CN113542894A - 游戏视频剪辑方法、装置、设备及存储介质 - Google Patents
游戏视频剪辑方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113542894A CN113542894A CN202011340101.5A CN202011340101A CN113542894A CN 113542894 A CN113542894 A CN 113542894A CN 202011340101 A CN202011340101 A CN 202011340101A CN 113542894 A CN113542894 A CN 113542894A
- Authority
- CN
- China
- Prior art keywords
- player
- video
- video frame
- video frames
- information
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4781—Games
-
- 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
- A63F13/70—Game security or game management aspects
- A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本申请提供了一种游戏视频剪辑方法、装置、设备及存储介质,该方法包括:获取OB视角游戏视频的多个视频帧;针对多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域;识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息;根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段,从而使得生成的视频片段的准确性较高。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种游戏视频剪辑方法、装置、设备及存储介质。
背景技术
目前观察者(Obserber,OB)视角的游戏视频越来越受欢迎,不过对于游戏爱好者来讲,更希望看到OB视角的游戏视频的精彩视频片段,例如:击杀片段或者死亡片段。
目前可以通过如下方式获取精彩视频片段:针对任一个视频帧,通过光学字符识别(Optical Character Recognition,OCR)技术获取该视频帧中的玩家类别标识、血条状态信息以及击杀数等;在同一玩家对应的连续视频帧构成的区间内,根据血条状态信息确定精彩的死亡视频片段,根据击杀数确定精彩的击杀视频片段。
然而,通常视频帧中的玩家类别标识、血条状态信息以及击杀数等显示地非常小,尤其对于手游视频更为严重,这种通过OCR技术识别上述信息,可能导致信息识别错误的情况,进而导致生成的精彩视频片段有误。
发明内容
本申请提供一种游戏视频剪辑方法、装置、设备及存储介质,从而使得生成的视频片段的准确性较高。
第一方面,本申请提供一种游戏视频剪辑方法,包括:获取OB视角游戏视频的多个视频帧;针对多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域;识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息;根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段,从而使得生成的视频片段的准确性较高。
第二方面,本申请提供一种游戏视频剪辑装置,该游戏视频剪辑装置包括:获取模块、截取模块、识别模式和第一生成模块。其中,获取模块用于获取OB视角游戏视频的多个视频帧。截取模块用于针对多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域。识别模式用于识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息。第一生成模块用于根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段。
第三方面,提供了一种游戏视频剪辑设备,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,以执行第一方面的方法。
第四方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序使得计算机执行第一方面的方法。
通过本申请提供的技术方案,由于玩家标识区域和玩家状态信息区域是固定的,因此,截取玩家标识区域和玩家状态信息区域的准确性非常高进而使得生成的精彩视频片段的准确性更高。其次,本申请是通过对应的神经网络模型对玩家标识区域和玩家状态信息区域中的信息进行识别的,相对于通过OCR技术识别信息的方式,本申请这种方式的识别准确性会更高。进而使得生成的精彩视频片段的准确性更高。
尤其是针对手游视频帧,本申请提供的这种游戏视频剪辑方法,不会由于手游视频帧中的信息过小,而存在漏检或者误检的情况。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本申请实施例提供的应用场景示意图;
图2为本申请实施例提供的一种游戏视频剪辑方法的流程图;
图3为本申请实施例提供的玩家标识区域的示意图;
图4为本申请实施例提供的玩家击杀数区域的示意图;
图5为本申请实施例提供的玩家血条区域的示意图;
图6为本申请实施例提供的另一种游戏视频剪辑方法的流程图;
图7为本申请实施例提供的一种游戏视频剪辑方法的示意图;
图8为本申请实施例提供的再一种游戏视频剪辑方法的流程图;
图9为本申请实施例提供的另一种游戏视频剪辑方法的示意图;
图10为本申请实施例提供的一种游戏视频剪辑装置的示意图;
图11是本申请实施例提供的游戏视频剪辑设备1100的示意性框图。
具体实施方式
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的前提下所获得的所有其他实施例,都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、产品或服务器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。
如上所述,通常视频帧中的玩家类别标识、血条状态信息以及击杀数等显示地非常小,尤其对于手游视频更为严重,这种通过OCR技术识别上述信息,可能导致信息识别错误的情况,进而导致生成的精彩视频片段有误。
