模型的动作处理方法、装置、存储介质及电子设备与流程

本申请实施例涉及电子设备技术领域，尤其涉及一种模型的动作处理方法、装置、存储介质及电子设备。

背景技术：

三维建模是计算机图形领域最有价值的应用之一，通过三维建模生成的三维模型也在各个不同的领域被广泛应用。

目前的三维模型一般为静态模型，或者仅执行固定且单一的简单动作，无法让用户产生身临其境的感觉。

技术实现要素：

本申请实施例提供一种模型的动作处理方法、装置、存储介质及电子设备，增强模型的动作多样性。

第一方面，本申请实施例提供了一种模型的动作处理方法，包括：

获取预设模型的各关键点的期望动作轨迹；

对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式；

控制每一个关键点执行所述每一个关键点的至少一个动作模式。

第二方面，本申请实施例提供了一种模型的动作处理装置，包括：

期望动作轨迹获取模块，用于获取预设模型的各关键点的期望动作轨迹；

动作模式确定模块，用于对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式；

动作控制模块，用于控制每一个关键点执行所述每一个关键点的至少一个动作模式。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的模型的动作处理方法。

第四方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的模型的动作处理方法。

本申请实施例中提供的模型的动作处理方法，获取预设模型的各关键点的期望动作轨迹，对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式，控制每一个关键点执行所述每一个关键点的至少一个动作模式。通过采用上述方案，将模型的动作分解至每一个关键点的至少一个动作模式，便于控制模型的各个关键点，实现对三维模型的动作控制，提高了模型控制精度。

附图说明

图1为本申请实施例提供的一种模型的动作处理方法的流程示意图；

图2为本申请实施例提供的另一种模型的动作处理方法的流程示意图；

图3为本申请实施例提供的另一种模型的动作处理方法的流程示意图；

图4为本申请实施例提供的另一种模型的动作处理方法的流程示意图；

图5为本申请实施例提供的一种模型的动作处理装置的结构示意图；

图6为本申请实施例提供的一种电子设备的结构示意图；

图7为本申请实施例提供的另一种电子设备的结构示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1为本申请实施例提供的一种模型的动作处理方法的流程示意图，该方法可以由模型的动作处理装置执行，其中该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：

步骤101、获取预设模型的各关键点的期望动作轨迹。

步骤102、对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式。

步骤103、控制每一个关键点执行所述每一个关键点的至少一个动作模式。

示例性的，本申请实施例中的电子设备可包括手机、平板电脑和计算机等智能设备。

其中，预设模型可以是但不限于人体三维模型、动物三维模型，在本实施例中，预设模型可以是在电子设备中创建的虚拟三维模型，还可以是基于电路和实质材料组成的实体三维模型。预设模型的关键点为该模型中可进行动作的关节点，示例性的，对于人体三维模型而言，关键点包括但不限于头部、脖子、左手肘、左手腕、左肩膀、左胯部、左膝盖、左脚踝、右手肘、右手腕、右肩膀、右胯部、右膝盖和右脚踝等。预设模型的关键点可以是根据用户需求确定，关键点越多，预设模型的动作越精确。

本实施例中，各关键点的期望动作轨迹是期望各关键点完成的动作，例如关键点的期望动作轨迹可以是从本地存储的动作数据中读取的，其中，本地存储的动作数据可以是动作视频数据或者动作标识数据；关键点的期望动作轨迹还可以是根据参考目标的动作实时识别得到，对于人体三维模型而言，参考目标可以是真实用户，记录真实用户的动作轨迹，对真实用户的动作轨迹根据关键点进行拆分，得到预设模型中对应关键点的期望动作轨迹。示例性的，记录真实用户跳舞的动作，得到跳舞动作中各个关键点的期望动作轨迹，例如头部的动作轨迹包括上下点头和左右摇头，左手腕的动作轨迹包括顺时针旋转等。

在本实施例中，预设轨迹库中存储有各关键点的动作模式，其中每一个关键点可以是具有多个动作模式，每一个动作模式可用于控制该关键点执行一个动作，示例性的，对于头部关键点，动作模式可以是包括但不限于点头模式、摇头模式、左砖头模式和右转头模式等。基于头部模型的多个动作模式与头部模型的期望动作轨迹进行匹配，确定与头部模型的期望动作轨迹相匹配的至少一个动作模式，具体的，基于关键点的动作模式与期望动作轨迹进行匹配可以是基于每一个动作模式遍历期望动作轨迹，当动作模式与期望动作轨迹或期望动作轨迹的任意部分轨迹相匹配时，确定该关键点用于完成期望动作轨迹的地动作模式。通过匹配可确定至少一个动作模式，进一步的，根据期望动作轨迹可以确定每一个动作模式的执行次数和执行时序，示例性的，与头部模型的期望动作轨迹相匹配的动作模式可以是点头模式和摇头模式，其中，点头模式的执行次数为2，摇头模式的执行次数为2，且执行时序可以是点头模式、摇头模式、摇头模式、点头模式。

在一些实施例中，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式，包括：基于所述期望动作轨迹中的动作特征点对所述期望动作轨迹进行轨迹拆分，得到至少一个子轨迹；将所述至少一个子轨迹与对应关键点预先存储的动作模式进行匹配，确定各子轨迹相匹配的动作模式。其中，动作特征点可以是包括动作起点、动作转折点和动作结束点，动作结束点可以是动作方向发生大于预设角度变化的动作节点。示例性的，对期望动作轨迹进行拆分，可以是先识别期望动作轨迹中的动作起点、动作转折点和动作结束点，例如可以是将动作起点与第一个动作转折点之前的地动作轨迹确定为第一个子轨迹，将第一个动作转折点和第二个动作转折点之间的地动作轨迹确定为第二个子轨迹，依次类推，将最后一个动作转折点和动作结束点之间的地动作轨迹确定为最后一个子轨迹。对于每一个子轨迹，遍历该关键点的动作模式分别进行匹配，将匹配成功的动作模式确定为子轨迹对应的动作模式。可选的，在得到子轨迹数量大于1时，确定是否存在动作趋势的子轨迹，将动作趋势的子轨迹进行合并，并进行统一匹配，将匹配成功的动作模式确定为合并的多个子轨迹对应的动作模式，示例性的，当头部的期望动作轨迹中包括多个由上向下的子轨迹时，将基于任一由上向下的子轨迹进行匹配，根据匹配结果(例如可以是点头模式)确定为上述多个由上向下的子轨迹对应的动作模式，通过对具有相同动作趋势的子轨迹进行合并，减少了子轨迹的匹配操作，提高了动作模式的匹配效率。

可选的，当存在任一子轨迹匹配失败时，根据匹配失败的子轨迹建立新的动作模式，将所述新的动作模式添加至所述预设轨迹库中。当任一子轨迹匹配失败时，表明预设轨迹库中不存在与该动作子轨迹相匹配的动作模式，创建新的动作模式以更新预设轨迹库，不断丰富预设轨迹库，相应的，将所述新的动作模式确定为所述匹配失败的子轨迹的动作模式，通过新的动作模式控制预设模型中对应的关键点，提高了三维模型的动作适应性，便于三维模型更加精确地完成动作。

在本实施例中，在确定预设模型中每一个关键点的至少一个动作模式之后，根据确定的动作模式控制对应的关键点，使得每一个关键点完成该关键点对应的至少一个动作模式。可选的，对于任一关键点，根据动作模式的执行次数和执行时序控制对应的关键点，示例性的，控制头部模型依次执行点头模式、摇头模式、摇头模式和点头模式。

