CN115619785B - 一种基于计算机视觉的游戏画面智能分析方法及系统 - Google Patents
一种基于计算机视觉的游戏画面智能分析方法及系统 Download PDFInfo
- Publication number
- CN115619785B CN115619785B CN202211619292.8A CN202211619292A CN115619785B CN 115619785 B CN115619785 B CN 115619785B CN 202211619292 A CN202211619292 A CN 202211619292A CN 115619785 B CN115619785 B CN 115619785B
- Authority
- CN
- China
- Prior art keywords
- target
- characteristic value
- image
- value
- picture
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明公开了一种基于计算机视觉的游戏画面智能分析方法及系统,涉及人工智能领域,所述方法包括:通过采集游戏画面视频;分析生成视频划分结果,其中包括多段视频;提取目标视频并分析得到目标图像帧集合,其中包括多帧图像;依次提取并计算得到第一图像的第一特征值、第二图像的第二特征值,判断是否满足预设特征值阈值,得到第一判断结果;计算目标特征差值,并判断是否满足预设特征差值阈值,得到第二判断结果;根据第一判断结果和第二判断结果进行分析。解决了现有技术中无法量化游戏画面的实际质量以及流畅性的问题。实现了对游戏画面进行量化评估、对游戏画面流畅性进行智能评估的目标,达到了提高游戏画面分析智能化程度的效果。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于计算机视觉的游戏画面智能分析方法及系统。
背景技术
随着计算机技术的快速发展,极大的改变了人们的娱乐方式和娱乐习惯,大大促进了电子游戏行业的发展。此外,随着社会的发展和人们文化生活习惯的变化,对游戏娱乐中的游戏画面也提出了更高的要求。示范性的如游戏画面的清晰度、锐度、镜头畸变等画质特征,游戏画面的逼真程度、生动程度以及美感等画面质量。现有技术中在对一款游戏的画面进行分析评价时,通过采集该游戏的用户评价数据,包括用户游戏时的体验感等,进而对游戏画面进行评价,其评价结果不可避免地受到各用户的喜恶偏好性、游戏心情等主观因素的影响,且游戏用户的评价不具有固定标准,因此导致对该游戏画面的评价不具备全面性和客观性,同时该方法评价周期长,无法满足游戏开发效率等实际需求。因此,研究利用计算机技术对游戏画面进行智能化分析评价,对于提高游戏画面分析评价的客观性、全面性和有效性,具有重要意义。
然而,现有技术中通过游戏用户主观体验数据进行游戏画面的分析评估,存在无法量化游戏画面的实际质量以及游戏画面的流畅性的技术问题。
发明内容
本发明的目的是提供一种基于计算机视觉的游戏画面智能分析方法及系统,用以解决现有技术中通过游戏用户主观体验数据进行游戏画面的分析评估,存在无法量化游戏画面的实际质量以及游戏画面的流畅性的技术问题。
鉴于上述问题,本发明提供了一种基于计算机视觉的游戏画面智能分析方法及系统。
第一方面,本发明提供了一种基于计算机视觉的游戏画面智能分析方法,所述方法通过一种基于计算机视觉的游戏画面智能分析系统实现,其中,所述方法包括:通过采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。
第二方面,本发明还提供了一种基于计算机视觉的游戏画面智能分析系统,用于执行如第一方面所述的一种基于计算机视觉的游戏画面智能分析方法,其中,所述系统包括:采集模块,所述采集模块用于采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;划分模块,所述划分模块用于对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;分析模块,所述分析模块用于提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;提取模块,所述提取模块用于依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;第一计算模块,所述第一计算模块用于依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;第二计算模块,所述第二计算模块用于根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;执行模块,所述执行模块用于根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。