为了解决上述技术问题,本申请的发明构思是:通过对应的神经网络模型对玩家标识区域、玩家状态信息区域,如玩家击杀数区域或者玩家血条区域中的信息进行识别,以生成精彩视频片段。
可选地,本申请技术方案可以应用于如下应用场景,但不限于此:如图1所述,电子设备110可以向电子设备120上传OB视角游戏视频或者OB视角游戏视频的统一资源定位符(Uniform Resource Locator,URL),以使电子设备120对该OB视角游戏视频进行剪辑,生成精彩视频片段。
可选地,电子设备110可以通过Web接口上传OB视角游戏视频或者OB视角游戏视频的URL。
可选地,电子设备120在生成精彩视频片段之后,可以将该精彩视频片段或者该精彩视频片段的URL传输给电子设备110,以供用户观看该精彩视频片段。
应理解的是,图1所示的应用场景是以包括一个电子设备110和一个电子设备120为例的,实际上,还可以包括其他数量的电子设备,并且在电子设备110和电子设备120之间还可以包括其他数据传输设备,本申请对此不做限制。
可以地,在本申请中,电子设备可以是游戏机、手机、智能、平板电脑、笔记本电脑或者个人计算机(Personal Computer,PC)等,本申请对此不做限制。
本申请涉及人工智能(Artificial Intelligence,AI)中的计算机视觉技术(Computer Vision,CV)。
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。
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。
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。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、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。
下面将对本申请技术方案进行详细阐述:
图2为本申请实施例提供的一种游戏视频剪辑方法的流程图,该方法的执行主体可以是图1中的电子设备120,但不限于此,如图2所示,该方法包括如下步骤:
S210:获取OB视角游戏视频的多个视频帧。
S220:针对多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域。
S230:识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息。
S240:根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段。
可选地,电子设备可以从其他电子设备获取OB视角游戏视频或者该OB视角游戏视频的URL。如果电子设备获取到的是OB视角游戏视频的URL,该电子设备可以根据该URL从本地或者云服务器获取OB视角游戏视频。
可选地,电子设备可以对OB视角游戏视频按照固定时间间隔进行视频抽帧,以得到OB视角游戏视频的多个视频帧,例如:电子设备可以每隔1秒抽取连续的10个视频帧。
可选地,上述固定时间间隔可以是预先设置的,其可以是固定不变的,也可以动态调整,本申请对此不做限制。
可选地,电子设备可以确定玩家标识区域和玩家状态信息区域的位置信息。根据玩家标识区域的位置信息截取玩家标识区域,并根据玩家状态信息区域的位置信息截取玩家状态信息区域。例如:若玩家标识区域是矩形区域,则可以根据该玩家标识区域的左上角、右上角、左下角、右下角的坐标确定该玩家标识区域,进而截取玩家标识区域。或者,若玩家标识区域是矩形区域,则可以根据该玩家标识区域的左上角、右上角的坐标以及该区域的周长确定该玩家标识区域,进而截取玩家标识区域。或者,若玩家标识区域是圆形区域,则可以根据该玩家标识区域的圆心坐标以及半径确定该玩家标识区域,进而截取玩家标识区域。类似的,对于玩家状态信息区域也可以采用上述方式确定,进而截取该玩家状态信息区域。
应理解的是,本申请对如何根据玩家标识区域的位置信息截取玩家标识区域,并根据玩家状态信息区域的位置信息截取玩家状态信息区域,不做限制。
可选地,电子设备可以将玩家标识区域输入至第一神经网络模型中,以得到玩家标识区域中的玩家类别标识。
可选地,玩家标识区域包括,但不限于此:玩家类别标识和玩家名称的区域。应理解的是,玩家类别标识用于标识玩家类别,例如:玩家类别标识为以下任一项:背景、蓝色1号、蓝色2号、蓝色3号、蓝色4号、蓝色5号、红色1号、红色2号、红色3号、红色4号、红色5号。例如:如图3所示,该玩家标识区域包括的玩家类别标识是蓝色1号,玩家名称是21·R。
应理解的是,上述第一神经网络模型的输入是玩家标识区域,输出是玩家类别标识。
可选地,该第一神经网络模型可以是MobileNetV2模型,全连接层做11分类,即如下分类:背景、蓝色1号、蓝色2号、蓝色3号、蓝色4号、蓝色5号、红色1号、红色2号、红色3号、红色4号、红色5号。
可选地,可以选取若干时长较长的OB视角游戏视频,每个固定时间间隔进行抽帧,获取若干玩家标识区域,再对这些玩家标识区域进行玩家标识类别的标注。最后划分部分玩家标识区域和对应的玩家标识类别作为训练集,以训练该第一神经网络模型,并通过剩下部分的玩家标识区域和对应的玩家标识类别作为测试集,以测试该第一神经网络模型。
对第一神经网络模型的验证效果:验证玩家标识类别的正确率为99.91%。
可选地,电子设备可以将玩家状态信息区域输入至第二神经网络模型中,以得到玩家状态信息区域中的玩家状态信息。
应理解的是,玩家状态信息区域是包括玩家状态信息的区域。
可选地,玩家状态信息区域是玩家击杀数区域,玩家状态信息是玩家击杀数。例如:如图4所示,这里的玩家击杀数是4。
为了方便起见,下面在玩家状态信息区域是玩家击杀数区域,玩家状态信息是玩家击杀数的情况下,将该第二神经网络模型称为击杀数神经网络模型。
应理解的是,通常对于玩家而言,其击杀数不超过30,但是不排除存在特殊情况,例如:玩家击杀数是50,但是击杀数通常不可能超过三位数,因此,玩家状态信息可以包括,但不限于此:第一信息和第二信息,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位。或者,当玩家击杀数是两位数时,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位;当玩家击杀数是一位数时,第一信息对应玩家击杀数的个位,第二信息为空。或者,当玩家击杀数是两位数时,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位;当玩家击杀数是一位数时,第一信息为空,第二信息对应玩家击杀数的个位。或者,当玩家击杀数是两位数时,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位;当玩家击杀数是一位数时,第一信息为0,第二信息对应玩家击杀数的个位。
