CN106669139B - 一种电竞比赛选手的辅助选拔方法 - Google Patents

Abstract

本发明涉及一种电竞比赛选手的辅助选拔方法，包括：在选手佩戴VR眼镜之后，VR场景按照预设规则出现N个目标点以引导所述选手进行观察，其中，N为大于或等于1的整数；统计所述选手对所述N个目标点进行观察的响应速度，以完成对所述选手的辅助选拔。本发明实施例提供的一种电竞比赛选手的辅助选拔方法，可以精确定量地测量出选手对出现的目标点的反应速度，避免了对电竞选手选拔时出现的主观性评价。

Description

一种电竞比赛选手的辅助选拔方法

技术领域

本发明涉及电子设备领域，特别涉及一种电竞比赛选手的辅助选拔方法。

背景技术

随着教育部职业教育与成人教育司发布《关于做好2017年高等职业学校拟招生专业申报工作的通知》，将电子竞技运动与管理专业增补为2016年的新专业，国家政策的推动更加明显，明显地推动了这项运动被广大群众接收的程度，吸引着越来越多的人投身此项运动，许多电竞选手希望能代表国家参加世界高水平电竞比赛，为国家争取荣誉，因此，对于选拔更具有潜力的电竞运动员逐步受到行业的重视。

对于电竞运动员来说，反应速度是速度素质的一种表现形式。在电竞游戏中，一种非常重要的反应速度体现在从视野里发现目标所需要的时间长短。例如，一个反应速度是0.25s的人跟一个反应速度是0.15s的人进行对决，反应速度是0.15s的人在极短的时间内就能发现目标并采取行动，而反应速度是0.25s的人才刚刚发觉目标的具体位置，因此，反应速度快的人的优势非常明显。

目前，在选拔电竞选手的过程中，还没有什么方法能精确的测量该电竞选手发现目标的反应速度，导致对这一能力的评估方法依然比较粗糙。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种电竞比赛选手的辅助选拔方法，包括：

在选手佩戴VR眼镜之后，VR场景按照预设规则出现N个目标点以引导所述选手进行观察，其中，N为大于或等于1的整数；

统计所述选手对所述N个目标点进行观察的响应速度，以完成对所述选手的辅助选拔。

在上述实施例的基础上，VR场景按照预设规则出现N个目标点，包括：

所述N个目标点在所述VR场景中同时出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

统计所述选手依次观察完毕所有所述N个目标点所用的总时间。

在上述实施例的基础上，VR场景按照预设规则出现N个目标点，包括：所述N个目标点在所述VR场景中依次出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

分别统计所述选手观察到每一个所述目标点所需的时间。

在上述实施例的基础上，统计所述选手观察到每一个所述目标点所需的时间，包括：

在选手佩戴VR眼镜之后，记录每个所述目标点出现在VR场景中的时刻为第一时刻；记录所述选手观察到所述目标点的时刻为第二时刻；

对该目标点，统计所述第一时刻和所述第二时刻之间的时间间隔。

在上述实施例的基础上，在VR场景中按照预设规则依次出现N个目标点之前，还包括：

确定所述选手的瞳孔中心；

确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系。

在上述实施例的基础上，确定所述选手的瞳孔中心，包括：

所述选手佩戴VR眼镜，所述VR眼睛包括红外拍摄设备；

所述红外拍摄设备对所述选手的眼部进行拍摄，形成眼部信息图像；

处理所述眼部信息图像，得到所述选手的瞳孔中心。

在上述实施例的基础上，处理所述眼部信息图像，包括：

将所述眼部图像信息进行灰度化处理，得到图像灰度信息图；

确定所述图像灰度信息图中灰度值最小的点；

根据所述灰度值最小的点，确定所述选手的瞳孔中心。

在上述实施例的基础上，确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系，包括：

建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，所述匹配模型的输入为所述选手的瞳孔中心，所述匹配模型的输出为根据所述选手的瞳孔中心得到的所述选手的观察点。

在上述实施例的基础上，建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，包括：

所述选手佩戴VR眼镜并观察VR场景，所述VR场景中包括屏幕，所述屏幕上依次出现K个坐标已知的观察点；

所述选手对所述K个所述观察点依次进行观察，并记录所述选手观察每个所述观察点时的瞳孔中心；

根据所述瞳孔中心和所述观察点的坐标，得到所述匹配模型。

在上述实施例的基础上，统计所述选手对所述N个目标点进行观察的响应速度，包括：

根据所述选手的瞳孔中心和所述匹配关系，确定所述选手进行观察时所述用户当前观察点的位置；

若所述用户当前观察点的位置与按照预设规则出现的目标点的位置之间的差异不超过阈值，则确定所述用户成功观察到所述目标点；

记录所述目标点出现的时刻与所述用户成功观察到所述目标点的时刻的间隔，以完成对所述响应速度的统计。

通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。

附图说明

下面将结合附图，对本发明的具体实施方式进行详细的说明。

图1为本发明实施例提供的一种电竞比赛选手的辅助选拔方法的流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

本发明提出了一种电竞比赛选手的辅助选拔方法，该方法包括：

在选手佩戴VR眼镜之后，VR场景按照预设规则出现N个目标点以引导所述选手进行观察，其中，N为大于或等于1的整数；

统计所述选手对所述N个目标点进行观察的响应速度，以完成对所述选手的辅助选拔。

进一步地，在上述实施例的基础上，VR场景按照预设规则出现N个目标点，可以是：

所述N个目标点在所述VR场景中同时出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

统计所述选手依次观察完毕所有所述N个目标点所用的总时间。

或者，在上述实施例的基础上，VR场景按照预设规则出现N个目标点，还可以是：所述N个目标点在所述VR场景中依次出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

分别统计所述选手观察到每一个所述目标点所需的时间。

进一步地，在上述实施例的基础上，统计所述选手观察到每一个所述目标点所需的时间，具体可以是：

在选手佩戴VR眼镜之后，记录每个所述目标点出现在VR场景中的时刻为第一时刻；记录所述选手观察到所述目标点的时刻为第二时刻；

对该目标点，统计所述第一时刻和所述第二时刻之间的时间间隔。

进一步地，在上述实施例的基础上，在VR场景中按照预设规则依次出现N个目标点之前，还执行如下步骤：

确定所述选手的瞳孔中心；

确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系。

进一步地，在上述实施例的基础上，确定所述选手的瞳孔中心，可以采用如下方式：

所述选手佩戴VR眼镜，所述VR眼睛包括红外拍摄设备；

所述红外拍摄设备对所述选手的眼部进行拍摄，形成眼部信息图像；

处理所述眼部信息图像，得到所述选手的瞳孔中心。

进一步地，在上述实施例的基础上，处理所述眼部信息图像，可以采用如下步骤：

将所述眼部图像信息进行灰度化处理，得到图像灰度信息图；

确定所述图像灰度信息图中灰度值最小的点；

根据所述灰度值最小的点，确定所述选手的瞳孔中心。

其中，将所述眼部图像信息进行灰度化处理，得到图像灰度信息图，具体可以采用如下方法：

在图像灰度信息图中建立坐标系，令f0(x,y)为坐标为(x,y)处的点的原始灰度值。可以采用增强算子，将所述眼部信息图像进行预处理，以增加选手的瞳孔区域和非瞳孔区域图像的对比度。其中一种增强算子En的表达方式如下：