在一些实施例中，可以是根据预先存储的舞蹈动作轨迹，控制三维模型进行舞蹈展示，具体的，可以是根据预先存储的舞蹈动作轨迹确定预设模型中各个关键的期望动作轨迹，进一步确定各个关键点用于完成期望动作轨迹的至少一个动作模式，根据至少一个动作轨迹的执行次数和执行时序控制对应的关键点，通过控制每一个关键点执行每一个关键点的至少一个动作模式来完成对应的蹈动作轨迹，进而使得预设模型完成舞蹈表演。需要说明的是，舞蹈动作轨迹还可以是实时采集舞蹈表演者的动作形成的。

在一些实施例中，可以是实时采集目标用户的动作轨迹，控制三维模型执行相同的动作，以成倍完成目标用户的动作，或者在动作参考对象无法到达的位置执行相应的动作。具体的，实时采集目标用户的动作轨迹，并实时发送至电子设备，电子设备确定预设模型各关键点的期望动作轨迹，进一步确定各个关键点的动作模式，基于确定的动作模式并控制对应关键点，以实现预设模型实时精确模仿目标用户的动作。

本申请实施例中提供的模型的动作处理方法，获取预设模型的各关键点的期望动作轨迹，对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式，控制每一个关键点执行所述每一个关键点的至少一个动作模式。通过采用上述方案，将模型的动作分解至每一个关键点的至少一个动作模式，便于控制模型的各个关键点，实现对三维模型的动作控制，提高了模型控制精度。

图2为本申请实施例提供的另一种模型的动作处理方法的流程示意图，参见图2，本实施例的方法包括如下步骤：

步骤201、识别所述预设模型的动作参考对象的各关键点在预设时间段内的第一动作轨迹。

步骤202、将所述第一动作轨迹确定为预设模型的对应各关键点的期望动作轨迹。

步骤203、对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式。

步骤204、控制每一个关键点执行所述每一个关键点的至少一个动作模式。

其中，动作参考对象为预设模型的动作模仿对象，记录并识别动作参考对象在预设时间段内的第一动作轨迹，作为预设模型的对应各关键点的期望动作轨迹，便于控制预设模型完成与动作参考对象相同的动作。其中，预设时间段根据用户需求确定，例如可以是100ms、1s或者1min等，预设时间段越小，预设模型的实时性越强，预设时间段越大，预设模型的实时性越差。

在一些实施例中，识别所述预设模型对应的动作参考对象的各关键点在预设时间段内的第一动作轨迹，包括：采集所述动作参考对象在预设时间段的动作轨迹；识别任一时间帧中所述动作参考对象的任一关键点的空间位置；根据连续的各时间帧中所述任一关键点的空间位置确定所述动作参考对象中所述任一关键点的第一动作轨迹。需要说明的是，可以是通过摄像头采集动作参考对象的连续时间帧，其中动作参考对象的连续时间帧中包括深度信息。示例性的，可以是将连续时间帧输入至预先训练的关键点识别模型中，以识别每一个时间帧中各个关键点的空间位置，并进一步根据连续时间帧中各个关键点的空间位置确定各个关键点的第一动作轨迹。其中，关键点识别模型可以是循环神经网络模型，包括多个级联的所述神经网络单元，每个所述神经网络单元包括长短期记忆子网络，所述长短期记忆子网络用于根据所述目标区域和当前神经网络单元的前级神经网络单元对应的长短期记忆子网络的输出结果筛选记忆特征，所述记忆特征用于确定所述关键点热点图，基于关键点热点图，确定所述时间帧中人体关键点的空间位置。可选的，所述神经网络单元还包括第一子网络和第二子网络；其中，所述第一子网络用于提取所述训练区域的轮廓特征图；所述长短期记忆子网络分别与所述第一子网络、上一级第二子网络以及上一级的长短期记忆子网络相连，用于根据所述轮廓特征图、所述上一级第二子网络输出的关键点热点图以及上一级长短期记忆子网络输出的记忆特征图，生成当前神经网络单元的记忆特征图，并将所述当前神经网络单元的记忆特征图发送至下一级长短期记忆子网络；所述第二子网络用于根据所述当前神经网络单元的记忆特征图生成当前神经网络单元的关键点热点图。