其中,第一信息的取值范围与第二信息的取值范围相同。例如:第一信息的取值为0-9和空。第二信息的取值为0-9和空,但不限于此。通过这种方式,可以表示任一两位数的击杀数。
可选地,上述击杀数神经网络模型的输入是玩家击杀数区域,输出是玩家击杀数。
可选地,上述击杀数神经网络模型可以是MobileNetV2模型,全连接层有两个分支分别对应玩家击杀数的十位和个位。
应理解的是,如果击杀数神经网络模型的输出,即玩家击杀数仅仅作为一个整体,即在模型训练和测试时,由于大部分实际击杀数都在30以下,因此训练出来的模型并不能输出击杀数大于30的情况,为了防止这种情况的出现,击杀数神经网络模型的输出,即玩家击杀数是通过上述第一信息和上述第二信息表示的,例如:玩家击杀数12是通过第一信息等于1,第二信息等于2这种方式表示的。再例如:玩家击杀数2是通过第一信息等于2,第二信息为空这种方式表示的。再例如:玩家击杀数2是通过第一信息为空或者0,第二信息为2这种方式表示的。又例如:若某一个视频帧是背景图像,则玩家击杀数对应的第一信息和第二信息均为空。
可选地,可以选取若干时长较长的OB视角游戏视频,每个固定时间间隔进行抽帧,获取若干玩家击杀数区域,再对这些玩家击杀数区域进行第一信息和第二信息(即第一信息和第二信息一起表示玩家击杀数)的标注。最后划分部分玩家击杀数区域和对应的第一信息和第二信息作为训练集,以训练该击杀数神经网络模型,并通过剩下部分的玩家击杀数区域和对应的第一信息和第二信息作为测试集,以测试该击杀数神经网络模型。
对击杀数神经网络模型的验证效果:验证其第一信息的正确率为99.73%,第二信息的正确率99.85%,玩家击杀数的准确率为99.35%。
可选地,玩家状态信息区域是玩家血条区域,玩家状态信息是玩家血条状态。玩家血条状态为以下任一项:背景状态、空血状态、非空血状态。例如:如图5所示的黑色部分和白色部分表示玩家的血条,黑色部分表示剩余血量,如图5所示,这里的玩家血条状态为非空血状态。
应理解的是,所谓背景状态指的是当某一视频帧为背景图像,即没有任何玩家信息,这种情况下,玩家血条状态为背景状态。
为了方便起见,下面在玩家状态信息区域是玩家血条区域,玩家状态信息是玩家血条状态的情况下,将第二神经网络模型称为血条状态神经网络模型。
可选地,上述血条状态神经网络模型的输入是玩家血条区域,输出是玩家血条状态。
应理解的是,在本申请中,主要是通过剪辑得到精彩的视频片段,比如:死亡精彩片段,这种情况下,不需要识别玩家的血量具体是多少,重点关注是空血状态,这种不需要识别玩家的血量具体是多少,可以降低血条状态神经网络模型的标注负担和模型训练难度。
可选地,上述血条状态神经网络模型可以是MobileNetV2模型,全连接层做背景状态、空血状态、非空血状态三种分类。
可选地,可以选取若干时长较长的OB视角游戏视频,每个固定时间间隔进行抽帧,获取若干玩家血条区域,再对这些玩家血条区域进行玩家血条状态的标注。最后划分部分玩家血条区域和对应的玩家血条状态作为训练集,以训练该血条状态神经网络模型,并通过剩下部分的玩家血条区域和对应的玩家血条状态作为测试集,以测试该血条状态神经网络模型。
对击杀数神经网络模型的验证效果:验证玩家血条状态的正确率为99.91%。
应理解的是,电子设备在获取识别到上述多个视频帧各自对应的玩家类别标识和上述多个视频帧各自对应的玩家击杀数之后;进一步地,可以确定同一玩家的连续视频帧构成的视频帧集合或者区间,并且可以根据多个视频帧各自对应的玩家击杀数确定击杀视频片段,基于此,可以确定同一玩家的击杀视频片段。
类似地,电子设备在获取识别到上述多个视频帧各自对应的玩家类别标识和上述多个视频帧各自对应的玩家血条状态之后;进一步地,可以确定同一玩家的连续视频帧构成的视频帧集合或者区间,并且可以根据多个视频帧各自对应的玩家血条状态确定死亡视频片段,基于此,可以确定同一玩家的死亡视频片段。
综上,在本申请中,电子设备可以对获取到的多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域。识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息。根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段。首先,由于玩家标识区域和玩家状态信息区域是固定的,因此,截取玩家标识区域和玩家状态信息区域的准确性非常高,其次,本申请是通过对应的神经网络模型对玩家标识区域和玩家状态信息区域中的信息进行识别的,相对于通过OCR技术识别信息的方式,本申请这种方式的识别准确性会更高。进而使得生成的精彩视频片段的准确性更高。尤其是针对手游视频帧,本申请提供的这种游戏视频剪辑方法,不会由于手游视频帧中的信息过小,而存在漏检或者误检的情况。
如上所述,玩家状态信息可以是玩家击杀数或者玩家血条状态,针对这种情况,下面将对如何生成精彩的击杀视频片段和死亡视频片段进行说明:
图6为本申请实施例提供的另一种游戏视频剪辑方法的流程图,如图6所示,图2中的S240包括如下步骤:
S610:在多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧。
S620:在多个视频帧中确定至少一个第二视频帧。
S630:根据至少一个玩家类别标识分别对应的多个连续的第一视频帧和至少一个第二视频帧,生成至少一个玩家的视频片段。
应理解的是,电子设备在获取到上述多个视频帧各自对应的玩家类别标识之后,可以确定同一玩家对应的多个连续的第一视频帧,这里可以将同一个玩家或者同一个玩家类别标识对应的多个连续的第一视频帧构成的集合,称为第一集合。
可选地,电子设备在获取到多个视频帧各自对应的玩家击杀数之后,可以确定至少一个上述第二视频帧,第二视频帧的玩家击杀数相对于第二视频帧的前一视频帧的玩家击杀数增多。即击杀视频帧,也就是说,某玩家的第二视频帧对应该玩家的击杀时刻。为了获取击杀视频片段,电子设备可以确定第二视频帧之前的M个视频帧,或者确定第二视频帧之后的N个视频帧。或者,确定第二视频帧之前的M个视频帧和之后的N个视频帧,M、N为正整数,M与N可以相同或者不同,例如:M=N=2,或者M=2,N=1。针对任一个第二视频帧,可以将该第二视频帧,该第二视频帧之前的M个视频帧构成的集合称为第二集合。或者,将该第二视频帧,该第二视频帧之后的N个视频帧构成的集合称为第二集合。或者,将该第二视频帧,该第二视频帧之前的M个视频帧、该第二视频帧之后的N个视频帧构成的集合称为第二集合。本申请对第二集合不做限制。进一步地,电子设备可以对至少一个第一集合和至少一个第二集合分别取交集,即对每个第一集合与每个第二集合取交集,并将每个交集作为一个玩家的视频片段。
