[發明專利]圖像處理方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 202011110334.6
• 申請日: 2020-10-16
• 公開（公告）號: CN112138394B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 黃超
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: A63F13/55
• 分類號: A63F13/55;A63F13/52;G06N3/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 李昂;張穎玲

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取包括虛擬對象的虛擬場景的多個場景圖像、以及在每個所述場景圖像對應時刻控制所述虛擬對象執行的動作，根據每個所述場景圖像及對應的動作構建動作樣本；

根據所述動作對多個所述動作樣本進行分類，并根據與每個類別的動作樣本的數量負相關的采樣概率進行采樣處理，得到樣本集；

通過圖像處理模型對所述樣本集中的多個所述場景圖像進行特征提取處理，得到圖像特征；根據所述樣本集中的多個所述場景圖像分別對應的融合權重，對所述樣本集中的多個所述場景圖像分別對應的圖像特征進行加權處理，得到圖像融合結果；

根據所述樣本集中的多個所述場景圖像分別對應的融合權重，對所述樣本集中的多個所述動作的向量進行加權處理，得到動作融合結果；

根據所述圖像融合結果和所述動作融合結果構建融合動作樣本；

根據所述融合動作樣本訓練所述圖像處理模型，并通過訓練后的所述圖像處理模型預測目標動作。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

針對任意一個類別的動作樣本，執行以下處理：

將所述動作樣本的總數量除以所述虛擬場景中動作的類別數量，得到類別平均數量；

將所述類別平均數量除以所述任意一個類別的動作樣本的數量，得到所述任意一個類別的動作樣本的采樣權重；

對所述任意一個類別的動作樣本的采樣權重進行歸一化處理，得到所述任意一個類別的動作樣本的采樣概率。

3.根據權利要求2所述的方法，其特征在于，所述對所述任意一個類別的動作樣本的采樣權重進行歸一化處理之前，還包括：

將所述任意一個類別的動作樣本的采樣權重與設定權重進行相加處理，得到新的采樣權重；

其中，不同的所述動作樣本對應的設定權重相同。

4.根據權利要求2所述的方法，其特征在于，所述對所述任意一個類別的動作樣本的采樣權重進行歸一化處理，得到所述任意一個類別的動作樣本的采樣概率，包括：

將多個所述動作樣本的采樣權重的和，作為總采樣權重；

將所述任意一個類別的動作樣本的采樣權重除以所述總采樣權重，得到所述任意一個類別的動作樣本的采樣概率。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

構建維度與所述虛擬場景中動作的類別數量相同的初始向量；

將所述初始向量中與任意一個動作的類別對應的數值更新為設定數值，并將所述初始向量中的其他數值更新為零，得到所述任意一個動作的向量；

其中，所述設定數值大于零；

所述通過訓練后的所述圖像處理模型預測目標動作，包括：

通過訓練后的所述圖像處理模型進行預測處理，得到目標向量；

將所述目標向量中最大的數值對應的動作，作為目標動作。

6.根據權利要求1至4任一項所述的方法，其特征在于，

用于預測所述目標動作的所述圖像處理模型的數量包括多個；不同所述圖像處理模型的模型結構不同；

所述根據與每個類別的動作樣本的數量負相關的采樣概率進行采樣處理，得到樣本集之后，還包括：

將多個所述樣本集劃分為訓練樣本集和測試樣本集；其中，所述訓練樣本集用于訓練每個所述圖像處理模型；

所述通過訓練后的所述圖像處理模型預測目標動作，包括：

根據所述測試樣本集，確定訓練后的每個所述圖像處理模型的訓練效果指標；

通過訓練效果指標最高的訓練后的所述圖像處理模型，預測目標動作。