CN111814641A - 一种电竞赛事数据的收集方法及系统 - Google Patents

一种电竞赛事数据的收集方法及系统 Download PDF

Info

Publication number
CN111814641A
CN111814641A CN202010616758.3A CN202010616758A CN111814641A CN 111814641 A CN111814641 A CN 111814641A CN 202010616758 A CN202010616758 A CN 202010616758A CN 111814641 A CN111814641 A CN 111814641A
Authority
CN
China
Prior art keywords
data
image
module
identification
rule
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
Application number
CN202010616758.3A
Other languages
English (en)
Inventor
刘毛亚
赵品齐
王新明
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.)
Beijing Play Together Technology Co ltd
Original Assignee
Beijing Play Together Technology 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 Beijing Play Together Technology Co ltd filed Critical Beijing Play Together Technology Co ltd
Priority to CN202010616758.3A priority Critical patent/CN111814641A/zh
Publication of CN111814641A publication Critical patent/CN111814641A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/635—Overlay text, e.g. embedded captions in a TV program
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电竞数据收集技术领域，公开了一种电竞赛事数据的收集方法及系统，其方法步骤包括：S1、对直播画面中的布局进行识别判断，进入步骤S2；S2、通过识别规则对某一布局模式的数据区域进行识别，进入步骤S3；S3、针对每个识别规则指定的数据区域调用对应的图像识别模型提取图像中的信息，并将每一帧的信息进行整合，进入步骤S4；S4、对当前帧中蕴含的已识别的信息进行上报和存储，完成整个收集流程。解决目前人工处理电竞赛事数据录入技术准确性差的问题，还解决了接口的电竞赛事数据录入技术研发周期和成本增加的问题。

Description

一种电竞赛事数据的收集方法及系统
技术领域
本发明涉及电竞数据收集技术领域，具体而言，涉及一种电竞赛事数据的收集方法及系统。
背景技术
电子竞技比赛的直播已经吸引了越来越多的受众，逐渐成为了当代年轻人重要的娱乐和减压方式，与传统体育的进球、得分类似，电子竞技的赛事也会产生各种各样的数据，数据指标能够很大程度上衡量选手或队伍的比赛风格以及表现好坏，观众会关注电竞赛事的数据，赛事方和直播流制作方也会基于赛事数据进行造星和推广，深入挖掘比赛内事件的价值。
基于人工处理、Excel表格的电竞赛事数据录入技术，这种技术依赖人工记录赛事数据，依赖人的判断，在准确性上难以保证，而且在变化频次较快或者变化较多的数据难以做到实时跟踪修改，往往只能在比赛结束之后再进行统计。
基于接口的电竞赛事数据录入技术，需要依赖相关项目游戏厂商对游戏进行数据开发，并由赛事方提供接口授权，这种方法不具有通用性，对于单个项目有一定的研发周期和成本，且接口本身存在延迟和失效的可能性，很容易影响到赛事数据的采集和计算流程。
现有技术中的缺陷在于，1、基于人工处理、Excel表格的电竞赛事数据录入技术，这种技术依赖人工记录赛事数据，依赖人的判断，在准确性上难以保证；2、基于接口的电竞赛事数据录入技术，这种方法不具有通用性，对于单个项目有一定的研发周期和成本，且接口本身存在延迟和失效的可能性。
发明内容
本发明的主要目的在于提供一种电竞赛事数据的收集方法及系统，以解决目前人工处理电竞赛事数据录入技术准确性差的问题，还解决了接口的电竞赛事数据录入技术研发周期和成本增加的问题。
为了实现上述目的，本发明提供了如下技术：
一种电竞赛事数据的收集方法，包括步骤：
S1、对直播画面中的布局进行识别判断，进入步骤S2；
S2、通过识别规则对某一布局模式的数据区域进行识别，进入步骤S3；
S3、针对每个识别规则指定的数据区域调用对应的图像识别模型提取图像中的信息，并将每一帧的信息进行整合，进入步骤S4；
S4、对当前帧中蕴含的已识别的信息进行上报和存储，完成整个收集流程。
进一步地，步骤S2中，每一个布局模式，均有相对应的一组识别规则。
进一步地，步骤S2中，每个识别规则用于标识当前界面某一数据区域的性质，对指定数据区域进行相应的预处理。
进一步地，在步骤S2中，根据布局模式，截取直播画面的图片。
进一步地，在截图过程中，先获取布局模式id，再通过id在数据库中获取该布局模式的详细信息，最后按照指定频率实时地对屏幕进行截图，对截图的尺寸进行统一，缩放到指定的尺寸并保存。
进一步地，对截取的图像数据进行图像预处理，图像预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的识别规则，然后根据识别规则对于图像数据进行操作；
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；
S04、根据设定的识别类型，对降维后的图像进行处理；
S05、进行预设规则指定的预处理回调操作；
S06、将不同尺寸的图像缩放或填充至识别模型能处理的尺寸，并转成初始特征数组。
一种电竞赛事数据的收集系统，包括识别模块、运营后台数据库、任务调度模块、截图模块和图像预处理模块；
识别模块，用于截取识别规则指定的数据区域；
运营后台数据库，用于存储电竞赛事图片数据；
任务调度模块，用于控制截图模块的数据收集任务，该数据收集任务过程控制截图模块完成，还用于调起工作进程获取布局模式，获取识别规则；
截图模块，用于接收任务调度模块传递的布局模式信号，截图模块按照布局模式中的指定频率实时地对屏幕进行截图；
图像预处理模块，用于接收截图模块获取的图像数据，进行图像预处理。
进一步地，截图模块通过接收任务调度模块传递的布局模式id，再通过这个id在数据库中获取该布局模式的详细信息。
进一步地，布局模式的详细信息包括截图的频率、尺寸以及结束条件，针对不同屏幕分辨率，对截图的尺寸进行统一，缩放或者填充到指定的尺寸并保存。
与现有技术相比较，本发明能够带来如下技术效果：
解决目前人工处理电竞赛事数据录入技术准确性差的问题，还解决了接口的电竞赛事数据录入技术研发周期和成本增加的问题。
1、经过上报和存储的数据在进行进一步的清洗和计算之后，可以实时地呈现给观众，也可以留存用作更深层次的数据分析。
2、通过的运营后台数据库可以人工录入布局模式和识别规则的数据，也可以对不同的模型做样本标注和模型测试的工作，这样整个数据流会形成闭环，大幅减少人工成本，人工只需要录入基础的信息，就能够自动化智能化地进行赛事数据识别和收集了。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，使得本发明的其它特征、目的和优点变得更明显。本发明的示意性实施例附图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是本发明一种电竞赛事数据的收集方法的流程图；
图2是本发明一种电竞赛事数据的收集系统的流程图。
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。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。
在本发明中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本发明中的具体含义。
另外，术语“多个”的含义应为两个以及两个以上。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例1
如图1所示，一种电竞赛事数据的收集方法，包括步骤：
S1、对直播画面中的布局进行识别判断，进入步骤S2；
S2、通过识别规则对某一布局模式的数据区域进行识别，进入步骤S3；每一个布局模式，均有相对应的一组识别规则。同时每个识别规则用于标识当前界面某一数据区域的性质，对指定数据区域进行相应的预处理。根据布局模式，截取直播画面的图片。在截图过程中，先获取布局模式id，再通过这个id在数据库中获取该布局模式的详细信息，最后会按照指定频率实时地对屏幕进行截图，对截图的尺寸进行统一，缩放到指定的尺寸并保存。
