1.一种电子竞技游戏数据获取方法，其特征在于，所述方法包括以下步骤：S1.获取玩家的游戏录像视频文件，格式为.webm；

S2.将获得的.webm视频文件格式化为.mp4文件；

S3.将.mp4录像视频按每2秒每帧进行读取且保存至数据库,并测定数量；

S4.利用卷积神经网络算法预测游戏中角色的坐标位置；

所述步骤S4.中游戏中角色位置预测方法包括如下步骤：A1.图片预处理：将S3中获取的.mp4录像视频转换为如JPG的图片格式；

A2.将上述步骤A1中得到的N个图片初始化成为集合X，经Inception‑v3网络得到多人在线竞技游戏战场位置坐标识别的模型；

位置坐标识别的模型为

其中δk,y为狄拉克δ函数，其由最初的实际条件分布q(k|xi)和固定分布u(k)混合得到，

1‑ε和ε为权重；这可以看作获得标签k的分布如下：首先，对于一个真实标签为y的训练样本，将其设置为真实标签k＝y；其次，用分布u(k)中的采样和概率ε替代k；标签上的先验分布作为u(k)；均匀分布u(k)＝1/K，平滑参数ε∈[0,1]；标签函数u(k)；

A3.将上述步骤中得到的位置坐标识别模型进行训练：将预处理后的图片输入原始的Inception‑v3网络，将获得的图片在Inception‑v3中的输出，然后先所获得的输出图片在第一个1*1卷积层上卷积，如果存在第二个1*1卷积层则在第二个1*1卷积层上再进行卷积，最后进行softmax归一化处理，获取到的数据就是CNN对这张图片属于图片类别；本发明的损失函数为交叉熵损失，然后通过梯度下降和反向传播更新最后增加的1*1卷积层的参数，直到卷积结束；

步骤A3中所述交叉熵损失公式如下

2 2

M表示地图共被划分为M个类，k表示分类标签；

S5.将获取的坐标相关数据存入数据库；

S6.通过javaWeb程序显示二维坐标的热力图。