第三方面,一种电子设备,其中,包括处理器和存储器;
该处理器,用于处理执行任一上述第一方面中方法的步骤;
该存储器,该存储器与该处理器耦合,用于存储程序,当该程序被该处理器执行时,使系统以执行任一上述第一方面中方法的步骤。
第四方面,一种计算机可读存储介质,其中,该计算机可读存储介质上存储有计算机程序,该计算机程序在执行时实现任一上述第一方面中方法的步骤。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。通过随机采集得到一段连续的游戏画面数据,即得到游戏画面视频,实现了为后续分析游戏画面提供数据信息基础的技术目标,达到了提高游戏画面智能分析可靠性和准确性的技术效果。通过分析游戏画面视频中各画面图像帧的颜色特征,进而根据颜色特征分析结果进行视频划分,达到了提高游戏画面视频边界检测准确性和检测效率的技术效果,同时为后续对游戏画面进行分析提供有序分析和分类分析的基础。通过对任意一个视频片段中的图像帧进行分析,得到各个图像帧的特征值,实现了对各帧图像中的信息进行具体、客观描述的技术目标,达到了为智能分析游戏画面提供全面、准确的数据依据的技术效果。通过对比相邻两帧图像画面之间的特征值,并计算两者之间的特征差值,为量化两帧图像画面之间的特征差异提供了准确的差异数据,实现了为分析游戏画面流畅性提供数据基础和依据的技术目标,达到了基于客观数据信息的游戏画面分析评估效果。实现了对游戏画面的生动程度、细节丰富程度进行量化评估,同时实现了对游戏画面流畅性进行智能评估的技术目标,达到了提高游戏画面分析智能化程度的技术效果,通过智能化的分析,达到了对游戏画面质量和游戏画面流畅性全面量化分析和评估的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本发明一种基于计算机视觉的游戏画面智能分析方法的流程示意图;
图2为本发明一种基于计算机视觉的游戏画面智能分析方法中在所述第一帧画面与所述第二帧画面之间进行划分标记的流程示意图;
图3为本发明一种基于计算机视觉的游戏画面智能分析方法中基于所述目标特征值得到所述第一特征值的流程示意图;
图4为本发明一种基于计算机视觉的游戏画面智能分析方法中获得第一卡顿标记的流程示意图;
图5为本发明一种基于计算机视觉的游戏画面智能分析系统的结构示意图。
附图标记说明:
采集模块M100,划分模块M200,分析模块M300,提取模块M400,第一计算模块M500,第二计算模块M600,执行模块M700。
具体实施方式
本发明通过提供一种基于计算机视觉的游戏画面智能分析方法及系统,解决了现有技术中通过游戏用户主观体验数据进行游戏画面的分析评估,存在无法量化游戏画面的实际质量以及游戏画面的流畅性的技术问题。实现了对游戏画面的生动程度、细节丰富程度进行量化评估,同时实现了对游戏画面流畅性进行智能评估的技术目标,达到了提高游戏画面分析智能化程度的技术效果,通过智能化的分析,达到了对游戏画面质量和游戏画面流畅性全面量化分析和评估的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1,本发明提供了一种基于计算机视觉的游戏画面智能分析方法,其中,所述方法应用于一种基于计算机视觉的游戏画面智能分析系统,所述方法具体包括如下步骤:
步骤S100:采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;
具体而言,所述游戏画面智能分析方法应用于一种基于计算机视觉的游戏画面智能分析系统,可以通过计算机技术对游戏画面进行单幅画面的画面质量客观评价,同时对连续画面进行流畅性分析,实现提高游戏画面分析评价效率和评价可靠性的目标。所述游戏画面是指游戏用户在进行游戏过程中的游戏画面信息,通过对游戏画面进行连续采集,形成所述游戏画面视频。通过随机采集得到一段连续的游戏画面数据,即得到游戏画面视频,实现了为后续分析游戏画面提供数据信息基础的技术目标,达到了提高游戏画面智能分析可靠性和准确性的技术效果。
步骤S200:对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;
进一步的,如附图2所示,本发明步骤S200还包括:
步骤S210:对所述游戏画面视频进行逐帧拆解,得到所述游戏画面视频的画面帧集合,其中,所述画面帧集合包括多帧具有序列标识的画面;
步骤S220:基于所述多帧具有序列标识的画面,依次得到第一帧画面、第二帧画面;
步骤S230:对所述第一帧画面进行分析得到第一帧颜色直方图,对所述第二帧画面进行分析得到第二帧颜色直方图;
步骤S240:对比所述第一帧颜色直方图和所述第二帧颜色直方图,得到直方图信息差;
步骤S250:获得预设信息差阈值,并判断所述直方图信息差是否满足所述预设信息差阈值;
步骤S260:若否,获得标记指令,其中,所述标记指令用于在所述第一帧画面与所述第二帧画面之间进行划分标记。
具体而言,在通过录频等方式采集到所述游戏画面视频之后,利用计算机技术或相关软件对所述游戏画面视频进行拆解,从而得到组成所述游戏画面视频的所有图像帧,即得到所述画面帧集合。此外,基于所述游戏画面视频对所述画面帧集合中各个画面依次进行顺序标记。接着,基于得到的多帧具有序列标识的画面,随机提取其中任意一帧画面帧,即所述第一帧画面,进而提取与所述第一帧画面相邻的帧,并将其记作所述第二帧画面。进一步的,依次分析并绘制得到所述第一帧画面的第一帧颜色直方图,所述第二帧画面的第二帧颜色直方图,并通过对比所述第一帧颜色直方图和所述第二帧颜色直方图,得到所述第一帧画面与所述第二帧画面之间的直方图信息差。最后,由相关游戏设计人员等综合分析游戏设计目标后确定所述预设信息差阈值,并判断所述直方图信息差是否满足所述预设信息差阈值。其中,当判断所述直方图信息差不满足所述预设信息差阈值,说明此时所述第一帧画面与所述第二帧画面之间的信息差过大,也就是说,两相邻画面变化量过大,同时证明所述第一帧画面与所述第二帧画面处于不同的游戏场景下,此时系统自动获得标记指令,并根据所述标记指令用于在所述第一帧画面与所述第二帧画面之间进行划分标记,最终通过划分实现对所述游戏画面视频的规律划分,并为后续分析游戏画面提供分段分析基础。
通过分析游戏画面视频中各画面图像帧的颜色特征,进而根据颜色特征分析结果进行视频划分,达到了提高游戏画面视频边界检测准确性和检测效率的技术效果,同时为后续对游戏画面进行分析提供有序分析和分类分析的基础。
步骤S300:提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;
步骤S400:依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;
具体而言,在对所述游戏画面视频进行分析,并根据分析结果将不同场景下的游戏画面进行划分,从而得到所述多段视频,进一步的,依次对所述多段视频中每段视频进行针对性分析,首先随机提取所述多段视频中的任意一个视频,并记作所述目标视频,然后对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括所述目标视频中的所有图像帧,即包括多帧图像。接着,随机提取所述多帧图像中的任意一张图像,记作所述第一图像,并提取所述第一图像的相邻图像,记作所述第二图像。通过对游戏画面视频进行划分,并提取划分后的视频片段中的图像,为后续分析游戏画面提供可靠的图像基础。
步骤S500:依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;
进一步的,如附图3所示,本发明步骤S500还包括:
步骤S510:对所述第一图像进行分割,得到第一图像分割结果,其中,所述第一图像分割结果包括多个分割块;
步骤S520:提取所述多个分割块中的目标分割块,并对所述目标分割块进行预处理,得到目标分割块预处理结果;
步骤S530:根据所述目标分割块预处理结果,得到所述目标分割块的目标离散余弦变换系数,其中,所述目标离散余弦变换系数包括目标直流系数、目标交流系数;
步骤S540:根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,并基于所述目标特征值得到所述第一特征值。
进一步的,本发明还包括如下步骤:
步骤S541:根据所述目标直流系数、所述目标交流系数,计算得到所述目标特征值,其中,计算公式如下:
步骤S542:其中,所述t是指所述目标特征值,所述DC是指所述目标直流系数,所述a是指所述目标直流系数对所述目标特征值的影响因子,所述AC是指所述目标交流系数,所述b是指所述目标交流系数对所述目标特征值的影响因子;
步骤S543:基于所述目标特征值,计算得到所述第一特征值,其中,计算公式如下:
具体而言,针对提取到的所述第一图像和所述第二图像,依次计算各图像的特征值。在计算所述第一图像的第一特征值时,首先对所述第一图像进行分割,从而得到所述第一图像分割后的多个分割块,进而所述多个分割块组成所述第一图像分割结果。然后提取所述多个分割块中的任意一个分割块并进行处理分析,即对所述目标分割块进行离散余弦变换预处理,并根据目标分割块预处理结果得到所述目标分割块的目标离散余弦变换系数。其中,所述目标离散余弦变换系数包括目标直流系数、目标交流系数。所述目标直流系数代表所述目标分割块的颜色特征,所述目标交流系数代表所述目标分割块的纹理特征。最后,根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,进而所有分割块的特征值累加,即得到所述第一图像的所述第一特征值。
根据所述目标直流系数、所述目标交流系数,计算得到所述目标特征值,其中,计算公式如下:
其中,所述t是指所述目标特征值,所述DC是指所述目标直流系数,所述a是指所述目标直流系数对所述目标特征值的影响因子,所述AC是指所述目标交流系数,所述b是指所述目标交流系数对所述目标特征值的影响因子。基于所述目标特征值,计算得到所述第一特征值,其中,计算公式如下:
