述目标特征点对中特征点之间的距离作为所述目标虚拟对象的移动距离;
将所述移动距离和所述目标时长的比值作为所述目标虚拟对象的移动速度。
6.一种基于游戏图像的智能速度检测装置,其特征在于,所述装置包括:
获取模块,用于从第一图像和第二图像中获取至少一对特征点对,所述第一图像和所述第二图像之间间隔目标时长且均以目标虚拟对象所在的位置为中心,任一对特征点对包括所述第一图像中的第一特征点和所述第二图像中的第二特征点,所述特征点对包括互为距离最近的两个特征点;
比对模块,用于对于所述至少一对特征点对中的任一特征点对,将所述第一图像和所述第二图像按照所述特征点对进行重叠,获取所述第一图像和所述第二图像的图像重叠区域;获取所述图像重叠区域的平均像素差,所述平均像素差用于表示所述图像重叠区域中各像素点像素值的平均差值;将平均像素差最小的特征点对作为目标特征点对;
确定模块,用于根据所述目标特征点对中特征点之间的距离与所述目标时长,确定所述目标虚拟对象的移动速度。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,用于对所述第一图像进行特征提取,得到至少一个第一特征点;对所述第二图像进行特征提取,得到至少一个第二特征点;将所述至少一个第一特征点与所述至少一个第二特征点进行匹配,得到至少一对特征点对。
8.根据权利要求7所述的装置,其特征在于,所述获取模块,用于对于所述至少一个第一特征点中的任一第一特征点,从所述至少一个第二特征点中获取与所述第一特征点距离最近的第二特征点;对于所述至少一个第二特征点中的任一第二特征点,从所述至少一个第一特征点中获取与所述第二特征点距离最近的第一特征点;将互为距离最近的第一特征点和第二特征点作为一对特征点对。
9.根据权利要求6所述的装置,其特征在于,所述获取模块,还用于从待检测的视频片段中获取第三图像和第四图像,所述第三图像和所述第四图像之间间隔所述目标时长;从所述第三图像和所述第四图像的目标区域分别获取所述第一图像和所述第二图像。
10.根据权利要求6所述的装置,其特征在于,所述确定模块,还用于将所述目标特征点对中特征点之间的距离作为所述目标虚拟对象的移动距离;将所述移动距离和所述目标时长的比值作为所述目标虚拟对象的移动速度。
11.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器用于存储至少一段程序代码,所述至少一段程序代码由所述处理器加载并执行权利要求1至5任一权利要求所述的基于游戏图像的智能速度检测方法。
12.一种存储介质,其特征在于,所述存储介质用于存储至少一段程序代码,所述至少一段程序代码用于被处理器执行并实现如权利要求1至5任一权利要求所述的基于游戏图像的智能速度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911328183.9A CN111068323B (zh) | 2019-12-20 | 2019-12-20 | 智能速度检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911328183.9A CN111068323B (zh) | 2019-12-20 | 2019-12-20 | 智能速度检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111068323A CN111068323A (zh) | 2020-04-28 |
CN111068323B true CN111068323B (zh) | 2023-08-22 |
Family
ID=70316371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911328183.9A Active CN111068323B (zh) | 2019-12-20 | 2019-12-20 | 智能速度检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111068323B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001949B (zh) * | 2020-08-13 | 2023-12-05 | 地平线(上海)人工智能技术有限公司 | 确定目标点移动速度的方法、装置、可读存储介质及设备 |
CN111921199B (zh) * | 2020-08-25 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 虚拟对象的状态检测方法、装置、终端及存储介质 |
AU2021240274A1 (en) * | 2021-09-13 | 2023-03-30 | Sensetime International Pte. Ltd. | Methods, apparatuses, devices, systems and storage media for detecting game items |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050818A (zh) * | 2014-06-30 | 2014-09-17 | 武汉烽火众智数字技术有限责任公司 | 基于目标跟踪和特征点匹配的运动车辆测速方法 |
CN109919126A (zh) * | 2019-03-19 | 2019-06-21 | 北京鑫洋泉电子科技有限公司 | 一种移动物体探测方法、装置及存储介质 |
CN110097576A (zh) * | 2019-04-29 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 图像特征点的运动信息确定方法、任务执行方法和设备 |
CN110223322A (zh) * | 2019-05-31 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6197388B2 (ja) * | 2013-06-11 | 2017-09-20 | 富士通株式会社 | 距離測定装置、距離測定方法、およびプログラム |
-
2019
- 2019-12-20 CN CN201911328183.9A patent/CN111068323B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050818A (zh) * | 2014-06-30 | 2014-09-17 | 武汉烽火众智数字技术有限责任公司 | 基于目标跟踪和特征点匹配的运动车辆测速方法 |
CN109919126A (zh) * | 2019-03-19 | 2019-06-21 | 北京鑫洋泉电子科技有限公司 | 一种移动物体探测方法、装置及存储介质 |
CN110097576A (zh) * | 2019-04-29 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 图像特征点的运动信息确定方法、任务执行方法和设备 |
CN110223322A (zh) * | 2019-05-31 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111068323A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11244170B2 (en) | Scene segmentation method and device, and storage medium | |
CN110807361B (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
CN110222789B (zh) | 图像识别方法及存储介质 | |
CN110675412B (zh) | 图像分割方法、图像分割模型的训练方法、装置及设备 | |
CN111068323B (zh) | 智能速度检测方法、装置、计算机设备及存储介质 | |
CN112287852B (zh) | 人脸图像的处理方法、显示方法、装置及设备 | |
CN111489378A (zh) | 视频帧特征提取方法、装置、计算机设备及存储介质 | |
CN112581358B (zh) | 图像处理模型的训练方法、图像处理方法及装置 | |
CN110290426B (zh) | 展示资源的方法、装置、设备及存储介质 | |
CN110837858B (zh) | 网络模型训练方法、装置、计算机设备及存储介质 | |
CN112084811A (zh) | 身份信息的确定方法、装置及存储介质 | |
US20230072762A1 (en) | Method and apparatus for displaying position mark, device, and storage medium | |
CN111178343A (zh) | 基于人工智能的多媒体资源检测方法、装置、设备及介质 | |
CN111569435A (zh) | 排行榜生成方法、系统、服务器及存储介质 | |
CN111586444B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN113032590B (zh) | 特效展示方法、装置、计算机设备及计算机可读存储介质 | |
CN112306332B (zh) | 确定选中目标的方法、装置、设备及存储介质 | |
CN112023403B (zh) | 基于图文信息的对战过程展示方法及装置 | |
CN110135329B (zh) | 从视频中提取姿势的方法、装置、设备及存储介质 | |
CN112957732B (zh) | 搜索方法、装置、终端及存储介质 | |
CN112188268B (zh) | 虚拟场景展示方法、虚拟场景的介绍视频生成方法及装置 | |
CN113633970A (zh) | 动作效果的显示方法、装置、设备及介质 | |
CN112950535A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN112489006A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN110928913A (zh) | 用户显示方法、装置、计算机设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022131 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |