虚拟角色的卡住检测方法、模型训练方法、装置及设备制造方法及图纸

本申请提供了一种虚拟角色的卡住检测方法、模型训练方法、装置及设备。该方法包括：获取游戏应用程序中的二元图像组，二元图像组包括第一图像帧和第二图像帧；调用完成训练的神经网络模型，提取第一图像帧的抽象特征和第二图像帧的抽象特征；根据第一图像帧的抽象特征和第二图像帧的抽象特征，计算第一图像帧和第二图像帧之间的相似度；若相似度大于预设门限值，则确定游戏应用程序中的虚拟角色处于卡住状态，卡住状态是指虚拟角色被游戏场景中的物体限制移动的状态。本申请实施例能够提高特征提取的提取效率及提取准确率，后续基于相似度来检测虚拟角色是否被卡住时，检测结果的准确率也得以提高。

Detection method, model training method, device and equipment of virtual role jamming

This application provides a method for detecting the virtual role's jamming, a model training method, a device and a device. The method includes: acquiring binary image groups in game applications, which include the first image frame and the second image frame; calling the training neural network model to extract the abstract features of the first image frame and the second image frame; and extracting the abstract features of the first image frame and the second image frame according to the abstract features of the first image frame and the second image frame. Image features are used to calculate the similarity between the first image frame and the second image frame. If the similarity is greater than the preset threshold, the virtual role in the game application is determined to be stuck, and the stuck state refers to the state in which the virtual role is restricted by the object in the game scene. The application embodiment can improve the extraction efficiency and accuracy of feature extraction, and the accuracy of detection results can also be improved when the virtual role is stuck based on similarity.

【技术实现步骤摘要】
虚拟角色的卡住检测方法、模型训练方法、装置及设备
本申请实施例涉及计算机和互联网
，特别涉及一种虚拟角色的卡住检测方法、模型训练方法、装置及设备。
技术介绍
目前，用户可以根据需求在终端中安装游戏类应用程序，例如第三人称射击游戏(Third-PersonalShootingGame，TPS)、第一人称射击游戏(First-PersonalShootingGame，FPS)等等。在上述游戏类应用程序中，用户通常可以控制一个或多个虚拟角色在游戏场景中行动。而游戏场景中存在障碍物，例如围墙、树木等，当虚拟角色在行进过程中遇到上述障碍物时，有可能出现无法继续行进的情况，也即虚拟角色被卡住了。相关技术中，终端通过如下方式来检测虚拟角色是否被卡住了：终端获取用于表示虚拟角色在行进前后的两帧图像，之后相关技术人员确定需要从上述两帧图像中提取的特征，之后按照确定出的特征进行特征提取，之后计算上述两帧图像的特征之间的欧式距离，并通过上述欧式距离的大小来判断虚拟角色是否被卡住。若欧式距离较大时，则说明虚拟角色未被卡住；若欧式距离较小，则说明虚拟角色被卡住了。由于待提取的特征是由人工确定的，提取出的特征不够准确，因此上述检测方法提供的检测结果也不够准确。
技术实现思路
本申请实施例提供了一种虚拟角色的卡住检测方法、模型训练方法、装置及设备，可用于解决相关技术中由于待提取的特征是由人工确定的，提取出的特征不够准确，导致的检测结果不够准确的问题。一方面，本申请实施例提供了一种虚拟角色的卡住检测方法，所述方法包括：获取游戏应用程序中的二元图像组，所述二元图像组包括第一图像帧和第二图像帧，且所述第一图像帧和所述第二图像帧之间的时间间隔小于第一阈值；调用完成训练的神经网络模型，提取所述第一图像帧的抽象特征和所述第二图像帧的抽象特征；根据所述第一图像帧的抽象特征和所述第二图像帧的抽象特征，计算所述第一图像帧和所述第二图像帧之间的相似度；若所述相似度大于预设门限值，则确定所述游戏应用程序中的虚拟角色处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。另一方面，本申请实施例提供了一种模型训练方法，所述方法包括：构建神经网络模型；获取至少一个三元图像组；其中，所述三元图像组包括基准图像帧、正样本图像帧和负样本图像帧，所述基准图像帧与所述正样本图像帧之间的第一时间间隔，小于所述基准图像帧与所述负样本图像帧之间的第二时间间隔；通过所述神经网络模型，提取所述基准图像帧的抽象特征、所述正样本图像帧的抽象特征以及所述负样本图像帧的抽象特征；计算所述基准图像帧的抽象特征与所述正样本图像帧的抽象特征之间的第一相似度，以及所述基准图像帧的抽象特征与所述负样本图像帧的抽象特征之间的第二相似度；根据所述第一相似度和所述第二相似度计算所述神经网络模型对应的损失函数值；当所述损失函数值小于预设阈值时，停止对所述神经网络模型的训练，得到完成训练的所述神经网络模型；其中，完成训练的所述神经网络模型用于检测游戏应用程序中的虚拟角色是否处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。再一方面，本申请实施例提供了一种虚拟角色的卡住检测装置，所述装置包括：图像组获取模块，用于获取游戏应用程序中的二元图像组，所述二元图像组包括第一图像帧和第二图像帧，且所述第一图像帧和所述第二图像帧之间的时间间隔小于第一阈值；特征提取模块，用于调用完成训练的神经网络模型，提取所述第一图像帧的抽象特征和所述第二图像帧的抽象特征；相似度计算模块，用于根据所述第一图像帧的抽象特征和所述第二图像帧的抽象特征，计算所述第一图像帧和所述第二图像帧之间的相似度；卡住检测模块，用于若所述相似度大于预设门限值，则确定所述游戏应用程序中的虚拟角色处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。又一方面，本申请实施例提供了一种模型训练装置，所述装置包括：模型构建模块，用于构建神经网络模型；图像组获取模块，用于从游戏应用程序中获取至少一个三元图像组；其中，所述三元图像组包括基准图像帧、正样本图像帧和负样本图像帧，所述基准图像帧与所述正样本图像帧之间的第一时间间隔，小于所述基准图像帧与所述负样本图像帧之间的第二时间间隔；特征提取模块，用于通过所述神经网络模型，提取所述基准图像帧的抽象特征、所述正样本图像帧的抽象特征以及所述负样本图像帧的抽象特征；相似度计算模块，用于计算所述基准图像帧的抽象特征与所述正样本图像帧的抽象特征之间的第一相似度，以及所述基准图像帧的抽象特征与所述负样本图像帧的抽象特征之间的第二相似度；损失计算模块，用于根据所述第一相似度和所述第二相似度计算所述神经网络模型对应的损失函数值；模型生成模块，用于当所述损失函数值小于预设阈值时，停止对所述神经网络模型的训练，得到完成训练的所述神经网络模型；其中，完成训练的所述神经网络模型用于检测游戏应用程序中的虚拟角色是否处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。又一方面，本申请实施例提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述一方面所述的虚拟角色的卡住检测方法。又一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述另一方面所述的模型训练方法。又一方面，本申请实施例提供了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至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述一方面所述的虚拟角色的卡住检测方法。又一方面，本申请实施例提供了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至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述另一方面所述的模型训练方法。又一方面，提供了一种计算机程序产品，当该计算机程序产品被执行时，其用于执行上述一方面所述的虚拟角色的卡住检测方法。又一方面，提供了一种计算机程序产品，当该计算机程序产品被执行时，其用于执行上述另一方面所述的模型训练方法。本申请实施例提供的技术方案可以带来如下有益效果：通过由训练完成的神经网络模型对游戏应用程序中的两个图像帧进行特征提取，并计算提取到的两个特征之间的相似度，之后基于上述相似度来判断游戏应用程序中的虚拟角色是否处于卡住状态，相比于相关技术中需要人工定义图像帧的特征，本申请实施例提供的技术方案，通过由神经网络模型来提取图像帧的特征，可以提高上述特征的提取效率及提取准确率，后续基于相似度来检测虚拟角色是否被卡住时，检测结果的准确率也得以提高。附图说明图1是本申请一个实施例示出的虚拟角色的卡住检测方法的流程图；图2是本申请一个实施例示出的虚拟角色处于卡住状态的界面示意图；图3是本申请一个实施例示出的神经网络模型本文档来自技高网...

【技术保护点】
1.一种虚拟角色的卡住检测方法，其特征在于，所述方法包括：获取游戏应用程序中的二元图像组，所述二元图像组包括第一图像帧和第二图像帧，且所述第一图像帧和所述第二图像帧之间的时间间隔小于第一阈值；调用完成训练的神经网络模型，提取所述第一图像帧的抽象特征和所述第二图像帧的抽象特征；根据所述第一图像帧的抽象特征和所述第二图像帧的抽象特征，计算所述第一图像帧和所述第二图像帧之间的相似度；若所述相似度大于预设门限值，则确定所述游戏应用程序中的虚拟角色处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。

【技术特征摘要】
1.一种虚拟角色的卡住检测方法，其特征在于，所述方法包括：获取游戏应用程序中的二元图像组，所述二元图像组包括第一图像帧和第二图像帧，且所述第一图像帧和所述第二图像帧之间的时间间隔小于第一阈值；调用完成训练的神经网络模型，提取所述第一图像帧的抽象特征和所述第二图像帧的抽象特征；根据所述第一图像帧的抽象特征和所述第二图像帧的抽象特征，计算所述第一图像帧和所述第二图像帧之间的相似度；若所述相似度大于预设门限值，则确定所述游戏应用程序中的虚拟角色处于卡住状态，所述卡住状态是指所述虚拟角色被游戏场景中的物体限制移动的状态。2.根据权利要求1所述的方法，其特征在于，所述确定所述游戏应用程序中的虚拟角色处于卡住状态之后，还包括：控制所述虚拟角色执行随机动作以摆脱所述卡住状态。3.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型的训练过程如下：构建所述神经网络模型；获取至少一个三元图像组；其中，所述三元图像组包括基准图像帧、正样本图像帧和负样本图像帧，所述基准图像帧与所述正样本图像帧之间的第一时间间隔，小于所述基准图像帧与所述负样本图像帧之间的第二时间间隔；通过所述神经网络模型，提取所述基准图像帧的抽象特征、所述正样本图像帧的抽象特征以及所述负样本图像帧的抽象特征；计算所述基准图像帧的抽象特征与所述正样本图像帧的抽象特征之间的第一相似度，以及所述基准图像帧的抽象特征与所述负样本图像帧的抽象特征之间的第二相似度；根据所述第一相似度和所述第二相似度计算所述神经网络模型对应的损失函数值；当所述损失函数值小于预设阈值时，停止对所述神经网络模型的训练，得到完成训练的所述神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一相似度和所述第二相似度计算所述神经网络模型对应的损失函数值，包括：采用如下公式计算所述神经网络模型对应的损失函数值Loss：其中，N代表三元图像组的数量，i为小于或等于N的正整数，α为预设常数，代表第i个三元图像组中的基准图像帧的抽象特征与正样本图像帧的抽象特征之间的第一相似度；代表所述第i个三元图像组中的基准图像帧的抽象特征与负样本图像帧的抽象特征之间的第二相似度。5.根据权利要求3所述的方法，其特征在于，所述获取至少一个三元图像组，包括：获取所述游戏应用程序的录制视频；从所述录制视频中每隔预设时间间隔提取一张图像帧，得到至少三张图像帧；从所述至少三张图像帧中选取至少一张所述基准图像帧；对于每一张所述基准图像帧，选取一张与所述基准图像帧之间的时间间隔小于第二阈值的图像帧作为所述正样本图像帧，选取一张与所述基准图像帧之间的时间间隔大于第三阈值的图像帧作为所述负样本图像帧；将所述基准图像帧、所述正样本图像帧、所述负样本图像帧确定为一个所述三元图像组。6.一种模型训练方法，其特征在于，所述方法包括：构建神经网络模型；从游戏应用程序中获取至少一个三元图像组；其中，所述三元图像组包括基准图像帧、正样本图像帧和负样本图像帧，所述基准图像帧与所述正样本图像帧之间的第一时间间隔，小于所述基准图像帧与所述负样本图像帧之间的第二时间间隔；通过所述神经网络模型，提取所述基准图像帧的抽象特征、所述正样本图像帧的抽象特征以及所述负样本图像帧的抽象特征；计算所述基准图像帧的抽象特征与所述正样本图像帧的抽象特征之间的第一相似度，以及所述基准图像帧的抽象特征与所述负样本图像帧的抽象特...

【专利技术属性】
技术研发人员：黄超，周大军，张力柯，荆彦青，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44