进一步的,由相关游戏设计人员等结合历史游戏画面数据以及当前游戏设计目标,综合分析后确定游戏画面特征值的范围基准,即确定所述预设特征值阈值。进而,依次判断所述第一特征值、所述第二特征值是否满足所述预设特征值阈值,对应得到所述第一判断结果。通过对任意一个视频片段中的图像帧进行分析,得到各个图像帧的特征值,实现了对各帧图像中的信息进行具体、客观描述的技术目标,达到了为智能分析游戏画面提供全面、准确的数据依据的技术效果。
步骤S600:根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;
进一步的,本发明步骤S600还包括:
步骤S610:根据所述第一特征值、所述第二特征值,计算得到所述目标特征差值,其中,计算公式如下:
具体而言,基于分割计算得到所述第一图像的所述第一特征值和所述第二图像的所述第二特征值,相减计算得到所述第一图像与所述第二图像的目标特征差值,根据所述第一特征值、所述第二特征值,计算得到所述目标特征差值,其中,计算公式如下:
其中,所述是指所述第二特征值,是指所述目标特征差值。接着,由相关游戏设计人员等结合历史游戏画面数据以及当前游戏设计目标,综合分析后确定当前游戏画面之间的变换要求,即确定预设特征差值阈值。进而,判断所述目标特征差值是否满足预设特征差值阈值,对应的得到所述第二判断结果。
通过对比相邻两帧图像画面之间的特征值,并计算两者之间的特征差值,为量化两帧图像画面之间的特征差异提供了准确的差异数据,实现了为分析游戏画面流畅性提供数据基础和依据的技术目标,达到了基于客观数据信息的游戏画面分析评估效果。
步骤S700:根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。
进一步的,如附图4所示,本发明步骤S700还包括:
步骤S710:根据所述第一判断结果,若所述第一特征值和所述第二特征值均满足所述预设特征值阈值,对所述第二判断结果进行分析;
进一步的,本发明还包括如下步骤:
步骤S711:根据所述第一判断结果,若所述第一特征值或所述第二特征值不满足所述预设特征值阈值,获得补充标记;
步骤S712:其中,若所述第一特征值不满足所述预设特征值阈值,获得第一补充标记,并根据所述第一补充标记对所述第一图像进行细节补充;
步骤S713:其中,若所述第二特征值不满足所述预设特征值阈值,获得第二补充标记,并根据所述第二补充标记对所述第二图像进行细节补充。
步骤S720:根据所述第二判断结果,若所述目标特征差值满足所述预设特征差值阈值,获得第一流畅标记;
步骤S730:根据所述第二判断结果,若所述目标特征差值不满足所述预设特征差值阈值,获得第一卡顿标记。
具体而言,根据所述第一判断结果,若所述第一特征值和所述第二特征值均满足所述预设特征值阈值,说明所述第一图像和所述第二图像的画面质量均达到了预设要求,此时系统自动对所述第二判断结果进行分析。其中,根据所述第二判断结果,当所述目标特征差值满足所述预设特征差值阈值时,说明所述第一图像和所述第二图像的切换流畅性也达到了预设要求,因此系统自动获得第一流畅标记。反之,当所述目标特征差值不满足所述预设特征差值阈值时,说明所述第一图像和所述第二图像的切换流畅性没有达到预设要求,两画面切换存在卡顿或者过渡不自然的问题,因此系统自动获得第一卡顿标记。此外,根据所述第一判断结果,当所述第一特征值或所述第二特征值不满足所述预设特征值阈值时,说明所述第一图像和所述第二图像中存在某图像的画面细节不够丰富,示范性的如场景细节少等问题,因此系统获得补充标记。其中,若所述第一特征值不满足所述预设特征值阈值,获得第一补充标记,并根据所述第一补充标记对所述第一图像进行细节补充;若所述第二特征值不满足所述预设特征值阈值,获得第二补充标记,并根据所述第二补充标记对所述第二图像进行细节补充。实现了对游戏画面的生动程度、细节丰富程度进行量化评估,同时实现了对游戏画面流畅性进行智能评估的技术目标。
综上所述,本发明所提供的一种基于计算机视觉的游戏画面智能分析方法具有如下技术效果:
通过采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。通过随机采集得到一段连续的游戏画面数据,即得到游戏画面视频,实现了为后续分析游戏画面提供数据信息基础的技术目标,达到了提高游戏画面智能分析可靠性和准确性的技术效果。通过分析游戏画面视频中各画面图像帧的颜色特征,进而根据颜色特征分析结果进行视频划分,达到了提高游戏画面视频边界检测准确性和检测效率的技术效果,同时为后续对游戏画面进行分析提供有序分析和分类分析的基础。通过对任意一个视频片段中的图像帧进行分析,得到各个图像帧的特征值,实现了对各帧图像中的信息进行具体、客观描述的技术目标,达到了为智能分析游戏画面提供全面、准确的数据依据的技术效果。通过对比相邻两帧图像画面之间的特征值,并计算两者之间的特征差值,为量化两帧图像画面之间的特征差异提供了准确的差异数据,实现了为分析游戏画面流畅性提供数据基础和依据的技术目标,达到了基于客观数据信息的游戏画面分析评估效果。实现了对游戏画面的生动程度、细节丰富程度进行量化评估,同时实现了对游戏画面流畅性进行智能评估的技术目标,达到了提高游戏画面分析智能化程度的技术效果,通过智能化的分析,达到了对游戏画面质量和游戏画面流畅性全面量化分析和评估的技术效果。
实施例二
基于与前述实施例中一种基于计算机视觉的游戏画面智能分析方法,同样发明构思,本发明还提供了一种基于计算机视觉的游戏画面智能分析系统,请参阅附图5,所述系统包括:
采集模块M100,所述采集模块M100用于采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;
划分模块M200,所述划分模块M200用于对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;
分析模块M300,所述分析模块M300用于提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;
提取模块M400,所述提取模块M400用于依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;
第一计算模块M500,所述第一计算模块M500用于依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;
第二计算模块M600,所述第二计算模块M600用于根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;
执行模块M700,所述执行模块M700用于根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析。
进一步的,所述系统中的所述划分模块M200还用于:
对所述游戏画面视频进行逐帧拆解,得到所述游戏画面视频的画面帧集合,其中,所述画面帧集合包括多帧具有序列标识的画面;
基于所述多帧具有序列标识的画面,依次得到第一帧画面、第二帧画面;
对所述第一帧画面进行分析得到第一帧颜色直方图,对所述第二帧画面进行分析得到第二帧颜色直方图;
对比所述第一帧颜色直方图和所述第二帧颜色直方图,得到直方图信息差;
获得预设信息差阈值,并判断所述直方图信息差是否满足所述预设信息差阈值;
若否,获得标记指令,其中,所述标记指令用于在所述第一帧画面与所述第二帧画面之间进行划分标记。
进一步的,所述系统中的所述第一计算模块M500还用于:
对所述第一图像进行分割,得到第一图像分割结果,其中,所述第一图像分割结果包括多个分割块;
提取所述多个分割块中的目标分割块,并对所述目标分割块进行预处理,得到目标分割块预处理结果;
根据所述目标分割块预处理结果,得到所述目标分割块的目标离散余弦变换系数,其中,所述目标离散余弦变换系数包括目标直流系数、目标交流系数;
根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,并基于所述目标特征值得到所述第一特征值。
进一步的,所述系统中的所述第一计算模块M500还用于:
根据所述目标直流系数、所述目标交流系数,计算得到所述目标特征值,其中,计算公式如下:
其中,所述t是指所述目标特征值,所述DC是指所述目标直流系数,所述a是指所述目标直流系数对所述目标特征值的影响因子,所述AC是指所述目标交流系数,所述b是指所述目标交流系数对所述目标特征值的影响因子;
基于所述目标特征值,计算得到所述第一特征值,其中,计算公式如下:
进一步的,所述系统中的所述第二计算模块M600还用于:
根据所述第一特征值、所述第二特征值,计算得到所述目标特征差值,其中,计算公式如下:
进一步的,所述系统中的所述执行模块M700还用于:
根据所述第一判断结果,若所述第一特征值和所述第二特征值均满足所述预设特征值阈值,对所述第二判断结果进行分析;
根据所述第二判断结果,若所述目标特征差值满足所述预设特征差值阈值,获得第一流畅标记;
根据所述第二判断结果,若所述目标特征差值不满足所述预设特征差值阈值,获得第一卡顿标记。
进一步的,所述系统中的所述执行模块M700还用于:
根据所述第一判断结果,若所述第一特征值或所述第二特征值不满足所述预设特征值阈值,获得补充标记;
其中,若所述第一特征值不满足所述预设特征值阈值,获得第一补充标记,并根据所述第一补充标记对所述第一图像进行细节补充;
其中,若所述第二特征值不满足所述预设特征值阈值,获得第二补充标记,并根据所述第二补充标记对所述第二图像进行细节补充。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种基于计算机视觉的游戏画面智能分析方法和具体实例同样适用于本实施例的一种基于计算机视觉的游戏画面智能分析系统,通过前述对一种基于计算机视觉的游戏画面智能分析方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于计算机视觉的游戏画面智能分析系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本申请还提供一种电子设备,其中,包括处理器和存储器;
该处理器,用于处理执行上述实施例一中任一项所述方法的步骤;
该存储器,该存储器与该处理器耦合,用于存储程序,当该程序被该处理器执行时,使系统以执行上述实施例一中任一项所述方法的步骤。
本申请还提供一种计算机可读存储介质,其中,该计算机可读存储介质上存储有计算机程序,该计算机程序在执行时实现上述实施例一中任一项所述方法的步骤。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于计算机视觉的游戏画面智能分析方法,其特征在于,包括:
采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;
对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;
提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;
依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;
依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;
根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;
根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析;
其中,所述对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,包括:
对所述游戏画面视频进行逐帧拆解,得到所述游戏画面视频的画面帧集合,其中,所述画面帧集合包括多帧具有序列标识的画面;
基于所述多帧具有序列标识的画面,依次得到第一帧画面、第二帧画面;
对所述第一帧画面进行分析得到第一帧颜色直方图,对所述第二帧画面进行分析得到第二帧颜色直方图;
对比所述第一帧颜色直方图和所述第二帧颜色直方图,得到直方图信息差;
获得预设信息差阈值,并判断所述直方图信息差是否满足所述预设信息差阈值;
若否,获得标记指令,其中,所述标记指令用于在所述第一帧画面与所述第二帧画面之间进行划分标记;
所述依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,包括:
对所述第一图像进行分割,得到第一图像分割结果,其中,所述第一图像分割结果包括多个分割块;
提取所述多个分割块中的目标分割块,并对所述目标分割块进行预处理,得到目标分割块预处理结果;
根据所述目标分割块预处理结果,得到所述目标分割块的目标离散余弦变换系数,其中,所述目标离散余弦变换系数包括目标直流系数、目标交流系数;
根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,并基于所述目标特征值得到所述第一特征值;
所述根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,并基于所述目标特征值得到所述第一特征值,包括:
根据所述目标直流系数、所述目标交流系数,计算得到所述目标特征值,其中,计算公式如下:
其中,所述t是指所述目标特征值,所述DC是指所述目标直流系数,所述a是指所述目标直流系数对所述目标特征值的影响因子,所述AC是指所述目标交流系数,所述b是指所述目标交流系数对所述目标特征值的影响因子;
基于所述目标特征值,计算得到所述第一特征值,其中,计算公式如下:
所述根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,包括:
根据所述第一特征值、所述第二特征值,计算得到所述目标特征差值,其中,计算公式如下:
所述根据所述第一判断结果和所述第二判断结果进行游戏画面质量评价,包括:
根据所述第一判断结果,若所述第一特征值和所述第二特征值均满足所述预设特征值阈值,对所述第二判断结果进行分析;
根据所述第二判断结果,若所述目标特征差值满足所述预设特征差值阈值,获得第一流畅标记;
根据所述第二判断结果,若所述目标特征差值不满足所述预设特征差值阈值,获得第一卡顿标记。
2.如权利要求1所述的游戏画面智能分析方法,其特征在于,还包括:
根据所述第一判断结果,若所述第一特征值或所述第二特征值不满足所述预设特征值阈值,获得补充标记;
其中,若所述第一特征值不满足所述预设特征值阈值,获得第一补充标记,并根据所述第一补充标记对所述第一图像进行细节补充;
其中,若所述第二特征值不满足所述预设特征值阈值,获得第二补充标记,并根据所述第二补充标记对所述第二图像进行细节补充。
3.一种基于计算机视觉的游戏画面智能分析系统,其特征在于,所述游戏画面智能分析系统包括:
采集模块,所述采集模块用于采集游戏画面形成游戏画面视频,其中,所述游戏画面视频是指连续的游戏画面;
划分模块,所述划分模块用于对所述游戏画面视频进行颜色特征分析,并根据分析结果生成视频划分结果,其中,所述视频划分结果包括多段视频;
分析模块,所述分析模块用于提取所述多段视频中的目标视频,并对所述目标视频进行分析得到目标图像帧集合,其中,所述目标图像帧集合包括多帧图像;
提取模块,所述提取模块用于依次提取所述多帧图像中的第一图像、第二图像,其中,所述第一图像与所述第二图像为相邻图像;
第一计算模块,所述第一计算模块用于依次计算得到所述第一图像的第一特征值、所述第二图像的第二特征值,并依次判断所述第一特征值、所述第二特征值是否满足预设特征值阈值,得到第一判断结果;
第二计算模块,所述第二计算模块用于根据所述第一特征值和所述第二特征值,计算得到所述第一图像与所述第二图像的目标特征差值,并判断所述目标特征差值是否满足预设特征差值阈值,得到第二判断结果;
执行模块,所述执行模块用于根据所述第一判断结果和所述第二判断结果进行游戏画面质量分析;
所述划分模块包括:
对所述游戏画面视频进行逐帧拆解,得到所述游戏画面视频的画面帧集合,其中,所述画面帧集合包括多帧具有序列标识的画面;
基于所述多帧具有序列标识的画面,依次得到第一帧画面、第二帧画面;
对所述第一帧画面进行分析得到第一帧颜色直方图,对所述第二帧画面进行分析得到第二帧颜色直方图;
对比所述第一帧颜色直方图和所述第二帧颜色直方图,得到直方图信息差;
获得预设信息差阈值,并判断所述直方图信息差是否满足所述预设信息差阈值;
若否,获得标记指令,其中,所述标记指令用于在所述第一帧画面与所述第二帧画面之间进行划分标记;
所述第一计算模块还用于:
对所述第一图像进行分割,得到第一图像分割结果,其中,所述第一图像分割结果包括多个分割块;
提取所述多个分割块中的目标分割块,并对所述目标分割块进行预处理,得到目标分割块预处理结果;
根据所述目标分割块预处理结果,得到所述目标分割块的目标离散余弦变换系数,其中,所述目标离散余弦变换系数包括目标直流系数、目标交流系数;
根据所述目标直流系数、所述目标交流系数,计算得到所述目标分割块的目标特征值,并基于所述目标特征值得到所述第一特征值;
所述系统中的所述第一计算模块还用于:
根据所述目标直流系数、所述目标交流系数,计算得到所述目标特征值,其中,计算公式如下:
其中,所述t是指所述目标特征值,所述DC是指所述目标直流系数,所述a是指所述目标直流系数对所述目标特征值的影响因子,所述AC是指所述目标交流系数,所述b是指所述目标交流系数对所述目标特征值的影响因子;
基于所述目标特征值,计算得到所述第一特征值,其中,计算公式如下:
所述第二计算模块还用于:
根据所述第一特征值、所述第二特征值,计算得到所述目标特征差值,其中,计算公式如下:
所述执行模块还用于:
根据所述第一判断结果,若所述第一特征值和所述第二特征值均满足所述预设特征值阈值,对所述第二判断结果进行分析;
根据所述第二判断结果,若所述目标特征差值满足所述预设特征差值阈值,获得第一流畅标记;
根据所述第二判断结果,若所述目标特征差值不满足所述预设特征差值阈值,获得第一卡顿标记。
4.一种电子设备,其特征在于,包括处理器和存储器;
所述处理器,用于处理执行权利要求1-2中任一项所述方法;
所述存储器,所述存储器与所述处理器耦合,用于存储程序,当所述程序被所述处理器执行时,使系统以执行权利要求1-2中任一项所述方法的步骤。
5.一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上存储有计算机程序,所述计算机程序在执行时实现权利要求1-2中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619292.8A CN115619785B (zh) | 2022-12-16 | 2022-12-16 | 一种基于计算机视觉的游戏画面智能分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619292.8A CN115619785B (zh) | 2022-12-16 | 2022-12-16 | 一种基于计算机视觉的游戏画面智能分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619785A CN115619785A (zh) | 2023-01-17 |
CN115619785B true CN115619785B (zh) | 2023-03-10 |
Family
ID=84880672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211619292.8A Active CN115619785B (zh) | 2022-12-16 | 2022-12-16 | 一种基于计算机视觉的游戏画面智能分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619785B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761255B (zh) * | 2016-02-04 | 2019-01-25 | 网易(杭州)网络有限公司 | 游戏画面卡顿测试方法及装置 |
CN106204552B (zh) * | 2016-06-30 | 2019-07-12 | 北京奇艺世纪科技有限公司 | 一种视频源的检测方法和装置 |
CN112995652B (zh) * | 2021-02-01 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 视频质量评估方法及装置 |
-
2022
- 2022-12-16 CN CN202211619292.8A patent/CN115619785B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115619785A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10522186B2 (en) | Apparatus, systems, and methods for integrating digital media content | |
US9014467B2 (en) | Image processing method and image processing device | |
CN106778687B (zh) | 基于局部评估和全局优化的注视点检测方法 | |
CN105184763B (zh) | 图像处理方法和装置 | |
WO2014022254A2 (en) | Identifying key frames using group sparsity analysis | |
CN106157330B (zh) | 一种基于目标联合外观模型的视觉跟踪方法 | |
Tian et al. | Selective eigenbackground for background modeling and subtraction in crowded scenes | |
US8345742B2 (en) | Method of processing moving picture and apparatus thereof | |
Omidyeganeh et al. | Video keyframe analysis using a segment-based statistical metric in a visually sensitive parametric space | |
CN112528939A (zh) | 一种人脸图像的质量评价方法及装置 | |
CN108647703B (zh) | 一种基于显著性的分类图像库的类型判断方法 | |
CN108764060A (zh) | 基于滑动窗口的视频镜头边缘检测方法 | |
CN112989116A (zh) | 一种视频推荐方法、系统及装置 | |
CN111625683A (zh) | 基于图结构差异分析的视频摘要自动生成方法及系统 | |
CN102314591A (zh) | 静止前景物体的检测方法和设备 | |
CN111274964A (zh) | 一种基于无人机视觉显著性分析水面污染物的检测方法 | |
CN115619785B (zh) | 一种基于计算机视觉的游戏画面智能分析方法及系统 | |
Baber et al. | Video segmentation into scenes using entropy and SURF | |
CN117011346A (zh) | 鼓风机图像配准算法 | |
CN105893967B (zh) | 基于时序保留性时空特征的人体行为分类检测方法及系统 | |
CN113095332B (zh) | 一种基于特征学习的显著性区域检测方法 | |
Yao et al. | Extracting robust distribution using adaptive Gaussian Mixture Model and online feature selection | |
CN109977819B (zh) | 一种应用模板匹配方法的弱监督单个动作定位方法 | |
CN111340101B (zh) | 稳定性评估方法、装置、电子设备和计算机可读存储介质 | |
KR101337833B1 (ko) | 컨텐츠에 대한 관객 반응의 판단 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |