一种基于增强现实的图像识别方法、云平台服务器及介质与流程

本发明涉及图像数据处理与虚拟现实技术领域，具体而言，涉及一种基于增强现实的图像识别方法、云平台服务器及介质。

背景技术：

ar(augmentedreality，增强现实)技术，是一种通过实时计算影像的位置及角度，在影像上叠加相应的图像、视频、3d模型，进而对虚拟世界与现实世界进行融合的技术。ar客户端可以结合直接存储在其本地的图片识别物料，对用户的线下环境进行实时的图像识别，并在识别出的特定的线下目标在真实场景中的位置上，按照预配置的展示效果增强显示相应的展示数据。

随着计算机技术的发展，网络社交的应用也得到了广泛的拓展。其中，网络社交一般是指，通过互联网进行通信交互，例如，用户a在社交平台发布信息之后，用户b可以对该信息进行评论，这样一种方式，就会导致评论的受众一般较小。因而，为了克服前述问题，提供了一种方案，将针对同一（同一个或同一类等）对象的评论，进行集中处理（如显示）。

但是，经发明人研究发现，上述针对同一对象的评论进行集中处理的方法，存在着用户获取关注（感兴趣）对象的信息的便利性较差的问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于增强现实的图像识别方法、云平台服务器及介质，以提高用户获取关注对象的信息的便利性。

为实现上述目的，本发明实施例采用如下技术方案：

第一方面，本发明提供一种基于增强现实的图像识别方法，应用于云平台服务器，该云平台服务器连接有第一终端设备和第二终端设备，该方法包括：

获取所述第一终端设备发送的目标现实场景图像，其中，该目标现实场景图像基于该第一终端设备对目标对象进行图像采集操作生成；

对所述目标现实场景图像进行图像识别处理，得到目标图像识别数据；

基于所述目标图像识别数据确定对应的目标虚拟世界数据，其中，该目标虚拟世界数据包括目标社交评论数据，且该目标社交评论数据基于所述第二终端设备响应用户对所述目标对象进行的评论操作生成；

基于所述目标虚拟世界数据和所述目标现实场景图像，生成目标增强现实数据，并将该目标增强现实数据发送给所述第一终端设备，其中，该第一终端设备用于基于该目标增强现实数据进行显示处理。

第二方面，本发明提供一种云平台服务器；所述云平台服务器包括互相之间通信的处理器和存储器，所述处理器通过调取所述存储器中的计算机程序并运行，以实现第一方面所述的方法。

第三方面，本发明提供一种计算机可读存储介质；所述计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行第一方面所述的方法。

本发明提供的基于增强现实的图像识别方法，通过在获取到目标现实场景图像之后，基于该目标现实场景图像的目标图像识别数据确定对应的目标虚拟世界数据，使得可以基于包括目标社交评论数据的该目标虚拟世界数据对目标现实场景图像进行增强处理，从而得到目标增强现实数据。如此，在对该目标增强现实数据进行显示处理的过程中，由于包含有目标社交评论数据，使得用户可以便利的获取关注对象（即目标社交评论数据对应的目标对象）的信息，从而提高用户获取关注对象的信息的便利性，使得具有较高的使用价值。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的云平台服务器的结构框图。

图2为本发明实施例提供的基于增强现实的图像识别方法包括的各步骤的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种云平台服务器。其中，所述云平台服务器可以包括存储器和处理器。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例（如后文所述）提供的基于增强现实的图像识别方法。

可选地，所述存储器可以是，但不限于，随机存取存储器（randomaccessmemory，ram），只读存储器（readonlymemory，rom），可编程只读存储器（programmableread-onlymemory，prom），可擦除只读存储器（erasableprogrammableread-onlymemory，eprom），电可擦除只读存储器（electricerasableprogrammableread-onlymemory，eeprom）等。

所述处理器可以是一种通用处理器，包括中央处理器（centralprocessingunit，cpu）、网络处理器（networkprocessor，np）、片上系统(systemonchip，soc)等；还可以是数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

