CN116030191B - 用于展示虚拟对象的方法、装置、设备及介质 - Google Patents

Abstract

本公开提供了一种用于展示虚拟对象的方法、装置、设备及介质，涉及人工智能技术领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、虚拟数字人等场景。实现方案为：获取视频流；响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系；以及针对视频流中第一视频图像后的每帧视频图像，响应于未检测到用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向。

Description

用于展示虚拟对象的方法、装置、设备及介质

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于虚拟数字人等场景，具体涉及一种用于展示虚拟对象的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件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、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

直播行业在近年来飞速发展，众多主播已经将直播带货作为个人收入的重要来源，直播带货占网上商品零售总额的比重已达近25％，市场规模巨大。直播带货的形态主要由真人主播展示实物或商品链接图片为主。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种用于展示虚拟对象的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种用于展示虚拟对象的方法，包括：获取视频流，其中，视频流中的每帧视频图像包括针对用户拍摄的原始图像和虚拟对象，虚拟对象基于对真实对象进行三维建模获得，虚拟对象在每帧视频图像中的预设交互区域中展示，虚拟对象与预设交互区域保持同步的位移和旋转；响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系，其中，第一视频图像中手部与预设交互区域的距离小于第一距离阈值；以及针对视频流中第一视频图像后的每帧视频图像，响应于未检测到用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向，预设操作用于终止手部针对虚拟对象展示方向的控制。

根据本公开的另一方面，提供了一种用于展示虚拟对象的装置，包括：获取单元，被配置为获取视频流，其中，视频流中的每帧视频图像包括针对用户拍摄的原始图像和虚拟对象，虚拟对象基于对真实对象进行三维建模获得，虚拟对象在每帧视频图像中的预设交互区域中展示，虚拟对象与预设交互区域保持同步的位移和旋转；第一确定单元，被配置为响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系，其中，第一视频图像中手部与预设交互区域的距离小于第一距离阈值；以及第二确定单元，被配置为针对视频流中第一视频图像后的每帧视频图像，响应于未检测到用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向，预设操作用于终止手部针对虚拟对象展示方向的控制。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述用于展示虚拟对象的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述用于展示虚拟对象的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述用于展示虚拟对象的方法。

根据本公开的一个或多个实施例，能够对虚拟对象的展示实现精准控制，提升展示效果及用户体验。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的用于展示虚拟对象的方法的流程图；

图3示出了根据本公开的实施例的用于展示虚拟对象的装置的结构框图；

图4示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行上述用于展示虚拟对象的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来获取原始视频流。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的实施例，如图2所示，提供了一种用于展示虚拟对象的方法200，包括：步骤S201、获取视频流，其中，视频流中的每帧视频图像包括针对用户拍摄的原始图像和虚拟对象，虚拟对象基于对真实对象进行三维建模获得，虚拟对象在每帧视频图像中的预设交互区域中展示，虚拟对象与预设交互区域保持同步的位移和旋转；步骤S202、响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系，其中，第一视频图像中手部与预设交互区域的距离小于第一距离阈值；以及步骤S203、针对视频流中第一视频图像后的每帧视频图像，响应于未检测到用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向，预设操作用于终止手部针对虚拟对象展示方向的控制。

根据本公开的实施例，通过在视频画面中设置预设交互区域，并识别用户的手部与该区域之间的位置关系，从而使用户能够基于该位置关系对该区域中展示的虚拟对象进行展示控制，从而能够对虚拟对象的展示实现精准控制，提升展示效果及用户体验。

在一些实施例中，视频流可以是直播场景中的连续不断地多帧视频图像，在该场景中，视频流会维持采集、处理和上传的操作直至直播结束。在一些实施例中，可以首先对用户进行拍摄，以获得原始视频流，随后可以对视频流中的每帧视频图像进行相应的处理，例如在视频图像中添加不同展示方向的虚拟对象，从而获得所述视频流中的每帧视频图像。

在一些实施例中，真实对象可以为任意一个实体物品。在直播带货场景中，真实对象可以为直播中待售卖的商品。

在一些实施例中，虚拟对象基于对真实对象进行三维建模获得。

在一些实施例中，三维建模可以在云端基于相应服务实现。由于三维建模的云服务一般耗时较长，因此用户可以在直播之前拍摄商品的照片并上传云端。在直播过程中，可以响应于接收到获取虚拟对象的指令后，从云端获取该虚拟对象。

在一些实施例中，虚拟对象的三维建模过程可以包括数据采集和模型生成两个过程。

在一些实施例中，数据采集过程中，用户可以通过应用摄像设备(如手机)对真实对象进行环拍，以获得多个真实对象图像，并将其上传至云端。

在一些实施例中，数据采集过程中，可以控制摄像设备分别从至少三个不同的高度对真实对象进行环拍，从而在每个高度均获取多个真实对象图像。由此，能够使采集到的照片数据覆盖更广的视角，从而提升建模效果。

在一些实施例中，控制摄像设备在同一高度进行环拍的过程中，可以控制摄像设备在拍摄过程中平移，直至平移至摄像设备的光心与真实对象中心的连线与摄像设备的成像平面呈45°夹角时，将摄像设备面向该真实对象旋转90°，并基于旋转后的成像平面所在的水平方向继续向真实对象的另一端平移，并在平移过程中对该真实对象进行拍摄；重复执行上述控制方法，直至摄像设备完成对真实对象一周的拍摄。由此，通过尽量避免拍摄设备的旋转，从而能够增加相邻帧之间的视野重合率，从而提升后续虚拟对象生成的效果。

在一些实施例中，拍摄环境可以为柔和的漫反射光，光照强度能够反映物品正常颜色即可，从而避免了在数据采集时引入不必要的光照效果在后续渲染链路中难以擦除。

在一些实施例中，首先可以基于同步定位与地图构建(SimultaneousLocalization and Mapping，SLAM)算法，基于每个真实对象图像估计每个图像相应的摄像设备位姿信息；随后，可以基于神经辐射场(Neural Radiance Fields，NeRF)模型，对每个真实对象图像以及相应的摄像设备位姿信息进行计算，从而获得该模型输出的点云模型，其中，该点云模型中包括处于真实对象外表面上的多个点的三维坐标以及每个点的法线方向；随后，可以基于移动立方体(Marching Cubes，MC)算法，将上述点云模型转化为三角面片模型，从而完成虚拟对象的三维建模。

在一些实施例中，上述神经辐射场模型可以基于拍摄的图像以及相应的摄像设备位姿信息训练获得。在一些实施例中，可以基于Instant-NGP(Instant Neural GraphicsPrimitives，即时神经图形原语)技术对上述训练过程进行提速，从而大幅提升模型训练效率。

在一些实施例中，上述虚拟对象建模的数据采集模块可以与直播应用集成为一个应用程序，由此，用户可以基于该应用程序所提供的接口，将所拍摄的图像上传云端，并可以从云端获得建模好的虚拟对象。

在一些实施例中，用户可以基于上述摄像设备进行原始视频流采集，并基于上述应用程序对原始视频流中的每一帧视频图像进行处理，从而获得所述视频流，也即用于直播的视频流。

在一些实施例中，获取视频流可以包括：获取原始视频流，原始视频流中的每帧视频图像为针对用户拍摄的原始图像；以及响应于基于原始视频流中的至少一帧视频图像检测到用户执行目标手势，在原始视频流中至少一帧视频图像后的每帧视频图像中，添加虚拟对象的相应展示图像，以获取视频流。

由此，响应于用户执行特定手势，使虚拟对象展示在视频画面中，从而能够通过手势交互的方式对虚拟对象的展示进行控制，提升用户体验。

在一些实施例中，可以基于摄像设备针对用户进行视频拍摄，从而获得原始视频流，其中，原始视频流中的每帧视频图像为针对用户拍摄的原始图像。

在一些实施例中，可以应用预先训练的深度学习模型(如OpenPose模型、HRNet模型等)，基于原始视频流中的一帧或多帧原始图像，对图像中人体二维关键点进行识别；随后，可以将上述人体二维关键点输入到预先训练的人体参数化三维模型(如SMPL模型)和三维手部姿态模型(如MANO模型)中，以获取人体三维关键点。

在一些实施例中，可以基于多个特定人体三维关键点的相对位置，确定用户是否执行了预设手势；并且，响应于用户执行了预设手势，将虚拟对象展示在后续的每帧原始图像中。示例性的，当感知到双手手腕关键点都位于对应肘部关键点的正上方，且双手手掌向上伸平打开时，则将虚拟对象展示在后续的每帧原始图像中，从而获得所述视频流中的每一帧图像。

