虚拟场景中的异常动作识别方法、装置、介质及电子设备制造方法及图纸

本申请的实施例提供了一种虚拟场景中的异常动作识别方法、装置、介质及电子设备。该异常动作识别方法包括：获取虚拟场景的视频流数据；从所述视频流数据中提取出目标对象处于指定状态的目标视频帧；根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况；基于所述目标对象的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。本申请实施例的技术方案可以降低虚拟场景中异常动作的检测难度，并且提高异常动作的检测效率。

Methods, devices, media and electronic devices for identifying abnormal actions in virtual scenes

【技术实现步骤摘要】
虚拟场景中的异常动作识别方法、装置、介质及电子设备
本申请涉及计算机及通信
，具体而言，涉及一种虚拟场景中的异常动作识别方法、装置、介质及电子设备。
技术介绍
策略类游戏的外挂(外挂一般指通过修改游戏数据而为玩家谋取利益的作弊程序或软件)一直很猖獗，相关技术中提出的人物加速的检测方案主要是通过客户端发送到服务端的数据来进行检测，这种数据往往会被外挂篡改；另外一方面，由于存储容量的限制，也无法实时记录玩家在游戏中的移动速度，从而导致这类外挂无法被发现。
技术实现思路
本申请的实施例提供了一种虚拟场景中的异常动作识别方法、装置、介质及电子设备，进而至少在一定程度上可以降低虚拟场景中异常动作的检测难度，并且提高异常动作的检测效率。本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。根据本申请实施例的一个方面，提供了一种虚拟场景中的异常动作识别方法，包括：获取虚拟场景的视频流数据；从所述视频流数据中提取出目标对象处于指定状态的目标视频帧；根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况；基于所述目标对象的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。根据本申请实施例的一个方面，提供了一种虚拟场景中的异常动作识别装置，包括：获取单元，配置为获取虚拟场景的视频流数据；提取单元，配置为从所述视频流数据中提取出目标对象处于指定状态的目标视频帧；识别单元，配置为根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况；处理单元，配置为基于所述目标对象的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。在本申请的一些实施例中，基于前述方案，所述提取单元配置为：在所述视频流数据中识别出所述目标对象处于所述指定状态的目标时间段；从所述视频流数据中提取出处于所述目标时间段内的视频帧，并将提取出的视频帧作为所述目标对象处于所述指定状态的视频帧。在本申请的一些实施例中，基于前述方案，所述提取单元配置为：在所述视频流数据中识别出所述目标对象处于非指定状态的时间段；将所述视频流数据中除所述非指定状态的时间段之外的其它时间段作为所述目标时间段。在本申请的一些实施例中，基于前述方案，所述非指定状态包括乘坐载具的状态，其中，若所述目标对象处于乘坐载具的状态，则对应视频帧的第一位置处显示有乘坐载具的标识信息；所述提取单元配置为：根据所述视频流数据中的各个视频帧在所述第一位置处的图像是否包含有所述标识信息，确定所述各个视频帧中的目标对象是否处于所述乘坐载具的状态；基于所述各个视频帧中的目标对象是否处于所述乘坐载具的状态，在所述视频流数据中确定所述目标对象处于所述非指定状态的时间段。在本申请的一些实施例中，基于前述方案，所述提取单元配置为：将所述各个视频帧输入至二分类模型中，所述二分类模型用于识别视频帧的所述第一位置处的图像是否包含有所述标识信息；根据所述二分类模型的输出结果，确定所述各个视频帧中的目标对象是否处于所述乘坐载具的状态。在本申请的一些实施例中，基于前述方案，若所述视频流数据中包含的视频帧的第二位置处显示有虚拟对象的状态栏，则所述提取单元配置为：识别所述视频流数据中的各个视频帧在所述第二位置处的图像所包含的状态标识，根据所述状态标识确定所述各个视频帧中的目标对象是否处于所述非指定状态；基于所述各个视频帧中的目标对象是否处于所述非指定状态，在所述视频流数据中确定所述目标对象处于所述非指定状态的时间段。在本申请的一些实施例中，基于前述方案，所述提取单元配置为：将所述各个视频帧输入至预训练的机器学习模型中，所述预训练的机器学习模型用于识别视频帧的所述第二位置处的图像所包含的状态标识；根据所述预训练的机器学习模型的输出结果，确定所述各个视频帧中的目标对象是否处于所述非指定状态。在本申请的一些实施例中，基于前述方案，所述识别单元配置为：从所述目标视频帧中抽取视频帧，并按照抽取出的视频帧的时间先后顺序进行划分得到至少两组视频帧，各组视频帧中包含有两个视频帧，识别所述目标对象在所述各组视频帧中的动作变化情况；所述处理单元配置为：根据所述目标对象在所述各组视频帧中的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。在本申请的一些实施例中，基于前述方案，所述指定状态包括徒步状态；所述识别单元配置为：识别所述目标对象在所述各组视频帧所包含的两个视频帧之间的移动距离；所述处理单元配置为：根据所述目标对象在所述各组视频帧所包含的两个视频帧之间的移动距离，计算所述目标对象在n1个组的视频帧之间的平均移动距离，n1≥1；若所述平均移动距离超过预定阈值，则确定在所述虚拟场景检测到所述目标对象存在疑似异常动作，当检测到所述目标对象存在疑似异常动作的次数达到设定次数时，确定所述目标对象在所述虚拟场景存在异常动作。在本申请的一些实施例中，基于前述方案，所述识别单元配置为：提取所述各组视频帧所包含的两个视频帧中的特征点；基于所述两个视频帧中的特征点对所述两个视频帧进行特征匹配，以确定所述两个视频帧中相匹配的目标特征点对；根据所述目标特征点对在所述两个视频帧中的位置，计算所述目标特征点对在所述两个视频帧之间的位置变化量；基于所述目标特征点对在所述两个视频帧之间的位置变化量，确定所述目标对象在所述各组视频帧所包含的两个视频帧之间的移动距离。在本申请的一些实施例中，基于前述方案，所述识别单元配置为：基于所述两个视频帧的特征点对所述两个视频帧进行特征匹配，以在所述两个视频帧中确定相匹配的至少一对特征点；将所述两个视频帧以各对特征点为基准进行叠加，并将所述两个视频帧叠加后的重叠区域作为所述各对特征点对应的重叠区域；计算所述两个视频帧在所述各对特征点对应的重叠区域中的像素差值，以作为所述各对特征点对应的像素差值；将对应的像素差值最小的一对特征点作为所述目标特征点对。在本申请的一些实施例中，基于前述方案，在所述视频流数据中的视频帧包含有缩略地图的情况下，所述识别单元配置为：提取所述两个视频帧中的所述缩略地图所在区域内的特征点。根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的虚拟场景中的异常动作识别方法。根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的虚拟场景中的异常动作识别方法。在本申请的一些实施例所提供的技术方案中，通过获取虚拟场景的视频流数据，从该视频流数据中提取出目标对象处于指定状态的目标视频帧，然后根据提取出的目标视频帧识别目标对象的动作变化情况，以基于目标对象的动作变化情况确定目标对象在虚拟场景中是否存在异常动作，使得能够基于虚拟场景的视频流数据中所包含的视频帧来对目标对象的异常动作进行检测，不仅降低本文档来自技高网...

【技术保护点】
1.一种虚拟场景中的异常动作识别方法，其特征在于，包括：/n获取虚拟场景的视频流数据；/n从所述视频流数据中提取出目标对象处于指定状态的目标视频帧；/n根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况；/n基于所述目标对象的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。/n

【技术特征摘要】
1.一种虚拟场景中的异常动作识别方法，其特征在于，包括：
获取虚拟场景的视频流数据；
从所述视频流数据中提取出目标对象处于指定状态的目标视频帧；
根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况；
基于所述目标对象的动作变化情况，确定所述目标对象在所述虚拟场景中是否存在异常动作。


2.根据权利要求1所述的虚拟场景中的异常动作识别方法，其特征在于，从所述视频流数据中提取出目标对象处于指定状态的视频帧，包括：
在所述视频流数据中识别出所述目标对象处于所述指定状态的目标时间段；
从所述视频流数据中提取出处于所述目标时间段内的视频帧，并将提取出的视频帧作为所述目标对象处于所述指定状态的视频帧。


3.根据权利要求2所述的虚拟场景中的异常动作识别方法，其特征在于，在所述视频流数据中识别出所述目标对象处于所述指定状态的目标时间段，包括：
在所述视频流数据中识别出所述目标对象处于非指定状态的时间段；
将所述视频流数据中除所述非指定状态的时间段之外的其它时间段作为所述目标时间段。


4.根据权利要求3所述的虚拟场景中的异常动作识别方法，其特征在于，所述非指定状态包括乘坐载具的状态，其中，若所述目标对象处于乘坐载具的状态，则对应视频帧的第一位置处显示有乘坐载具的标识信息；
在所述视频流数据中识别出所述目标对象处于非指定状态的时间段，包括：
根据所述视频流数据中的各个视频帧在所述第一位置处的图像是否包含有所述标识信息，确定所述各个视频帧中的目标对象是否处于所述乘坐载具的状态；
基于所述各个视频帧中的目标对象是否处于所述乘坐载具的状态，在所述视频流数据中确定所述目标对象处于所述非指定状态的时间段。


5.根据权利要求4所述的虚拟场景中的异常动作识别方法，其特征在于，根据所述各个视频帧在所述第一位置处的图像是否包含有所述标识信息，确定所述各个视频帧中的目标对象是否处于所述乘坐载具的状态，包括：
将所述各个视频帧输入至二分类模型中，所述二分类模型用于识别视频帧的所述第一位置处的图像是否包含有所述标识信息；
根据所述二分类模型的输出结果，确定所述各个视频帧中的目标对象是否处于所述乘坐载具的状态。


6.根据权利要求3所述的虚拟场景中的异常动作识别方法，其特征在于，若所述视频流数据中包含的视频帧的第二位置处显示有虚拟对象的状态栏，则在所述视频流数据中识别出所述目标对象处于非指定状态的时间段，包括：
识别所述视频流数据中的各个视频帧在所述第二位置处的图像所包含的状态标识，根据所述状态标识确定所述各个视频帧中的目标对象是否处于所述非指定状态；
基于所述各个视频帧中的目标对象是否处于所述非指定状态，在所述视频流数据中确定所述目标对象处于所述非指定状态的时间段。


7.根据权利要求6所述的虚拟场景中的异常动作识别方法，其特征在于，识别所述视频流数据中的各个视频帧在所述第二位置处的图像所包含的状态标识，根据所述状态标识确定所述各个视频帧中的目标对象是否处于所述非指定状态，包括：
将所述各个视频帧输入至预训练的机器学习模型中，所述预训练的机器学习模型用于识别视频帧的所述第二位置处的图像所包含的状态标识；
根据所述预训练的机器学习模型的输出结果，确定所述各个视频帧中的目标对象是否处于所述非指定状态。


8.根据权利要求1至7中任一项所述的虚拟场景中的异常动作识别方法，其特征在于，
根据从所述视频流数据中提取出的所述目标视频帧，识别所述目标对象的动作变化情况，包括：从所述目标视频帧中抽取视频帧，并按照抽取出的视频帧的时间先后顺序进行划分得到至少两组视频帧，...

【专利技术属性】
技术研发人员：王翔宇，雷植程，段建波，
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