并且，图1所示的结构仅为示意，所述云平台服务器还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置，例如，还可以包括用于与其它设备进行信息交互的通信单元。

结合图2，本发明实施例还提供一种基于增强现实的图像识别方法，可应用于上述云平台服务器。其中，该基于增强现实的图像识别方法有关的流程所定义的方法步骤，可以由所述云平台服务器实现。

下面将对图2所示的具体流程，进行详细阐述。

步骤s110，获取所述第一终端设备发送的目标现实场景图像。

在本实施例中，所述云平台服务器通信连接有第一终端设备，因而，可以获取该第一终端设备发送的目标现实场景图像。

其中，所述目标现实场景图像基于所述第一终端设备对目标对象进行图像采集操作生成。也就是说，所述第一终端设备可以基于用户的操作对目标对象（如特定的景物或人物等）进行拍摄，从而得到对应的目标现实场景图像，然后，发送给所述云平台服务器。

步骤s120，对所述目标现实场景图像进行图像识别处理，得到目标图像识别数据。

在本实施例中，在基于步骤s110获取到所述目标现实场景图像之后，所述云平台服务器可以对该目标现实场景图像进行图像识别处理，如此，可以得到对应的目标图像识别数据，力量如该目标现实场景图像中的目标对象具体是什么景物（如黄山迎客松等）或是什么人物（如某某明星等）。

步骤s130，基于所述目标图像识别数据确定对应的目标虚拟世界数据。

在本实施例中，在基于步骤s120得到所述目标图像识别数据之后，所述云平台服务器可以基于该目标图像识别数据，确定出目标虚拟世界数据。

其中，所述目标虚拟世界数据包括目标社交评论数据，且该目标社交评论数据基于所述第二终端设备（该第二终端设备与所述云平台服务器通信连接，使得可以发送该目标社交评论数据）响应用户对所述目标对象进行的评论操作生成。例如，若所述目标对象是黄山迎客松，所述目标社交评论数据可以是其它用户对该黄山迎客松的评论；若所述目标对象是某某明星，所述目标社交评论数据可以是其它用户对该某某明星的评论。也就是说，在所述云平台服务器接收到所述第二终端设备对目标对象的目标社交评论数据之后，可以将该目标社交评论数据与该目标对象进行绑定，使得可以基于该目标对象对应的目标图像识别数据，确定该目标社交评论数据。

步骤s140，基于所述目标虚拟世界数据和所述目标现实场景图像，生成目标增强现实数据，并将该目标增强现实数据发送给所述第一终端设备。

在本实施例中，在基于步骤s130确定所述目标虚拟世界数据之后，所述云平台服务器可以基于该目标虚拟世界数据和所述目标现实场景图像，生成目标增强现实数据。然后，可以将该目标增强现实数据发送给所述第一终端设备，使得该第一终端设备可以基于该目标增强现实数据进行显示处理，使得对应的用户可以获取到所述目标社交评论数据。

基于上述方法，在对所述目标增强现实数据进行显示处理的过程中，由于包含有目标社交评论数据，使得用户可以便利的获取关注对象（即目标社交评论数据对应的目标对象）的信息，从而提高用户获取关注对象的信息的便利性，使得具有较高的使用价值。

第一方面，对于步骤s130需要说明的是，确定所述目标虚拟世界数据的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，所述第二终端设备可以为多个，如此，使得所述目标图像识别数据可以对应有多个虚拟世界数据，即有多个社交评论数据，考虑到显示的需求和条件，可以从多个虚拟世界数据中选择出目标虚拟世界数据，即从多个社交评论数据中选择出目标社交评论数据。基于此，步骤s130可以包括以下步骤：

首先，基于所述目标图像识别数据确定对应的多个虚拟世界数据，其中，每一个所述虚拟世界数据中的社交评论数据基于每一个所述第二终端设备响应对应用户对所述目标对象进行的评论操作生成；

其次，基于所述多个虚拟世界数据的生成时间信息，按照从早到晚的先后顺序，对该多个虚拟世界数据进行排序，形成虚拟世界数据有序集合（也就是说，在该虚拟世界数据有序集合中，各所述虚拟世界数据按照一定的先后顺序排列，该先后顺序可以基于各虚拟世界数据的生成时间信息确定，该生成时间信息可以是指包括的社交评论数据的生成时间确定，如此，使得生成较晚的社交评论数据对应的虚拟世界数据可以排列在后、生成较早的社交评论数据对应的虚拟世界数据可以排列在前）；

然后，对所述虚拟世界数据有序集合进行筛选处理，得到目标虚拟世界数据（也就是说，可以在该虚拟世界数据有序集合包括的多个虚拟世界数据中，筛选出部分虚拟世界数据确定目标虚拟世界数据，从而避免因需要显示全部的虚拟世界数据而导致显示时出现内容混乱的问题）。

可选地，在上述示例中，对所述虚拟世界数据有序集合进行筛选处理的具体方式不受限制，可以根据实际应用需求进行选择，在本实施例中，基于不同的需求，分别提供以下六种示例。

在第一种示例中，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中最后一个虚拟世界数据以外的每一个虚拟世界数据，将该虚拟世界数据和该虚拟世界数据的相邻后一个虚拟世界数据，作为相邻的两个虚拟世界数据（例如，所述虚拟世界数据有序集合为“虚拟世界数据1、虚拟世界数据2、虚拟世界数据3、虚拟世界数据4”，如此，可以将虚拟世界数据1和虚拟世界数据2作为相邻的两个虚拟世界数据，可以将虚拟世界数据2和虚拟世界数据3作为相邻的两个虚拟世界数据，可以将虚拟世界数据3和虚拟世界数据4作为相邻的两个虚拟世界数据，得到3组相邻的两个虚拟世界数据）；

第二步，针对每相邻的两个所述虚拟世界数据，计算该相邻的两个所述虚拟世界数据中社交评论数据之间相似度信息，其中，该相似度信息用于表征对应的两个社交评论数据的感情色彩数据之间的相似度，且该感情色彩数据基于对该社交评论数据进行语义识别得到（例如，若虚拟世界数据1对应的社交评论数据的感情色彩数据为褒义色彩数据、虚拟世界数据2对应的社交评论数据的感情色彩数据为褒义色彩数据，则对应的相似度信息为1；若虚拟世界数据2对应的社交评论数据的感情色彩数据为褒义色彩数据、虚拟世界数据3对应的社交评论数据的感情色彩数据为中性色彩数据，则对应的相似度信息为0.5；若虚拟世界数据3对应的社交评论数据的感情色彩数据为褒义色彩数据、虚拟世界数据4对应的社交评论数据的感情色彩数据为中贬义色彩数据，则对应的相似度信息为0；其中，若都为中性色彩数据，或都为贬义色彩数据，则对应的相似度信息为1；若一个为贬义色彩数据、另一个为中性色彩数据，则对应的相似度信息为0.5）；

第三步，确定每一个所述相似度信息是否大于相似度阈值信息（该相似度阈值信息的具体值不受限制，例如，结合前述的示例，在一种可以替代的示例中，该相似度阈值信息可以为0；在另一种可以替代的示例中，该相似度阈值信息可以为0.5）；

第四步，将每一个大于所述相似度阈值信息的所述相似度信息，作为目标相似度信息，得到至少一个目标相似度信息；

第五步，针对每一个所述目标相似度信息，将该目标相似度信息对应的两个虚拟世界数据中的前一个虚拟世界数据丢弃、后一个虚拟世界数据保留（也就是说，由于相邻的两个虚拟世界数据对应的社交评论数据相似，因而，可以丢弃其中的一个，且考虑到时间较晚的数据会具有较高的可靠性或真实性，因而，可以丢弃前一个虚拟世界数据）；

第六步，针对所述目标相似度信息以外的每一个其他相似度信息，将该其他相似度信息对应的两个虚拟世界数据保留（也就是说，由于两个虚拟世界数据对应的社交评论数据不相似，都需要保留）；