S3、针对每个识别规则指定的数据区域调用对应的图像识别模型提取图像中的信息，并将每一帧的信息进行整合，进入步骤S4；
S4、对当前帧中蕴含的已识别的信息进行上报和存储，完成整个收集流程。
进一步地，对截取的图像数据进行图像预处理，预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的识别规则，然后根据识别规则对于图像数据进行操作；
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；
S04、根据设定的识别类型，对降维后的图像进行处理；
S05、进行预设规则指定的预处理回调操作；
S06、将不同尺寸的图像缩放或填充至识别模型能处理的尺寸，并转成初始特征数组。
如图2所示，一种电竞赛事数据的收集系统，包括识别模块、运营后台数据库、任务调度模块、截图模块和图像预处理模块；
识别模块，用于截取识别规则指定的数据区域；
运营后台数据库，用于存储电竞赛事图片数据；
任务调度模块，用于控制截图模块的数据收集任务，该数据收集任务过程控制截图模块完成，还用于调起工作进程获取布局模式，获取识别规则；数据收集任务由任务调度模块控制，当比赛开始时，任务模块会调起工作进程，工作进程会获取需要处理的布局模式，然后从数据库中获取该布局模式对应的识别规则，之后将通过截图模块获得直播流或者OB界面的实时帧图像，获得图像之后会根据识别规则对图像进行区域性截取并进行预处理，这一步将会得到用于识别的数据，然后会调用识别模块对这些基础数据进行识别，提取其中的信息，最后，这些识别出来的信息将会在工作进程中进行整合，然后进行相关的上报和存储，完成整个识别流程。经过上报和存储的数据在进行进一步的清洗和计算之后，可以实时地呈现给观众，也可以留存用作更深层次的数据分析。
截图模块，用于接收任务调度模块传递的布局模式信号，截图模块按照布局模式中的指定频率实时地对屏幕进行截图；截图模块通过接收任务调度模块传递的布局模式id，再通过这个id在数据库中获取该布局模式的详细信息。
图像预处理模块，用于接收截图模块获取的图像数据，进行图像预处理。
进一步地，布局模式的详细信息包括截图的频率、尺寸以及结束条件，针对不同屏幕分辨率，对截图的尺寸进行统一，缩放或者填充到指定的尺寸并保存。
实施例2
如图1所示，一种电竞赛事数据的收集方法，包括步骤：
S1、对直播画面中的布局进行智能识别判断，进入步骤S2；
S2、通过识别规则对某一布局模式的数据区域进行识别，进入步骤S3；每一个布局模式，均有相对应的一组识别规则。同时每个识别规则用于标识当前界面某一数据区域的性质，对指定数据区域进行相应的预处理。根据布局模式，截取直播画面的图片。在截图过程中，先获取布局模式id，再通过这个id在数据库中获取该布局模式的详细信息，最后会按照指定频率实时地对屏幕进行截图，对截图的尺寸进行统一，缩放到指定的尺寸并保存。
S3、针对每个识别规则指定的数据区域调用对应的图像识别模型提取图像中的信息，并将每一帧的信息进行整合，进入步骤S4；
S4、对当前帧中蕴含的已识别的信息进行上报和存储，完成整个识别流程。
进一步地，对截取的图像数据进行图像预处理，预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的识别规则，然后根据识别规则对于图像数据进行操作；
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；
S04、根据设定的识别类型，对降维后的图像进行处理；
S05、进行预设规则指定的预处理回调操作；
S06、将不同尺寸的图像缩放或填充至识别模型能处理的尺寸，并转成初始特征数组。
如图2所示，一种电竞赛事数据的收集系统，包括识别模块、运营后台数据库、任务调度模块、截图模块和图像预处理模块；
识别模块，用于截取识别规则指定的数据区域；
运营后台数据库，用于存储电竞赛事图片数据；
任务调度模块，用于控制截图模块的数据收集任务，该数据收集任务过程控制截图模块完成，还用于调起工作进程获取布局模式，获取识别规则；数据收集任务由任务调度模块控制，当比赛开始时，任务模块会调起工作进程，工作进程会获取需要处理的布局模式，然后从数据库中获取该布局模式对应的识别规则，之后将通过截图模块获得直播流或者OB界面的实时帧图像，获得图像之后会根据识别规则对图像进行区域性截取并进行预处理，这一步将会得到用于识别的数据，然后会调用识别模块对这些基础数据进行识别，提取其中的信息，最后，这些识别出来的信息将会在工作进程中进行整合，然后进行相关的上报和存储，完成整个识别流程。经过上报和存储的数据在进行进一步的清洗和计算之后，可以实时地呈现给观众，也可以留存用作更深层次的数据分析。
另一方面，通过图中的运营后台可以人工录入布局模式和识别规则的数据，也可以对不同的模型做样本标注和模型测试的工作，这样整个数据流会形成闭环，大幅减少人工成本，人工只需要录入基础的信息，就能够自动化智能化地进行赛事数据收集了。
截图模块，用于接收任务调度模块传递的布局模式信号，截图模块按照布局模式中的指定频率实时地对屏幕进行截图；截图模块通过接收任务调度模块传递的布局模式ID，再通过这个id在数据库中获取该布局模式的详细信息。截图模块需要接受任务调度模块的控制，当截图模块开始工作之时，会收到任务调度模块传过来的布局模式id，之后再通过这个id在数据库中获取该布局模式的详细信息，主要包括截图的频率、尺寸以及结束条件，随后截图模块会按照指定频率实时地对屏幕进行截图，针对不同屏幕分辨率不一定一致，所以需要对截图的尺寸进行统一，缩放到指定的尺寸并保存。在完成截图之后，截图模块会调起预处理模块，并将图片传输给预处理模块。
图像预处理模块，用于接收截图模块获取的图像数据，进行图像预处理。
