CN111744187B - 一种游戏数据处理方法、装置、计算机及可读存储介质 - Google Patents

一种游戏数据处理方法、装置、计算机及可读存储介质 Download PDF

Info

Publication number
CN111744187B
CN111744187B CN202010798048.7A CN202010798048A CN111744187B CN 111744187 B CN111744187 B CN 111744187B CN 202010798048 A CN202010798048 A CN 202010798048A CN 111744187 B CN111744187 B CN 111744187B
Authority
CN
China
Prior art keywords
game
frame
character
role
determining
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
Application number
CN202010798048.7A
Other languages
English (en)
Other versions
CN111744187A (zh
Inventor
赵菁
严明
周洪斌
张蓓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010798048.7A priority Critical patent/CN111744187B/zh
Publication of CN111744187A publication Critical patent/CN111744187A/zh
Application granted granted Critical
Publication of CN111744187B publication Critical patent/CN111744187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
    • 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
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • 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
    • A63F13/837—Shooting of targets
    • 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
    • A63F2300/80—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 specially adapted for executing a specific type of game
    • A63F2300/8076—Shooting

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种游戏数据处理方法、装置、计算机及可读存储介质，可以使用人工智能领域的机器学习技术，该方法包括：获取游戏帧图像，确定游戏帧图像中的第一角色预测边框，将第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色；根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签；将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色，对目标游戏虚拟角色执行游戏互动操作。采用本申请，可以提高游戏人工智能的通用性及实现效率。