En＝c*lg(1+double(f0))；

其中，En为增强算子，f0为原始灰度值，c是常系数。

优选地，在执行完对所述眼部信息图像的预处理之后，还可以对图像采用拉普拉斯算法进行图像滤波处理，可较好地对图像进行去燥。

其中，在上述实施例的基础上，确定所述图像灰度信息图中灰度值最小的点，可以采用如下步骤：

在图像灰度信息图中估算所述灰度值最小的点，令该点的坐标为(xmin，ymin)，并且，xmin和ymin的公式为：

其中，min表示取最小值运算，sum表示求和运算，f(i,j)表示在坐标(x，y)处图像的灰度值。

进一步地，在上述实施例的基础上，根据所述灰度值最小的点，确定所述选手的瞳孔中心，具体可以采用如下步骤：

以坐标(xmin，ymin)为起点沿指定射线方向在图像灰度信息图上计算灰度的梯度值，并将梯度值达到最大值时所在的位置确定为所述选手瞳孔边缘点的位置；

根据所述瞳孔边缘点的位置得到所述选手的瞳孔中心。

其中，梯度值达到最大值时所在的位置确定为所述选手瞳孔边缘点的位置，这是因为：瞳孔内、外对红外线的反射有很明显的差异。拍摄的图像在瞳孔区域光线较强，亮度高；在非瞳孔区则图像较暗，亮度低。瞳孔区域灰度明显低于其他区域，在边缘位置处，梯度变化剧烈。过处理后的图像信息中，在指定的方向上，瞳孔区的灰度值与非瞳孔区的灰度值在交界处有剧烈的变化，在交界处的梯度值也会达到最大，据此判断出瞳孔边缘点的位置。

例如，设f(i,j)为图像在坐标(i,j)处的灰度值，灰度值的偏微分为：

则该方向的灰度梯度D最大的点即为瞳孔边缘点。

其中，根据所述瞳孔边缘点的位置得到所述选手的瞳孔中心，可以采用如下方法：

对所有的瞳孔边缘点求一中心位置，具体地，分别求出所有的瞳孔边缘点在坐标系的横轴方向上的中心值xmean和在坐标系纵轴方向上的中心值ymean；

确定所述选手的瞳孔中心坐标为(xmean，ymean)。

其中，根据所述瞳孔边缘点的位置得到所述选手的瞳孔中心，还可以采用另一种方法，如下：

对多个所述瞳孔边缘点进行拟合处理形成类椭圆曲线，以所述类椭圆曲线的中心作为所述瞳孔中心点。

具体地，本发明采用最小二乘法(LSM)和随机采样一致性(RANSAC)混合迭代的一种算法，对多个所述瞳孔边缘点进行拟合处理形成类椭圆曲线。本方法既能够克服最小二乘法精度不高的缺点，又改进了RANSAC算法时效性的不足。具体步骤如下：

步骤a、从N个所述特征点中选取任意5个点，使用最小二乘法进行椭圆拟合形成第一类椭圆方程；

步骤b、对N个所述特征点利用随机采样一致性算法通过所述第一类椭圆方程进行局内点和局外点甄别，统计得到M个局内点和N-M个局外点；

在本实施例中，落在所述类椭圆上的点，视为局内点。当然，本发明不在此处做限制。

步骤c、判断局内点占有率是否小于第一阈值t1；若是，则确定所述5个点为非典型特征点，拟合椭圆为非典型特征椭圆，则重新执行步骤a；若否，则确定所述5个点为典型特征点，则执行步骤d；

步骤d、根据所述M个局内点任意选取5个点，利用最小二乘法对所述第一类椭圆方程进行优化形成第二类椭圆方程，并对所述N个特征点利用随机采样一致性算法通过所述第二类椭圆方程进行局内点和局外点甄别，最终统计得到M1个局内点和N-M1局外点；

步骤e、判断局内点占有率是否大于第二阈值t2；如是，则终止迭代，认为所述第二类椭圆方程为最优方程；若否，则执行步骤d。

可选地，本发明实施例还提供另一种采用最小二乘法(LSM)和随机采样一致性(RANSAC)混合迭代的一种算法，对多个所述瞳孔边缘点进行拟合处理形成类椭圆曲线。具体步骤如下：

步骤S1：从N个特征点中选取任意5个点，使用LSM进行椭圆拟合，将剩余的N-5个点利用RANSAC带入椭圆方程进行局内点和局外点甄别，统计出N个点中共有M个局内点，N-M个局外点；

步骤S2：如果局内点占有率小于阈值t1，则认为步骤S1选取的5个点为非典型特征点，拟合椭圆为非典型特征椭圆，跳到步骤S1；若则认为步骤S1选取的5个点典型特征点，则跳往步骤S3；

步骤S3：将步骤S1中甄别出的M个局内特征点全部带入LSM方程，求出优化的椭圆方程，再次使用RANSAC算法，对N-M个特征点带入新的椭圆方程进行局内点的再甄别，甄别的局内点为M1，局外点为N-M1；

步骤S4：计算局内点占有率若大于阈值t2，则终止迭代，认为当前的椭圆方程为最优方程；若则认为局内点比例无法满足阈值，跳入步骤S3，再次迭代。

进一步地，在上述实施例的基础上，确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系，可以为：

建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，所述匹配模型的输入为所述选手的瞳孔中心，所述匹配模型的输出为根据所述选手的瞳孔中心得到的所述选手的观察点。

具体地，建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，步骤如下：

所述选手佩戴VR眼镜并观察VR场景，所述VR场景中包括屏幕，所述屏幕上依次出现K个坐标已知的观察点；

所述选手对所述K个所述观察点依次进行观察，并记录所述选手观察每个所述观察点时的瞳孔中心；

根据所述瞳孔中心和所述观察点的坐标，得到所述匹配模型。

具体地，根据所述K个观察点的坐标(X,Y)和所述瞳孔中心的坐标(x,y)得到匹配模型(X,Y)＝F(x,y)，可采用如下方法：

选取所述匹配模型为：

通过所述K个点的坐标(X,Y)和对应的所述瞳孔中心点坐标(x,y)确定所述匹配模型的参数a、b、c、d、e、f、g、h、k、l、m及n，以完成所述匹配模型的建立。

具体地，屏幕中依次出现的K个点的坐标记录为X＝(X₁,X₂,X₃…X_k),Y＝(Y₁,Y₂,Y₃…Y_k)，对应的瞳孔中心坐标为x＝(x₁,x₂,x₃…x_k),y＝(y₁,y₂,y₃…y_k)，模型的建立则可以用下面的矩阵表达：

f(x,y)表示x和y的一种关系，M表示瞳孔中心位置和屏幕坐标之间的映射参数。

本发明建立的模型如下：

将该模型使用矩阵形式表达为：

则：

在本模型中，取K＝6时，X，Y对应有6个屏幕坐标，瞳孔相应也有6个对应中心坐标，X＝|X₁，X₂，X₃，X₄，X₅，X₆|，Y＝|Y₁，Y₂，Y₃，Y4，Y₅，Y₆|，同理，x＝|x₁，x₂，x₃，x₄，x₅，x₆|，y＝|y₁,y₂,y₃,y₄,y₅,y₆|，那么上面的矩阵可以进一步改写为：

通过方程组求出a、b、c、d、e、f、g、h、k、l、m及n，进而得到所述匹配模型。

进一步地，在上述实施例的基础上，统计所述选手对所述N个目标点进行观察的响应速度，可以为：

根据所述选手的瞳孔中心和所述匹配关系，确定所述选手进行观察时所述用户当前观察点的位置；

若所述用户当前观察点的位置与按照预设规则出现的目标点的位置之间的差异不超过阈值，则确定所述用户成功观察到所述目标点；

记录所述目标点出现的时刻与所述用户成功观察到所述目标点的时刻的间隔，以完成对所述响应速度的统计。

本发明实施例提供的一种电竞比赛选手的辅助选拔方法，可以精确定量地测量出选手对出现的目标点的反应速度，避免了对电竞选手选拔时出现的主观性评价。

综上所述，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本发明的保护范围应以所附的权利要求为准。

Claims (7)

1.一种电竞比赛选手的辅助选拔方法，其特征在于，包括：

确定所述选手的瞳孔中心；

确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系；

在选手佩戴VR眼镜之后，VR场景按照预设规则出现N个目标点以引导所述选手进行观察，其中，N为大于或等于1的整数；

统计所述选手对所述N个目标点进行观察的响应速度，以完成对所述选手的辅助选拔，

其中，确定所述选手的瞳孔中心，包括：

所述选手佩戴VR眼镜，所述VR眼睛包括红外拍摄设备；

所述红外拍摄设备对所述选手的眼部进行拍摄，形成眼部信息图像；

处理所述眼部信息图像，得到所述选手的瞳孔中心，

其中，处理所述眼部信息图像，包括：

将所述眼部图像信息进行灰度化处理，得到图像灰度信息图：

确定所述图像灰度信息图中灰度值最小的点；

根据所述灰度值最小的点，确定所述选手的瞳孔中心；

其中，将所述眼部图像信息进行灰度化处理，得到图像灰度信息图，包括：

在所述图像灰度信息图中建立坐标系，令f0(x,y)为坐标(x,y)处点的原始灰度值，采用增强算子，将所述眼部信息图像进行预处理，所述增强算子En的表达方式为：

En＝c*lg(1+double(f0))；

其中，En为增强算子，f0为原始灰度值，c是常系数；

在执行完对所述眼部信息图像的预处理之后，对图像采用拉普拉斯算法进行图像滤波处理；

其中，确定所述图像灰度信息图中灰度值最小的点，包括：

令所述最小的点的坐标为(xmin，ymin)，xmin和ymin的公式为：

其中，min表示取最小值运算，sum表示求和运算，f(i,j)表示在坐标(x，y)处图像的灰度值。

2.如权利要求1所述的方法，其特征在于，VR场景按照预设规则出现N个目标点，包括：

所述N个目标点在所述VR场景中同时出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

统计所述选手依次观察完毕所有所述N个目标点所用的总时间。

3.如权利要求1所述的方法，其特征在于，VR场景按照预设规则出现N个目标点，包括：所述N个目标点在所述VR场景中依次出现；

相应地，统计所述选手对所述N个目标点进行观察的响应速度，包括：

分别统计所述选手观察到每一个所述目标点所需的时间。

4.如权利要求3所述的方法，其特征在于，统计所述选手观察到每一个所述目标点所需的时间，包括：

在选手佩戴VR眼镜之后，记录每个所述目标点出现在VR场景中的时刻为第一时刻；记录所述选手观察到所述目标点的时刻为第二时刻；

对该目标点，统计所述第一时刻和所述第二时刻之间的时间间隔。

5.如权利要求1所述的方法，其特征在于，确定所述选手的瞳孔中心和所述选手观察点之间的匹配关系，包括：

建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，所述匹配模型的输入为所述选手的瞳孔中心，所述匹配模型的输出为根据所述选手的瞳孔中心得到的所述选手的观察点。

6.如权利要求5所述的方法，其特征在于，建立所述选手的瞳孔中心和所述选手的观察点之间的匹配模型，包括：

所述选手佩戴VR眼镜并观察VR场景，所述VR场景中包括屏幕，所述屏幕上依次出现K个坐标已知的观察点；

所述选手对所述K个所述观察点依次进行观察，并记录所述选手观察每个所述观察点时的瞳孔中心；

根据所述瞳孔中心和所述观察点的坐标，得到所述匹配模型。

7.如权利要求1所述的方法，其特征在于，统计所述选手对所述N个目标点进行观察的响应速度，包括：

根据所述选手的瞳孔中心和所述匹配关系，确定所述选手进行观察时所述用户当前观察点的位置；

若所述用户当前观察点的位置与按照预设规则出现的目标点的位置之间的差异不超过阈值，则确定所述用户成功观察到所述目标点；

记录所述目标点出现的时刻与所述用户成功观察到所述目标点的时刻的间隔，以完成对所述响应速度的统计。