应理解的是,上述第二集合包括的视频帧可能是属于同一玩家的视频帧,也可能是属于不同玩家的视频帧,这和第二集合的定义有关。因此,电子设备需要对第一集合和第二集合取交集,以得到同一个玩家的视频片段,即一个玩家的击杀视频片段。
需要说明的是,上述步骤S620和步骤S630的替代方案如下,但不限于此:电子设备在获取到至少一个第一集合之后,可以在每个第一集合中确定第四视频帧,即击杀视频帧,也就是说,某玩家的第四视频帧对应该玩家的击杀时刻。为了获取击杀视频片段,电子设备可以在第一集合中确定第四视频帧之前的M个视频帧,或者在第一集合中确定第四视频帧之后的N个视频帧。或者,在第一集合中确定第四视频帧之前的M个视频帧和之后的N个视频帧,M、N为正整数,M与N可以相同或者不同,例如:M=N=2,或者M=2,N=1。针对任一个第四视频帧,可以将该第四视频帧,在第一集合中该第四视频帧之前的M个视频帧构成的集合称为第四集合。或者,将该第二视频帧,在第一集合中该第四视频帧之后的N个视频帧构成的集合称为第四集合。或者,将该第四视频帧,在第一集合中该第四视频帧之前的M个视频帧、该第四视频帧之后的N个视频帧构成的集合称为第四集合。本申请对第四集合不做限制。基于此,每个第四集合即为一个玩家的视频片段,即一个玩家的击杀视频片段。
进一步地,可选地,在生成至少一个玩家的击杀视频片段之后,电子设备还可以生成至少一个玩家的击杀视频片段各自的标签。针对至少一个玩家的击杀视频片段各自的标签中的任一个标签,标签包括:标签对应的击杀视频片段的玩家类别标识和击杀标签。进一步地,该电子设备可以输出至少一个玩家的击杀视频片段以及至少一个玩家的击杀视频片段各自的标签,使得其他电子设备可以播放携带有该标签的击杀视频片段。或者,电子设备可以生成至少一个玩家的击杀视频片段的URL,并将该URL发送给其他电子设备,使得其他电子设备可以根据该URL播放携带有该标签的击杀视频片段。
图7为本申请实施例提供的一种游戏视频剪辑方法的示意图,如图7所示,电子设备获取到OB视角游戏视频,并进行抽帧,得到该视频的多个视频帧,针对任一个视频帧,电子设备可以截取玩家标识区域和玩家击杀数区域,进一步地,可以识别玩家标识区域中的玩家类别标识:“蓝色1号”,并识别玩家击杀数区域中的玩家击杀数:“4”。当获取到每一个视频帧的玩家类别标识和玩家击杀数之后,可以执行图6对应方法,即对多个视频帧进行融合得到至少一个玩家的击杀视频片段,每个击杀视频片段上还可以携带上述标签,最后可以输出携带有标签的击杀视频片段。
图8为本申请实施例提供的再一种游戏视频剪辑方法的流程图,如图8所示,图2中的S240包括如下步骤:
S810:在多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧。
S820:在多个视频帧中确定至少一个第三视频帧。
S830:根据至少一个玩家类别标识分别对应的多个连续的第一视频帧和至少一个第三视频帧,生成至少一个玩家的视频片段。
应理解的是,电子设备在获取到上述多个视频帧各自对应的玩家类别标识之后,可以确定同一玩家对应的多个连续的第一视频帧,这里可以将同一个玩家或者同一个玩家类别标识对应的多个连续的第一视频帧构成的集合,称为第一集合。
可选地,电子设备在获取到多个视频帧各自对应的玩家血条状态之后,可以确定至少一个上述第三视频帧,第三视频帧的玩家血条状态是空血状态。即死亡视频帧,也就是说,某玩家的第三视频帧对应该玩家的死亡时刻。为了获取死亡视频片段,电子设备可以确定第三视频帧之前的P个视频帧,P为正整数,例如:P=1或者P=2。针对任一个第三视频帧,可以将该第三视频帧,该第三视频帧之前的P个视频帧构成的集合称为第三集合。进一步地,电子设备可以对至少一个第一集合和至少一个第三集合分别取交集,即对每个第一集合与每个第三集合取交集,并将每个交集作为一个玩家的视频片段,即一个玩家的死亡视频片段。
应理解的是,上述第三集合包括的视频帧可能是属于同一玩家的视频帧,也可能是属于不同玩家的视频帧,这和第三集合的定义有关。因此,电子设备需要对第一集合和第三集合取交集,以得到同一个玩家的视频片段。
需要说明的是,上述步骤S820和步骤S830的替代方案如下,但不限于此:电子设备在获取到至少一个第一集合之后,可以在每个第一集合中确定第五视频帧,即死亡视频帧,也就是说,某玩家的第五视频帧对应该玩家的死亡时刻。为了获取死亡视频片段,电子设备可以在第一集合中确定第五视频帧之前的P个视频帧。针对任一个第五视频帧,可以将该第五视频帧,在第一集合中第五视频帧之前的P个视频帧构成的集合称为第五集合。基于此,每个第五集合即为一个玩家的视频片段,即一个玩家的死亡视频片段。
进一步地,可选地,在生成至少一个玩家的死亡视频片段之后,电子设备还可以生成至少一个玩家的死亡视频片段各自的标签。针对至少一个玩家的死亡视频片段各自的标签中的任一个标签,标签包括:标签对应的死亡视频片段的玩家类别标识和死亡标签。进一步地,该电子设备可以输出至少一个玩家的死亡视频片段以及至少一个玩家的死亡视频片段各自的标签,使得其他电子设备可以播放携带有该标签的死亡视频片段。或者,电子设备可以生成至少一个玩家的死亡视频片段的URL,并将该URL发送给其他电子设备,使得其他电子设备可以根据该URL播放携带有该标签的死亡视频片段。
图9为本申请实施例提供的另一种游戏视频剪辑方法的示意图,如图9所示,电子设备获取到OB视角游戏视频,并进行抽帧,得到该视频的多个视频帧,针对任一个视频帧,电子设备可以截取玩家标识区域和玩家血条状态区域,进一步地,可以识别玩家标识区域中的玩家类别标识:“蓝色1号”,并识别玩家血条状态区域中的玩家血条状态:“非空血状态”。当获取到每一个视频帧的玩家类别标识和玩家血条状态之后,可以执行图8对应方法,即对多个视频帧进行融合得到至少一个玩家的死亡视频片段,每个死亡视频片段上还可以携带上述标签,最后可以输出携带有标签的死亡视频片段。
图10为本申请实施例提供的一种游戏视频剪辑装置的示意图,如图10所示,该游戏视频剪辑装置包括:
获取模块1010,用于获取OB视角游戏视频的多个视频帧。
截取模块1020,用于针对多个视频帧中的任一视频帧,截取视频帧中的玩家标识区域和玩家状态信息区域。
识别模式1030,用于识别玩家标识区域中的玩家类别标识以及玩家状态信息区域中的玩家状态信息。
第一生成模块1040,用于根据多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段。
可选地,截取模块1020具体用于:确定玩家标识区域和玩家状态信息区域的位置信息。根据玩家标识区域的位置信息截取玩家标识区域,并根据玩家状态信息区域的位置信息截取玩家状态信息区域。
可选地,识别模式1030具体用于:将玩家标识区域输入至第一神经网络模型中,以得到玩家标识区域中的玩家类别标识。将玩家状态信息区域输入至第二神经网络模型中,以得到玩家状态信息区域中的玩家状态信息。
可选地,玩家状态信息区域是玩家击杀数区域,玩家状态信息是玩家击杀数。
可选地,玩家状态信息包括:第一信息和第二信息,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位。或者,当玩家击杀数是两位数时,第一信息对应玩家击杀数的十位,第二信息对应玩家击杀数的个位。当玩家击杀数是一位数时,第一信息对应玩家击杀数的个位,第二信息为空。其中,第一信息的取值范围与第二信息的取值范围相同。
可选地,第一生成模块1040具体用于:在多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧。在多个视频帧中确定至少一个第二视频帧。第二视频帧的玩家击杀数相对于第二视频帧的前一视频帧的玩家击杀数增多。根据至少一个玩家类别标识分别对应的多个连续的第一视频帧和至少一个第二视频帧,生成至少一个玩家的视频片段。
可选地,第一生成模块1040具体用于:针对至少一个第二视频帧中的任一第二视频帧,确定第二视频帧之前的M个视频帧。或者确定第二视频帧之后的N个视频帧。或者,确定第二视频帧之前的M个视频帧和之后的N个视频帧,M、N为正整数。对至少一个第一集合和至少一个第二集合分别取交集,并将每个交集作为一个玩家的视频片段。其中,针对至少一个第一集合中的任一个第一集合,第一集合是一个玩家类别标识对应的多个连续的第一视频帧构成的集合。至少一个第二集合与至少一个第二视频帧一一对应。针对至少一个第二集合中的任一个第二集合,第二集合包括:第二集合对应的第二视频帧、第二集合对应的第二视频帧之前的M个视频帧。或者,第二集合包括:第二集合对应的第二视频帧、第二集合对应的第二视频帧之后的N个视频帧。或者,第二集合包括:第二集合对应的第二视频帧、第二集合对应的第二视频帧之前的M个视频帧和第二集合对应的第二视频帧之后的N个视频帧。
可选地,该游戏视频剪辑装置还包括:
第二生成模块1050,用于生成至少一个玩家的视频片段各自的标签。针对至少一个玩家的视频片段各自的标签中的任一个标签,标签包括:标签对应的视频片段的玩家类别标识和击杀标签。
第一输出模块1060,用于输出至少一个玩家的视频片段以及至少一个玩家的视频片段各自的标签。
可选地,玩家状态信息区域是玩家血条区域,玩家状态信息是玩家血条状态。
可选地,玩家血条状态为以下任一项:背景状态、空血状态、非空血状态。
可选地,第一生成模块1040具体用于:在多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧。在多个视频帧中确定至少一个第三视频帧。第三视频帧的玩家血条状态是空血状态。根据至少一个玩家类别标识分别对应的多个连续的第一视频帧和至少一个第三视频帧,生成至少一个玩家的视频片段。
可选地,第一生成模块1040具体用于:针对至少一个第三视频帧中的任一第三视频帧,确定第三视频帧之前的P个视频帧,P为正整数。对至少一个第一集合和至少一个第三集合分别取交集,并将每个交集作为一个玩家的视频片段。其中,针对至少一个第一集合中的任一个第一集合,第一集合是一个玩家类别标识对应的多个连续的第一视频帧构成的集合。至少一个第三集合与至少一个第三视频帧一一对应。针对至少一个第三集合中的任一个第三集合,第三集合包括:第三集合对应的第三视频帧、第三集合对应的第三视频帧之前的P个视频帧。
可选地,该游戏视频剪辑装置还包括:
第三生成模块1070,用于生成至少一个玩家的视频片段各自的标签。针对至少一个玩家的视频片段各自的标签中的任一个标签,标签包括:标签对应的视频片段对应的玩家类别标识和死亡标签。
第二输出模块1080,用于输出至少一个玩家的视频片段以及至少一个玩家的视频片段各自的标签。
应理解的是,装置实施例与方法实施例可以相互对应,类似的描述可以参照方法实施例。为避免重复,此处不再赘述。具体地,图10所示的游戏视频剪辑装置可以执行图2、图6至图9对应的方法实施例,并且游戏视频剪辑装置中的各个模块的前述和其它操作和/或功能分别为了实现图2、图6至图9中的各个方法中的相应流程,为了简洁,在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的游戏视频剪辑装置。应理解,该功能模块可以通过硬件形式实现,也可以通过软件形式的指令实现,还可以通过硬件和软件模块组合实现。具体地,本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成,结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。可选地,软件模块可以位于随机存储器,闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法实施例中的步骤。
图11是本申请实施例提供的游戏视频剪辑设备1100的示意性框图。
如图11所示,该游戏视频剪辑设备1100可包括:
存储器1110和处理器1120,该存储器1110用于存储计算机程序,并将该程序代码传输给该处理器1120。换言之,该处理器1120可以从存储器1110中调用并运行计算机程序,以实现本申请实施例中的方法。
例如,该处理器1120可用于根据该计算机程序中的指令执行上述方法实施例。
在本申请的一些实施例中,该处理器1120可以包括但不限于:
通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable 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、分立硬件组件等等。
在本申请的一些实施例中,该存储器1110包括但不限于:
易失性存储器和/或非易失性存储器。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