Description

一种游戏数据处理方法、装置、计算机及可读存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种游戏数据处理方法、装置、计算机及可读存储介质。
背景技术
随着互联网的发展，以及人们娱乐生活的丰富，出现了越来越多的线上游戏。其中，根据加载平台的不同，线上游戏可以划分为多个类型，如网游、手游或页游等；根据游戏玩法的不同，线上游戏也可以划分为多个类型，如射击类游戏、角色扮演类游戏或策略类游戏等。而针对该射击类游戏，一般会通过射击人工智能(Artificial Intelligence，AI)对该射击类游戏进行性能检测。目前，该射击AI一般是基于游戏底层信息实现，例如，调用底层游戏接口，获取地图游戏角色的各种信息来实现射击AI。由于该方法涉及游戏底层的调用，技术实现的要求较高，再加上不同游戏所使用的游戏引擎不一定相同，同一类或同一个游戏功能的实现逻辑和使用方法也不尽相同，导致了该射击AI的实现方法的针对性较强，通用性较差，而且游戏底层的调用，往往需要较高的开发权限，由于该开发权限受限，可能导致游戏角色信息的获取不完整，降低了射击AI的实现效率。
发明内容
本申请实施例提供了一种游戏数据处理方法、装置、计算机及可读存储介质，可以提高游戏人工智能的通用性，提高游戏人工智能的实现效率。
本申请实施例一方面提供了一种游戏数据处理方法，该方法包括：
获取游戏帧图像，确定游戏帧图像中的第一角色预测边框，将第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色；
根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签；
将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色；
对目标游戏虚拟角色执行游戏互动操作。
其中，根据第一角色预测边框确定游戏虚拟角色的角色标记区域，包括：
获取位置偏移信息，位置偏移信息包括偏移方向、偏移距离及标记区域尺寸；
将位于第一角色预测边框的偏移方向，且与第一角色预测边框之间的距离为偏移距离的像素点，确定为角色标记中心点；
以角色标记中心点为中心，将尺寸为标记区域尺寸的区域确定为游戏虚拟角色的角色标记区域。
其中，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签，包括：
获取游戏帧图像所属的目标游戏，获取目标游戏对应的标签识别组件，基于标签识别组件识别游戏虚拟角色对应的阵营特征数据；
根据阵营特征数据确定游戏虚拟角色所属的角色类别标签；该角色类别标签用于指示游戏虚拟角色所属的阵营集合。
其中，从待确定游戏虚拟角色中获取目标游戏虚拟角色，包括：
若待确定游戏虚拟角色的数量为至少两个，则获取待确定游戏虚拟角色的第一角色预测边框，获取第一角色预测边框的边框位置及本地终端的视野中心点；
根据边框位置及视野中心点，确定待确定游戏虚拟角色与视野中心点间的触发距离，将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色。
其中，将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色，包括：
获取触发距离最小的待确定游戏虚拟角色，作为待触发游戏虚拟角色；
若待触发游戏虚拟角色包括至少两个游戏虚拟角色，则获取待触发游戏虚拟角色的第一角色预测边框，将第一角色预测边框对应的边框面积最大的待触发游戏虚拟角色，确定为目标游戏虚拟角色。
其中，对目标游戏虚拟角色执行游戏互动操作，包括：
根据目标游戏虚拟角色的第一角色预测边框，确定目标游戏虚拟角色的触发位置；
调用视野调整组件，将视野中心点移动至目标游戏虚拟角色的触发位置；
调用角色触发组件，基于触发位置对目标游戏虚拟角色执行游戏互动操作。
其中，确定游戏帧图像中的第一角色预测边框，包括：
将游戏帧图像输入游戏对象识别模型，基于游戏对象识别模型的卷积层提取游戏帧图像的图像特征，根据图像特征确定游戏帧图像中的第一角色预测边框；
该方法还包括：
获取游戏帧图像样本及游戏帧图像样本中的角色标注边框；
将游戏帧图像样本输入初始对象识别模型进行训练，得到游戏帧图像样本对应的第二角色预测边框；
获取第二角色预测边框与角色标注边框之间的边框差异信息，基于边框差异信息对初始对象识别模型进行调整，生成游戏对象识别模型。
其中，该边框差异信息包括位置差异信息；
获取第二角色预测边框与角色标注边框之间的边框差异信息，包括：
获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
根据预测边框位置信息确定第二角色预测边框的预测触发位置，根据标注边框位置信息确定角色标注边框的标注触发位置；
根据预测触发位置与标注触发位置之间的位置差异数据，确定第二角色预测边框与角色标注边框之间的位置差异信息，将位置差异信息确定为边框差异信息。
其中，该边框差异信息包括面积差异信息；
获取第二角色预测边框与角色标注边框之间的边框差异信息，包括：
获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
根据预测边框位置信息，确定第二角色预测边框的预测边框面积；根据标注边框位置信息，确定角色标注边框的标注边框面积；
将预测边框面积与标注边框面积的比值，确定为实际面积比值，获取理论面积比值，将实际面积比值与理论面积比值之间的差值，确定为第二角色预测边框与角色标注边框之间的面积差异信息，将面积差异信息确定为边框差异信息。
其中，该边框差异信息包括位置差异信息及面积差异信息；
获取第二角色预测边框与角色标注边框之间的边框差异信息，包括：
获取位置差异信息的第一权重，及面积差异信息的第二权重；
基于第一权重及第二权重，对位置差异信息及面积差异信息进行加权求和，得到第二角色预测边框与角色标注边框之间的边框差异信息。
本申请实施例一方面提供了一种游戏数据处理装置，该装置包括：
角色识别模块，用于获取游戏帧图像，确定游戏帧图像中的第一角色预测边框，将第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色；
标签识别模块，用于根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签；
角色触发模块，用于将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色；
该角色触发模块，还用于对目标游戏虚拟角色执行游戏互动操作。
其中，该标签识别模块，包括：
偏移获取单元，用于获取位置偏移信息，位置偏移信息包括偏移方向、偏移距离及标记区域尺寸；
中心确定单元，用于将位于第一角色预测边框的偏移方向，且与第一角色预测边框之间的距离为偏移距离的像素点，确定为角色标记中心点；
区域确定单元，用于以角色标记中心点为中心，将尺寸为标记区域尺寸的区域确定为游戏虚拟角色的角色标记区域。
其中，该标签识别模块，包括：
标记确定单元，用于获取游戏帧图像所属的目标游戏，获取目标游戏对应的标签识别组件，基于该标签识别组件识别游戏虚拟角色对应的阵营特征数据；
标签识别单元，用于根据该阵营特征数据确定游戏虚拟角色所属的角色类别标签；该角色类别标签用于指示游戏虚拟角色所属的阵营集合。
其中，在从待确定游戏虚拟角色中获取目标游戏虚拟角色方面，角色触发模块包括：
边框获取单元，用于若待确定游戏虚拟角色的数量为至少两个，则获取待确定游戏虚拟角色的第一角色预测边框，获取第一角色预测边框的边框位置及本地终端的视野中心点；
目标确定单元，用于根据边框位置及视野中心点，确定待确定游戏虚拟角色与视野中心点间的触发距离，将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色。
其中，在将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色方面，该目标确定单元包括：
角色获取子单元，用于获取触发距离最小的待确定游戏虚拟角色，作为待触发游戏虚拟角色；
角色确定子单元，用于若待触发游戏虚拟角色包括至少两个游戏虚拟角色，则获取待触发游戏虚拟角色的第一角色预测边框，将第一角色预测边框对应的边框面积最大的待触发游戏虚拟角色，确定为目标游戏虚拟角色。
其中，在对目标游戏虚拟角色执行游戏互动操作方面，该角色触发模块包括：
位置确定单元，用于根据目标游戏虚拟角色的第一角色预测边框，确定目标游戏虚拟角色的触发位置；
视野调整单元，用于调用视野调整组件，将视野中心点移动至目标游戏虚拟角色的触发位置；
角色触发单元，用于调用角色触发组件，基于触发位置对目标游戏虚拟角色执行游戏互动操作。
其中，在确定游戏帧图像中的第一角色预测边框方面，该角色识别模块具体用于：
将游戏帧图像输入游戏对象识别模型，基于游戏对象识别模型的卷积层提取游戏帧图像的图像特征，根据图像特征确定游戏帧图像中的第一角色预测边框；
该装置还包括：
样本获取模块，用于获取游戏帧图像样本及游戏帧图像样本中的角色标注边框；
样本预测模块，用于将游戏帧图像样本输入初始对象识别模型进行训练，得到游戏帧图像样本对应的第二角色预测边框；
模型调整模块，用于获取第二角色预测边框与角色标注边框之间的边框差异信息，基于边框差异信息对初始对象识别模型进行调整，生成游戏对象识别模型。
其中，该边框差异信息包括位置差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块包括：
边框位置获取单元，用于获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
触发位置确定单元，用于根据预测边框位置信息确定第二角色预测边框的预测触发位置，根据标注边框位置信息确定角色标注边框的标注触发位置；
位置差异确定单元，用于根据预测触发位置与标注触发位置之间的位置差异数据，确定第二角色预测边框与角色标注边框之间的位置差异信息，将位置差异信息确定为边框差异信息。
其中，该边框差异信息包括面积差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块包括：
该边框位置获取单元，用于获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
边框面积确定单元，用于根据预测边框位置信息，确定第二角色预测边框的预测边框面积；根据标注边框位置信息，确定角色标注边框的标注边框面积；
面积差异确定单元，用于将预测边框面积与标注边框面积的比值，确定为实际面积比值，获取理论面积比值，将实际面积比值与理论面积比值之间的差值，确定为第二角色预测边框与角色标注边框之间的面积差异信息，将面积差异信息确定为边框差异信息。
其中，该边框差异信息包括位置差异信息及面积差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块包括：
权重获取单元，用于获取位置差异信息的第一权重，及面积差异信息的第二权重；
边框差异确定单元，用于基于第一权重及第二权重，对位置差异信息及面积差异信息进行加权求和，得到第二角色预测边框与角色标注边框之间的边框差异信息。
本申请实施例一方面提供了一种计算机设备，包括处理器、存储器、输入输出接口；
处理器分别与存储器和输入输出接口相连，其中，输入输出接口用于接收数据及输出数据，存储器用于存储程序代码，处理器用于调用程序代码，以执行本申请实施例一方面中的游戏数据处理方法。
本申请实施例一方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行本申请实施例一方面中的游戏数据处理方法。
本申请实施例一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例一方面中的各种可选方式中提供的方法。
实施本申请实施例，将具有如下有益效果：
本申请实施例通过获取游戏帧图像，确定游戏帧图像中的第一角色预测边框，将第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色；根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签；将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色；对目标游戏虚拟角色执行游戏互动操作。以上过程是基于游戏场景中的游戏帧图像及神经网络技术，实现的游戏人工智能，由于该过程不涉及游戏底层接口，使得实现过程较为简单，降低了开发成本，并且该过程中不会涉及太多游戏本身的逻辑实现，直接对游戏帧图像进行识别，获取游戏帧图像中的第一角色预测边框，基于该第一角色预测边框获取游戏虚拟角色及角色类别标签，使得该游戏人工智能的实现过程更为简单，因此，本申请可以提高游戏人工智能的通用性及实现效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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数据处理网络架构图；
图2是本申请实施例提供的一种游戏数据处理的场景示意图；
图3是本申请实施例提供的一种游戏数据处理的方法流程图；
图4a是本申请实施例提供的一种对象识别场景示意图；
图4b是本申请实施例提供的一种角色标记区域确定场景示意图；
图4c是本申请实施例提供的一种目标角色确定场景示意图；
图5是本申请实施例提供的一种标签识别场景示意图；
图6a至图6c是本申请实施例提供的一种触发位置获取场景示意图；
图7是本申请实施例提供的一种角色触发场景示意图；
图8是本申请实施例提供的一种边框预测示意图；
图9是本申请实施例提供的一种游戏性能测试流程图；
图10是本申请实施例提供的一种游戏数据处理装置示意图；
图11是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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作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。
其中，本申请实施例提供的方案涉及人工智能领域中的计算机视觉及深度学习等技术，是为了实现对游戏数据的自动化提取及分析，从而可以识别游戏场景中的游戏对象，并对目标游戏对象进行触发操作，这整个过程可以称为本申请所要实现的游戏AI。
其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。在本申请中，通过机器学习技术，对游戏运行时的游戏画面进行预测，以识别该游戏画面对应的游戏帧图像中的游戏帧图像，对游戏帧图像中所确定的目标游戏虚拟角色进行触发，这整个过程实现了游戏人工智能。在游戏运行或性能检测等场景中，应用该游戏人工智能，以实现对目标游戏虚拟角色的自动识别、自动瞄准及自动射击等，提高了游戏人工智能的运行效率。
其中，人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。而本申请中主要涉及的是计算机视觉技术(如对游戏帧图像的识别处理等)及机器学习/深度学习(如游戏对象识别模型的训练及使用等)等方向。
其中，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，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。如，用计算机设备代替人眼，从游戏中截取游戏画面作为游戏帧图像，并对该游戏帧图像进行识别。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，在本申请中主要是基于计算机视觉技术建立能够从图像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、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
而深度学习(Deep Learning，DL)是机器学习(Machine Learning，ML)领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。通过对携带角色标注边框的游戏帧图像样本进行深度学习，得到该游戏帧图像样本中的游戏虚拟角色的特征，该游戏帧图像样本中所提取的游戏虚拟角色的特征，可以对初始对象识别模型进行训练调整，得到游戏对象识别模型，使得该游戏对象识别模型可以对图像进行识别，得到本申请中所需的游戏虚拟角色，而且还可以根据游戏对象识别模型的识别结果，对游戏对象识别模型进行误差反馈调整，从而使得该游戏对象识别模型可以像人一样具有分析学习能力。其中，深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值，例如，本申请中的游戏领域。
其中，本申请实施例提供的方案涉及人工智能领域中的计算机视觉及深度学习等技术，具体通过如下实施例进行说明：
具体的，请参见图1，图1是本申请实施例提供的一种游戏数据处理网络架构图，本申请实施例可以由计算机设备实现，其中，该计算机设备可以是由服务器及终端设备组成；该计算机设备还可以是服务器或终端设备，在此不做限定。其中，本申请实施例可以应用于任意一个需要识别游戏对象的游戏，举例来说，射击游戏(Shooting Game或Shooter Game，STG)，如STG中的第一人称射击游戏(First-person shooting game，FPS)或第三人称射击游戏(Third-Personal Shooting，TPS)等，均可以使用本申请中的方案，例如，和平精英、穿越火线：枪战王者(Cross Fire Mobile Games，CFM)或反恐精英等游戏；可选的，其他种类的游戏也可以使用本申请中的方案，如角色扮演游戏(Role-playing game，RPG)等。
其中，该游戏对象识别模型可以存储于游戏对应的设备(该设备用于存储于该游戏相关的数据，如用户数据等)，也可以存储于用户所使用的设备中，如该游戏对象识别模型可以集成于游戏中，当用户下载了该游戏时，该游戏中同时会存在该游戏识别模型。如图1所示，用户设备与计算机设备101之间存在网络连接，用户设备可以基于该网络连接从计算机设备101中获取游戏数据，基于该游戏数据进行渲染，从而进入游戏场景以进行游戏，其中，该用户设备包括用户设备102a、用户设备102b及用户设备102c等。其中，以用户设备102a为本地终端为例，本地终端从计算机设备101中获取游戏数据，根据该游戏数据渲染游戏场景，以进行游戏。具体的，本地终端进入该游戏场景后，截取该游戏场景中的游戏帧图像，将该游戏帧图像输入游戏对象识别模型，基于该游戏对象识别模型确定游戏帧图像中的第一角色预测边框，该第一角色预测边框所指示的虚拟角色为该游戏帧图像中的游戏虚拟角色，本地终端从识别出的游戏虚拟角色中确定目标游戏虚拟角色，该目标游戏虚拟角色与本地终端的本地虚拟角色属于不同的阵营集合。本地终端可以对确定的目标游戏虚拟角色执行游戏互动操作。其中，该游戏互动操作是基于该游戏所确定的，例如，在CFM中，该游戏互动操作可以包括视野调整操作及角色触发操作(即射击操作等)等；在RPG类型的游戏中，该游戏互动操作可以包括该游戏中的各个游戏技能。可选的，本地终端可以在确定目标游戏虚拟角色后，调用事件触发组件，基于该事件触发组件对目标游戏虚拟角色执行游戏互动操作。
其中，同一阵营集合中的游戏虚拟角色之间为队友，不同阵营集合中的游戏虚拟角色之间为敌人，例如，游戏虚拟角色A与游戏虚拟角色B属于阵营集合1，游戏虚拟角色C与游戏虚拟角色D属于阵营集合2，则可以认为游戏虚拟角色A与游戏虚拟角色B为队友，游戏虚拟角色C与游戏虚拟角色D为队友，游戏虚拟角色C及游戏虚拟角色D均为游戏虚拟角色A及游戏虚拟角色B的敌人。其中，以上过程由于不需要调用游戏底层接口，直接截取游戏场景中的画面，作为游戏帧图像，基于该游戏帧图像及神经网络技术(游戏对象识别模型)，实现了游戏人工智能，该实现的过程较为简单，而且不涉及游戏底层接口，降低了开发成本，并且提高了游戏人工智能的通用性及实现效率。
同理，用户设备102b或用户设备102c可以以用户设备102a相同的方法，实现游戏人工智能的生成。其中，计算机设备101也可以通过以上方法，实现游戏人工智能的生成，对游戏的性能进行采集，以实现对游戏的自动化测试，可以提高性能采集的效率。
可以理解的是，本申请实施例中所提及的计算机设备或用户设备包括但不限于终端设备或服务器。换句话说，计算机设备或用户设备可以是服务器或终端设备，也可以是服务器和终端设备组成的系统。其中，以上所提及的终端设备可以是一种电子设备，包括但不限于手机、平板电脑、台式电脑、笔记本电脑、掌上电脑、增强现实/虚拟现实(AugmentedReality/Virtual Reality，AR/VR)设备、头盔显示器、可穿戴设备、智能音箱及其他具备网络接入能力的移动互联网设备(mobile internet device，MID)等。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
进一步地，请参见图2，图2是本申请实施例提供的一种游戏数据处理的场景示意图。如图2所示，本地终端201进入游戏场景，在该游戏场景中截取游戏帧图像202，确定该游戏帧图像202中的第一角色边框，该第一角色边框所指示的虚拟角色为该游戏帧图像202中的游戏虚拟角色；可选的，可以将该游戏帧图像202输入游戏对象识别模型203，该游戏对象识别模型203可以识别该游戏帧图像202中的游戏虚拟角色，得到游戏虚拟角色2021、游戏虚拟角色2022、游戏虚拟角色2023、游戏虚拟角色2024及游戏虚拟角色2025。从识别出的游戏虚拟角色中，确定目标游戏虚拟角色，该目标游戏虚拟角色与本地终端的本地虚拟角色属于不同的阵营集合，其中，该目标游戏虚拟角色的确定过程，详见图3中的描述。其中，假定确定的目标游戏虚拟角色为游戏虚拟角色2023，则对该游戏虚拟角色2023执行游戏互动操作。通过以上过程，在无需调用游戏底层接口的情况下，实现了游戏人工智能的生成，减少了游戏人工智能的开发成本，提高了游戏数据处理的效率。其中，本申请实施例中的整个过程组成了游戏人工智能。
进一步地，请参见图3，图3是本申请实施例提供的一种游戏数据处理的方法流程图。如图3所示，该游戏数据处理过程包括如下步骤：
步骤S301，获取游戏帧图像，确定该游戏帧图像中的第一角色预测边框，将该第一角色预测边框所指示的虚拟角色，确定为该游戏帧图像中的游戏虚拟角色。
具体的，本地终端进入游戏后，截取该游戏中的游戏画面，将截取到的游戏画面作为游戏帧图像，将该游戏帧图像输入游戏对象识别模型，经过该游戏对象识别模型对该游戏帧图像进行处理，预测得到该游戏帧图像中的游戏虚拟角色。具体来说，可以基于游戏对象识别模型中的卷积层提取该游戏帧图像的图像特征，根据该图像特征确定该游戏帧图像中的第一角色预测边框，将该第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色。其中，该游戏对象识别模型为一种目标检测模型，该目标检测模型为一种深度学习网络，可以用于对图像进行目标检测，可以检测图像中的一个类别的对象或者至少两个类别的对象。其中，在本申请实施例中，该游戏对象识别模型只需识别一种类别的对象，即游戏虚拟对象，即，在本申请实施例中，该游戏对象识别模型不用关注该游戏帧图像中的其他物体，如游戏帧图像中的游戏背景等，因此，该游戏识别模型只需检测一种类别的对象，减少了游戏识别模型处理的数据量，提高了游戏识别模型的工作效率。例如，在CFM中，基于游戏识别模型对游戏帧图像进行识别时，无需识别该游戏帧图像中的建筑物或地形(如山丘或河川等)，使得该游戏识别模型可以对该游戏的任意一个游戏场景中的游戏帧图像进行识别，提高了游戏识别模型的通用性。
举例来说，参见图4a，图4a是本申请实施例提供的一种对象识别场景示意图。如图4a所示，以FPS游戏为例，本地终端401响应针对目标游戏402的开启操作，进入游戏场景403，在本地终端401对应的用户在该游戏场景403中进行游戏时，本地终端401调用图像截取工具4031，从该游戏场景403中截取游戏画面，将该游戏画面作为游戏帧图像404。将该游戏帧图像404输入游戏对象识别模型405中，基于该游戏对象识别模型405的卷积层提取游戏帧图像404的图像特征，该游戏对象识别模型405基于提取到的图像特征输出识别结果406，该识别结果406包括第一角色预测边框4061及第一角色预测边框4062。其中，第一角色预测边框所指示的虚拟角色，即为该游戏帧图像404中的游戏虚拟角色，即，对该游戏帧图像404识别得到的识别结果406中，包括第一角色预测边框4061所指示的游戏虚拟角色1及第一角色预测边框4062所指示的游戏虚拟角色2。
步骤S302，根据该第一角色预测边框确定游戏虚拟角色的角色标记区域，从该角色标记区域中，识别游戏虚拟角色所属的角色类别标签。
在本申请中，该游戏帧图像中包括各个游戏虚拟角色的角色类别标签，该角色类别标签可以用于区分不同的游戏虚拟角色所属的阵营集合，同一阵营集合中的游戏虚拟角色属于同一队。其中，将本地虚拟角色的角色类别标签确定为第二角色类别标签；将该游戏帧图像所属的目标游戏中，除本地虚拟角色的角色类别标签之外的角色类别标签，确定为第一角色类别标签。其中，由于在本申请实施例中，需要明确的是游戏虚拟角色与本地虚拟角色的关系，以确定本地虚拟角色是否可以触发该游戏虚拟角色，因此，可以直接将角色类别标签区分为两类，一类表示与本地虚拟角色为同一阵营集合的游戏虚拟角色的角色类别标签，一类表示与本地虚拟角色为不同阵营集合的游戏虚拟角色的角色类别标签。因此，可以直接识别游戏虚拟角色的角色类别标签是否与本地虚拟角色的角色类别标签一致即可，以减少工作量。
进一步地，本地终端可以获取位置偏移信息，该位置偏移信息包括偏移方向、偏移距离及标记区域尺寸，其中，该位置偏移信息可以是预设的，例如，游戏在开发阶段，会在游戏场景中显示各个游戏虚拟角色的角色类别标签，根据该游戏在开发阶段设置的角色类别标签的显示位置，确定该位置偏移信息，该位置偏移信息用于表征游戏虚拟角色与该游戏虚拟角色的角色类别标签之间的相对位置，其中，通过在该位置偏移信息中添加标记区域尺寸，该标记区域尺寸用于扩大选中的角色标记区域的范围，使得即使在第一角色预测边框的预测存在稍许偏差时，也可以将角色类别标签所在的角色标记区域识别出来，以提高角色类别标签识别的准确性。本地终端在获取到位置偏移信息后，将位于第一角色预测边框的偏移方向，且与第一角色预测边框之间的距离为偏移距离的像素点，确定为角色标记中心点。以该角色标记中心点为中心，将尺寸为标记区域尺寸的区域确定为该游戏虚拟角色的角色标记区域。
举例来说，请参见图4b，图4b是本申请实施例提供的一种角色标记区域确定场景示意图。如图4b所示，获取到第一角色预测边框4061及第一角色预测边框4062，其中，该第一角色预测边框4061指示游戏虚拟角色1，该第一角色预测边框4062指示游戏虚拟角色2。以游戏虚拟角色2为例，获取位置偏移信息407，该位置偏移信息407包括偏移方向4071、偏移距离4072及标记区域尺寸等，其中，该偏移方向4071是用于表示从第一角色预测边框开始进行偏移的方向，该偏移方向4071是基于上下左右四个方向所确定的。其中，该上下左右四个方向是基于游戏帧图像所确定的，例如，可以以该游戏帧图像中游戏虚拟角色或建筑物等作为基准，确定该上下左右方向，如，以该第一角色预测边框4062所指示的游戏虚拟角色2的头顶方向的边确定为上方向，脚底方向的边确定为下方向等。如图4b中，以游戏帧图像404中的边406a作为上方向，以游戏帧图像404中的边406b作为右方向，以游戏帧图像404中的边406c作为下方向，以游戏帧图像404中的边406d作为左方向。假定偏移方向4071为上方向，偏移距离4072为d0，以第一角色预测边框4062开始，向上方向(即箭头4073所指示的方向)移动d0的距离，将移动到的像素点确定为角色标记中心点4074，以该角色标记中心点4074为中心，将尺寸为标记区域尺寸的区域确定为游戏虚拟角色2的角色标记区域4075。同理，可以得到第一角色预测边框4061所指示的游戏虚拟角色1的角色标记区域。
可选的，游戏会标注各个游戏虚拟角色所属的阵营集合，以便玩家在玩游戏时可以获取到自己的队友或敌人，其中，队友与该玩家属于同一阵营集合，敌人与该玩家属于不同的阵营集合。其中，可以将在游戏中用于标注各个游戏虚拟角色所属的阵营集合的标注方法记作角色标记类型，该角色标记类型可以是颜色标记类型(通过颜色标注游戏虚拟角色所属的阵营集合的标注方法)、数字标记类型(通过数字标注游戏虚拟角色所属的阵营集合的标注方法)、图案标记类型(通过图案标注游戏虚拟角色所属的阵营集合的标注方法)或文本标记类型(通过文本标注游戏虚拟角色所属的阵营集合的标注方法)等，但不限于以上所提及的角色标记类型，其他可以用于区别各个游戏虚拟角色所属的阵营集合的标注方法也可以应用于本申请中，如，服饰装饰或头饰等。其中，不同的游戏可以对应不同的角色标记类型。其中，一种角色标记类型对应一个标签识别组件，该标签识别组件可以识别角色标记区域，得到该角色标记区域对应游戏虚拟角色的角色类别标签。