关键点识别模型是预先训练的，其训练方法包括：在预设帧数的样本时间帧中分别获取对应的样本目标区域，将各所述样本目标区域分别输入对应的神经网络单元，生成人体关键点的训练热点图，其中，所述预设帧数与所述预设级数相同；根据所述人体关键点的样本热点图和所述训练热点图之间的误差，调节所述神经网络的网络参数。

根据关键点热点图确定各时间帧中人体关键点的空间位置可以是筛选关键点热点图中像素值最大的像素点，将像素值最大的像素点的位置信息确定为人体关键点的位置信息。本实施例中，关键点热点图中通过像素值表征关键点的置信度，示例性的，人体关键点在该位置的置信度越高，该位置的像素值越大，反之，人体关键点在该位置的置信度越低，该位置的像素值越小。通过读取像素值最大的像素点的位置信息，可确定置信度最大的位置信息，将该位置信息确定为人体关键点的位置信息。其中，该关键点热点图仅包含一个人体关键点信息。

本实施例中，将动作参考对象的时间帧输入神经网络中任意一个包含长短期记忆子网络的神经网络单元，使得神经网络单元中的长短期记忆子网结合前级长短期记忆子网络的输出结果，对目标区域进行记忆特征的筛选，融合各目标区域的时序关系，提高了记忆特征的准确度，进一步提高了人体关键点的识别精度，同时仅由一个神经网络单元对目标区域进行上述关键点预测，而无需将目标区域输入整个神经网络，大大减少了计算时间，解决了视频中人体关键点预测精度低以及计算效率低的问题，实现了对视频进行快速高精度的关键点预测，提高了关键点预测的准确度。

在本实施例提供的模型的动作处理方法，通过采集动作参考对象的视频，识别视频中动作参考对象的关键点，确定各个关键点在每一个时间帧中的位置信息，进一步确定各个关键点的运动轨迹，对于任一关键点确定对应的动作模式，以控制关键点完成对应的动作轨迹，实现根据动作参考对象的动作实时控制三维模型的动作，提高了三维模型的动作控制精度。

图3为本申请实施例提供的另一种模型的动作处理方法的流程示意图，本实施例是上述实施例的一个可选方案，相应的，如图3所示，本实施例的方法包括如下步骤：

步骤301、识别所述预设模型的动作参考对象的各关键点在预设时间段内的第一动作轨迹。

步骤302、将所述第一动作轨迹确定为所述预设模型的对应各关键点的期望动作轨迹。

步骤303、对于任一关键点，基于所述期望动作轨迹中的动作特征点对所述期望动作轨迹进行轨迹拆分，得到至少一个子轨迹。

步骤304、根据所述子轨迹中的动作特征点确定所述子轨迹的动作趋势，其中，所述动作特征点包括动作起始点、动作结束点和动作转折点。

步骤305、根据所述子轨迹的动作趋势与至少一个动作模式进行匹配，确定与所述子轨迹具有相同动作趋势的动作模式。

步骤306、控制每一个关键点执行所述每一个关键点的至少一个动作模式。

本实施例中，通过对期望动作轨迹进行分割，得到至少一个子轨迹，并根据子轨迹的动作起始点、动作结束点和动作转折点中的一项或多项确定子轨迹的动作趋势，示例性的，当子轨迹仅包括动作起始点和动作结束点时，由动作起始点指向动作结束点可确定子轨迹的动作趋势，示例性的，动作起始点在下，动作结束点在上，则确定子轨迹的动作趋势为右下向上；当子轨迹仅包括动作起始点、动作结束点和动作转折点，子轨迹的动作趋势为由动作起始点指向动作转折点在指向动作结束点。例如，对于头部模型，不同程度的点头轨迹均具由上到下的动作趋势，根据动作趋势在头部模型的预设动作模型中进行匹配可确定点头模式。

本实施例中中提供的模型的动作处理方法，通过识别期望动作轨迹中包括的动作趋势，通过动作趋势确定具有相同动作趋势的动作模式，提高了动作模式的匹配精度和匹配效率，避免动作幅度不同时，导致的匹配错误率大的问题，进一步提高了对三维模型中各个关键的控制精度。

图4为本申请实施例提供的另一种模型的动作处理方法的流程示意图，本实施例是上述实施例的一个可选方案，相应的，如图4所示，本实施例的方法包括如下步骤：

步骤401、识别所述预设模型的动作参考对象的各关键点在预设时间段内的第一动作轨迹。

步骤402、将所述第一动作轨迹确定为所述预设模型的对应各关键点的期望动作轨迹。

步骤403、对于任一关键点，基于所述期望动作轨迹中的动作特征点对所述期望动作轨迹进行轨迹拆分，得到至少一个子轨迹。

步骤404、根据所述子轨迹中的动作特征点确定所述子轨迹的动作趋势，其中，所述动作特征点包括动作起始点、动作结束点和动作转折点。

步骤405、根据所述子轨迹的动作趋势与至少一个动作模式进行匹配，确定与所述子轨迹具有相同动作趋势的动作模式。

步骤406、根据各所述子轨迹的轨迹参数确定所述各所述子轨迹对应的动作模式的轨迹参数，其中，所述轨迹参数包括特征点时间戳和特征点位置。

步骤407、根据所述特征点时间戳控制所述任一关键点的动作时间，根据所述特征点位置控制所述任一关键点的动作位置变化，以控制所述预设模型完成期望动作轨迹。

本实施例中，在确定每一个子轨迹对应的动作模式之后，还包括确定每一个动作模式的特征点时间戳和特征点位置，其中，特征点时间戳包括起始时间戳、转折时间戳和结束时间戳，特征点位置包括起始点位置、转折点位置和结束点位置。由于动作参考对象的动作可以是间断的，非连续的，通过特征点时间戳可确定每一个动作模式的执行时间，精确控制模型的动作时间，对于同一类型的动作，不同对象的动作幅度或者同一对象的在不同时刻的动作幅度不同，通过特征点位置确定每一个动作模式的执行位置，精确控制模型的动作位置。示例性的，对于头部模型，点头模式的第一个起始时间戳为10分21秒，第一个结束时间戳为10分22秒，第一个起始点位置为(15，158，0)，第一个结束点位置为(15，156，0)；点头模式的第二个起始时间戳为10分25秒，第二个结束时间戳为10分26秒，第二个起始点位置为(15，158，0)，第一个结束点位置为(15，156，0)；抬头模式的第一个起始时间戳为10分22秒，第一个结束时间戳为10分23秒，第一个起始点位置为(15，156，0)，第一个结束点位置为(15，158，0)；抬头模式的第二个起始时间戳为10分26秒，第二个结束时间戳为10分27秒，第一个起始点位置为(15，156，0)，第一个结束点位置为(15，158，0)。

可选的，对每一个关键点，根据动作模式的特征点时间戳或特征点位置对动作模式进行排序，示例性的，前一动作模式的结束时间戳早于后一动作模式的起始时间戳，或者前一动作模式的结束时间戳与后一动作模式的起始时间戳相同，前一动作模式的结束位置与后一动作模式的起始位置相同。示例性的，对头部模型的动作模式排序为点头模式(10分21秒至10分22秒)、抬头模式(10分22秒至10分23秒)、点头模式(10分25秒至10分26秒)和抬头模式(10分26秒至10分27秒)。