在一些实施例中，基于上述方法，也可以对用户的其他手势进行识别，并且响应于检测到用户执行了其他预设手势，相应的执行切换虚拟对象、关闭虚拟对象的展示等操作。

在一些实施例中，虚拟对象展示在视频图像中的预设交互区域中。

在一些实施例中，预设交互区域可以为球形交互区域。球形交互区域能够便于对三维的虚拟对象进行旋转展示。

球形交互区域可是一个空间概念，并不会显式的展示在视频图像中。球形交互区域可以位于直播画面的中间，也可以位于直播画面中的任意指定区域，在此不做限制。

虚拟对象可以在球形交互区域的中心位置进行展示，并且虚拟对象和球形交互区域的相对位置关系固定，也即虚拟对象可以响应于球形交互区域的位移和旋转进行同步的位移和旋转。

在一些实施例中，响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系可以包括：响应于检测到手部的第一关键点的三维坐标与预设交互区域的表面的距离小于第一距离阈值，确定第一关键点与第二关键点之间的相对位置关系，其中，第二关键点为第一关键点在表面上的投影点。

由此，通过检测第一关键点的坐标，并与预设交互区域的表面的距离进行对比，从而能够精确判断人手和交互区域之间的位置关系。

在一些实施例中，在响应于用户的预设手势，启动虚拟对象的展示功能后，虚拟对象可以以默认展示方向在视频中的预设交互区域内进行展示。

在一些实施例中，可以进一步通过上述方法，获取所述视频流中的每帧视频图像中的用户手部的第一关键点的三维坐标，并基于该坐标信息确定该第一关键点与预设交互区域的表面之间的距离；响应于该距离小于第一距离阈值，则可以判断用户的手部与该预设交互区域建立交互关系，相应的，可以对上述第一关键点与该预设交互区域表面的第二关键点之间的相对位置关系进行固定。示例性的，第一关键点可以为上述用户手部的手心。

在一些实施例中，针对视频流中第一视频图像后的每帧视频图像，响应于未检测到所述用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向可以包括：针对视频流中第一视频图像后的每帧视频图像，执行下述操作：响应于检测到第一关键点的三维坐标相较于该视频图像的上一帧视频图像发生变化，并且未检测到所述用户执行所述预设操作，使预设交互区域以预设交互区域的球心为中心进行旋转，以使第一关键点与第二关键点之间的相对位置关系保持不变；以及基于预设交互区域发生的旋转，同步旋转虚拟对象，以确定该视频图像中虚拟对象的展示方向。

由此，当第一关键点运动时，则能够使该交互区域随第一关键点的运动而旋转，进而基于虚拟对象和交互区域的位置关系，对虚拟对象进行相应旋转，从而实现了对虚拟对象旋转展示的精准控制，提升了用户体验。

在一些实施例中，对上述第一关键点与该预设交互区域表面的第二关键点之间的相对位置关系进行固定后，可以对后续的每帧视频中的第一关键点的位置进行确定，响应于第一关键点的位置发生改变，则可以相应的对预设交互区域进行旋转，从而使第一关键点和第二关键点之间的相对位置关系保持不变，进而基于预设交互区域与虚拟对象的相对位置关系，同步旋转虚拟对象，以重新确定虚拟对象的展示方向，也即确定虚拟对象向观众展示的展示面，从而确定该展示面相应的图像并展示在该视频图像中，以实现将旋转后的虚拟对象在相应的视频图像中进行展示的效果。由此，能够实现虚拟对象随着用户手部的转动而进行旋转展示的效果。

在一些实施例中，上述预设操作例如可以包括用户手部的第一关键点远离预设交互区域(例如检测到第一关键点与表面的距离大于第二距离阈值)，响应于检测到上述操作，则可以解除上述交互关系，虚拟对象将不再随着用户手部的转动而进行旋转展示。

在一些实施例中，上述预设操作例如可以包括如抓取的预设手势。响应于检测到该预设手势，可以对预设交互区域进行移动，进而基于预设交互区域与虚拟对象的相对位置关系，同步移动虚拟对象，以将虚拟对象移动到视频图像中的其他位置进行展示。

在一些实施例中，上述预设操作例如可以包括如握拳的预设手势，响应于检测到该预设手势，可以关闭虚拟对象展示的功能，也即在后续的视频图像不再展示该虚拟对象。

在一些实施例中，如图3所示，提供了一种用于展示虚拟对象的装置300，装置300包括：获取单元310，被配置为获取视频流，其中，视频流中的每帧视频图像包括针对用户拍摄的原始图像和虚拟对象，虚拟对象基于对真实对象进行三维建模获得，虚拟对象在每帧视频图像中的预设交互区域中展示，虚拟对象与预设交互区域保持同步的位移和旋转；第一确定单元320，被配置为响应于在视频流中检测到第一视频图像，确定用户的手部与预设交互区域的相对位置关系，其中，第一视频图像中手部与预设交互区域的距离小于第一距离阈值；以及第二确定单元330，被配置为针对视频流中第一视频图像后的每帧视频图像，响应于未检测到用户执行预设操作，基于该视频图像中手部所移动到的位置以及相对位置关系，确定该视频图像中虚拟对象的展示方向，预设操作用于终止手部针对虚拟对象展示方向的控制。

其中，装置300中的单元310-单元330所执行的操作与上述用于展示虚拟对象的方法中步骤S201-步骤S203的操作类似，在此不做赘述。

在一些实施例中，获取单元包括：第一获取子单元，被配置为获取原始视频流，原始视频流中的每帧视频图像为针对用户拍摄的原始图像；以及第二获取子单元，被配置为响应于基于原始视频流中的至少一帧视频图像检测到用户执行目标手势，在原始视频流中至少一帧视频图像后的每帧视频图像中，添加虚拟对象的相应展示图像，以获取视频流。

在一些实施例中，预设交互区域为球形交互区域。

在一些实施例中，第一确定单元还被配置为：响应于检测到手部的第一关键点的三维坐标与预设交互区域的表面的距离小于第一距离阈值，确定第一关键点与第二关键点之间的相对位置关系，其中，第二关键点为第一关键点在表面上的投影点。

在一些实施例中，第二确定单元包括：旋转子单元，被配置为针对视频流中第一视频图像后的每帧视频图像，响应于检测到第一关键点的三维坐标相较于该视频图像的上一帧视频图像发生变化，并且未检测到用户执行预设操作，使预设交互区域以预设交互区域的球心为中心进行旋转，以使第一关键点与第二关键点之间的相对位置关系保持不变；以及同步子单元，被配置为针对视频流中第一视频图像后的每帧视频图像，基于预设交互区域发生的旋转，同步旋转虚拟对象，以确定该视频图像中虚拟对象的展示方向。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图4，现将描述可以作为本公开的服务器或客户端的电子设备400的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储电子设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

电子设备400中的多个部件连接至I/O接口405，包括：输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向电子设备400输入信息的任何类型的设备，输入单元406可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元407可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如上述用于展示虚拟对象的方法。例如，在一些实施例中，上述用于展示虚拟对象的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的上述用于展示虚拟对象的方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述用于展示虚拟对象的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (8)

1.一种用于展示虚拟对象的方法，所述方法包括：

获取视频流，其中，所述视频流中的每帧视频图像包括针对用户拍摄的原始图像和所述虚拟对象，所述虚拟对象基于对真实对象进行三维建模获得，所述虚拟对象在每帧视频图像中的预设交互区域中展示，所述虚拟对象与所述预设交互区域保持同步的位移和旋转，所述预设交互区域为球形交互区域；

响应于在所述视频流中检测到第一视频图像，确定所述用户的手部与所述预设交互区域的相对位置关系，其中，所述第一视频图像中所述手部与所述预设交互区域的距离小于第一距离阈值，所述响应于在所述视频流中检测到第一视频图像，确定所述用户的手部与所述预设交互区域的相对位置关系包括：

响应于检测到所述手部的第一关键点的三维坐标与所述预设交互区域的表面的距离小于所述第一距离阈值，确定所述第一关键点与第二关键点之间的相对位置关系，其中，所述第二关键点为所述第一关键点在所述表面上的投影点；以及

针对所述视频流中所述第一视频图像后的每帧视频图像，响应于未检测到所述用户执行预设操作，基于该视频图像中所述第一关键点所移动到的位置以及所述相对位置关系，旋转所述预设交互区域以确定该视频图像中所述虚拟对象的展示方向，所述相对位置关系保持不变，所述预设操作用于终止所述手部针对所述虚拟对象展示方向的控制。

2.根据权利要求1所述的方法，其中，所述获取视频流包括：

获取原始视频流，所述原始视频流中的每帧视频图像为针对所述用户拍摄的原始图像；以及

响应于基于所述原始视频流中的至少一帧视频图像检测到所述用户执行目标手势，在所述原始视频流中所述至少一帧视频图像后的每帧视频图像中，添加所述虚拟对象的相应展示图像，以获取所述视频流。

3.根据权利要求1或2所述的方法，其中，所述针对所述视频流中所述第一视频图像后的每帧视频图像，响应于未检测到所述用户执行预设操作，基于该视频图像中所述第一关键点所移动到的位置以及所述相对位置关系，旋转所述预设交互区域以确定该视频图像中所述虚拟对象的展示方向包括：

针对所述视频流中所述第一视频图像后的每帧视频图像，执行下述操作：

响应于检测到所述第一关键点的三维坐标相较于该视频图像的上一帧视频图像发生变化，并且未检测到所述用户执行所述预设操作，使所述预设交互区域以所述预设交互区域的球心为中心进行旋转，以使所述第一关键点与所述第二关键点之间的相对位置关系保持不变；以及

基于所述预设交互区域发生的旋转，同步旋转所述虚拟对象，以确定该视频图像中所述虚拟对象的展示方向。

4.一种用于展示虚拟对象的装置，所述装置包括：

获取单元，被配置为获取视频流，其中，所述视频流中的每帧视频图像包括针对用户拍摄的原始图像和所述虚拟对象，所述虚拟对象基于对真实对象进行三维建模获得，所述虚拟对象在每帧视频图像中的预设交互区域中展示，所述虚拟对象与所述预设交互区域保持同步的位移和旋转，所述预设交互区域为球形交互区域；

第一确定单元，被配置为响应于在所述视频流中检测到第一视频图像，确定所述用户的手部与所述预设交互区域的相对位置关系，其中，所述第一视频图像中所述手部与所述预设交互区域的距离小于第一距离阈值，所述第一确定单元还被配置为：

响应于检测到所述手部的第一关键点的三维坐标与所述预设交互区域的表面的距离小于所述第一距离阈值，确定所述第一关键点与第二关键点之间的相对位置关系，其中，所述第二关键点为所述第一关键点在所述表面上的投影点；以及

第二确定单元，被配置为针对所述视频流中所述第一视频图像后的每帧视频图像，响应于未检测到所述用户执行预设操作，基于该视频图像中所述第一关键点所移动到的位置以及所述相对位置关系，旋转所述预设交互区域以确定该视频图像中所述虚拟对象的展示方向，所述相对位置关系保持不变，所述预设操作用于终止所述手部针对所述虚拟对象展示方向的控制。

5.根据权利要求4所述的装置，其中，所述获取单元包括：

第一获取子单元，被配置为获取原始视频流，所述原始视频流中的每帧视频图像为针对所述用户拍摄的原始图像；以及

第二获取子单元，被配置为响应于基于所述原始视频流中的至少一帧视频图像检测到所述用户执行目标手势，在所述原始视频流中所述至少一帧视频图像后的每帧视频图像中，添加所述虚拟对象的相应展示图像，以获取所述视频流。

6.根据权利要求4或5所述的装置，其中，所述第二确定单元包括：

旋转子单元，被配置为针对所述视频流中所述第一视频图像后的每帧视频图像，响应于检测到所述第一关键点的三维坐标相较于该视频图像的上一帧视频图像发生变化，并且未检测到所述用户执行所述预设操作，使所述预设交互区域以所述预设交互区域的球心为中心进行旋转，以使所述第一关键点与所述第二关键点之间的相对位置关系保持不变；以及

同步子单元，被配置为针对所述视频流中所述第一视频图像后的每帧视频图像，基于所述预设交互区域发生的旋转，同步旋转所述虚拟对象，以确定该视频图像中所述虚拟对象的展示方向。

7.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-3中任一项所述的方法。