其中，由于对于一个游戏来说，在标注各个游戏虚拟角色所属的阵营集合时，所使用的标注方法是相同的，因此，在本申请中可以针对具体的游戏，集成标签识别组件。当本地终端需要识别游戏虚拟角色所属的角色类别标签时，可以获取游戏帧图像所属的目标游戏，获取目标游戏对应的标签识别组件，基于该标签识别组件，识别游戏虚拟角色对应的阵营特征数据；根据该阵营特征数据确定游戏虚拟角色所属的角色类别标签，该角色类别标签可以用于指示该游戏虚拟角色所属的阵营集合。通过这一方式所实现的游戏人工智能中只需集成一个标签识别组件，减少了游戏人工智能所占用的内存空间，简化了标签识别组件的获取过程。
可选的，本申请中所实现的游戏人工智能也可以集成至少两个标签识别组件，当本地终端需要识别游戏虚拟角色所属的角色类别标签时，可以获取游戏帧图像所属的目标游戏，获取该目标游戏对应的角色标记类型，获取该角色标记类型对应的标签识别组件，基于该标签识别组件识别游戏虚拟角色对应的阵营特征数据，根据阵营特征数据确定游戏虚拟角色所属的角色类别标签，角色类别标签用于指示游戏虚拟角色所属的阵营集合。通过这一方式所实现的游戏人工智能中集成了多个标签识别组件，使得该游戏人工智能可以用于不同的游戏中，或者，当目标游戏所使用的角色标记类型发生变化时，该游戏人工智能仍可以适用于对目标游戏的检测，从而可以提高该游戏人工智能的通用性。
可选的，可以获取到该游戏虚拟角色对应的阵营特征数据后，获取本地虚拟角色的本地阵营特征数据，获取阵营特征数据与本地阵营特征数据之间的特征数据差异值，若该特征数据差异值大于异阵营差异阈值，则确定该游戏虚拟角色的角色类别标签属于第一角色类别标签。可选的，该阵营特征数据可以直接表征对应的游戏虚拟对象所属的角色类别标签，例如，该角色标记类型为图案标记类型，该游戏帧图像对应的目标游戏中存在方形标签、圆形标签、三角标签及五星标签等，通过标签识别组件识别到游戏虚拟角色对应的阵营特征数据可以为方形标签、圆形标签、三角标签或五星标签等。其中，该标签识别组件可以是一种神经网络模型，也可以是针对具体的角色标记类型的特征提取函数等，在此不做限制。
举例来说，该角色标记类型为颜色标记类型，获取该颜色标记类型对应的标签识别组件，其中，该颜色标记类型对应的标签识别组件为颜色标签识别组件，基于该颜色标签识别组件识别该游戏虚拟角色对应的阵营特征数据(该阵营特征数据为阵营颜色特征数据)，以得到该游戏虚拟角色所属的角色类别标签。例如，假定本地虚拟角色的角色类别标签对应的角色类别标签为蓝色，其他游戏虚拟角色的角色类别标签对应的角色类别标签包括但不限于红色、绿色及白色等，即，第二角色类别标签为蓝色，第一角色类别标签包括红色、绿色及白色等。本地终端通过颜色标签识别组件识别到该游戏虚拟角色的阵营特征数据为红色，根据阵营特征数据“红色”确定该游戏虚拟角色的角色类别标签属于第一角色类别标签。
可选的，本地终端可以根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签。进一步地，可以获取游戏虚拟角色与角色类别标签之间的角色标签相对位置，基于该角色标签相对位置及第一角色预测边框，确定标记区域位置，获取该标记区域位置处的角色标记区域。例如，若该角色标记区域在对应的游戏虚拟角色的头顶，则以第一角色预测边框的上边框为基准，确定标记区域位置。进一步地，本地终端可以获取游戏帧图像所属的目标游戏，获取目标游戏对应的角色标记类型，在确定角色标记区域后，基于该角色标记类型识别该角色标记区域，以得到该游戏虚拟角色所属的角色类别标签。
举例来说，参见图5，图5是本申请实施例提供的一种标签识别场景示意图。如图5所示，基于游戏识别模型，识别到该游戏帧图像501中包括第一角色预测边框5011对应的游戏虚拟角色1，以及第一角色预测边框5012对应的游戏虚拟角色2。基于第一角色预测边框5011确定游戏虚拟角色1的角色标记区域5021，基于第一角色预测边框5012确定游戏虚拟角色2的角色标记区域5022。获取游戏帧图像501所属的目标游戏，获取该目标游戏对应的角色标记类型为图案标记类型，其中，假定该本地虚拟角色的角色类别标签为圆形标签，即第二角色类别标签为圆形标签，第一角色类别标签包括但不限于三角标签、五星标签及方形标签等。本地终端获取图案标记类型对应的标签识别组件503，通过标签识别组件503识别该角色标记区域5021，得到该游戏虚拟角色1对应的阵营特征数据5041，基于该阵营特征数据5041确定游戏虚拟角色1的角色类别标签为三角标签，确定该游戏虚拟角色1的角色类别标签属于第一角色类别标签；通过标签识别组件503识别该角色标记区域5022，得到该游戏虚拟角色2对应的阵营特征数据5042，基于该阵营特征数据5042确定游戏虚拟角色2的角色类别标签为圆形标签，确定该游戏虚拟角色2的角色类别标签属于第二角色类别标签。换句话说，可以确定该游戏虚拟角色1为本地虚拟角色的敌人，该游戏虚拟角色2为本地虚拟角色的队友。
步骤S303，将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色。
具体的，从识别到的游戏虚拟角色中，获取角色类别标签属于第一角色类别标签的游戏虚拟角色，从该属于第一角色类别标签的游戏虚拟角色中，获取目标游戏虚拟角色，该目标游戏虚拟角色为本次的游戏人工智能中所选定的触发对象。
具体的，本地终端可以获取角色类别标签属于第一角色类别标签的游戏虚拟角色，作为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色。其中，该第一角色类别标签用于表征对应的游戏虚拟角色与本地终端的游戏虚拟角色，属于不同的阵营集合。其中，若待确定游戏虚拟角色的数量为一，则将该待确定游戏虚拟角色确定为目标游戏虚拟角色。若该待确定游戏虚拟角色的数量为至少两个，则获取待确定游戏虚拟角色的第一角色预测边框，获取第一角色预测边框的边框位置及本地终端的视野中心点，根据边框位置及视野中心点，确定待确定游戏虚拟角色与视野中心点间的触发距离，将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色。
进一步地，将触发距离最小的待确定游戏虚拟角色，作为待触发游戏虚拟角色。若待触发游戏虚拟角色包括至少两个游戏虚拟角色，即存在至少两个游戏虚拟角色在所有识别到的游戏虚拟角色中触发距离最小，且触发距离相同，则获取待触发游戏虚拟角色的第一角色预测边框，获取每个待触发游戏虚拟角色的第一角色预测边框的边框面积，将第一角色预测边框对应的边框面积最大的待触发游戏虚拟角色，确定为目标游戏虚拟角色；若待触发游戏虚拟角色包括一个游戏虚拟角色，则将待触发游戏虚拟角色确定为目标游戏虚拟角色。
简单来说，该目标游戏虚拟角色的确定过程包括如下步骤：
1、当游戏帧图像中只有一个角色类别标签属于第一角色类别标签的游戏虚拟角色时，将该游戏虚拟角色确定为目标游戏虚拟角色；
2、当游戏帧图像中存在至少两个角色类别标签属于第一角色类别标签的游戏虚拟角色时，获取与视野中心点最近的游戏虚拟角色，作为目标游戏虚拟角色；
3、当与视野中心点最近的游戏虚拟角色不止一个时，获取各个第一角色预测边框的边框面积，将边框面积最大的第一角色预测边框所指示的游戏虚拟角色，作为目标游戏虚拟角色。其中，与视野中心点之间的距离相同的游戏虚拟角色，对应的第一角色预测边框的边框面积越大，则可以认为在实际的游戏场景(三维空间)中，该游戏虚拟角色与本地虚拟角色越近。
举例来说，参见图5，获取到游戏虚拟角色1的角色类别标签属于第一角色类别标签，游戏虚拟角色2的角色类别标签属于第二角色类别标签，则确定游戏虚拟角色1为目标游戏虚拟角色。
或者，参见图4c，图4c以图4a为基础，是本申请实施例提供的一种目标角色确定场景示意图。如图4c所示，假定该第一角色预测边框4061所指示的游戏虚拟角色1的角色类别标签属于第一角色类别标签，第一角色预测边框4062所指示的游戏虚拟角色2的角色类别标签属于第一角色类别标签。获取第一角色预测边框4061的边框位置，基于该第一角色预测边框4061的边框位置确定触发位置a1；获取第一角色预测边框4062的边框位置，基于该第一角色预测边框4062的边框位置确定触发位置a2。获取视野中心点的中心点位置a3，获取触发位置a1与中心点位置a3之间的触发距离d1，将触发距离d1作为游戏虚拟角色1与视野中心点之间的触发距离；获取触发位置a2与中心点位置a3之间的触发距离d2，将触发距离d2作为游戏虚拟角色2与视野中心点之间的触发距离。其中，假定触发距离d1大于触发距离d2，则将触发距离d2对应的游戏虚拟角色2(即第一角色预测边框4062对应的游戏虚拟角色2)，确定为目标游戏虚拟角色。
其中，可以通过为游戏帧图像建立图像坐标系，以第一角色预测边框在对应的游戏帧图像的图像坐标系中的位置坐标，作为该第一角色预测边框在对应游戏帧图像中的边框位置(该边框位置可以是由该第一角色预测边框的四个边框角的位置所组成的)；或者，在游戏帧图像中，以第一角色预测边框分别与图像各边间的距离，作为该第一角色预测边框在对应游戏帧图像中的边框位置；其中，该边框位置的获取方式包括但不限于以上列举的可选获取方式，在此不做限定；其中，该触发位置可以认为是第一角色预测边框的中心的位置。具体可以参见图6a至图6c，图6a至图6c是本申请实施例提供的一种触发位置获取场景示意图，假定游戏帧图像601的大小为160*90，该游戏帧图像601的四条边分别为边601A、边601B、边601C及边601D。如图6a所示，以该游戏帧图像601中边601A及边601B的交汇点作为图像坐标系的坐标原点(0，0)，以边601A作为坐标纵轴，以边601B作为坐标横轴，或者，以边601A作为坐标横轴，以边601B作为坐标纵轴，在此不做限制。如图6a中所示，该图以边601A作为坐标横轴，以边601B作为坐标纵轴，此时获取第一角色预测边框6011在游戏帧图像601中的边框位置，基于该边框位置确定触发位置6012为(50，80)，该视野中心点则位于(45，80)处，获取触发位置6012与视野中心点之间的触发距离为5
Figure BDA0002626380190000191
其中，也可以将游戏帧图像601的其他顶点作为坐标原点，在此不做赘述。
或者，如图6b所示，以该游戏帧图像601的中心位置作为图像坐标系的坐标原点(0，0)，创建如图6b中所示坐标横轴和坐标纵轴组成的图像坐标系，此时获取第一角色预测边框6011在游戏帧图像601中的边框位置，基于该边框位置确定触发位置6012为(0，-5)，视野中心点位于(0，0)处。或者，如图6c所示，以第一角色预测边框6011分别与游戏帧图像601的边601A、边601C、边601D及边601B间的距离，作为该第一角色预测边框6011在游戏帧图像601中的边框位置，基于该边框位置确定触发位置6012为(80，80，40，50)，视野中心点位于(80，80，45，45)处，其中，组成触发位置6012中的各个值的顺序并不限于以上顺序，如还可以是第一角色预测边框6011分别与边601A、边601B、边601C及边601D间的距离，此时基于边框位置确定的触发位置6012为(80，50，80，40)等。
步骤S304，对目标游戏虚拟角色执行游戏互动操作。
在本申请实施例中，调用事件触发组件，对目标游戏虚拟角色执行游戏互动操作，从而完成本次的游戏人工智能所执行的游戏数据处理过程。进一步地，该事件触发组件包括视野调整组件及角色触发组件。根据目标游戏虚拟角色的第一角色预测边框，确定目标游戏虚拟角色的触发位置；调用视野调整组件，将视野中心点移动至目标游戏虚拟角色的触发位置；调用角色触发组件，基于触发位置对目标游戏虚拟角色执行游戏互动操作。
举例来说，请参见图7，图7是本申请实施例提供的一种角色触发场景示意图。如图7所示，假定获取到游戏帧图像701中包括第一角色预测边框7011对应的游戏虚拟角色1，以及第一角色预测边框7012对应的游戏虚拟角色2，已知游戏虚拟角色2为目标游戏虚拟角色，调用视野调整组件7021，将视野中心点7031移动至触发位置7032处，具体的，在本地终端中如游戏画面702所示，即该本地终端中所显示的画面由游戏帧图像701对应的游戏画面切换为游戏画面702。调用角色触发组件7022，基于该触发位置7032对游戏虚拟角色2执行游戏互动操作。以CFM游戏为例，确定第一角色预测边框7012所指示的游戏虚拟角色2为目标游戏虚拟角色，则调用视野调整组件7021，瞄准该游戏虚拟角色2(即将视野中心点移动至触发位置处)，射击游戏虚拟角色2(该射击的过程即为游戏互动操作)。换句话说，在FPS类游戏中，通过本申请实施例所实现的游戏人工智能可以实现自动识别对象、自动确认射击对象、自动瞄准及自动射击等过程。
可选的，可以通过使用用户界面自动监控器(User Interface automator，uiautomator)调用视野调整组件，如滑动(Slide)接口，将视野中心点移动至目标游戏虚拟角色的触发位置处，再调用角色触发组件，如点击(Click)接口对目标游戏虚拟角色执行游戏互动操作，其中，执行游戏互动操作的具体过程也不限于slide和click分别对应的操作的组合。其中，该Click接口中对应的事件为针对目标游戏虚拟角色的触发操作。可选的，该事件触发组件可以是实现客户端操作的任意一种方式，如上述的uiautomator操作驱动或minitouch等，在此不做限制。其中，minitouch是通过向套接字(Socket)发送信息以进行设备中的操作的。例如，在RPG游戏中，通过该视野调整组件，将目标游戏虚拟角色进行锁定，获取该本地虚拟角色的游戏技能，获取游戏技能中处于空闲状态的空闲游戏技能，针对该目标游戏虚拟角色使用该空闲游戏技能，实现对目标游戏虚拟角色的游戏互动操作。其中，RPG游戏中往往会存在许多游戏技能，如5至15个，本地终端在将目标游戏虚拟角色进行锁定后，可以获取本地虚拟角色的技能触发顺序，基于该技能触发顺序对目标游戏虚拟角色使用游戏技能，实现对目标游戏虚拟角色的游戏互动操作，如该技能触发顺序为游戏技能1—>游戏技能2—>游戏技能3—>游戏技能4—>游戏技能5，其中，假定该游戏技能1正在冷却中(即无法使用)，则对目标游戏虚拟角色使用游戏技能2；或者，获取该目标游戏中的默认技能触发顺序，基于该默认技能触发顺序对目标游戏虚拟角色使用游戏技能，实现对目标游戏虚拟角色的游戏互动操作；或者，还可以基于各个游戏技能的冷却时间，确定对目标游戏虚拟角色使用的游戏技能，实现对目标游戏虚拟角色的游戏互动操作，在此不做限制。
其中，本申请实施例中游戏数据处理模型的训练过程如下：