在本实施例中，根据排序后的动作模式依次控制对应的关键点，例如在点头模式的起始点时间戳控制对应关键点由起始点位置开始执行点头模式，在结束点时间戳达到结束点位置。可选的，根据起始时间戳和结束时间戳确定动作模式的执行时长，根据起始点位置、转折点位置、结束点位置以及动作模式的动作趋势确定动作模式的动作距离，进一步根据执行时长和动作距离确定动作模式的执行速率，便于精准控制关键点的动作。可选的，还可以是根据关键点的期望动作轨迹确定关键点的实时动作速率，根据实时动作速率控制预设模型的对应关键点，已达到对预设模型的精准控制。

本申请实施例中提供的模型的动作处理方法，通过确定关键点每一个动作模式的轨迹参数，根据轨迹参数控制对应关键点的动作时间和动作位置，使得预设模型实时完成与动作参考对象相同的动作，提高了对模型的动作控制精度。

图5为本申请实施例提供的一种模型的动作处理装置的结构框图，该装置可由软件和/或硬件实现，一般集成在电子设备中，可通过执行电子设备的模型的动作处理方法来对控制模型的动作。如图5所示，该装置包括：期望动作轨迹获取模块501、动作模式确定模块502和动作控制模块503。

期望动作轨迹获取模块501，用于获取预设模型的各关键点的期望动作轨迹；

动作模式确定模块502，用于对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式；

动作控制模块503，用于控制每一个关键点执行所述每一个关键点的至少一个动作模式。

本申请实施例中提供的模型的动作处理装置，将模型的动作分解至每一个关键点的至少一个动作模式，便于控制模型的各个关键点，实现对三维模型的动作控制，提高了模型控制精度。

在上述实施例的基础上，期望动作轨迹获取模块501包括：

第一动作轨迹识别单元，用于识别所述预设模型对应的动作参考对象的各关键点在预设时间段内的第一动作轨迹；

期望动作轨迹确定单元，用于将所述第一动作轨迹确定为预设模型的对应各关键点的期望动作轨迹。

在上述实施例的基础上，第一动作轨迹识别单元用于：

采集所述动作参考对象在预设时间段的动作轨迹；

识别任一时间帧中所述动作参考对象的任一关键点的空间位置；

根据连续的各时间帧中所述任一关键点的空间位置确定所述动作参考对象中所述任一关键点的第一动作轨迹。

在上述实施例的基础上，预设轨迹库中存储有各关键点的至少一个动作模式；相应的，动作模式确定模块502包括：

子轨迹确定单元，用于基于所述期望动作轨迹中的动作特征点对所述期望动作轨迹进行轨迹拆分，得到至少一个子轨迹；

动作模式匹配单元，用于将所述至少一个子轨迹与对应关键点预先存储的动作模式进行匹配，确定各子轨迹相匹配的动作模式。

在上述实施例的基础上，动作模式匹配单元用于：

根据所述子轨迹中的动作特征点确定所述子轨迹的动作趋势，其中，所述动作特征点包括动作起始点、动作结束点和动作转折点；

根据所述子轨迹的动作趋势与至少一个动作模式进行匹配，确定与所述子轨迹具有相同动作趋势的动作模式。

在上述实施例的基础上，动作模式确定模块502还包括：

预设轨迹库更新单元，用于当存在任一子轨迹匹配失败时，根据匹配失败的子轨迹建立新的动作模式，将所述新的动作模式添加至所述预设轨迹库中；

动作模式确定单元，用于将所述新的动作模式确定为所述匹配失败的子轨迹的动作模式。

在上述实施例的基础上，还包括：

轨迹参数确定模块，用于在确定各子轨迹对应的动作模式之后，根据各所述子轨迹的轨迹参数确定所述各所述子轨迹对应的动作模式的轨迹参数，其中，所述轨迹参数包括特征点时间戳和特征点位置；

相应的，动作控制模块503用于：

根据所述至少一个动作模式的轨迹参数控制所述任一关键点。

在上述实施例的基础上，动作控制模块503用于：

根据所述特征点时间戳控制所述任一关键点的动作时间；

根据所述特征点位置控制所述任一关键点的动作位置变化。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行模型的动作处理方法，该方法包括：

获取预设模型的各关键点的期望动作轨迹；

对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式；

控制每一个关键点执行所述每一个关键点的至少一个动作模式。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的模型的动作处理操作，还可以执行本申请任意实施例所提供的模型的动作处理方法中的相关操作。

本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提供的模型的动作处理装置。图6为本申请实施例提供的一种电子设备的结构示意图。电子设备600可以包括：存储器601，处理器602及存储在存储器601上并可在处理器602运行的计算机程序，所述处理器602执行所述计算机程序时实现如本申请实施例所述的模型的动作处理方法。

本申请实施例提供的电子设备，将模型的动作分解至每一个关键点的至少一个动作模式，便于控制模型的各个关键点，实现对三维模型的动作控制，提高了模型控制精度。

图7为本申请实施例提供的另一种电子设备的结构示意图。该电子设备可以包括：壳体(图中未示出)、存储器701、中央处理器(centralprocessingunit，cpu)702(又称处理器，以下简称cpu)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述cpu702和所述存储器701设置在所述电路板上；所述电源电路，用于为所述电子设备的各个电路或器件供电；所述存储器701，用于存储可执行程序代码；所述cpu702通过读取所述存储器701中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以实现以下步骤：

获取预设模型的各关键点的期望动作轨迹；

对于任一关键点，根据所述期望动作轨迹确定所述任一关键点的至少一个动作模式；

控制每一个关键点执行所述每一个关键点的至少一个动作模式。

所述电子设备还包括：外设接口703、rf(radiofrequency，射频)电路705、音频电路706、扬声器711、电源管理芯片708、输入/输出(i/o)子系统709、其他输入/控制设备710、触摸屏712、其他输入/控制设备710以及外部端口704，这些部件通过一个或多个通信总线或信号线707来通信。

应该理解的是，图示电子设备700仅仅是电子设备的一个范例，并且电子设备700可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于对模型的动作处理操作的电子设备进行详细的描述，该电子设备以手机为例。

存储器701，所述存储器701可以被cpu702、外设接口703等访问，所述存储器701可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口703，所述外设接口703可以将设备的输入和输出外设连接到cpu702和存储器701。

i/o子系统709，所述i/o子系统709可以将设备上的输入输出外设，例如触摸屏712和其他输入/控制设备710，连接到外设接口703。i/o子系统709可以包括显示控制器7091和用于控制其他输入/控制设备710的一个或多个输入控制器7092。其中，一个或多个输入控制器7092从其他输入/控制设备710接收电信号或者向其他输入/控制设备710发送电信号，其他输入/控制设备710可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器7092可以与以下任一个连接：键盘、红外端口、usb接口以及诸如鼠标的指示设备。

触摸屏712，所述触摸屏712是用户电子设备与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

i/o子系统709中的显示控制器7091从触摸屏712接收电信号或者向触摸屏712发送电信号。触摸屏712检测触摸屏上的接触，显示控制器7091将检测到的接触转换为与显示在触摸屏712上的用户界面对象的交互，即实现人机交互，显示在触摸屏712上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

rf电路705，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，rf电路705接收并发送rf信号，rf信号也称为电磁信号，rf电路705将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。rf电路705可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、rf收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、codec(coder-decoder，编译码器)芯片组、用户标识模块(subscriberidentitymodule，sim)等等。

音频电路706，主要用于从外设接口703接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器711。

扬声器711，用于将手机通过rf电路705从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片708，用于为cpu702、i/o子系统及外设接口所连接的硬件进行供电及电源管理。

上述实施例中提供的模型的动作处理装置、存储介质及电子设备可执行本申请任意实施例所提供的模型的动作处理方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的模型的动作处理方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。