在本申请的一些实施例中,该计算机程序可以被分割成一个或多个模块,该一个或者多个模块被存储在该存储器1110中,并由该处理器1120执行,以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述该计算机程序在该游戏视频剪辑设备中的执行过程。
如图11所示,该游戏视频剪辑设备还可包括:
收发器1130,该收发器1130可连接至该处理器1120或存储器1110。
其中,处理器1120可以控制该收发器1130与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。收发器1130可以包括发射机和接收机。收发器1130还可以进一步包括天线,天线的数量可以为一个或多个。
应当理解,该游戏视频剪辑设备中的各个组件通过总线系统相连,其中,总线系统除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。
本申请还提供了一种计算机存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说,本申请实施例还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述方法实施例的方法。
当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
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模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,该模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上该,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以该权利要求的保护范围为准。
Claims (15)
1.一种游戏视频剪辑方法,其特征在于,包括:
获取观察者OB视角游戏视频的多个视频帧;
针对所述多个视频帧中的任一视频帧,截取所述视频帧中的玩家标识区域和玩家状态信息区域;
识别所述玩家标识区域中的玩家类别标识以及所述玩家状态信息区域中的玩家状态信息;
根据所述多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段。
2.根据权利要求1所述的方法,其特征在于,所述截取所述视频帧中的玩家标识区域和玩家状态信息区域,包括:
确定所述玩家标识区域和所述玩家状态信息区域的位置信息;
根据所述玩家标识区域的位置信息截取所述玩家标识区域,并根据所述玩家状态信息区域的位置信息截取所述玩家状态信息区域。
3.根据权利要求1或2所述的方法,其特征在于,所述识别所述玩家标识区域中的玩家类别标识以及所述玩家状态信息区域中的玩家状态信息,包括:
将所述玩家标识区域输入至第一神经网络模型中,以得到所述玩家标识区域中的玩家类别标识;
将所述玩家状态信息区域输入至第二神经网络模型中,以得到所述玩家状态信息区域中的玩家状态信息。
4.根据权利要求1或2所述的方法,其特征在于,所述玩家状态信息区域是玩家击杀数区域,所述玩家状态信息是玩家击杀数。
5.根据权利要求4所述的方法,其特征在于,所述玩家状态信息包括:第一信息和第二信息,所述第一信息对应所述玩家击杀数的十位,所述第二信息对应所述玩家击杀数的个位;或者,当所述玩家击杀数是两位数时,所述第一信息对应所述玩家击杀数的十位,所述第二信息对应所述玩家击杀数的个位;当所述玩家击杀数是一位数时,所述第一信息对应所述玩家击杀数的个位,所述第二信息为空;
其中,所述第一信息的取值范围与所述第二信息的取值范围相同。
6.根据权利要求4所述的方法,其特征在于,所述根据所述多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段,包括:
在所述多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧;
在所述多个视频帧中确定至少一个第二视频帧;所述第二视频帧的玩家击杀数相对于所述第二视频帧的前一视频帧的玩家击杀数增多;
根据所述至少一个玩家类别标识分别对应的多个连续的第一视频帧和所述至少一个第二视频帧,生成至少一个玩家的视频片段。
7.根据权利要求6所述的方法,其特征在于,所述根据所述至少一个玩家类别标识分别对应的多个连续的第一视频帧和所述至少一个第二视频帧,生成至少一个玩家的视频片段,包括:
针对所述至少一个第二视频帧中的任一第二视频帧,确定所述第二视频帧之前的M个视频帧;或者确定所述第二视频帧之后的N个视频帧;或者,确定所述第二视频帧之前的M个视频帧和之后的N个视频帧,M、N为正整数;
对至少一个第一集合和至少一个第二集合分别取交集,并将每个所述交集作为一个玩家的视频片段;
其中,针对所述至少一个第一集合中的任一个第一集合,所述第一集合是一个玩家类别标识对应的多个连续的第一视频帧构成的集合;
所述至少一个第二集合与所述至少一个第二视频帧一一对应;针对所述至少一个第二集合中的任一个第二集合,所述第二集合包括:所述第二集合对应的第二视频帧、所述第二集合对应的第二视频帧之前的M个视频帧;或者,所述第二集合包括:所述第二集合对应的第二视频帧、所述第二集合对应的第二视频帧之后的N个视频帧;或者,所述第二集合包括:所述第二集合对应的第二视频帧、所述第二集合对应的第二视频帧之前的M个视频帧和所述第二集合对应的第二视频帧之后的N个视频帧。
8.根据权利要求6或7所述的方法,其特征在于,所述根据所述多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段之后,还包括:
生成所述至少一个玩家的视频片段各自的标签;针对至少一个玩家的视频片段各自的标签中的任一个标签,所述标签包括:所述标签对应的视频片段的玩家类别标识和击杀标签;
输出所述至少一个玩家的视频片段以及所述至少一个玩家的视频片段各自的标签。
9.根据权利要求1或2所述的方法,其特征在于,所述玩家状态信息区域是玩家血条区域,所述玩家状态信息是玩家血条状态。
10.根据权利要求9所述的方法,其特征在于,所述玩家血条状态为以下任一项:背景状态、空血状态、非空血状态。
11.根据权利要求10所述的方法,其特征在于,所述根据所述多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段,包括:
在所述多个视频帧中确定至少一个玩家类别标识分别对应的多个连续的第一视频帧;
在所述多个视频帧中确定至少一个第三视频帧;所述第三视频帧的玩家血条状态是空血状态;
根据所述至少一个玩家类别标识分别对应的多个连续的第一视频帧和所述至少一个第三视频帧,生成至少一个玩家的视频片段。