第七步，基于保留的至少一个所述虚拟世界数据，按照生成时间信息从早到晚的先后顺序，对该至少一个所述虚拟世界数据进行排序，形成虚拟世界数据有序代表集合（也就是说，可以通过该虚拟世界数据有序代表集合来代表所述虚拟世界数据有序集合）；

第八步，在所述虚拟世界数据有序代表集合包括多个虚拟世界数据时，将该虚拟世界数据有序代表集合分割为多个虚拟世界数据有序代表子集合（例如，可以按照排序进行等分处理，如所述虚拟世界数据有序代表集合为“虚拟世界数据1、虚拟世界数据2、虚拟世界数据3、虚拟世界数据4、虚拟世界数据5、虚拟世界数据6”，可以得到两个虚拟世界数据有序代表子集合，分别为“虚拟世界数据1、虚拟世界数据2、虚拟世界数据3”、“虚拟世界数据4、虚拟世界数据5、虚拟世界数据6”），其中，每一个所述虚拟世界数据有序代表子集合包括多个虚拟世界数据，且包括的虚拟世界数据的数量相同；

第九步，针对每一个所述虚拟世界数据有序代表子集合（不包括最后一个虚拟世界数据有序代表子集合），将该虚拟世界数据有序代表子集合和该虚拟世界数据有序代表子集合相邻的后一个虚拟世界数据有序代表子集合，作为相邻的两个虚拟世界数据有序代表子集合；

第十步，针对每相邻的两个所述虚拟世界数据有序代表子集合，根据该相邻的两个所述虚拟世界数据有序代表子集合在包括的多个虚拟世界数据中社交评论数据之间的综合相似度信息（例如，可以先分别确定两个所述虚拟世界数据有序代表子集合包括的社交评论数据对应的不同感情色彩数据的数量，如前一个虚拟世界数据有序代表子集合对应有3个褒义色彩数据、4个中性色彩数据、3个贬义色彩数据，后一个虚拟世界数据有序代表子集合对应有2个褒义色彩数据、4个中性色彩数据、4个贬义色彩数据；然后，分别进行对应感情色彩数据的相似度，由于每一个虚拟世界数据有序代表子集合包括多个虚拟世界数据的数量为10，如此，褒义色彩数据的相似度为（10+3）/[(3-2)+1]、中性色彩数据的相似度为（10+4）/[(4-4)+1]、贬义色彩数据的相似度为（10+4）/[(4-3)+1]；最后，可以计算多个相似度的平均值，从而得到该综合相似度信息），得到该相邻的两个所述虚拟世界数据有序代表子集合之间的集合相似度信息（也就是说，可以基于包括的社交评论数据之间的综合相似度来代表两个所述虚拟世界数据有序代表子集合之间的集合相似度）；

第十一步，基于每一个所述集合相似度信息，确定该集合相似度信息对应的相邻的两个所述虚拟世界数据有序代表子集合是否属于重复有序代表子集合（例如，可以将大于集合相似度阈值信息的每一个集合相似度信息对应的相邻的两个所述虚拟世界数据有序代表子集合，作为重复有序代表子集合，其中，该集合相似度阈值信息可以基于具体的精度需求和集合相似度信息的计算规则进行配置）；

第十二步，针对属于所述重复有序代表子集合的每相邻的两个所述虚拟世界数据有序代表子集合，丢弃该相邻的两个所述虚拟世界数据有序代表子集合中的前一个虚拟世界数据有序代表子集合、保留该相邻的两个所述虚拟世界数据有序代表子集合中的后一个虚拟世界数据有序代表子集合（也就是说，由于后一个虚拟世界数据有序代表子集合可以代表前一个虚拟世界数据有序代表子集合，后一个虚拟世界数据有序代表子集合的有效性更高，因而，可以丢弃前一个虚拟世界数据有序代表子集合）；

第十三步，针对不属于所述重复有序代表子集合的每相邻的两个所述虚拟世界数据有序代表子集合，保留该相邻的两个所述虚拟世界数据有序代表子集合（也就是说，由于后一个虚拟世界数据有序代表子集合不可以有效代表前一个虚拟世界数据有序代表子集合，因而，可以保留该相邻的两个所述虚拟世界数据有序代表子集合）；

第十四步，将保留的每一个所述虚拟世界数据有序代表子集合包括的虚拟世界数据，作为所述目标图像识别数据对应的目标虚拟世界数据。

在第二种示例中，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中的每一个虚拟世界数据，确定该虚拟世界数据中的社交评论数据的感情色彩数据，其中，该感情色彩数据基于对该社交评论数据进行语义识别得到；

第二步，基于所述感情色彩数据，对所述虚拟世界数据有序集合包括的多个虚拟世界数据进行聚类处理，得到至少一个虚拟世界数据簇（例如，褒义色彩数据对应的虚拟世界数据在第一个虚拟世界数据簇中，中性色彩数据对应的虚拟世界数据在第二个虚拟世界数据簇中，贬义色彩数据对应的虚拟世界数据在第三个虚拟世界数据簇中）；

第三步，针对每一个所述虚拟世界数据簇，基于该虚拟世界数据族中每一个虚拟世界数据的生成时间信息（可以是指社交评论数据的生成时间信息），确定出最晚的一个虚拟世界数据（也就是说，可以在上述示例中的第一个虚拟世界数据簇中确定出最晚的一个虚拟世界数据，在上述示例中的第二个虚拟世界数据簇中确定出最晚的一个虚拟世界数据，在上述示例中的第三个虚拟世界数据簇中确定出最晚的一个虚拟世界数据）；

第四步，将确定出的每一个所述虚拟世界数据，作为目标虚拟世界数据（例如，在上述示例的基础上，可以得到三个目标虚拟世界数据）。

在第三种示例中，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中最后一个虚拟世界数据以外的每一个虚拟世界数据，将该虚拟世界数据和该虚拟世界数据的相邻后一个虚拟世界数据，作为相邻的两个虚拟世界数据（可以结合前述示例的解释说明，在此不再一一赘述）；

第二步，针对每相邻的两个所述虚拟世界数据，计算该相邻的两个所述虚拟世界数据中社交评论数据之间相似度信息，其中，该相似度信息用于表征对应的两个社交评论数据的感情色彩数据之间的相似度，且该感情色彩数据基于对该社交评论数据进行语义识别得到（可以结合前述示例的解释说明，在此不再一一赘述）；

第三步，确定每一个所述相似度信息是否大于相似度阈值信息（可以结合前述示例的解释说明，在此不再一一赘述）；

第四步，将每一个大于所述相似度阈值信息的所述相似度信息，作为目标相似度信息，得到至少一个目标相似度信息；

第五步，将所述目标相似度信息以外的每一个其他相似度信息对应的两个虚拟世界数据丢弃，将每一个该目标相似度信息对应的两个虚拟世界数据保留（也就是说，由于相邻的两个虚拟世界数据对应的社交评论数据不相似，因而，可以都丢弃，由于相邻的两个虚拟世界数据对应的社交评论数据相似，因而，可以都保留，如此，可以使得保留的社交评论数据之间具有较高的一致性，从而便于用户获取到社交评论的主流倾向）；

第六步，基于保留的至少一个所述虚拟世界数据，按照生成时间信息从早到晚的先后顺序，对该至少一个所述虚拟世界数据进行排序，形成虚拟世界数据有序代表集合（可以结合前述示例的解释说明，在此不再一一赘述）；

第七步，在所述虚拟世界数据有序代表集合包括多个虚拟世界数据时，将该虚拟世界数据有序代表集合分割为多个虚拟世界数据有序代表子集合，其中，每一个所述虚拟世界数据有序代表子集合包括多个虚拟世界数据，且包括的虚拟世界数据的数量相同（可以结合前述示例的解释说明，在此不再一一赘述）；

第八步，针对每一个所述虚拟世界数据有序代表子集合，将该虚拟世界数据有序代表子集合和该虚拟世界数据有序代表子集合相邻的后一个虚拟世界数据有序代表子集合，作为相邻的两个虚拟世界数据有序代表子集合（可以结合前述示例的解释说明，在此不再一一赘述）；

第九步，针对每相邻的两个所述虚拟世界数据有序代表子集合，根据该相邻的两个所述虚拟世界数据有序代表子集合在包括的多个虚拟世界数据中社交评论数据之间的综合相似度信息，得到该相邻的两个所述虚拟世界数据有序代表子集合之间的集合相似度信息（可以结合前述示例的解释说明，在此不再一一赘述）；

第十步，基于每一个所述集合相似度信息，确定该集合相似度信息对应的相邻的两个所述虚拟世界数据有序代表子集合是否属于重复有序代表子集合（可以结合前述示例的解释说明，在此不再一一赘述）；

第十一步，针对属于所述重复有序代表子集合的每相邻的两个所述虚拟世界数据有序代表子集合，保留该相邻的两个所述虚拟世界数据有序代表子集合（也就是说，由于相邻的两个所述虚拟世界数据有序代表子集合属于所述重复有序代表子集合，即具有较高的相似度，且经过前述步骤的筛选后，使得虚拟世界数据已经具有较高的倾向，使得保留相似的两个所述虚拟世界数据有序代表子集合，可以更好的展示该倾向）；

第十二步，针对不属于所述重复有序代表子集合的每相邻的两个所述虚拟世界数据有序代表子集合，丢弃该相邻的两个所述虚拟世界数据有序代表子集合，其中，若一个虚拟世界数据有序代表子集合与前一个虚拟世界数据有序代表子集合属于重复有序代表子集合、与后一个虚拟世界数据有序代表子集合不属于重复有序代表子集合，或者，若一个虚拟世界数据有序代表子集合与前一个虚拟世界数据有序代表子集合不属于重复有序代表子集合、与后一个虚拟世界数据有序代表子集合属于重复有序代表子集合，则保留该一个虚拟世界数据有序代表子集合（也就是说，若一个虚拟世界数据有序代表子集合与前后两个虚拟世界数据有序代表子集合之间分分别属于重复有序代表子集合和不属于重复有序代表子集合，可以保留该一个虚拟世界数据有序代表子集合）；

第十三步，将保留的每一个所述虚拟世界数据有序代表子集合包括的虚拟世界数据，作为所述目标图像识别数据对应的目标虚拟世界数据。

在第四种示例中，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中的每一个虚拟世界数据，确定该虚拟世界数据中的社交评论数据的感情色彩数据，其中，该感情色彩数据基于对该社交评论数据进行语义识别得到（可以结合前述示例的解释说明，在此不再一一赘述）；

第二步，基于所述感情色彩数据，对所述虚拟世界数据有序集合包括的多个虚拟世界数据进行聚类处理，得到至少一个虚拟世界数据簇（可以结合前述示例的解释说明，在此不再一一赘述）；

第三步，确定每一个所述虚拟世界数据簇包括的虚拟世界数据的数量，并将该数量最大的虚拟世界数据簇作为目标虚拟世界数据簇（也就是说，可以将包括的虚拟世界数据最多的虚拟世界数据簇，作为目标虚拟世界数据簇，如此，可以使得用户方便的获取到评论的主流倾向）；

第四步，所述目标虚拟世界数据簇包括的每一个所述虚拟世界数据，作为目标虚拟世界数据。

在第五种示例中，特别地，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中的每一个所述虚拟世界数据，确定该虚拟世界数据中的社交评论数据的感情色彩数据，其中，该感情色彩数据基于对该社交评论数据进行语义识别得到（可以结合前述示例的解释说明，在此不再一一赘述）；

第二步，针对每一个所述感情色彩数据，基于预先配置的规则对该感情色彩数据进行赋值处理，得到该感情色彩数据对应的数据值，其中，该感情色彩数据包括褒义色彩数据、中性色彩数据和贬义色彩数据，且该褒义色彩数据对应的数据值为第一数值（如1）、该中性色彩数据对应的数据值为第二数值（如0）、该贬义色彩数据对应的数据值为第三数值（如-1），该第一数值、该第二数值和该第三数据都不相同；

