[发明专利]对象的控制方法和装置、存储介质、电子装置

权利要求书

1.一种对象的控制方法，其特征在于，包括：

获取第一客户端显示的场景图像，其中，所述场景图像内显示有虚拟场景内的第一对象和第二对象；

以组为单位使用多组训练图像对初始模型中的参数进行训练，将参数训练完成后的所述初始模型作为目标模型，包括：利用特征抽取模块输出的局部对象特征、全局对象特征以及对象属性特征对所述初始模型内卷积神经网络中的参数、深度神经网络中的参数以及时序模型中的参数进行训练，其中，所述卷积神经网络和所述深度神经网络用于从所述局部对象特征、所述全局对象特征以及所述对象属性特征中学习到每组所述训练图像所描述的动作序列和该动作序列的触发条件的图像特征，所述时序模型用于学习到该动作序列的触发条件与该动作序列之间的时序关系，该动作序列内部动作之间的时序关系；

通过所述目标模型确定所述虚拟场景中第二对象的待执行动作，其中，所述目标模型是使用标识有标识信息的所述训练图像进行训练得到的，所述训练图像为在第二客户端上控制所述虚拟场景中的目标对象时所显示的图像，所述标识信息用于在所述训练图像中标识出所述第二客户端的局部显示视角下所述目标对象的位置、所述第二客户端的全局显示视角下所述目标对象的位置以及所述目标对象的属性信息，所述第二客户端和所述第一客户端为目标应用的客户端，所述目标对象包括所述第二对象；

在所述第一客户端中控制所述第二对象向所述第一对象执行所述待执行动作。

2.根据权利要求1所述的方法，其特征在于，在通过目标模型确定所述虚拟场景中第二对象的待执行动作之前，所述方法还包括：

获取标识有所述标识信息的多组所述训练图像，其中，每组所述训练图像用于描述所述目标对象所执行的动作序列。

3.根据权利要求2所述的方法，其特征在于，所述标识信息还用于标识每组所述训练图像所描述的动作序列，其中，以组为单位使用多组所述训练图像对初始模型中的参数进行训练，将参数训练完成后的所述初始模型作为所述目标模型包括：

每次训练时，通过将一组所述训练图像作为所述初始模型的输入、并将该组所述训练图像的所述标识信息所描述的动作序列作为预计输出，来对所述初始模型中的参数进行训练；

在对所述初始模型的训练次数达到训练阈值的情况下，对所述初始模型中的参数进行测试，在通过测试的情况下，将训练后的所述初始模型作为所述目标模型；在未通过测试的情况下，继续对所述初始模型进行训练，直至训练后的所述初始模型通过测试。

4.根据权利要求3所述的方法，其特征在于，每组所述训练图像包括一个动作序列的训练图像和该动作序列之前的训练图像，其中，通过将一组所述训练图像作为所述初始模型的输入、并将该组所述训练图像的所述标识信息所描述的动作序列作为预计输出，来对所述初始模型中的参数进行训练包括：

将一组所述训练图像中的训练图像逐帧输入所述初始模型的特征抽取模块，通过所述特征抽取模块抽取出所述训练图像中的所述局部对象特征、所述全局对象特征以及所述对象属性特征，其中，所述局部对象特征用于指示所述第二客户端的局部显示视角下所述目标对象在所述训练图像中的位置，所述全局对象特征用于指示所述第二客户端的全局显示视角下所述目标对象在所述虚拟场景中的位置，所述对象属性特征用于指示所述目标对象的属性信息。

5.根据权利要求4所述的方法，其特征在于，所述训练图像包括用于表示所述第二客户端对所述虚拟场景的局部显示视角的局部画面和用于表示所述第二客户端的全局显示视角的所述虚拟场景的全局画面，其中，通过所述特征抽取模块抽取出所述训练图像中的局部对象特征、全局对象特征以及对象属性特征包括：

在所述局部画面中提取出用于表示所述目标对象在所述局部画面中的位置的所述局部对象特征；

在所述全局画面中提取出用于表示所述目标对象在所述全局画面中的位置的所述全局对象特征；

根据所述训练图像中所述目标对象的当前属性状态提取出所述目标对象的所述对象属性特征。