12.根据权利要求11所述的方法,其特征在于,所述根据所述至少一个玩家类别标识分别对应的多个连续的第一视频帧和所述至少一个第三视频帧,生成至少一个玩家的视频片段,包括:
针对所述至少一个第三视频帧中的任一第三视频帧,确定所述第三视频帧之前的P个视频帧,P为正整数;
对至少一个第一集合和至少一个第三集合分别取交集,并将每个所述交集作为一个玩家的视频片段;
其中,针对所述至少一个第一集合中的任一个第一集合,所述第一集合是一个玩家类别标识对应的多个连续的第一视频帧构成的集合;
所述至少一个第三集合与所述至少一个第三视频帧一一对应;针对所述至少一个第三集合中的任一个第三集合,所述第三集合包括:所述第三集合对应的第三视频帧、所述第三集合对应的第三视频帧之前的P个视频帧。
13.根据权利要求11或12所述的方法,其特征在于,所述根据所述多个视频帧各自对应的玩家类别标识和玩家状态信息,生成至少一个玩家的视频片段之后,还包括:
生成所述至少一个玩家的视频片段各自的标签;针对至少一个玩家的视频片段各自的标签中的任一个标签,所述标签包括:所述标签对应的视频片段对应的玩家类别标识和死亡标签;
输出所述至少一个玩家的视频片段以及所述至少一个玩家的视频片段各自的标签。
14.一种游戏视频剪辑设备,其特征在于,包括:
处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以执行权利要求1至13中任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011340101.5A CN113542894B (zh) | 2020-11-25 | 2020-11-25 | 游戏视频剪辑方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011340101.5A CN113542894B (zh) | 2020-11-25 | 2020-11-25 | 游戏视频剪辑方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113542894A true CN113542894A (zh) | 2021-10-22 |
CN113542894B CN113542894B (zh) | 2022-08-19 |
Family
ID=78124189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011340101.5A Active CN113542894B (zh) | 2020-11-25 | 2020-11-25 | 游戏视频剪辑方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113542894B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080119286A1 (en) * | 2006-11-22 | 2008-05-22 | Aaron Brunstetter | Video Game Recording and Playback with Visual Display of Game Controller Manipulation |
US20120309515A1 (en) * | 2011-05-31 | 2012-12-06 | United Video Properties, Inc. | Systems and methods for transmitting media associated with a measure of quality based on level of game play in an interactive video gaming environment |
US20120309511A1 (en) * | 2011-05-31 | 2012-12-06 | United Video Properties, Inc. | Systems and methods for generating media based on player action in an interactive video gaming environment |
US20140228112A1 (en) * | 2013-02-13 | 2014-08-14 | Applifier Oy | System and method for managing game-playing experiences |
CN107707931A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 根据视频数据生成解释数据、数据合成方法及装置、电子设备 |
CN108259990A (zh) * | 2018-01-26 | 2018-07-06 | 腾讯科技(深圳)有限公司 | 一种视频剪辑的方法及装置 |
WO2018223554A1 (zh) * | 2017-06-08 | 2018-12-13 | 简极科技有限公司 | 一种多源视频剪辑播放方法及系统 |
CN109194978A (zh) * | 2018-10-15 | 2019-01-11 | 广州虎牙信息科技有限公司 | 直播视频剪辑方法、装置和电子设备 |
CN109672922A (zh) * | 2017-10-17 | 2019-04-23 | 腾讯科技(深圳)有限公司 | 一种游戏视频剪辑方法及装置 |
US20190205652A1 (en) * | 2017-12-28 | 2019-07-04 | Disney Enterprises, Inc. | System and Method for Automatic Generation of Sports Media Highlights |
CN110166827A (zh) * | 2018-11-27 | 2019-08-23 | 深圳市腾讯信息技术有限公司 | 视频片段的确定方法、装置、存储介质及电子装置 |
-
2020
- 2020-11-25 CN CN202011340101.5A patent/CN113542894B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080119286A1 (en) * | 2006-11-22 | 2008-05-22 | Aaron Brunstetter | Video Game Recording and Playback with Visual Display of Game Controller Manipulation |