具体的，获取游戏帧图像样本及游戏帧图像样本中的角色标注边框；将游戏帧图像样本输入初始对象识别模型进行训练，得到游戏帧图像样本对应的第二角色预测边框；获取第二角色预测边框与角色标注边框之间的边框差异信息，基于边框差异信息对初始对象识别模型进行调整，生成游戏对象识别模型。可选的，该角色标注边框或第二角色预测边框的边框位置可以记作(xmin，ymin，xmax，ymax)，分别对应四个角在游戏帧图像中对应的位置坐标，其中，xmin为第二角色预测边框映射到x轴上最小的值，ymin为第二角色预测边框映射到y轴上最小的值，xmax为第二角色预测边框映射到x轴上最大的值，ymax为第二角色预测边框映射到y轴上最大的值。其中，本申请中只需要识别游戏虚拟角色，而无需识别游戏帧图像中的背景等，即所需要训练得到的游戏对象识别模型为单类别对象检测的模型，而且训练所需要的样本与游戏场景无太大的关系，因此，本申请实施例中可以选取任意一个游戏地图进行游戏对局，采集该游戏地图中的游戏画面，作为游戏帧图像样本，使得样本的选取较为简单，所需要的样本的数据量也较少。
可选的，该边框差异信息包括位置差异信息。此时，获取第二角色预测边框与角色标注边框之间的边框差异信息，具体是获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；根据预测边框位置信息确定第二角色预测边框的预测触发位置，根据标注边框位置信息确定角色标注边框的标注触发位置；根据预测触发位置与标注触发位置之间的位置差异数据，确定第二角色预测边框与角色标注边框之间的位置差异信息，将该位置差异信息确定为第二角色预测边框与角色标注边框之间的边框差异信息。
可选的，该预测触发位置可以是第二角色预测边框的中心位置，该标注触发位置可以是角色标注边框的中心位置；或者，可以是基于游戏虚拟角色的头部在游戏虚拟角色中的头部相对位置，基于该头部相对位置及预测边框位置信息，确定预测触发位置，基于该头部相对位置及标注边框位置信息，确定标注触发位置等，在此不做限制。其中，本申请实施例应用于FPS类游戏时，该触发位置相当于是对应的游戏虚拟角色的致命处的位置，因此，通过标注边框位置信息确定标注触发位置，通过预测边框位置信息确定预测触发位置，根据该预测触发位置与标注触发位置确定位置差异信息，以对初始对象识别模型进行调整，可以提高本申请实施例所应用场景中游戏对象识别模型的识别准确性，便于实现有效的游戏互动操作。
可选的，该位置差异信息的生成公式可以参见公式①所示：
D＝dis(Cg，Cp)/d ①
其中，D为位置差异信息，dis用于表示计算Cg与Cp之间的触发距离的函数，Cg为标注触发位置，Cp为预测触发位置，d可以为角色标注边框的对角线长度的1/2，其中，该“/d”是用于将标注触发位置与预测触发位置之间的触发距离进行归一化。
可选的，该边框差异信息包括面积差异信息。此时，获取第二角色预测边框与角色标注边框之间的边框差异信息，具体是获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；根据预测边框位置信息，确定第二角色预测边框的预测边框面积；根据标注边框位置信息，确定角色标注边框的标注边框面积；将预测边框面积与标注边框面积的比值，确定为实际面积比值，获取理论面积比值，将实际面积比值与理论面积比值之间的差值，确定为第二角色预测边框与角色标注边框之间的面积差异信息，将该面积差异信息确定为第二角色预测边框与角色标注边框之间的边框差异信息。其中，该面积差异信息用于衡量识别的第二角色预测边框的大小的准确性。可选的，该面积差异信息的生成公式可以参见公式②所示：
S＝|area(P)/area(G)-1| ②
其中，S用于表示面积差异信息，area用于表示计算边框面积的函数，P用于表示第二角色预测边框，G用于表示角色标注边框，其中，由于area(P)/area(G)用于表示预测边框面积与标注边框面积的相似度，故而通过“-1”，使得S可以表示预测边框面积与标注边框面积之间的差异值，即通过S表示面积差异信息。
可选的，边框差异信息可以包括位置差异信息及面积差异信息。此时，在获取第二角色预测边框与角色标注边框之间的边框差异信息时，具体是获取位置差异信息的第一权重，及面积差异信息的第二权重；基于第一权重及第二权重，对位置差异信息及面积差异信息进行加权求和，得到第二角色预测边框与角色标注边框之间的边框差异信息。可选的，该边框差异信息生成公式可以参见公式③所示：
V＝W1D+W2S ③
其中，V表示边框差异信息，W1为位置差异信息D的第一权重，W2为面积差异信息的第二权重。可选的，第一权重可以大于第二权重，例如在FPS游戏中，D用于表示位置差异信息，第一权重大于第二权重时，可以更为关注游戏虚拟角色的触发位置的识别，该触发位置越准确，对游戏虚拟角色的游戏互动操作也就越为有效，可以使得该游戏对象识别模型更为符合本申请中的识别需求，提高游戏对象识别模型的识别准确性，例如，该第一权重为0.7，第二权重为0.3。或者，第一权重也可以小于第二权重，或者，第一权重与第二权重相等。例如，在RPG游戏中，设置第二权重大于第一权重，使得该游戏对象识别模型更为关注游戏虚拟角色与本地虚拟角色之间的游戏距离(即基于游戏场景中的三维空间的距离)，使得本地虚拟角色可以对离自己最近的游戏虚拟角色执行游戏互动操作。换句话说，第一权重与第二权重之间的大小关系在此不做限制，可以根据具体的游戏进行设置。可选的，还可以根据该游戏对象识别模型在具体使用中所产生的预测结果，对该第一权重及第二权重进行调整。
其中，通过边框差异信息对初始对象识别模型进行调整，当V的值最小时，此时的模型即为游戏对象识别模型。其中，该初始对象识别模型为一种目标检测的模型，例如，YOLO V3(You Only Look Once Version3)模型、视觉几何组网络(Visual Geometry GroupNetwork，VGG)模型或快速区域卷积神经网络(Fast-Region-Convolutional NeuralNetworks，Fast-RCNN)模型等，在此不做限制。其中，YOLO v3是一种基于深度神经网络的对象识别和定位算法。通过对初始对象识别模型进行调整，生成游戏对象识别模型。
举例来说，请参见图8，图8是本申请实施例提供的一种边框预测示意图。如图8所示，G表示角色标注边框，P0为第二角色预测边框1，P1为第二角色预测边框2，P2为第二角色预测边框3。其中，G由四个边组成，这四个边的长度分别为c1、d1、e1及f1；P0由四个边组成，这四个边的长度分别为c2、d2、e2及f2；P1由四个边组成，这四个边的长度分别为c3、d3、e3及f3；P2由四个边组成，这四个边的长度分别为c4、d4、e4及f4；其中，以上任意一个边框的各个边的长度仅用于本申请实施例中的例子，并不代表图8中各个边的实际长度。获取各个第二角色预测边框与角色标注边框之间的位置差异信息，可选的，d为Cg与G的任意一个顶点之间的距离，基于公式①可知，D0＝dis(Cg，Cp0)/d，D1＝dis(Cg，Cp1)/d，D2＝dis(Cg，Cp2)/d，其中，该Cg为角色标注边框G对应的标注触发位置，Cp0为第二角色预测边框P0对应的预测触发位置，Cp1为第二角色预测边框P1对应的预测触发位置，Cp2为第二角色预测边框P2对应的预测触发位置。
以图8为例，假定D0＝D1<D2。获取各个第二角色预测边框与角色标注边框之间的面积差异信息，基于公式②可知，S0＝|c2*d2/(c1*d1)-1|，S1＝|c3*d3/(c1*d1)-1|，S2＝|c4*d4/(c1*d1)-1|，假定S1<S2<S0。其中，假定基于公式③确定，V1<V0<V2，则表示该第二角色预测边框P1最准确。其中，以上各个第二角色预测边框的位置差异信息之间的大小关系、面积差异信息之间的大小关系，以及边框差异信息之间的大小关系，仅为本申请实施例中所例举的一种可能的大小关系，是为了表示第二角色预测边框的预测准确性的判断标准，因此，该大小关系可能与图8中所展示的实际的大小关系可能存在不一致的情况，即，图8仅为表示各个第二角色预测边框之间的相对位置，以及各个第二角色预测边框的大致形状和大小，在本申请实施例进行实际应用时，会获取第二角色预测边框的具体的数值计算差异信息(如位置差异信息、面积差异信息或边框差异信息等)。具体实现中，通过本申请实施例中的边框差异信息的获取方式，得到第二角色预测边框与角色标注边框之间的边框差异信息，基于该边框差异信息调整初始对象识别模型中的参数，通过对预测得到第二角色预测边框，基于边框差异信息调整模型进行多次迭代，使得V的值最小，将V最小时对应的参数，作为模型的最终参数，该携带最终参数的初始对象识别模型，即为本申请中所需得到的游戏对象识别模型。
本申请实施例通过获取游戏帧图像，基于游戏对象识别模型，识别游戏帧图像中的游戏虚拟角色；从游戏帧图像中，识别游戏虚拟角色所属的角色类别标签；根据角色类别标签属于第一角色类别标签的游戏虚拟角色，确定目标游戏虚拟角色，调用事件触发组件，对目标游戏虚拟角色进行触发操作；游戏终端对应的本地虚拟角色的角色类别标签属于第二角色类别标签。以上过程是基于游戏场景中的游戏帧图像及神经网络技术，实现的游戏人工智能，由于该过程不涉及游戏底层接口，使得实现过程较为简单，降低了开发成本，并且该过程中不会涉及太多游戏本身的逻辑实现，因此，本申请可以提高游戏人工智能的通用性及实现效率。再加上，通过本申请实施例在游戏场景中识别游戏虚拟角色，可以提高游戏虚拟角色的识别准确性，这主要是因为本申请实施例中主要是基于位置差异信息调整初始对象识别模型，以得到游戏对象识别模型的，使得识别出的游戏虚拟对象可以更好的包括触发位置，便于游戏射击。
其中，本地终端还可以基于本申请实现对游戏的性能测试，具体参见图9，图9是本申请实施例提供的一种游戏性能测试流程图。如图9所示，该过程包括如下步骤：
步骤S901，开启性能采集工具。
其中，该性能采集工具为一种可以采集游戏场景中所产生的数据的工具，可选的，该性能采集工具可以基于采集到的数据进行数据分析，以确定所采集的游戏的游戏性能，如画面流畅度、资源损耗度、场景切换效率、操作执行效果或技能切换效率等。其中，针对目标游戏开启性能采集工具，以对该目标游戏进行性能采集。
步骤S902，进入游戏场景。
具体的，进入目标游戏的游戏场景。例如，假定该目标游戏为CFM，则触发CFM的开启操作，或者响应针对CFM的开启操作，进入CFM的游戏场景中，随机选取一张游戏地图(如营地地图)，载入该游戏地图；或者，假定该目标游戏为和平精英，则触发该和平精英的开启操作，或者响应针对和平精英的开启操作，进入和平精英的游戏场景中，随机选取一张游戏地图(如沙漠地图)，载入该游戏地图；或者，在某一个RPG游戏中，进入该RPG游戏后，随机选取一个游戏地图，进入该游戏地图，其中，该游戏地图可以是该RPG游戏中的任意一个游戏副本，也可以是存在游戏小怪的场景地图(如用于玩家刷怪的地图)，或者可以是玩家之间对决(Player Kill，PK)等的场景地图，在此不做限制。具体的，游戏中所选取的游戏地图可以根据该游戏进行确定的，在此不再进行说明。其中，对目标游戏进行性能采集时，由于本申请中游戏人工智能的通用性，该游戏人工智能可以适用于任意一张游戏地图，因此，该游戏地图的选取可以是随机的。
步骤S903，基于性能采集工具开始采集游戏性能。
具体的，当游戏地图成功载入后，进入该游戏地图进行对战，并基于该性能采集工具开始采集本局游戏的游戏数据。
步骤S904，进行游戏。
具体的，调用游戏人工智能905进行对战，该游戏人工智能905所实现的过程可以参见图3中的各个步骤。具体的，可以认为在一局游戏中，会调用多次游戏人工智能905，例如，调用游戏人工智能905获取游戏帧图像，识别该游戏帧图像中的游戏虚拟角色，对该游戏虚拟角色中的目标游戏虚拟角色执行游戏互动操作，再次调用游戏人工智能905，截取当前的游戏画面作为游戏帧图像，…，直至本局游戏结束，即本地虚拟角色死亡，或者本地虚拟角色取得胜利。其中，性能采集工具可以采集本局游戏中所产生的数据。
步骤S906，停止采集游戏性能。
具体的，当本局游戏结束时，停止采集游戏性能，根据性能采集工具所采集到的数据进行处理分析，以得到目标游戏的游戏性能，从而开发人员可以基于该游戏性能对目标游戏进行性能优化。例如，对采集到的数据进行处理分析，得到该目标游戏的游戏性能，该游戏性能包括画面流畅性能、资源损耗性能、场景切换性能、操作执行性能或技能切换性能等。
例如，该画面流畅性能较差时，开发人员在获取到该游戏性能后，可以基于该画面流畅性能对目标游戏进行性能优化，提高该目标游戏的画面流畅度，如，对该目标游戏的画面渲染算法进行优化，或对画面渲染数据进行压缩等。进一步地，可以获取造成该画面流畅性能差的画面因素，基于该画面因素，确定需要优化的待优化画面算法，如，该画面因素为渲染较慢，则确定该待优化画面算法可以是对画面渲染数据的压缩算法，也可以是对游戏画面进行渲染的画面渲染算法等；其中，该画面因素还可能是画面质量较差，则确定该待优化画面算法可以是对画面渲染数据的压缩算法(对该压缩算法进行调整，如减少对画面渲染数据进行压缩时损失的数据等)。
例如，该资源损耗性能指示目标游戏的资源损耗较多时，开发人员可以对该目标游戏进行优化，如对目标游戏的游戏数据进行压缩等，以减少该目标游戏在运行过程中所损耗的资源，其中，该资源损耗性能可以包括但不限于耗电量、异常流量损耗及中央处理器(central processing unit，CPU)等。进一步地，当该资源损耗性能所指示的目标游戏的资源损耗大于异常资源损耗阈值时，开发人员则需要对目标游戏的开发代码进行深度的检测优化。
例如，该场景切换性能较差时，开发人员可以对该目标游戏中不同游戏场景之间的切换算法进行优化，或者，对游戏场景的渲染算法进行优化等。例如，该操作执行性能较差时，开发人员可以对该目标游戏中的事件触发组件的触发及响应触发的算法进行优化，例如，事件触发组件被触发的时间与该事件触发组件对应的事件的执行时间之间的触发延时过久时，可以对该事件触发组件的相关算法进行优化，检测从该事件触发组件被触发到执行事件之间可能会发生的动作，以确定可能导致该触发延时过久的原因，并进行优化处理。
其中，以上对目标游戏的游戏性能中可能出现的部分性能问题及优化方案的说明，只为例举部分可能出现的性能问题，并不代表所有的游戏性能中的性能问题。换句话说，采集该目标游戏中的游戏性能时，所采集的游戏性能不仅可以包括以上例举的几种游戏性能，还可以包括其他的游戏性能，具体可以需要进行设置，每种游戏性能可能出现的性能问题及相应的优化方案也不限于上述所提及的算法优化等，在此不做限制。
其中，性能采集工具在步骤S903至步骤S904中一直处于工作状态。可选的，可以在步骤S901后，多次执行步骤S902至步骤S904，当性能采集工具采集到的数据的数据量达到预期数据量阈值时，执行步骤S906，停止采集游戏性能。可选的，在多次执行步骤S902至步骤S904时，在步骤S902中可以选取不同的游戏地图进行对战，从而可以得到不同的游戏地图中可能出现的性能问题，例如，当目标游戏为CFM时，可以选取运输船地图、新年广场地图或巷战地图等，当目标游戏为和平精英时，可以选取海岛地图、雪地地图或雨林地图等。通过对目标游戏中的不同游戏地图的数据采集，使得采集到的游戏数据更为全面，在该情况下，基于采集到的游戏数据确定目标游戏的游戏性能，基于该游戏性能对目标游戏进行性能优化，可以提高游戏性能采集的完整性，提高对目标游戏进行性能优化的优化全面性。
通过以上步骤，可以基于游戏人工智能模拟用户对目标游戏虚拟角色的触发操作，实现自动化测试，从而使得游戏性能测试更为简单，提高了游戏性能测试的效率。
在本申请中，还可以将该游戏人工智能应用于游戏运行中的非玩家角色(Non-Player Character，NPC)等的实现中。其中，可以在目标游戏中集成该游戏人工智能，真实玩家在进入该目标游戏时，目标游戏可能会存在NPC等，该NPC可能是目标游戏中的怪物，也可能是在真实玩家数量较少时，生成的与真实玩家处于相同地位的虚拟玩家角色。目标游戏可以在该NPC中集成游戏人工智能，当真实玩家进入目标游戏开始游戏时，在该局游戏中，真实玩家通过自己操作事件触发组件对自己的敌人执行游戏互动操作，该局游戏中所生成的NPC可以基于游戏人工智能，对真实玩家执行上述图3中的步骤S301至步骤S304，以对真实玩家执行游戏互动操作，使得该NPC的实现更为简单，提高NPC与真实玩家之间的交互效率，以提高NPC的真实性。例如，在和平精英中，一局游戏中需要100个玩家进行对战，而由于时间等原因，可能会存在某些时间段的真实玩家的数量较少，或者，选择同一个游戏地图的玩家的数量较少，无法组成一局，此时，就可以生成NPC，以补全该局游戏中所需的人数，在该局游戏中生成NPC时，该NPC可以基于步骤S301至步骤S304，对真实玩家执行游戏互动操作，即对真实玩家进行射击。其中，在和平精英中，还可以通过步骤S301确定游戏虚拟角色后，本地终端获取该游戏虚拟角色的角色标识，基于该角色标识确定该游戏虚拟角色的角色类别标签，将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定待确定游戏虚拟角色，将与该NPC之间的距离最近的待确定游戏虚拟角色，确定为目标游戏虚拟角色，调用该NPC的事件触发组件，对目标游戏虚拟角色执行游戏互动操作。
在本申请中，还可以将该游戏人工智能应用于游戏运行中的真实玩家的实现中。例如，该游戏需要实现自动识别敌人的功能，将该游戏人工智能集成于目标游戏中。当真实玩家进入该游戏后，触发该游戏人工智能，执行上述步骤S301至步骤S304，实现对目标游戏虚拟角色的游戏互动操作。或者，当真实玩家进入该游戏后，触发该游戏人工智能，执行步骤S301至步骤S303，对获取到的目标游戏虚拟角色进行选中，真实玩家可以基于选中的目标游戏虚拟角色调整视野，对目标游戏虚拟角色执行游戏互动操作。换句话说，可以根据目标游戏的需求，将该游戏人工智能全部或部分集成于目标游戏中，以实现玩家操作的全自动化或半自动化。
进一步地，请参见图10，图10是本申请实施例提供的一种游戏数据处理装置示意图。该游戏数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该游戏数据处理装置为一个应用软件；该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图10所示，该游戏数据处理装置1000可以用于图3所对应实施例中的计算机设备，具体的，该装置可以包括：角色识别模块11、标签识别模块12及角色触发模块13。
角色识别模块11，用于获取游戏帧图像，确定游戏帧图像中的第一角色预测边框，将第一角色预测边框所指示的虚拟角色，确定为游戏帧图像中的游戏虚拟角色；
标签识别模块12，用于根据第一角色预测边框确定游戏虚拟角色的角色标记区域，从角色标记区域中，识别游戏虚拟角色所属的角色类别标签；
角色触发模块13，用于将角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从待确定游戏虚拟角色中获取目标游戏虚拟角色；
该角色触发模块13，还用于对目标游戏虚拟角色执行游戏互动操作。
其中，该标签识别模块12，包括：
偏移获取单元121，用于获取位置偏移信息，位置偏移信息包括偏移方向、偏移距离及标记区域尺寸；
中心确定单元122，用于将位于第一角色预测边框的偏移方向，且与第一角色预测边框之间的距离为偏移距离的像素点，确定为角色标记中心点；
区域确定单元123，用于以角色标记中心点为中心，将尺寸为标记区域尺寸的区域确定为游戏虚拟角色的角色标记区域。
其中，该标签识别模块12，包括：
标记确定单元124，用于获取游戏帧图像所属的目标游戏，获取目标游戏对应的标签识别组件，基于该标签识别组件识别游戏虚拟角色对应的阵营特征数据；
标签识别单元125，用于根据该阵营特征数据确定游戏虚拟角色所属的角色类别标签；该角色类别标签用于指示游戏虚拟角色所属的阵营集合。
其中，在从待确定游戏虚拟角色中获取目标游戏虚拟角色方面，该角色触发模块13包括：
边框获取单元131，用于若待确定游戏虚拟角色的数量为至少两个，则获取待确定游戏虚拟角色的第一角色预测边框，获取第一角色预测边框的边框位置及本地终端的视野中心点；
目标确定单元132，用于根据边框位置及视野中心点，确定待确定游戏虚拟角色与视野中心点间的触发距离，将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色。
其中，在将触发距离最小的待确定游戏虚拟角色，确定为目标游戏虚拟角色方面，该目标确定单元132包括：
角色获取子单元1321，用于获取触发距离最小的待确定游戏虚拟角色，作为待触发游戏虚拟角色；
角色确定子单元1322，用于若待触发游戏虚拟角色包括至少两个游戏虚拟角色，则获取待触发游戏虚拟角色的第一角色预测边框，将第一角色预测边框对应的边框面积最大的待触发游戏虚拟角色，确定为目标游戏虚拟角色。
其中，在对目标游戏虚拟角色执行游戏互动操作方面，该角色触发模块13包括：
位置确定单元133，用于根据目标游戏虚拟角色的第一角色预测边框，确定目标游戏虚拟角色的触发位置；
视野调整单元134，用于调用视野调整组件，将视野中心点移动至目标游戏虚拟角色的触发位置；
角色触发单元135，用于调用角色触发组件，基于触发位置对目标游戏虚拟角色执行游戏互动操作。
其中，在确定游戏帧图像中的第一角色预测边框方面，该角色识别模块11具体用于：
将游戏帧图像输入游戏对象识别模型，基于游戏对象识别模型的卷积层提取游戏帧图像的图像特征，根据图像特征确定游戏帧图像中的第一角色预测边框；
该装置1000还包括：
样本获取模块14，用于获取游戏帧图像样本及游戏帧图像样本中的角色标注边框；
样本预测模块15，用于将游戏帧图像样本输入初始对象识别模型进行训练，得到游戏帧图像样本对应的第二角色预测边框；
模型调整模块16，用于获取第二角色预测边框与角色标注边框之间的边框差异信息，基于边框差异信息对初始对象识别模型进行调整，生成游戏对象识别模型。
其中，该边框差异信息包括位置差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块16包括：
边框位置获取单元161，用于获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
触发位置确定单元162，用于根据预测边框位置信息确定第二角色预测边框的预测触发位置，根据标注边框位置信息确定角色标注边框的标注触发位置；
位置差异确定单元163，用于根据预测触发位置与标注触发位置之间的位置差异数据，确定第二角色预测边框与角色标注边框之间的位置差异信息，将位置差异信息确定为边框差异信息。
其中，该边框差异信息包括面积差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块16包括：
该边框位置获取单元161，用于获取第二角色预测边框的预测边框位置信息，获取角色标注边框的标注边框位置信息；
边框面积确定单元164，用于根据预测边框位置信息，确定第二角色预测边框的预测边框面积；根据标注边框位置信息，确定角色标注边框的标注边框面积；
面积差异确定单元165，用于将预测边框面积与标注边框面积的比值，确定为实际面积比值，获取理论面积比值，将实际面积比值与理论面积比值之间的差值，确定为第二角色预测边框与角色标注边框之间的面积差异信息，将面积差异信息确定为边框差异信息。
其中，该边框差异信息包括位置差异信息及面积差异信息；
在获取第二角色预测边框与角色标注边框之间的边框差异信息方面，该模型调整模块16包括：
权重获取单元166，用于获取位置差异信息的第一权重，及面积差异信息的第二权重；
边框差异确定单元167，用于基于第一权重及第二权重，对位置差异信息及面积差异信息进行加权求和，得到第二角色预测边框与角色标注边框之间的边框差异信息。
本申请实施例提供了一种游戏数据处理装置，该装置通过获取游戏帧图像，基于游戏对象识别模型，识别游戏帧图像中的游戏虚拟角色；从游戏帧图像中，识别游戏虚拟角色所属的角色类别标签；根据角色类别标签属于第一角色类别标签的游戏虚拟角色，确定目标游戏虚拟角色，调用事件触发组件，对目标游戏虚拟角色进行触发操作；游戏终端对应的本地虚拟角色的角色类别标签属于第二角色类别标签。以上过程是基于游戏场景中的游戏帧图像及神经网络技术，实现的游戏人工智能，由于该过程不涉及游戏底层接口，使得实现过程较为简单，降低了开发成本，并且该过程中不会涉及太多游戏本身的逻辑实现，因此，本申请可以提高游戏人工智能的通用性及实现效率。再加上，通过本申请实施例在游戏场景中识别游戏虚拟角色，可以提高游戏虚拟角色的识别准确性，这主要是因为本申请实施例中主要是基于位置差异信息调整初始对象识别模型，以得到游戏对象识别模型的，使得识别出的游戏虚拟对象可以更好的包括触发位置，便于游戏射击。
参见图11，图11是本申请实施例提供的一种计算机设备的结构示意图。如图11所示，本申请实施例中的计算机设备可以包括：一个或多个处理器1101、存储器1102和输入输出接口1103。该处理器1101、存储器1102和输入输出接口1103通过总线1104连接。存储器1102用于存储计算机程序，该计算机程序包括程序指令，输入输出接口1103用于接收数据及输出数据；处理器1101用于执行存储器1102存储的程序指令，执行如下操作：
获取游戏帧图像，基于游戏对象识别模型，识别游戏帧图像中的游戏虚拟角色；
从游戏帧图像中，识别游戏虚拟角色所属的角色类别标签；
根据角色类别标签属于第一角色类别标签的游戏虚拟角色，确定目标游戏虚拟角色，调用事件触发组件，对目标游戏虚拟角色进行触发操作；游戏终端对应的本地虚拟角色的角色类别标签属于第二角色类别标签。
在一些可行的实施方式中，该处理器1101可以是中央处理单元(centralprocessing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器1102可以包括只读存储器和随机存取存储器，并向处理器1101和输入输出接口1103提供指令和数据。存储器1102的一部分还可以包括非易失性随机存取存储器。例如，存储器1102还可以存储设备类型的信息。
具体实现中，该计算机设备可通过其内置的各个功能模块执行如该图3中各个步骤所提供的实现方式，具体可参见该图3中各个步骤所提供的实现方式，在此不再赘述。
本申请实施例通过提供一种计算机设备，包括：处理器、输入输出接口、存储器，通过处理器获取存储器中的计算机指令，执行该图3中所示方法的各个步骤，进行游戏数据处理操作。本申请实施例实现了获取游戏帧图像，基于游戏对象识别模型，识别游戏帧图像中的游戏虚拟角色；从游戏帧图像中，识别游戏虚拟角色所属的角色类别标签；根据角色类别标签属于第一角色类别标签的游戏虚拟角色，确定目标游戏虚拟角色，调用事件触发组件，对目标游戏虚拟角色进行触发操作；游戏终端对应的本地虚拟角色的角色类别标签属于第二角色类别标签。以上过程是基于游戏场景中的游戏帧图像及神经网络技术，实现的游戏人工智能，由于该过程不涉及游戏底层接口，使得实现过程较为简单，降低了开发成本，并且该过程中不会涉及太多游戏本身的逻辑实现，因此，本申请可以提高游戏人工智能的通用性及实现效率。再加上，通过本申请实施例在游戏场景中识别游戏虚拟角色，可以提高游戏虚拟角色的识别准确性，这主要是因为本申请实施例中主要是基于位置差异信息调整初始对象识别模型，以得到游戏对象识别模型的，使得识别出的游戏虚拟对象可以更好的包括触发位置，便于游戏射击。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，当该程序指令被该处理器执行时，可以实现图3中各个步骤所提供的游戏数据处理方法，具体可参见该图3中各个步骤所提供的实现方式，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。作为示例，程序指令可被部署为在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行。
该计算机可读存储介质可以是前述任一实施例提供的游戏数据处理装置或者该计算机设备的内部存储单元，例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital，SD)卡，闪存卡(flash card)等。进一步地，该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图3中的各种可选方式中所提供的方法，通过游戏对象识别模型，识别游戏帧图像中的游戏虚拟对象，自动确定该游戏虚拟对象中的目标游戏虚拟对象，实现对该目标游戏虚拟对象的自动瞄准及自动触发操作，提高了对游戏虚拟角色识别的准确性，以及游戏人工智能的实现效率。
本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，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、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在该说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (13)

1.一种游戏数据处理方法，其特征在于，所述方法包括：
获取游戏帧图像，确定所述游戏帧图像中的第一角色预测边框，将所述第一角色预测边框所指示的虚拟角色，确定为所述游戏帧图像中的游戏虚拟角色；
获取位置偏移信息，所述位置偏移信息包括偏移方向、偏移距离及标记区域尺寸；
将位于所述第一角色预测边框的所述偏移方向，且与所述第一角色预测边框之间的距离为所述偏移距离的像素点，确定为角色标记中心点；
以所述角色标记中心点为中心，将尺寸为所述标记区域尺寸的区域确定为所述游戏虚拟角色的角色标记区域；
从所述角色标记区域中，识别所述游戏虚拟角色所属的角色类别标签；
将所述角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从所述待确定游戏虚拟角色中获取目标游戏虚拟角色；
对所述目标游戏虚拟角色执行游戏互动操作。
2.如权利要求1所述的方法，其特征在于，所述从所述角色标记区域中，识别所述游戏虚拟角色所属的角色类别标签，包括：
获取所述游戏帧图像所属的目标游戏，获取所述目标游戏对应的标签识别组件，基于所述标签识别组件识别所述游戏虚拟角色对应的阵营特征数据；
根据所述阵营特征数据确定所述游戏虚拟角色所属的角色类别标签；所述角色类别标签用于指示所述游戏虚拟角色所属的阵营集合。
3.如权利要求1所述的方法，其特征在于，所述从所述待确定游戏虚拟角色中获取目标游戏虚拟角色，包括：
若所述待确定游戏虚拟角色的数量为至少两个，则获取所述待确定游戏虚拟角色的第一角色预测边框，获取所述第一角色预测边框的边框位置及本地终端的视野中心点；
根据所述边框位置及所述视野中心点，确定所述待确定游戏虚拟角色与所述视野中心点间的触发距离，将所述触发距离最小的待确定游戏虚拟角色，确定为所述目标游戏虚拟角色。
4.如权利要求3所述的方法，其特征在于，所述将所述触发距离最小的待确定游戏虚拟角色，确定为所述目标游戏虚拟角色，包括：
将所述触发距离最小的待确定游戏虚拟角色，作为待触发游戏虚拟角色；
若所述待触发游戏虚拟角色包括至少两个游戏虚拟角色，则获取所述待触发游戏虚拟角色的第一角色预测边框，将所述第一角色预测边框对应的边框面积最大的待触发游戏虚拟角色，确定为所述目标游戏虚拟角色。
5.如权利要求3所述的方法，其特征在于，所述对所述目标游戏虚拟角色执行游戏互动操作，包括：
根据所述目标游戏虚拟角色的第一角色预测边框，确定所述目标游戏虚拟角色的触发位置；
调用视野调整组件，将所述视野中心点移动至所述目标游戏虚拟角色的触发位置；
调用角色触发组件，基于所述触发位置对所述目标游戏虚拟角色执行游戏互动操作。
6.如权利要求1所述的方法，其特征在于，所述确定所述游戏帧图像中的第一角色预测边框，包括：
将所述游戏帧图像输入游戏对象识别模型，基于所述游戏对象识别模型的卷积层提取所述游戏帧图像的图像特征，根据所述图像特征确定所述游戏帧图像中的第一角色预测边框；
所述方法还包括：
获取游戏帧图像样本及所述游戏帧图像样本中的角色标注边框；
将所述游戏帧图像样本输入初始对象识别模型进行训练，得到所述游戏帧图像样本对应的第二角色预测边框；
获取所述第二角色预测边框与所述角色标注边框之间的边框差异信息，基于所述边框差异信息对所述初始对象识别模型进行调整，生成所述游戏对象识别模型。
7.如权利要求6所述的方法，其特征在于，所述边框差异信息包括位置差异信息；
所述获取所述第二角色预测边框与所述角色标注边框之间的边框差异信息，包括：
获取所述第二角色预测边框的预测边框位置信息，获取所述角色标注边框的标注边框位置信息；
根据所述预测边框位置信息确定所述第二角色预测边框的预测触发位置，根据所述标注边框位置信息确定所述角色标注边框的标注触发位置；
根据所述预测触发位置与所述标注触发位置之间的位置差异数据，确定所述第二角色预测边框与所述角色标注边框之间的所述位置差异信息，将所述位置差异信息确定为所述边框差异信息。
8.如权利要求6所述的方法，其特征在于，所述边框差异信息包括面积差异信息；
所述获取所述第二角色预测边框与所述角色标注边框之间的边框差异信息，包括：
获取所述第二角色预测边框的预测边框位置信息，获取所述角色标注边框的标注边框位置信息；
根据所述预测边框位置信息，确定所述第二角色预测边框的预测边框面积；根据所述标注边框位置信息，确定所述角色标注边框的标注边框面积；
将所述预测边框面积与所述标注边框面积的比值，确定为实际面积比值，获取理论面积比值，将所述实际面积比值与所述理论面积比值之间的差值，确定为所述第二角色预测边框与所述角色标注边框之间的所述面积差异信息，将所述面积差异信息确定为所述边框差异信息。
9.如权利要求6所述的方法，其特征在于，所述边框差异信息包括位置差异信息及面积差异信息；
所述获取所述第二角色预测边框与所述角色标注边框之间的边框差异信息，包括：
获取所述位置差异信息的第一权重，及所述面积差异信息的第二权重；
基于所述第一权重及所述第二权重，对所述位置差异信息及所述面积差异信息进行加权求和，得到所述第二角色预测边框与所述角色标注边框之间的边框差异信息。
10.一种游戏数据处理装置，其特征在于，所述装置包括：
角色识别模块，用于获取游戏帧图像，确定所述游戏帧图像中的第一角色预测边框，将所述第一角色预测边框所指示的虚拟角色，确定为所述游戏帧图像中的游戏虚拟角色；
标签识别模块，用于根据所述第一角色预测边框确定所述游戏虚拟角色的角色标记区域，从所述角色标记区域中，识别所述游戏虚拟角色所属的角色类别标签；
角色触发模块，用于将所述角色类别标签属于第一角色类别标签的游戏虚拟角色，确定为待确定游戏虚拟角色，从所述待确定游戏虚拟角色中获取目标游戏虚拟角色；
所述角色触发模块，还用于对所述目标游戏虚拟角色执行游戏互动操作；
所述标签识别模块，包括：
偏移获取单元，用于获取位置偏移信息，所述位置偏移信息包括偏移方向、偏移距离及标记区域尺寸；
中心确定单元，用于将位于所述第一角色预测边框的所述偏移方向，且与所述第一角色预测边框之间的距离为所述偏移距离的像素点，确定为角色标记中心点；
区域确定单元，用于以所述角色标记中心点为中心，将尺寸为所述标记区域尺寸的区域确定为所述游戏虚拟角色的角色标记区域。
11.如权利要求10所述的装置，其特征在于，所述标签识别模块，包括：
标记确定单元，用于获取所述游戏帧图像所属的目标游戏，获取所述目标游戏对应的标签识别组件，基于所述标签识别组件识别所述游戏虚拟角色对应的阵营特征数据；
标签识别单元，用于根据所述阵营特征数据确定所述游戏虚拟角色所属的角色类别标签；所述角色类别标签用于指示游戏虚拟角色所属的阵营集合。
12.一种计算机设备，其特征在于，包括处理器、存储器、输入输出接口；
所述处理器分别与所述存储器和所述输入输出接口相连，其中，所述输入输出接口用于接收数据及输出数据，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，以执行如权利要求1-9任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，执行如权利要求1-9任一项所述的方法。
CN202010798048.7A 2020-08-10 2020-08-10 一种游戏数据处理方法、装置、计算机及可读存储介质 Active CN111744187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010798048.7A CN111744187B (zh) 2020-08-10 2020-08-10 一种游戏数据处理方法、装置、计算机及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010798048.7A CN111744187B (zh) 2020-08-10 2020-08-10 一种游戏数据处理方法、装置、计算机及可读存储介质

Publications (2)

Publication Number Publication Date
CN111744187A CN111744187A (zh) 2020-10-09
CN111744187B true CN111744187B (zh) 2022-04-15

Family

ID=72713259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010798048.7A Active CN111744187B (zh) 2020-08-10 2020-08-10 一种游戏数据处理方法、装置、计算机及可读存储介质

Country Status (1)

Country Link
CN (1) CN111744187B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112221133A (zh) * 2020-10-21 2021-01-15 Oppo（重庆）智能科技有限公司 游戏画面的定制方法、云服务器、终端及存储介质
CN112231220B (zh) * 2020-10-26 2022-09-09 腾讯科技（深圳）有限公司 一种游戏测试方法和装置
CN113018858B (zh) * 2021-04-12 2023-07-25 深圳市腾讯计算机系统有限公司 一种虚拟角色检测方法、计算机设备以及可读存储介质
CN113377356B (zh) * 2021-06-11 2022-11-15 四川大学 一种用户界面原型代码的生成方法、装置、设备及介质
CN113453071B (zh) * 2021-06-28 2022-09-30 杭州海康威视数字技术股份有限公司 数据叠加方法、装置及电子设备
CN114637412B (zh) * 2022-05-17 2022-08-02 广东控银实业有限公司 用于vr设备人物移动的摇杆控制方法和系统
CN115212576B (zh) * 2022-09-20 2022-12-02 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备以及存储介质
CN115944921B (zh) * 2023-03-13 2023-05-23 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259686A (ja) * 1998-03-06 1999-09-24 Namco Ltd 画像生成装置及び情報記憶媒体
CN108236785A (zh) * 2018-02-08 2018-07-03 腾讯科技（深圳）有限公司 一种获取对象信息的方法及装置
CN110141861A (zh) * 2019-01-29 2019-08-20 腾讯科技（深圳）有限公司 控制方法、装置及终端
CN110152290A (zh) * 2018-11-26 2019-08-23 深圳市腾讯信息技术有限公司 游戏运行方法和装置、存储介质及电子装置
CN110443284A (zh) * 2019-07-15 2019-11-12 超参数科技(深圳)有限公司 Ai模型的训练方法、调用方法、服务器及可读存储介质
CN111185008A (zh) * 2020-01-20 2020-05-22 腾讯科技（深圳）有限公司 用于控制游戏中的虚拟角色的方法和设备
CN111242973A (zh) * 2020-01-06 2020-06-05 上海商汤临港智能科技有限公司 目标跟踪方法、装置、电子设备及存储介质
CN111291755A (zh) * 2020-02-13 2020-06-16 腾讯科技（深圳）有限公司 对象检测模型训练及对象检测方法、装置、计算机设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6842108B2 (ja) * 2015-12-28 2021-03-17 株式会社エイテック 標的システム、およびプログラム
WO2017162539A1 (en) * 2016-03-22 2017-09-28 Philips Lighting Holding B.V. Lighting for video games
CN108211359B (zh) * 2017-12-28 2021-04-09 珠海豹好玩科技有限公司 一种信息提示方法、装置、终端和计算机可读存储介质
CN110180186B (zh) * 2019-05-28 2022-08-19 北京奇思妙想信息技术有限公司 一种地形图转换方法及系统
CN111444828B (zh) * 2020-03-25 2023-06-20 腾讯科技（深圳）有限公司 一种模型训练的方法、目标检测的方法、装置及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259686A (ja) * 1998-03-06 1999-09-24 Namco Ltd 画像生成装置及び情報記憶媒体
CN108236785A (zh) * 2018-02-08 2018-07-03 腾讯科技（深圳）有限公司 一种获取对象信息的方法及装置
CN110152290A (zh) * 2018-11-26 2019-08-23 深圳市腾讯信息技术有限公司 游戏运行方法和装置、存储介质及电子装置
CN110141861A (zh) * 2019-01-29 2019-08-20 腾讯科技（深圳）有限公司 控制方法、装置及终端
CN110443284A (zh) * 2019-07-15 2019-11-12 超参数科技(深圳)有限公司 Ai模型的训练方法、调用方法、服务器及可读存储介质
CN111242973A (zh) * 2020-01-06 2020-06-05 上海商汤临港智能科技有限公司 目标跟踪方法、装置、电子设备及存储介质
CN111185008A (zh) * 2020-01-20 2020-05-22 腾讯科技（深圳）有限公司 用于控制游戏中的虚拟角色的方法和设备
CN111291755A (zh) * 2020-02-13 2020-06-16 腾讯科技（深圳）有限公司 对象检测模型训练及对象检测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN111744187A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111744187B (zh) 一种游戏数据处理方法、装置、计算机及可读存储介质
US20240249472A1 (en) Terrain generation and population system
CN109445662B (zh) 虚拟对象的操作控制方法、装置、电子设备及存储介质
CN111744202B (zh) 加载虚拟游戏的方法及装置、存储介质、电子装置
CN112807681B (zh) 游戏控制方法、装置、电子设备及存储介质
CN111767503A (zh) 一种游戏数据处理方法、装置、计算机及可读存储介质
US20240269556A1 (en) Method for interaction in game, device, and non-transitory computer-readable storage medium
CN112057858B (zh) 虚拟对象的控制方法、装置、设备及存储介质
CN112742029B (zh) 一种模拟操作的方法、游戏测试的方法以及相关装置
CN109939439B (zh) 虚拟角色的卡住检测方法、模型训练方法、装置及设备
CN112221143A (zh) 一种控制虚拟对象移动的方法、装置及存储介质
CN112150464B (zh) 一种图像检测方法、装置、电子设备及存储介质
CN114272599A (zh) 人工智能对象控制方法、装置、设备及存储介质
CN111744197B (zh) 一种数据处理方法、装置、设备及可读存储介质
CN115944921B (zh) 游戏数据处理方法、装置、设备及介质
CN112295224A (zh) 三维特效生成方法及装置、计算机存储介质、电子设备
CN116980723A (zh) 电竞赛事的视频集锦生成方法、装置、设备及介质
CN112231220B (zh) 一种游戏测试方法和装置
CN113694522B (zh) 一种破碎效果的处理方法、装置、存储介质及电子设备
CN116983660A (zh) 一种图像处理的方法以及相关装置
CN113018853B (zh) 数据处理方法、装置、计算机设备和存储介质
CN117899487B (zh) 一种数据处理方法、装置、设备、存储介质及程序产品
CN110721471A (zh) 一种虚拟应用对象输出方法、装置以及计算机存储介质
CN114247132B (zh) 虚拟对象的控制处理方法、装置、设备、介质及程序产品
CN116999823A (zh) 信息显示方法、装置和存储介质及电子设备

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40030730

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant