CN117180730A - 一种应用于图像定位的玩具枪系统处理方法及系统 - Google Patents

Abstract

本申请实施例提供一种应用于图像定位的玩具枪系统处理方法及系统，通过获取目标用户在玩具枪系统中进行操作生成的屏幕图像数据，所述屏幕图像数据为每次玩具枪被所述目标用户按下按钮后对应的红外管发射红外光线并射击到屏幕上进行拍摄的图像数据，并对屏幕图像数据进行图像定位和处理，可以得到信号坐标序列，从而实现玩具枪射击信号的定位功能。

Description

一种应用于图像定位的玩具枪系统处理方法及系统

技术领域

本申请涉及玩具枪系统技术领域，具体而言，涉及一种应用于图像定位的玩具枪系统处理方法及系统。

背景技术

在现有的玩具枪系统中，用户与系统之间的互动通常基于简单的按键操作或传感器反馈。然而，这种互动方式缺乏个性化和真实感，无法充分满足用户的需求和期望。

发明内容

有鉴于此，本申请的目的在于提供一种应用于图像定位的玩具枪系统处理方法及系统。

依据本申请的第一方面，提供一种应用于图像定位的玩具枪系统处理方法，应用于玩具枪系统，所述方法包括：

获取目标用户的在玩具枪系统中进行操作生成的屏幕图像数据，并对所述屏幕图像数据进行图像定位，获得所述屏幕图像数据对应的信号坐标序列，其中，所述屏幕图像数据为每次玩具枪被所述目标用户按下按钮后对应的红外管发射红外光线并射击到屏幕上进行拍摄的图像数据；

基于所述屏幕图像数据对应的信号坐标序列以及所述玩具枪系统运行的交互场景数据，确定所述目标用户的场景互动意图数据；

基于所述目标用户的场景互动意图数据对所述目标用户进行反馈处理。

在第一方面的一种可能的实施方式中，所述基于所述屏幕图像数据对应的信号坐标序列以及所述玩具枪系统运行的交互场景数据，确定所述目标用户的场景互动意图数据的步骤，包括：

从所述玩具枪系统运行的交互场景数据中获取与所述信号坐标序列对应的目标交互区域数据；

从所述目标交互区域数据中确定所述目标用户的场景互动意图数据。

在第一方面的一种可能的实施方式中，所述基于所述目标用户的场景互动意图数据对所述目标用户进行反馈处理的步骤，包括：

基于所述目标用户的场景互动意图数据将所述目标用户添加到与关联用户的玩具枪互动进程中，获取所述玩具枪互动进程中待处理的玩具枪游戏互动数据，所述玩具枪游戏互动数据包括所述目标用户产生的第一玩具枪游戏互动数据以及所述关联用户产生的第二玩具枪游戏互动数据；

依据所述玩具枪游戏互动数据进行互动场景关注点提取，获得对应的互动场景关注点数据，所述互动场景关注点数据包括所述第一玩具枪游戏互动数据对应的第一互动场景关注点分布，以及所述第二玩具枪游戏互动数据对应的第二互动场景关注点分布；

对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据；

依据互动画像预测模型，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像；

基于所述第一用户互动画像与所述第二用户互动画像之间的匹配度，确定所述目标用户与所述关联用户之间的玩具枪互动匹配度。

在第一方面的一种可能的实施方式中，所述依据所述玩具枪游戏互动数据进行互动场景关注点提取，获得对应的互动场景关注点数据，包括：

分别提取所述第一玩具枪游戏互动数据对应的第一注意力互动事件，以及所述第二玩具枪游戏互动数据对应的第二注意力互动事件；

依据所述第一注意力互动事件和所述第二注意力互动事件进行互动场景关注点定位，获得与所述第一注意力互动事件对应的第一互动场景关注点分布，以及与所述第二注意力互动事件对应的第二互动场景关注点分布。

在第一方面的一种可能的实施方式中，所述第一玩具枪游戏互动数据和所述第一注意力互动事件、所述第二玩具枪游戏互动数据和所述第二注意力互动事件，通过第一关联字典进行存储；

