[发明专利]虚拟现实中虚拟角色的控制方法、装置及存储介质

说明书

本发明提供了一种虚拟现实中虚拟角色的控制方法、装置、存储介质及电子装置。该方法包括：获取当前玩家的当前动作数据；使用第一模型对所述当前动作数据进行分析，确定所述当前动作数据所对应的预定操作，其中，所述第一模型通过使用多组数据经过机器学习训练获取，所述多组数据中的每组数据均包括标准动作数据，不同的标准动作数据对应于不同的预定操作；控制与所述当前玩家对应的所述虚拟角色执行所述预定操作。通过本发明，解决了相关技术中现有的动作识别方案均是基于视频，需要外加视频采集设备而带来的动作识别方案复杂、浪费资源的问题，达到不但不需要外加视频采集设备，而且动作识别方案简单、节约资源，提高用户体验的效果。

技术领域

本发明涉及计算机图形领域，具体而言，涉及一种虚拟现实中虚拟角色的控制方法、装置、存储介质及电子装置。

背景技术

虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统，它是利用计算机生成一种模拟环境，是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真环境，使用户沉浸在该环境中。

机器学习技术是人工智能的核心，是使计算机具有智能的根本途径。其中，人工神经网络是实现机器学习技术的主要算法。人工神经网络是人类为了模仿自然界生物的神经网络结构和功能从而提出的机器学习模型。其由大量的人工神经元组成。每个神经元都是一个独立的可计算模块，其中具有一个输出函数，在业界习惯称其为激励函数，来使神经元针对于特定的输入能有一定规律的输出。另外，神经元与神经元之间由相应的权值相连，其模拟的是生物神经元之间的突触，该权值在经过训练后会发生改变，以使人工神经网络具有特定的功能，而这种权值改变的过程即为训练，权值改变的这种现象更像是生物的记忆。权值使得输入的信号在由输入层传递进入神经网络时，在传递过程中不断的发生变化。最终的输出，即网络的预测值，由输入，权重值，网络连接方式，激励函数等多种因素决定，也使得不同的人工神经网络可以具备不同的功能。

现有的基于机器学习的动作识别方案都是基于视频，并采用了卷积神经网络对视频内容进行分析来实现的，很难应用于虚拟现实领域，主要原因如下：(1)虚拟现实技术目前并没有对使用者的动作影像采集设备，这使得现有的基于视频的方案都需要外加摄影设备(如摄像机)，这使得现有的基于视频的方案都无法直接运用于虚拟现实中。(2)人工神经网络中卷积神经网络更适合于处理图像信息，因此在现有技术中(使用摄像机等外加设备采集视频)，大多使用卷积神经网络对虚拟现实进行模型训练，但是卷积神经网络的层数较多，在预测过程中对于计算资源的消耗较大，浪费虚拟现实计算资源。综上所述，由于虚拟现实是近年来的新兴领域，其交互方式与传统的平台有了很大的不同，因此传统的识别方案很难进行移植适配。更好的做法是为虚拟现实应用设计一种全新的适配虚拟现实交互输入的动作识别方案，并使其无论从开发过程和线上运行效率来说都足够高效。

针对相关技术中，现有的动作识别方案均是基于视频，需要外加视频采集设备而带来的动作识别方案复杂、浪费资源的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种虚拟现实中虚拟角色的控制方法、装置、存储介质及电子装置，以至少解决相关技术中现有的动作识别方案均是基于视频，需要外加视频采集设备而带来的动作识别方案复杂、浪费资源的问题。

根据本发明的一个实施例，提供了一种虚拟现实中虚拟角色的控制方法，包括：获取当前玩家的当前动作数据；使用第一模型对所述当前动作数据进行分析，确定所述当前动作数据所对应的预定操作，其中，所述第一模型通过使用多组数据经过机器学习训练获取，所述多组数据中的每组数据均包括标准动作数据，不同的标准动作数据对应于不同的预定操作；控制与所述当前玩家对应的所述虚拟角色执行所述预定操作。

可选地，在使用第一模型对所述当前动作数据进行分析，确定所述当前动作数据所对应的预定操作之前，还包括：根据第一身体特征与第二身体特征对所述当前动作数据进行修正，其中，所述第一身体特征为预先获取的所述当前玩家的身体特征，所述第二身体特征是对所述第一模型进行训练时所采集的训练玩家的身体特征。