第三步，针对每一个所述数据值，将该数据值和该数据值对应的虚拟世界数据的生成时间信息作为一组对应数据，得到多组对应数据（第一数值和生成时间信息1、第一数值和生成时间信息2、第一数值和生成时间信息3、第二数值和生成时间信息4、第三数值和生成时间信息5、第一数值和生成时间信息6、第三数值和生成时间信息7，即得到6多组对应数据）；

第四步，基于所述多组对应数据进行曲线拟合处理，得到对应的数据值-生成时间曲线，并基于每一组对应数据与该数据值-生成时间曲线之间的距离的平均值，得到平均距离值；

第五步，判断所述平均距离值是否小于预设距离值（该预设距离值可以根据实际需求进行配置）；

第六步，若所述平均距离值小于所述预设距离值（也就是说，所述多组对应数据较为集中），则将位于所述数据值-生成时间曲线上的每一组对应数据，作为目标对应数据；

第七步，若所述平均距离值大于或等于所述预设距离值（也就是说，所述多组对应数据较为分散），则基于该平均距离值和每一组对应数据与该数据值-生成时间曲线之间的距离的最小值确定第一筛选值（如平均距离值和最小值的平均值），并基于该平均距离值和每一组对应数据与该数据值-生成时间曲线之间的距离的最大值确定第二筛选值（如平均距离值和最大值的平均值），其中，该第一筛选值大于该最小值、小于该平均距离值，该第二筛选值大于该平均距离值、小于该最大值；

第八步，针对每一组对应数据与该数据值-生成时间曲线之间的距离，确定该距离是否大于所述第一筛选值、小于所述第二筛选值；

第九步，将距离大于所述第一筛选值、小于所述第二筛选值的每一组对应数据确定为目标对应数据；

第十步，将每一个所述目标对应数据对应的虚拟世界数据，确定为目标虚拟世界数据。

在第六种示例中，特别地，可以基于以下步骤进行筛选处理：

第一步，针对所述虚拟世界数据有序集合中的每一个所述虚拟世界数据，确定该虚拟世界数据中的社交评论数据的感情色彩数据，其中，该感情色彩数据基于对该社交评论数据进行语义识别得到（可以结合前述示例的解释说明，在此不再一一赘述）；

第二步，针对每一个所述感情色彩数据，基于预先配置的规则对该感情色彩数据进行赋值处理，得到该感情色彩数据对应的数据值，其中，该感情色彩数据包括褒义色彩数据、中性色彩数据和贬义色彩数据，且该褒义色彩数据对应的数据值为第一数值、该中性色彩数据对应的数据值为第二数值、该贬义色彩数据对应的数据值为第三数值，该第一数值、该第二数值和该第三数据都不相同（可以结合前述示例的解释说明，在此不再一一赘述）；

第三步，针对每一个所述数据值，将该数据值和该数据值对应的虚拟世界数据的生成时间信息作为一组对应数据，得到多组对应数据（可以结合前述示例的解释说明，在此不再一一赘述）；

第四步，基于所述多组对应数据进行曲线拟合处理，得到对应的数据值-生成时间曲线（可以结合前述示例的解释说明，在此不再一一赘述），并基于该数据值-生成时间曲线进行数据预测处理，得到对应的目标数据值（例如，可以基于该数据值-生成时间曲线预测下一个时刻或时间段，出现的社交评论数据对应的感情色彩数据）；

第五步，基于所述目标数据值，在所述虚拟世界数据有序集合包括的多个虚拟世界数据中，选择出目标虚拟世界数据，其中，该目标虚拟世界数据中的社交评论数据对应的数据值为该目标数据值（也就是说，若所述目标数据值对应于褒义色彩数据，则将所述虚拟世界数据有序集合中褒义色彩数据对应的社交评论数据对应的虚拟世界数据，作为目标虚拟世界数据；若所述目标数据值对应于中性色彩数据，则将所述虚拟世界数据有序集合中中性色彩数据对应的社交评论数据对应的虚拟世界数据，作为目标虚拟世界数据；若所述目标数据值对应于贬义色彩数据，则将所述虚拟世界数据有序集合中贬义色彩数据对应的社交评论数据对应的虚拟世界数据，作为目标虚拟世界数据）。

可以理解的是，在上述的第四种示例中，确定所述目标虚拟世界数据簇的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，可以基于以下步骤确定所述目标虚拟世界数据簇：

首先，确定每一个所述虚拟世界数据簇包括的虚拟世界数据的数量，并确定数量最大的虚拟世界数据簇；其次，若数量最大的虚拟世界数据簇为多个，则计算该多个虚拟世界数据簇中每一个虚拟世界数据簇包括的多个虚拟世界数据的生成时间信息的平均生成时间信息，基于该平均生成时间信息确定最晚的一个虚拟世界数据簇；然后，将所述最晚的一个虚拟世界数据簇作为目标虚拟世界数据簇（也就是说，可以将平均生成时间最晚的一个虚拟世界数据簇作为目标虚拟世界数据簇）。

又例如，在另一种可以替代的示例中，可以基于以下步骤确定所述目标虚拟世界数据簇：

首先，确定每一个所述虚拟世界数据簇包括的虚拟世界数据的数量，并确定数量最大的虚拟世界数据簇；其次，若数量最大的虚拟世界数据簇为多个，则将该多个虚拟世界数据簇中具有第一虚拟世界数据的一个虚拟世界数据簇作为目标虚拟世界数据簇，其中，该第一虚拟世界数据为该多个虚拟世界数据簇包括的全部虚拟世界数据中生成时间信息最晚的一个虚拟世界数据（也就是说，可以将生成时间最晚的虚拟世界数据所在的虚拟世界数据簇作为目标虚拟世界数据簇）。

第二方面，对于步骤s140需要说明的是，生成所述增强现实数据的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，步骤s140可以包括以下步骤：

首先，基于获得的目标位置信息在所述目标现实场景图像中确定目标区域；其次，将所述目标现实场景图像中所述目标区域对应的图像与所述目标虚拟世界数据进行融合处理，生成目标增强现实数据。

可选地，在上述示例中，确定所述目标区域的具体方式不受限制，可以根据实际应用需求进行选择。

例如，在一种可以替代的示例中，可以基于以下步骤确定目标区域：

首先，获得所述第一终端设备发送的目标位置信息，其中，该目标位置信息基于该第一终端设备响应用户对显示的所述目标现实场景图像进行的位置区域选择操作生成；其次，基于所述目标位置信息在所述目标现实场景图像中确定目标区域（也就是说，可以基于该第一终端设备对应的用户的显示需求确定目标区域，满足用户对目标虚拟世界数据的显示需求）。

如此，从所述第一终端设备的用户的角度来说，该用户可以操作该第一终端设备进行图像采集，得到所述目标现实场景图像，然后，该第一终端设备可以显示该目标现实场景图像，使得用户可以对该目标现实场景图像进行区域选择操作，从而生成目标位置信息。最后，用户可以看到第一终端设备显示的基于该目标位置信息形成的目标增强现实数据。

基于上述同样的发明构思，本发明实施例提供一种计算机可读存储介质；所述计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行所述基于增强现实的图像识别方法。本发明实施例提供一种计算机可读存储介质；所述计算机可读存储介质中存储有计算机程序，所述计算机程序在运行时实现所述基于增强现实的图像识别方法。

综上所述，本发明提供的基于增强现实的图像识别方法，通过在获取到目标现实场景图像之后，基于该目标现实场景图像的目标图像识别数据确定对应的目标虚拟世界数据，使得可以基于包括目标社交评论数据的该目标虚拟世界数据对目标现实场景图像进行增强处理，从而得到目标增强现实数据。如此，在对该目标增强现实数据进行显示处理的过程中，由于包含有目标社交评论数据，使得用户可以便利的获取关注对象（即目标社交评论数据对应的目标对象）的信息，从而提高用户获取关注对象的信息的便利性，使得具有较高的使用价值。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，电子设备，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。