所述对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，包括：

获取所述第一玩具枪游戏互动数据和所述第一注意力互动事件、以及所述第二玩具枪游戏互动数据和所述第二注意力互动事件之间的第一关联字典；

基于所述每个第一注意力互动事件中的第一互动场景关注点分布、每个第二注意力互动事件中的第二互动场景关注点分布、以及所述第一关联字典，构建所述第一玩具枪游戏互动数据和每个第一互动场景关注点分布、以及每个第二玩具枪游戏互动数据和每个第二互动场景关注点分布之间的第二关联字典；

基于所述第二关联字典，分别对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，并构建所述第一玩具枪游戏互动数据和所述第一关注点溯源数据、所述第二玩具枪游戏互动数据和所述第二关注点溯源数据之间的第三关联字典。

在第一方面的一种可能的实施方式中，所述依据互动画像预测模型，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像，包括：

依据所述互动画像预测模型，确定出满足模型性能指标的互动画像预测进程；

基于所述满足模型性能指标的互动画像预测进程，对每个第一关注点溯源数据和每个第二关注点溯源数据进行互动画像预测，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像；

基于所述第三关联字典，以及所述第一用户互动画像和所述第二用户互动画像，构建所述第一玩具枪游戏互动数据和所述第一用户互动画像、所述第二玩具枪游戏互动数据和所述第二用户互动画像之间的第四关联字典。

在第一方面的一种可能的实施方式中，所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户通过第五关联字典进行存储；在所述基于所述第三关联字典，以及所述第一用户互动画像和所述第二用户互动画像，构建所述第一玩具枪游戏互动数据和所述第一用户互动画像、所述第二玩具枪游戏互动数据和所述第二用户互动画像之间的第四关联字典之后，还包括：

获取所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户之间的第五关联字典；

基于所述第四关联字典和所述第五关联字典，对所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像进行融合，获得所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的第六关联字典。

在第一方面的一种可能的实施方式中，在所述基于所述第一用户互动画像与所述第二用户互动画像之间的匹配度，确定所述目标用户与所述关联用户之间的玩具枪互动匹配度之前，还包括：

基于所述第六关联字典，将所述目标用户的第一用户标签特征、以及所述关联用户的第二用户标签特征确定为用户标签类别ID，以及将所述第一用户互动画像、第二用户互动画像确定为用户显著性数据；

基于所述用户标签类别ID和所述用户显著性数据，构建所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的键值对；

依据所构建的所述键值对，获取与所述目标用户对应的第一用户互动画像，与所述关联用户对应的第二用户互动画像；

计算所述第一用户互动画像、第二用户互动画像之间的匹配度。

在第一方面的一种可能的实施方式中，所述方法还包括：

基于所述玩具枪互动匹配度进行排序，获得对应的玩具枪互动匹配度序列；

依据所述玩具枪互动匹配度序列确定出最大玩具枪互动匹配度，并获取与所述最大玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户；

或，基于门限匹配度和每个玩具枪互动匹配度，确定出满足设定条件的玩具枪互动匹配度，将与满足设定条件的所述玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户。

依据本申请的第二方面，提供一种玩具枪系统，所述玩具枪系统包括处理器以及可读存储介质，所述可读存储介质存储有程序，该程序被处理器执行时实现前述的应用于图像定位的玩具枪系统处理方法。

依据本申请的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，在监测到所述计算机可执行指令被执行时，实现前述的应用于图像定位的玩具枪系统处理方法。

依据以上任意一个方面，本申请中，通过获取目标用户在玩具枪系统中进行操作生成的屏幕图像数据，所述屏幕图像数据为每次玩具枪被所述目标用户按下按钮后对应的红外管发射红外光线并射击到屏幕上进行拍摄的图像数据，并对屏幕图像数据进行图像定位和处理，可以得到信号坐标序列，从而实现玩具枪射击信号的定位功能。

通过获取目标用户在玩具枪系统中进行操作生成的屏幕图像数据，并对屏幕图像数据进行图像定位和处理，可以得到信号坐标序列，屏幕图像数据是由目标用户按下按钮后，玩具枪发射红外光线并射击到屏幕上拍摄的图像数据。基于屏幕图像数据对应的信号坐标序列以及玩具枪系统运行的交互场景数据，可以确定目标用户的场景互动意图数据。最后，基于目标用户的场景互动意图数据，可以进行反馈处理。由此，通过对目标用户的屏幕图像数据进行处理和分析，结合交互场景数据，可以确定场景互动意图并提供相应的反馈处理，从而实现更具交互性和个性化的玩具枪系统。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以依据这些附图获得其它相关的附图。

图1本申请实施例所提供的应用于图像定位的玩具枪系统处理方法的流程示意图；

图2示出了本申请实施例所提供的用于实现上述的应用于图像定位的玩具枪系统处理方法的玩具枪系统的组件结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，而不是全部的实施例。依据本申请中的实施例，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它实施例，都应当属于本申请保护的范围。

需要说明的是，本申请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，以便这里描述的本申请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”以及它们的任何变形，意图在于覆盖不排它的包含，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。

图1示出了本申请实施例提供的应用于图像定位的玩具枪系统处理方法的流程示意图，应当理解，在其它实施例中，本实施例的应用于图像定位的玩具枪系统处理方法其中部分步骤的顺序可以依据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该应用于图像定位的玩具枪系统处理方法的详细步骤介绍如下。

步骤S110，获取目标用户的在玩具枪系统中进行操作生成的屏幕图像数据，并对所述屏幕图像数据进行图像定位，获得所述屏幕图像数据对应的信号坐标序列。

其中，所述屏幕图像数据为每次玩具枪被所述目标用户按下按钮后对应的红外管发射红外光线并射击到屏幕上进行拍摄的图像数据。

例如，玩家可以使用玩具枪作为游戏手柄来与游戏进行互动，由此获取目标用户在游戏中按下按钮时的屏幕图像数据，例如捕捉到玩家射击事件。通过对这些图像数据进行图像处理和定位算法，可以识别出红外发射器在屏幕上产生的光点，并将其转换为相应的信号坐标序列。

步骤S120，基于所述屏幕图像数据对应的信号坐标序列以及所述玩具枪系统运行的交互场景数据，确定所述目标用户的场景互动意图数据。

例如，可以从所述玩具枪系统运行的交互场景数据中获取与所述信号坐标序列对应的目标交互区域数据，然后从所述目标交互区域数据中确定所述目标用户的场景互动意图数据。

例如，在游戏中定义了不同的目标交互区域，例如敌人出现的特定位置、道具箱的位置等。通过分析玩具枪系统运行的交互场景数据，可以获得与屏幕图像数据对应的信号坐标序列在游戏场景中所指向的目标交互区域数据。在虚拟现实游戏中，当玩家使用玩具枪进行射击时，根据目标交互区域数据可以判断玩家的场景互动意图。例如，如果目标交互区域数据表明玩家的射击命中了敌人，则可以推断出玩家的意图是攻击敌人。另外，如果目标交互区域数据表明玩家的射击瞄准了道具箱，则可以推断出玩家的意图是获取道具。通过分析目标交互区域数据，可以确定目标用户的具体场景互动意图数据，从而提供相应的反馈或触发相应的游戏逻辑。

步骤S130，基于所述目标用户的场景互动意图数据对所述目标用户进行反馈处理。

例如，步骤S130可以包括以下步骤。

步骤S131，基于所述目标用户的场景互动意图数据将所述目标用户添加到与关联用户的玩具枪互动进程中，获取所述玩具枪互动进程中待处理的玩具枪游戏互动数据，所述玩具枪游戏互动数据包括所述目标用户产生的第一玩具枪游戏互动数据以及所述关联用户产生的第二玩具枪游戏互动数据。

例如，假设在一个多人射击游戏中，目标用户希望加入与其他玩家的团队合作。根据目标用户的场景互动意图数据，将目标用户添加到与关联用户（其他队友）的玩具枪互动进程中。由此，获取玩具枪游戏互动数据可以包括目标用户产生的第一玩具枪游戏互动数据（例如射击命中、使用特殊技能等）以及关联用户产生的第二玩具枪游戏互动数据（其他队友的行为，如射击、防御等）。

步骤S132，依据所述玩具枪游戏互动数据进行互动场景关注点提取，获得对应的互动场景关注点数据，所述互动场景关注点数据包括所述第一玩具枪游戏互动数据对应的第一互动场景关注点分布，以及所述第二玩具枪游戏互动数据对应的第二互动场景关注点分布。

例如，通过分析目标用户和关联用户的玩具枪游戏互动数据，可以提取关键互动场景关注点。例如，目标用户的互动场景关注点可以是射击命中率、防御行为等，而关联用户的互动场景关注点可以是合作配合、敌人控制等。互动场景关注点数据可以包括第一玩具枪游戏互动数据对应的第一互动场景关注点分布以及第二玩具枪游戏互动数据对应的第二互动场景关注点分布。每个分布表示在相应场景中的互动关注点的重要程度或频次。

步骤S133，对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据。

为了深入理解目标用户和关联用户在特定互动场景中的行为特征，对互动场景关注点分布进行数据溯源。通过追溯数据，可以了解导致某些关注点分布的原因与动机。

关注点溯源数据可以表示从互动场景关注点分布反推到具体数据来源，例如目标用户高命中率可能源自精确的瞄准技巧，关联用户的高合作分布可能源自主动配合其他队友。

步骤S134，依据互动画像预测模型，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像。

本实施例中，利用建立的互动画像预测模型，根据关注点溯源数据生成目标用户和关联用户的互动特征画像。

第一用户互动画像：基于第一关注点溯源数据，生成与目标用户对应的互动画像，包括技能水平、战术倾向等信息。

第二用户互动画像：基于第二关注点溯源数据，生成与关联用户对应的互动画像，包括其他队友的技能水平、合作能力等信息。

步骤S135，基于所述第一用户互动画像与所述第二用户互动画像之间的匹配度，确定所述目标用户与所述关联用户之间的玩具枪互动匹配度。

本实施例中，通过比较目标用户的互动画像和关联用户的互动画像之间的相似性和差异性，可以评估两者在玩具枪互动方面的契合程度。

例如，可以使用相似性度量方法（如余弦相似度、欧氏距离等）或机器学习算法来计算目标用户和关联用户互动画像之间的匹配度。匹配度越高，表示两个用户在玩具枪互动方面越相近，可能更容易合作和配合。

通过计算目标用户与关联用户之间的玩具枪互动匹配度，可以判断他们之间的潜在互动效果。这有助于提供相应的反馈或调整互动体验，例如建议他们加强沟通、协作或提供适当的训练支持。

由此，通过将目标用户添加到与关联用户的互动进程中，提取互动场景关注点并进行数据溯源，生成用户互动画像，并评估目标用户与关联用户之间的玩具枪互动匹配度，可以实现更加个性化和适应性强的用户体验、反馈和处理。

一种可替代的实施方式中，步骤S132可以包括：

步骤S1321，分别提取所述第一玩具枪游戏互动数据对应的第一注意力互动事件，以及所述第二玩具枪游戏互动数据对应的第二注意力互动事件。

步骤S1322，依据所述第一注意力互动事件和所述第二注意力互动事件进行互动场景关注点定位，获得与所述第一注意力互动事件对应的第一互动场景关注点分布，以及与所述第二注意力互动事件对应的第二互动场景关注点分布。

例如，在一个团队射击游戏中，第一玩家（目标用户）的玩具枪游戏互动数据包括射击命中率、使用特殊技能次数等。第二玩家（关联用户）的玩具枪游戏互动数据包括射击频率、防御行为等。

针对第一玩家的玩具枪游戏互动数据，提取重要的注意力互动事件，如高命中率的射击、成功施放特殊技能等。同样地，针对第二玩家的玩具枪游戏互动数据，提取关键的注意力互动事件，如频繁射击敌人、有效的防御行为等。

在此基础上，通过将注意力互动事件与特定互动场景相关联，可以定位互动场景关注点。例如，将第一注意力互动事件（高命中率的射击）与团队配合、敌人控制等互动场景关联，将第二注意力互动事件（频繁射击敌人）与合作配合、防御行为等互动场景相关联。

第一互动场景关注点分布：表示在与第一注意力互动事件相关的互动场景中，不同关注点的重要程度或频次。例如，在团队配合互动场景中，目标用户的合作能力和沟通技巧可能是关注的焦点。

第二互动场景关注点分布：表示在与第二注意力互动事件相关的互动场景中，各个关注点的重要程度或频次。例如，在防御行为互动场景中，关联用户的反应速度和战术意识可能是关注的焦点。

通过以上步骤，可以提取出与目标用户和关联用户的玩具枪游戏互动数据相关的互动场景关注点，并将其转化为相应的互动场景关注点分布，以更好地理解和评估他们在特定互动场景中的行为特征和表现。

一种可替代的实施方式中，所述第一玩具枪游戏互动数据和所述第一注意力互动事件、所述第二玩具枪游戏互动数据和所述第二注意力互动事件，通过第一关联字典进行存储。

步骤S133中，对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，包括：

步骤S1331，获取所述第一玩具枪游戏互动数据和所述第一注意力互动事件、以及所述第二玩具枪游戏互动数据和所述第二注意力互动事件之间的第一关联字典。

步骤S1332，基于所述每个第一注意力互动事件中的第一互动场景关注点分布、每个第二注意力互动事件中的第二互动场景关注点分布、以及所述第一关联字典，构建所述第一玩具枪游戏互动数据和每个第一互动场景关注点分布、以及每个第二玩具枪游戏互动数据和每个第二互动场景关注点分布之间的第二关联字典。

步骤S1333，基于所述第二关联字典，分别对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，并构建所述第一玩具枪游戏互动数据和所述第一关注点溯源数据、所述第二玩具枪游戏互动数据和所述第二关注点溯源数据之间的第三关联字典。

假设第一玩家在一款射击游戏中的互动数据包括射击次数、移动路径等，而第一注意力互动事件可能是射击命中率较高的情况。这些数据会被记录并存储在第一关联字典中，以便后续使用。

由此，基于第一互动场景关注点分布和第二互动场景关注点分布，以及第一关联字典，可以构建第二关联字典，将第一玩具枪游戏互动数据和每个第一互动场景关注点分布、以及每个第二玩具枪游戏互动数据和每个第二互动场景关注点分布关联起来。例如，通过比较目标用户和关联用户在特定互动场景中的行为特征和关注点分布，可以确定他们之间的匹配度和相似性程度，并将这些关联信息存储在第二关联字典中。

然后，基于第二关联字典，可以对每个第一互动场景关注点分布和每个第二互动场景关注点分布进行关注点溯源。例如，在某个特定的互动场景中，通过分析目标用户和关联用户的互动数据，并将其与关联字典中的匹配度进行比较，可以获取第一关注点溯源数据和第二关注点溯源数据。这些溯源数据可用于进一步研究和分析目标用户和关联用户在特定互动场景中的行为模式和表现情况，并构建第三关联字典，将第一玩具枪游戏互动数据和第一关注点溯源数据、以及第二玩具枪游戏互动数据和第二关注点溯源数据进行关联。

通过以上步骤的操作和关联字典的构建，可以实现对玩具枪游戏互动数据和注意力互动事件之间的关系进行存储和追踪，同时也提供了对互动场景关注点分布进行数据溯源和关联的功能，以便后续的分析和应用。

一种可替代的实施方式中，步骤S134具体可以包括：

步骤S1341，依据所述互动画像预测模型，确定出满足模型性能指标的互动画像预测进程。

步骤S1342，基于所述满足模型性能指标的互动画像预测进程，对每个第一关注点溯源数据和每个第二关注点溯源数据进行互动画像预测，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像。

步骤S1343，基于所述第三关联字典，以及所述第一用户互动画像和所述第二用户互动画像，构建所述第一玩具枪游戏互动数据和所述第一用户互动画像、所述第二玩具枪游戏互动数据和所述第二用户互动画像之间的第四关联字典。

例如，通过互动画像预测模型，可以从第一关注点溯源数据中生成与目标用户对应的第一用户互动画像。例如，在射击游戏中，通过分析目标用户在特定互动场景中的行为数据和关注点溯源数据，可以生成目标用户的互动画像，其中包括该用户的游戏风格、策略偏好等。同样地，也可以从第二关注点溯源数据中生成与关联用户对应的第二用户互动画像。

在此基础上，基于满足模型性能指标的互动画像预测进程，对每个第一关注点溯源数据和第二关注点溯源数据进行互动画像预测。例如，通过使用机器学习或深度学习模型，结合第一关注点溯源数据和第二关注点溯源数据，可以预测目标用户和关联用户的互动行为、游戏偏好等信息，从而生成第一用户互动画像和第二用户互动画像。

接着，基于第三关联字典、第一用户互动画像和第二用户互动画像，可以构建第四关联字典，将第一玩具枪游戏互动数据与第一用户互动画像、以及第二玩具枪游戏互动数据与第二用户互动画像进行关联。例如，通过比较目标用户和关联用户的互动行为特征、游戏偏好等，在特定互动场景中建立起他们之间的关联信息。

通过以上步骤，可以基于互动画像预测模型生成与目标用户和关联用户对应的用户互动画像，并通过关联字典将玩具枪游戏互动数据与用户互动画像进行关联，进一步增强对用户行为和偏好的理解和分析能力。

一种可替代的实施方式中，所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户通过第五关联字典进行存储。例如，记录目标用户在玩具枪游戏中的射击次数、得分情况等数据，并将其与目标用户的唯一标识进行关联存储。同样地，第二玩具枪游戏互动数据和关联用户之间的关联信息也可以通过第五关联字典进行存储。

在所述步骤S1343之后，还包括：获取所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户之间的第五关联字典。接着，基于所述第四关联字典和所述第五关联字典，对所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像进行融合，获得所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的第六关联字典。例如，通过比较目标用户和关联用户在不同互动场景中的行为特征、互动偏好等，可以将它们之间的相关信息融合，并构建第六关联字典，将目标用户和第一用户互动画像、以及关联用户和第二用户互动画像进行关联。

由此，可以将玩具枪游戏互动数据与目标用户和关联用户之间的关系进行存储，并通过关联字典的构建和获取实现数据的关联和查询。同时，还可以对目标用户和第一用户互动画像、以及关联用户和第二用户互动画像进行融合和关联，进一步增强对用户行为和偏好的综合理解和分析能力。

一种可替代的实施方式中，在所述步骤S135之前，还包括：基于所述第六关联字典，将所述目标用户的第一用户标签特征、以及所述关联用户的第二用户标签特征确定为用户标签类别ID，以及将所述第一用户互动画像、第二用户互动画像确定为用户显著性数据。基于所述用户标签类别ID和所述用户显著性数据，构建所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的键值对。依据所构建的所述键值对，获取与所述目标用户对应的第一用户互动画像，与所述关联用户对应的第二用户互动画像。计算所述第一用户互动画像、第二用户互动画像之间的匹配度。

例如，在游戏中，目标用户可能被标记为"射手"，而关联用户可能被标记为"策略家"。同时，第一用户互动画像和第二用户互动画像可以被确定为用户显著性数据，其中包括用户在玩游戏过程中表现出来的重要行为、偏好等信息。在此基础上，将"射手"作为目标用户的标签类别ID，并将目标用户的第一用户互动画像作为对应的值；同样地，将"策略家"作为关联用户的标签类别ID，并将关联用户的第二用户互动画像作为对应的值。通过检索键值对中以目标用户标签类别ID为索引的值，找到与目标用户相关联的第一用户互动画像；同样地，通过检索键值对中以关联用户标签类别ID为索引的值，找到与关联用户相关联的第二用户互动画像。

一旦获取了目标用户和关联用户的互动画像，可以计算它们之间的匹配度。匹配度的计算可以基于不同的指标和算法，比如欧几里得距离、余弦相似性等。通过对比第一用户互动画像和第二用户互动画像之间的特征、行为等方面的差异，可以量化它们之间的匹配程度。

通过以上步骤，可以基于用户标签和显著性数据构建键值对，并通过键值对的检索获取匹配的互动画像，最后通过计算匹配度来评估目标用户和关联用户之间的玩具枪互动匹配度。这些步骤有助于确定合适的互动画像，从而更好地理解用户需求和偏好，提供个性化的游戏体验。

一种可替代的实施方式中，可以基于所述玩具枪互动匹配度进行排序，获得对应的玩具枪互动匹配度序列，依据所述玩具枪互动匹配度序列确定出最大玩具枪互动匹配度，并获取与所述最大玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户。或，基于门限匹配度和每个玩具枪互动匹配度，确定出满足设定条件的玩具枪互动匹配度，将与满足设定条件的所述玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户。

例如，基于之前计算得到的玩具枪互动匹配度，可以对不同目标用户和关联用户的匹配度进行排序。例如，对于一组目标用户和关联用户，其玩具枪互动匹配度序列可能如下：[0.85, 0.76, 0.92, 0.64]。将这些匹配度按照从高到低的顺序排列，以便进一步确定最大匹配度。例如，在上述排序后的序列中，最大匹配度为0.92，对应的目标用户和关联用户即为最佳互动匹配用户，将输出这组目标用户和关联用户作为互动匹配用户。

或者，除了确定最大匹配度外，也可以设定一个门限匹配度，只选择满足设定条件的玩具枪互动匹配度对应的目标用户和关联用户作为互动匹配用户。例如，假设门限匹配度设定为0.8，则仅选择玩具枪互动匹配度大于等于0.8的目标用户和关联用户，并将它们输出为互动匹配用户。

通过以上步骤，可以基于玩具枪互动匹配度进行排序或根据设定条件选择匹配度，最终确定出最优的互动匹配用户。这有助于提供个性化的玩具枪互动体验，让用户与最合适的目标用户和关联用户进行互动。

进一步地，图2示出了一种用于实现本申请实施例所提供的方法的设备的硬件结构示意图。如图2所示，玩具枪系统100可以包括至少一个处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106以及控制器108。本领域普通技术人员可以理解，图2所示的结构仅为示意，其并不对该玩具枪系统100的结构造成限定。例如，玩具枪系统100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。

存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中上述的方法实施例对应的程序指令，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种应用于图像定位的玩具枪系统处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其它非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至玩具枪系统100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括玩具枪系统100的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器，其可通过基站与其它网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频模块，其用于通过无线方式与互联网进行通讯。

需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本申请实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以依据不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本申请实施例中的各个实施例均依据递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于以上不同实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，上述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

Claims (10)

1.一种应用于图像定位的玩具枪系统处理方法，其特征在于，所述方法包括：

获取目标用户的在玩具枪系统中进行操作生成的屏幕图像数据，其中，所述屏幕图像数据为每次玩具枪被所述目标用户按下按钮后对应的红外管发射红外光线并射击到屏幕上进行拍摄的图像数据；

对所述屏幕图像数据进行图像定位，获得所述屏幕图像数据对应的信号坐标序列。

2.根据权利要求1所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述方法还包括：

从所述玩具枪系统运行的交互场景数据中获取与所述信号坐标序列对应的目标交互区域数据；

从所述目标交互区域数据中确定所述目标用户的场景互动意图数据；

基于所述目标用户的场景互动意图数据对所述目标用户进行反馈处理。

3.根据权利要求2所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述基于所述目标用户的场景互动意图数据对所述目标用户进行反馈处理的步骤，包括：

基于所述目标用户的场景互动意图数据将所述目标用户添加到与关联用户的玩具枪互动进程中，获取所述玩具枪互动进程中待处理的玩具枪游戏互动数据，所述玩具枪游戏互动数据包括所述目标用户产生的第一玩具枪游戏互动数据以及所述关联用户产生的第二玩具枪游戏互动数据；

依据所述玩具枪游戏互动数据进行互动场景关注点提取，获得对应的互动场景关注点数据，所述互动场景关注点数据包括所述第一玩具枪游戏互动数据对应的第一互动场景关注点分布，以及所述第二玩具枪游戏互动数据对应的第二互动场景关注点分布；

对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据；

依据互动画像预测模型，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像；

基于所述第一用户互动画像与所述第二用户互动画像之间的匹配度，确定所述目标用户与所述关联用户之间的玩具枪互动匹配度。

4.根据权利要求3所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述依据所述玩具枪游戏互动数据进行互动场景关注点提取，获得对应的互动场景关注点数据，包括：

分别提取所述第一玩具枪游戏互动数据对应的第一注意力互动事件，以及所述第二玩具枪游戏互动数据对应的第二注意力互动事件；

依据所述第一注意力互动事件和所述第二注意力互动事件进行互动场景关注点定位，获得与所述第一注意力互动事件对应的第一互动场景关注点分布，以及与所述第二注意力互动事件对应的第二互动场景关注点分布。

5.根据权利要求4所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述第一玩具枪游戏互动数据和所述第一注意力互动事件、所述第二玩具枪游戏互动数据和所述第二注意力互动事件，通过第一关联字典进行存储；

所述对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点数据溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，包括：

获取所述第一玩具枪游戏互动数据和所述第一注意力互动事件、以及所述第二玩具枪游戏互动数据和所述第二注意力互动事件之间的第一关联字典；

基于所述每个第一注意力互动事件中的第一互动场景关注点分布、每个第二注意力互动事件中的第二互动场景关注点分布、以及所述第一关联字典，构建所述第一玩具枪游戏互动数据和每个第一互动场景关注点分布、以及每个第二玩具枪游戏互动数据和每个第二互动场景关注点分布之间的第二关联字典；

基于所述第二关联字典，分别对每个第一互动场景关注点分布和每个第二互动场景关注点分布，进行关注点溯源，获得对应的第一关注点溯源数据和第二关注点溯源数据，并构建所述第一玩具枪游戏互动数据和所述第一关注点溯源数据、所述第二玩具枪游戏互动数据和所述第二关注点溯源数据之间的第三关联字典。

6.根据权利要求5所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述依据互动画像预测模型，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像，包括：

依据所述互动画像预测模型，确定出满足模型性能指标的互动画像预测进程；

基于所述满足模型性能指标的互动画像预测进程，对每个第一关注点溯源数据和每个第二关注点溯源数据进行互动画像预测，从每个第一关注点溯源数据中生成与所述目标用户对应的第一用户互动画像，以及从每个第二关注点溯源数据中生成与所述关联用户对应的第二用户互动画像；

基于所述第三关联字典，以及所述第一用户互动画像和所述第二用户互动画像，构建所述第一玩具枪游戏互动数据和所述第一用户互动画像、所述第二玩具枪游戏互动数据和所述第二用户互动画像之间的第四关联字典。

7.根据权利要求6所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户通过第五关联字典进行存储；在所述基于所述第三关联字典，以及所述第一用户互动画像和所述第二用户互动画像，构建所述第一玩具枪游戏互动数据和所述第一用户互动画像、所述第二玩具枪游戏互动数据和所述第二用户互动画像之间的第四关联字典之后，还包括：

获取所述第一玩具枪游戏互动数据和所述目标用户，以及所述第二玩具枪游戏互动数据和所述关联用户之间的第五关联字典；

基于所述第四关联字典和所述第五关联字典，对所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像进行融合，获得所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的第六关联字典。

8.根据权利要求7所述的应用于图像定位的玩具枪系统处理方法，其特征在于，在所述基于所述第一用户互动画像与所述第二用户互动画像之间的匹配度，确定所述目标用户与所述关联用户之间的玩具枪互动匹配度之前，还包括：

基于所述第六关联字典，将所述目标用户的第一用户标签特征、以及所述关联用户的第二用户标签特征确定为用户标签类别ID，以及将所述第一用户互动画像、第二用户互动画像确定为用户显著性数据；

基于所述用户标签类别ID和所述用户显著性数据，构建所述目标用户和所述第一用户互动画像、所述关联用户和所述第二用户互动画像之间的键值对；

依据所构建的所述键值对，获取与所述目标用户对应的第一用户互动画像，与所述关联用户对应的第二用户互动画像；

计算所述第一用户互动画像、第二用户互动画像之间的匹配度。

9.根据权利要求3所述的应用于图像定位的玩具枪系统处理方法，其特征在于，所述方法还包括：

基于所述玩具枪互动匹配度进行排序，获得对应的玩具枪互动匹配度序列；

依据所述玩具枪互动匹配度序列确定出最大玩具枪互动匹配度，并获取与所述最大玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户；

或，基于门限匹配度和每个玩具枪互动匹配度，确定出满足设定条件的玩具枪互动匹配度，将与满足设定条件的所述玩具枪互动匹配度对应的目标用户和所述关联用户，输出为互动匹配用户。

10.一种玩具枪系统，其特征在于，所述玩具枪系统包括处理器以及可读存储介质，所述可读存储介质存储有程序，该程序被处理器执行时实现权利要求1-9任意一项所述的应用于图像定位的玩具枪系统处理方法。