进一步地，图像预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的规则，然后根据识别规则对图像数据进行操作；首先需要截取规则指定的特定区域，每个识别规则都对应着特定的区域，第一步就是要将这部分图像数据从整体的图像中截取出来。
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；根据规则的需求的输出类型对区域图像进行进一步处理，如果输出类型是灰度图，则需要将原图转换成灰度图，再对每个像素的灰度值进行归一化，如果输出类型是二值图，则需要根据特定的阈值对原图进行二值化，做这一步的意义是去掉冗余的色彩或灰度信息，对图像特征进行降维，提升处理速度。
S04、根据设定的识别类型，对降维后的图像进行处理；过每一列图像在水平方向上的投影的程度对行文本图像进行切割，切割成单字符图像；对上一步处理之后的数据进行处理，如果是单字符识别，需要通过每一列图像在水平方向上的投影的程度对行文本图像进行切割，切割成多个单字符图像。
S04、进行预设规则指定的预处理回调操作；
S05、将不同尺寸的图像缩放或填充至识别规则能处理的尺寸，并转成初始设定数组。至此，这些特征数据就能输出至识别模块进行识别了。
与现有技术相比较，本发明能够带来如下技术效果：
解决目前人工处理电竞赛事数据录入技术准确性差的问题，还解决了接口的电竞赛事数据录入技术研发周期和成本增加的问题。
1、经过上报和存储的数据在进行进一步的清洗和计算之后，可以实时地呈现给观众，也可以留存用作更深层次的数据分析。
2、通过的运营后台数据库可以人工录入布局模式和识别规则的数据，也可以对不同的模型做样本标注和模型测试的工作，这样整个数据流会形成闭环，大幅减少人工成本，人工只需要录入基础的信息，就能够自动化智能化地进行赛事数据识别和收集了。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电竞赛事数据的收集方法，其特征在于，包括步骤：
S1、对直播画面中的布局进行识别判断，进入步骤S2；
S2、通过识别规则对某一布局模式的数据区域进行识别，进入步骤S3；
S3、针对每个识别规则指定的数据区域调用对应的图像识别模型提取图像中的信息，并将每一帧的信息进行整合，进入步骤S4；
S4、对当前帧中蕴含的已识别的信息进行上报和存储，完成整个收集流程。
2.如权利要求1所述的一种电竞赛事数据的收集方法，其特征在于，步骤S2中，每一个布局模式，均有相对应的一组识别规则。
3.如权利要求1或2所述的一种电竞赛事数据的收集方法，其特征在于，步骤S2中，每个识别规则用于标识当前界面某一数据区域的性质，对指定数据区域进行相应的预处理。
4.如权利要求3所述的一种电竞赛事数据的收集方法，其特征在于，在步骤S2中，根据布局模式，截取直播画面的图片。
5.如权利要求4所述的一种电竞赛事数据的收集方法，其特征在于，在截图过程中，先获取布局模式id，再通过这个id在数据库中获取该布局模式的详细信息，最后会按照指定频率实时地对屏幕进行截图。
6.如权利要求5所述的一种电竞赛事数据的收集方法，其特征在于，对截取的图像数据进行图像预处理，预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的识别规则，然后根据识别规则对于图像数据进行操作；
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；
S04、根据设定的识别类型，对降维后的图像进行处理；
S05、进行预设规则指定的预处理回调操作；
S06、将不同尺寸的图像缩放或填充至识别模型能处理的尺寸，并转成初始特征数组。
7.一种电竞赛事数据的收集系统，其特征在于，包括识别模块、运营后台数据库、任务调度模块、截图模块和图像预处理模块；
识别模块，用于截取识别规则指定的数据区域；
运营后台数据库，用于存储电竞赛事图片数据；
任务调度模块，用于控制截图模块的数据收集任务，该数据收集任务过程控制截图模块完成，还用于调起工作进程获取布局模式，获取识别规则；
截图模块，用于接收任务调度模块传递的布局模式信号，截图模块按照布局模式中的指定频率实时地对屏幕进行截图；
图像预处理模块，用于接收截图模块获取的图像数据，进行图像预处理。
8.如权利要求7所述的一种电竞赛事数据的收集系统，其特征在于，截图模块通过接收任务调度模块传递的布局模式id，再通过这个id在数据库中获取该布局模式的详细信息。
9.如权利要求7或8所述的一种电竞赛事数据的收集系统，其特征在于，图像预处理步骤包括：
S01、根据识别规则，截取识别规则指定的数据区域；
S02、根据布局模式从数据库获取对应模式的识别规则，然后根据识别规则对于图像数据进行操作；
S03、根据识别规则的输出类型对区域图像进行处理，对图像特征进行降维，进入步骤S03；
S04、根据设定的识别类型，对降维后的图像进行处理；
S05、进行预设规则指定的预处理回调操作；
S06、将不同尺寸的图像缩放或填充至识别模型能处理的尺寸，并转成初始特征数组。
10.如权利要求9所述的一种电竞赛事数据的收集系统，其特征在于，布局模式的详细信息包括截图的频率、尺寸以及结束条件，针对不同屏幕分辨率，对截图的尺寸进行统一，缩放或者填充到指定的尺寸并保存。
CN202010616758.3A 2020-06-30 2020-06-30 一种电竞赛事数据的收集方法及系统 Pending CN111814641A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010616758.3A CN111814641A (zh) 2020-06-30 2020-06-30 一种电竞赛事数据的收集方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010616758.3A CN111814641A (zh) 2020-06-30 2020-06-30 一种电竞赛事数据的收集方法及系统

Publications (1)

Publication Number Publication Date
CN111814641A true CN111814641A (zh) 2020-10-23

Family

ID=72855258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010616758.3A Pending CN111814641A (zh) 2020-06-30 2020-06-30 一种电竞赛事数据的收集方法及系统

Country Status (1)

Country Link
CN (1) CN111814641A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110025956A (zh) * 2019-04-24 2019-07-19 杭州威佩网络科技有限公司 一种电竞数据推送方法、装置及服务器
CN110188237A (zh) * 2019-06-04 2019-08-30 成都索贝数码科技股份有限公司 一种用于赛事智能制作的数据汇聚系统及方法
CN110533026A (zh) * 2019-07-18 2019-12-03 西安电子科技大学 基于计算机视觉的电竞图像数字与图标信息获取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110025956A (zh) * 2019-04-24 2019-07-19 杭州威佩网络科技有限公司 一种电竞数据推送方法、装置及服务器
CN110188237A (zh) * 2019-06-04 2019-08-30 成都索贝数码科技股份有限公司 一种用于赛事智能制作的数据汇聚系统及方法
CN110533026A (zh) * 2019-07-18 2019-12-03 西安电子科技大学 基于计算机视觉的电竞图像数字与图标信息获取方法

Similar Documents

Publication Publication Date Title
CN107105310B (zh) 一种视频直播中人物形象替换方法、装置和一种录播系统
CN110381366B (zh) 赛事自动化报道方法、系统、服务器及存储介质
CN109697416A (zh) 一种视频数据处理方法和相关装置
KR20120089452A (ko) 물체 추출 시스템 및 방법
CN109559362B (zh) 一种图像主体脸部替换方法及装置
CN112733802B (zh) 图像的遮挡检测方法、装置、电子设备及存储介质
CN108491804B (zh) 一种棋局展示的方法、相关装置及系统
CN110163092A (zh) 基于人脸识别的人数统计方法、装置、设备及存储介质
CN113160231A (zh) 一种样本生成方法、样本生成装置及电子设备
CN105844636A (zh) 一种基于图像识别模式的围棋自动数目方法
CN111814641A (zh) 一种电竞赛事数据的收集方法及系统
CN116563922A (zh) 一种基于人工智能的跳绳自动计数方法
CN209486938U (zh) 一种智能点读棒
CN111444822A (zh) 对象识别方法和装置、存储介质和电子装置
KR100715321B1 (ko) 이미지 프로세싱을 이용한 동화 스토리 진행 방법
CN111768729A (zh) 一种vr场景自动解说方法、系统和存储介质
CN111814642A (zh) 一种电竞赛事数据的识别方法及系统
CN114863321A (zh) 自动视频生成方法、装置及电子设备和芯片系统
CN112348112A (zh) 图像识别模型的训练方法、训练装置及终端设备
CN113347400A (zh) 一种儿童舞蹈比赛用趣味投影系统及其使用方法
CN115543135A (zh) 显示屏幕的控制方法、装置及设备
CN113842629A (zh) 一种ai麻将辅助引导系统
CN111800648A (zh) 一种电竞赛事直播流剪辑方法及系统
CN110889411B (zh) 基于ai芯片的通用图像识别模型
CN214591683U (zh) 一种香蕉病害的嵌入式dsp图像检测器

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