[发明专利]游戏模型动作的生成方法、装置及电子终端

说明书

本发明提供了一种游戏模型动作的生成方法、装置及电子终端，涉及游戏数据处理的技术领域；通过构建生成式对抗网络和强化学习网络模型组成动作学习系统，将采集的真实物体执行动作的真实图像数据与游戏模型执行动作的模型图像数据作为训练集，训练生成式对抗网络；并基于训练好的生成式对抗网络训练强化学习网络模型，使强化学习网络模型控制游戏模型执行动作，达到游戏动作更加真实、节省开发时间的效果。

技术领域

本发明涉及游戏数据处理技术领域，尤其是一种游戏模型动作的生成方法、装置及电子终端。

背景技术

在三维游戏的制作过程中，游戏模型会产生各类动作，为了使游戏中的模型产生动作，一般通过在游戏模型上绑定对应骨骼，再操作骨骼移动带动游戏模型，从而生成各类动作。在同样的模型下，游戏模型动作的真实程度会使游戏品质产生极大的变化。

目前，通常采用在人体或动物关节部位绑定跟踪器，由特定的软件系统捕捉跟踪器位置，再通过计算机处理绑定到游戏模型的骨骼坐标，从而实现模型的动作制作；而由于绑定跟踪器在某些动物或水生动物身上并不容易实现，因此只能通过游戏动画师用软件逐步调整每个骨骼的角度，从而对这些动物的动作进行模仿。这种方法往往会产生大量开发的耗时，而且生成的动作在外部干扰下并不会做出该有的反应，只会做出相同的动作，使游戏真实度下降。

发明内容

有鉴于此，本发明的目的在于提供一种游戏模型动作的生成方法和装置，以解决现有技术中存在的问题。

第一方面，本实施例提供了一种游戏模型动作的生成方法，包括：

获取真实物体执行动作的第一真实图像数据和游戏模型执行动作的第一模型图像数据；

使用所述第一真实图像数据和所述第一模型图像数据，对生成式对抗网络进行训练；

基于训练好的生成式对抗网络训练强化学习网络模型，所述强化学习网络模型用于控制游戏模型执行动作。

在一种可选的实施方式中，基于训练好的生成式对抗网络训练强化学习网络模型，所述强化学习网络模型用于控制游戏模型执行动作的步骤，包括：

使用所述强化学习网络模型控制所述游戏模型执行动作；

重复执行如下步骤，直至训练好的生成式对抗网络的判别结果符合预期，确定训练好的强化学习网络模型：

获取所述游戏模型执行动作的第二模型图像数据；

使用所述训练好的生成式对抗网络对所述第二模型图像数据进行判别；

如果所述判别结果不符合预期，优化强化学习网络模型；

使用优化后的所述强化学习网络模型控制所述游戏模型执行所述动作。

在一种可选的实施方式中，所述第一真实图像，由采集设备采集真实人物、动物在单个动作时间内特定帧数的三视图所得；

所述第一模型图像，由采集设备采集所述游戏模型在单个动作时间内特定帧数的三视图所得。

在一种可选的实施方式中，所述第一真实图像和所述第一模型图像经过数据清洗分别得到所述第一真实图像数据和所述第一模型图像数据；所述数据清洗包括：

将所述第一模型图像和所述第一真实图像裁剪至指定尺寸；

采用灰度算法和浮雕算法剔除所述第一模型图像和所述第一真实图像的干扰信息；

分别拼接所述第一模型图像和所述第一真实图像的三视图，获得所述第一模型图像数据和所述第一真实图像数据。