[发明专利]游戏动作识别方法、装置、电子设备和存储介质

权利要求书

1.一种游戏动作识别方法，其特征在于，包括：

在目标游戏运行的过程中，实时获取游戏控制设备的运动数据，所述运动数据包括目标对象通过部位对所述游戏控制设备执行目标动作控制所述目标游戏时所述游戏控制设备的运动数据；

对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息；

根据所述特征信息，预测所述目标动作属于至少一个预设动作类型的概率；

根据概率从所述至少一个预设动作类型中确定所述部位执行的目标动作类型。

2.根据权利要求1所述的方法，其特征在于，所述运动数据包括至少一个连续时间上的运动子数据；

所述对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息，包括：

对各个运动子数据进行卷积特征提取，得到各个运动子数据的运动特征；

基于各个运动子数据的前后时间的运动子数据的运动特征，获取所述各个运动子数据的时序特征；

将各个运动子数据的运动特征和时序特征进行融合，得到所述运动数据的特征信息。

3.根据权利要求1所述的方法，其特征在于，所述对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息，包括：

通过动作识别模型，对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息。

4.根据权利要求3所述的方法，其特征在于，所述通过动作识别模型，对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息之前，还包括：

获取训练数据，所述训练数据包括样本运动数据、以及所述样本运动数据对应的动作属于至少一个预设动作类型的期望概率；

将所述样本运动数据划分为训练集和验证集；

基于所述训练集，对预设动作识别模型进行训练，以使所述训练集中样本运动数据对应的动作属于至少一个预设动作类型的实际概率与其对应的期望概率之间的损失值满足预设条件；

利用所述验证集，对预设动作识别模型的训练结果进行验证，以得到动作识别模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述训练集，对预设动作识别模型进行训练，包括：

通过预设动作识别模型，对所述训练集中的样本运动数据进行卷积特征提取，得到所述训练集中样本运动数据的特征信息；

根据所述特征信息，预测所述样本运动数据对应的动作属于至少一个预设动作类型的实际概率；

基于所述样本运动数据对应的动作属于至少一个预设动作类型的实际概率和其对应的期望概率，调整预设动作识别模型的参数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息，预测所述目标动作属于至少一个预设动作类型的概率，包括：

根据所述特征信息，在特征空间生成所述特征信息对应的类型特征点；

基于所述类型特征点和至少一个预设动作类型对应的特征点之间的距离，计算所述目标动作和所述至少一个预设动作类型之间的相似度；

根据所述相似度，预测所述目标动作属于所述至少一个预设动作类型的概率。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定在所述目标游戏中所述目标动作类型对应的动作评价参数；

根据所述动作评价参数，对所述目标对象在所述目标游戏中的当前评价参数进行更新；

输出更新后评价参数。

8.一种游戏动作识别装置，其特征在于，包括：

获取单元，用于在目标游戏运行的过程中，实时获取游戏控制设备的运动数据，所述运动数据包括目标对象通过部位对所述游戏控制设备执行目标动作控制所述目标游戏时所述游戏控制设备的运动数据；

提取单元，用于对所述运动数据进行卷积特征提取，得到所述运动数据的特征信息；

预测单元，用于根据所述特征信息，预测所述目标动作属于至少一个预设动作类型的概率；

确定单元，用于根据概率从所述至少一个预设动作类型中确定所述部位执行的目标动作类型。