US20120309515A1 (en) * | 2011-05-31 | 2012-12-06 | United Video Properties, Inc. | Systems and methods for transmitting media associated with a measure of quality based on level of game play in an interactive video gaming environment |
US20120309511A1 (en) * | 2011-05-31 | 2012-12-06 | United Video Properties, Inc. | Systems and methods for generating media based on player action in an interactive video gaming environment |
US20140228112A1 (en) * | 2013-02-13 | 2014-08-14 | Applifier Oy | System and method for managing game-playing experiences |
CN107707931A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 根据视频数据生成解释数据、数据合成方法及装置、电子设备 |
WO2018223554A1 (zh) * | 2017-06-08 | 2018-12-13 | 简极科技有限公司 | 一种多源视频剪辑播放方法及系统 |
CN109672922A (zh) * | 2017-10-17 | 2019-04-23 | 腾讯科技(深圳)有限公司 | 一种游戏视频剪辑方法及装置 |
US20190205652A1 (en) * | 2017-12-28 | 2019-07-04 | Disney Enterprises, Inc. | System and Method for Automatic Generation of Sports Media Highlights |
CN108259990A (zh) * | 2018-01-26 | 2018-07-06 | 腾讯科技(深圳)有限公司 | 一种视频剪辑的方法及装置 |
CN109194978A (zh) * | 2018-10-15 | 2019-01-11 | 广州虎牙信息科技有限公司 | 直播视频剪辑方法、装置和电子设备 |
CN110166827A (zh) * | 2018-11-27 | 2019-08-23 | 深圳市腾讯信息技术有限公司 | 视频片段的确定方法、装置、存储介质及电子装置 |
Non-Patent Citations (1)
Title |
---|
王晶: ""浅谈网络视频剪辑技术"", 《群文天地》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113542894B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10936919B2 (en) | Method and apparatus for detecting human face | |
CN109902659B (zh) | 用于处理人体图像的方法和装置 | |
US11816880B2 (en) | Face recognition method and apparatus, computer device, and storage medium | |
CN108509915A (zh) | 人脸识别模型的生成方法和装置 | |
CN111275784B (zh) | 生成图像的方法和装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN111680675B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
CN111754541A (zh) | 目标跟踪方法、装置、设备及可读存储介质 | |
CN114331829A (zh) | 一种对抗样本生成方法、装置、设备以及可读存储介质 | |
CN113011387B (zh) | 网络训练及人脸活体检测方法、装置、设备及存储介质 | |
CN112633424B (zh) | 图像处理方法、装置、图像处理设备及存储介质 | |
CN113822254B (zh) | 一种模型训练方法及相关装置 | |
CN112541443B (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
CN110866469A (zh) | 一种人脸五官识别方法、装置、设备及介质 | |
CN111931628B (zh) | 人脸识别模型的训练方法、装置及相关设备 | |
CN114219971A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN115131604A (zh) | 一种多标签图像分类方法、装置、电子设备及存储介质 | |
CN111353140B (zh) | 验证码的生成、显示方法、装置和系统 | |
CN108921138B (zh) | 用于生成信息的方法和装置 | |
CN112569591B (zh) | 一种数据处理方法、装置、设备及可读存储介质 | |
CN113542894B (zh) | 游戏视频剪辑方法、装置、设备及存储介质 | |
US20230116291A1 (en) | Image data processing method and apparatus, device, storage medium, and product | |
CN111652878A (zh) | 图像检测方法、装置、计算机设备及存储介质 | |
CN116704264A (zh) | 动物分类方法、分类模型训练方法、存储介质及电子设备 | |
CN116958590A (zh) | 媒体资源的处理方法和装置、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: 40053182 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |