游戏直播间展示的方法及装置、存储介质、电子设备与流程

本发明实施例涉及游戏技术领域，具体而言，涉及一种游戏直播间展示的方法及装置、存储介质、电子设备。

背景技术：

游戏副本是一款网络游戏中玩家最感兴趣的部分之一，观众在选择游戏直播房间时，主播是否在打游戏副本是一个重要参考。由于直播平台上同时开播的房间众多，观众难以从静态的房间选择界面中获取当前时刻直播游戏的副本状态信息，需要通过手动点击进入房间后通过直播画面来进行判断，因此会造成观众难以快速选择出自己感兴趣的房间，影响用户体验。

因此，需要提供一种新的游戏直播间展示的方法及装置。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本发明的目的在于提供一种游戏直播间展示的方法及装置、存储介质、电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的无法准确获取游戏直播间副本状态信息的问题。

根据本公开的一个方面，提供一种游戏直播间展示的方法，包括：

从所述游戏直播间播放的视频流中获取单帧画面；

对所述单帧画面进行游戏副本状态信息的识别；其中，所述游戏副本状态信息包括以下至少一项：副本图标、副本名称；

根据识别结果对所述游戏直播间进行标记。

在本公开的一种示例性实施例中，当所述游戏副本状态信息为副本图标时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；

若所述置信度大于预设阈值，则将识别出的副本图标对应的游戏副本作为识别结果。

在本公开的一种示例性实施例中，当所述游戏副本状态信息为副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；

若所述预测副本名称的置信度大于预设阈值，则将所述预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例性实施例中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；

若所述单帧画面中包含副本图标的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称；

将得到的预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例性实施例中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；

若所述预测副本名称的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本图标的识别；

若识别到所述单帧画面中包含所述预测副本名称对应的副本图标，则将所述预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例性实施例中，所述根据识别结果对所述游戏直播间进行标记，包括：

将所述游戏直播间的标题调整为与所述识别结果中的游戏副本的名称相匹配的标题；或者，

确定所述识别结果中的游戏副本所属的类型，根据确定的类型对所述游戏直播间的展示缩略图进行类别标识；或者，

确定所述识别结果中的游戏副本所属的类型，根据确定的类型将所述游戏直播间的展示缩略图移动至对应类型的副本栏目中。

在本公开的一种示例性实施例中，所述从所述游戏直播间播放的视频流中获取单帧画面，包括：从所述游戏直播间播放的视频流中获取多张单帧画面；

所述根据识别结果对所述游戏直播间进行标记，包括：

根据所述多张单帧画面中每张单帧画面的识别结果确定出现次数最多的游戏副本；

根据所述出现次数最多的游戏副本对所述游戏直播间进行标记。

在本公开的一种示例性实施例中，所述利用预设的深度学习模型对所述单帧画面进行副本图标的识别，包括：

利用预设的第一窗口尺寸及第一移动步长对所述单帧画面进行图片截取，其中，所述第一窗口尺寸小于所述单帧画面的尺寸；

通过预设的深度学习模型对截取的每张图片进行副本图标识别，得到截取的每张图片包含有副本图标的置信度；

将得到的每张图片包含有副本图标的置信度中最大的置信度作为所述单帧画面包含有副本图标的置信度。

在本公开的一种示例性实施例中，所述利用预设的深度学习模型对所述单帧画面进行副本名称的识别，包括：

利用预设的第二窗口尺寸及第二移动步长对所述单帧画面进行图片截取，其中，所述第二窗口尺寸小于所述单帧画面的尺寸；

通过预设的深度学习模型对截取的每张图片进行副本名称识别，得到截取的每张图片对应的预测副本名称及对应的置信度；

将得到的每张图片对应的预测副本名称对应的置信度中最大的置信度及对应的预测副本名称作为所述单帧画面的置信度及对应的预测副本名称。

根据本公开的一个方面，提供一种游戏直播间展示的装置，包括：

单帧画面获取模块，用于从所述游戏直播间播放的视频流中获取单帧画面；

状态信息识别模块，用于对所述单帧画面进行游戏副本状态信息的识别；其中，所述游戏副本状态信息包括以下至少一项：副本图标、副本名称；

标记模块，用于根据识别结果对所述游戏直播间进行标记。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的游戏直播间展示的方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的游戏直播间展示的方法。

本发明实施例一种游戏直播间展示的方法，通过获取视频流中单帧画面并对单帧画面进行游戏副本状态信息的识别，然后再根据识别结果对游戏直播间进行标记；一方面，通过对单帧画面进行游戏副本状态信息的识别，然后再根据识别结果对游戏直播间进行标记，解决了现有技术中需要通过手动设置房间标题而导致的副本状态信息的实时性以及准确性较差的问题，提高了游戏直播间标记的实时性以及准确性，进而提升了用户体验；另一方面，通过对单帧画面的副本状态信息进行自动识别，再根据识别结果对游戏直播间进行标记，提高了识别结果的识别速度；再一方面，通过对单帧画面的副本状态信息进行自动识别，再根据识别结果对游戏直播间进行标记，避免了由于未对游戏副本进行识别直接将缩略图展示到房间选择界面上，进而会使得该缩略图可能并不是副本状态信息的缩略图，从而降低了用户体验的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出一种游戏直播间展示的方法的流程图；

图2示意性示出一种游戏副本场景示例图；

图3示意性示出一种对单帧画面进行副本状态信息的识别的方法流程图；

图4示意性示出另一种对单帧画面进行副本状态信息的识别的方法流程图；

图5示意性示出一种游戏直播间展示的装置的方框图；

图6示意性示出一种用于实现上述游戏直播间展示的方法的电子设备；

图7示意性示出一种用于实现上述游戏直播间展示的方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图像识别技术是计算机程序自动获取图像中目标信息的一种技术，其基于图像特征和模式识别模型。传统的图像识别技术是基于人工手动设计的图像特征，使用适量特征样本数据训练识别模型，对于特征稳定的场景能够达到较高的识别精度和稳定性，但当特征复杂多变时表现较差。基于深度学习的图像识别技术通过利用大量样本数据自动学习出有效的图像特征，相比于人工设计的特征具有更好的鲁棒性，在复杂场景下的表现优于传统图像识别技术，得到了广泛的应用。

基于深度学习的模式识别模型通常需要大量样本数据进行训练，样本量的大小是影响模型精度和泛化能力的重要因素。游戏副本信息通常是跟随游戏版本迭代而快速变化的，其识别模型也需要进行快速更新，每次更新迭代均需要重新收集大量最新的训练样本数据，因此样本收集方法至关重要。在无公开数据集可用的情况下，深度学习模型所需的大量样本数据常采用人工收集的方式获取，但是该方法较为耗时。

本发明实施例通过采用基于深度学习的图像识别技术，动态获取当前游戏直播画面中游戏副本的状态，并以此对各直播进行分类标记，以便于观众快速准确选择自己感兴趣的直播房间。

本示例实施方式中首先提供了一种游戏直播间展示的方法，该方法可以运行于服务器、服务器集群或云服务器等，也可以运行于终端设备；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该游戏直播间展示的方法可以包括以下步骤：

步骤s110.从游戏直播间播放的视频流中获取单帧画面。

步骤s120.对该单帧画面进行游戏副本状态信息的识别；其中，游戏副本状态信息包括以下至少一项：副本图标、副本名称。

步骤s130.根据识别结果对所述游戏直播间进行标记。

在现有的获取直播房间中游戏副本状态信息的方法一般包括如下两种：一种是，主播手动设置房间标题，然后用户根据标题进行判断；另一种是，将缩略图集中在一个房间选择界面上，然后用户通过房间选择界面展示的缩略图进行判断。

但是，在上述两种方法中，存在如下缺陷：一方面，由于副本版本更新迭代速度过快，通过手动设置标题，使得副本状态信息的实时性和准确性较低；另一方面，由于展示的静态缩略图只是对游戏副本状态信息的简单展示，用户无法准确获取到副本状态信息，导致副本状态信息判断失误率高，从而降低了用户体验。

本发明提供的上述游戏直播间展示的方法中，一方面，通过对单帧画面进行游戏副本状态信息的识别，然后再根据识别结果对游戏直播间进行标记，解决了现有技术中需要通过手动设置房间标题而导致的副本状态信息的实时性以及准确性较差的问题，提高了游戏直播间标记的实时性以及准确性，进而提升了用户体验；另一方面，通过对单帧画面的副本状态信息进行自动识别，得到识别结果，提高了识别结果的识别速度；再一方面，通过对单帧画面的副本状态信息进行自动识别，再根据识别结果对游戏直播间进行标记，避免了由于未对游戏副本进行识别直接将缩略图展示到房间选择界面上，进而会使得该缩略图可能并不能准确反映副本状态信息，从而降低了用户体验的问题。

下面，将结合附图对本示例实施方式中上述游戏直播间展示的方法中的各步骤进行详细的解释以及说明。

在步骤s110中，从游戏直播间播放的视频流中获取单帧画面。

在本示例实施方式中，可以按照设定的时间间隔(例如可以是20s或者30s，也可以是其他时间间隔，本示例对此不做特殊限制)，从游戏直播的当前直播视频流中，获取连续多个单帧画面；例如，可以获取40帧单帧画面等等。其中，获取的其中一帧单帧画面可以参考图2所示。

在步骤s120中，对获取的单帧画面进行游戏副本状态信息的识别；其中，游戏副本状态信息包括以下至少一项：副本图标、副本名称。

在本示例实施方式中，当所述游戏副本状态信息为副本图标时，所述对所述单帧画面进行游戏副本状态信息的识别可以包括：利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；若所述置信度大于预设阈值，则将识别出的副本图标对应的游戏副本作为识别结果。

副本图标是副本的重要特征之一，系统对采集的单帧画面进行扫描，可以获得该单帧画面的中包含的图标的特征信息，在本发明实施例中，系统预设深度学习模型，该模型为基于深度学习的模式识别模型，其样本数据包括游戏副本的副本图标，因此通过该深度学习模型对扫描得到的图标信息进行识别，可以确定扫描得到的图标是否属于副本图标，以及属于副本图标的可信程度，即置信度。在本发明实施例中，将置信度大于预设阈值的副本图标对应的游戏副本作为识别结果。该预设阈值根据实践多次测试获得，如，该预设阈值可以为0.8，也可以为0.9，本示例对此不做特殊限制。

具体的，参考图3所示，利用预设的深度学习模型对所述单帧画面进行副本图标的识别可以包括步骤s310-步骤s330，以下进行详细的说明。

在步骤s310中，利用预设的第一窗口尺寸及第一移动步长对所述单帧画面进行图片截取，其中，所述第一窗口尺寸小于所述单帧画面的尺寸。

在本示例实施方式中，为实现对单帧画面图标扫描的准确性，可以对该单帧画面进行多次采样和扫描，可以通过一定大小的窗口对该单帧画面进行多次采样，得到多张图片，然后对多张图片分别进行扫描。例如，可以利用预设的第一窗口尺寸和第一移动步长对图2所示的单帧画面进行采样，即窗口每移动第一移动步长，则从该单帧画面中截取第一窗口尺寸的图片，可以从单帧画面的任一条边开始截图，也可以从单帧画面中间任一区域开始截图。窗口可以是规则的正方形，如40mm*40mm，也可以是规则的长方形，如40mm*30mm，也可以是其他不规则形状，本示例对此不做特殊限制，只需保证预设的第一窗口尺寸小于上述单帧画面的尺寸；预设的第一移动步长长可以是一个单位长度，也可以是两个单位长度，如第一移动步长为20mm，本示例对此不做特殊限制。具体实现中，为了提高图标预测预测的准确性，上述第一窗口尺寸以及第一移动步长不能太大；并且，为了保证图标预测的效率，上述第一窗口尺寸以及第一移动步长也不能太小，具体可以根据单帧画面的大小及终端的计算处理能力来确定第一窗口尺寸和第一移动步长的取值。

在步骤s320中，通过预设的深度学习模型对截取的每张图片进行副本图标识别，得到截取的每张图片包含有副本图标的置信度。

在本示例实施方式中，当得到上述通过遍历截取单帧画面得到的图片后，通过预设的深度学习模型对截取的每张图片进行副本图标识别；其中，该预设的深度学习模型是基于神经网络模型并通过对大量的训练样本进行训练得到的，该训练样本可以通过对历史的游戏副本的单帧画面进行处理得到；进一步的，当通过预设的深度学习模型对每张图片进行副本图标识别后，可以得到每张图片包含副本图标的置信度。

在步骤s330中，将得到的每张图片包含有副本图标的置信度中最大的置信度作为所述单帧画面包含有副本图标的置信度。

在本示例实施方式中，当所述游戏副本状态信息为副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；若所述预测副本名称的置信度大于预设阈值，则将所述预测副本名称对应的游戏副本作为识别结果。具体的，参考图4所示，利用预设的深度学习模型对所述单帧画面进行副本名称的识别可以包括步骤s410-步骤s430，以下进行详细说明。

在步骤s410中，利用预设的第二窗口尺寸及第二移动步长对所述单帧画面进行图片截取，其中，所述第二窗口尺寸小于所述单帧画面的尺寸。

在本示例实施方式中，可以利用预设的第二窗口尺寸(例如，该第二窗口尺寸可以是40mm*40mm，也可以是其他尺寸，例如可以是30mm*30mm等等，本示例对此不做特殊限制，并且，上述第二窗口尺寸小于上述单帧画面的尺寸)以及第二移动步长(例如，该第二移动步长可以是一个单位长度，也可以是两个单位长度，本示例对此不做特殊限制)对图2中的除了边角处具有道具以及与该游戏部分无关的区域进行遍历截取，得到多个截取画面。其中，该截取画面例如可以是图2中的除了边角处具有道具以及与该游戏部分无关的区域的子图，由于数量较多，因此不再一一进行图示。此处需要补充说明的是，为了提高图标预测以及名称预测的准确性，上述第二窗口尺寸以及第二移动步长不能太大；进一步的，为了可以提高图标预测以及名称预测的效率，上述第二窗口尺寸以及第二移动步长也不能太小，因此，可以取值为：第二预设尺寸为30mm*30mm；第二预设尺寸为2个单位长度。

在步骤s420中，通过预设的深度学习模型对截取的每张图片进行副本名称识别，得到截取的每张图片对应的预测副本名称及对应的置信度。

在步骤s430中，将得到的每张图片对应的预测副本名称对应的置信度中最大的置信度及对应的预测副本名称作为所述单帧画面的置信度及对应的预测副本名称。

更进一步的，在本示例实施方式中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；若所述单帧画面中包含副本图标的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称；将得到的预测副本名称对应的游戏副本作为识别结果。

再进一步的，在本示例实施方式中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，也可以包括：利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；若所述预测副本名称的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本图标的识别；若识别到所述单帧画面中包含所述预测副本名称对应的副本图标，则将所述预测副本名称对应的游戏副本作为识别结果。

在步骤s130中，根据识别结果对所述游戏直播间进行标记。

在本示例实施方式中，据识别结果对所述游戏直播间进行标记具体包括：将所述游戏直播间的标题调整为与所述识别结果中的游戏副本的名称相匹配的标题；或者，确定所述识别结果中的游戏副本所属的类型，根据确定的类型对所述游戏直播间的展示缩略图进行类别标识；或者，确定所述识别结果中的游戏副本所属的类型，根据确定的类型将所述游戏直播间的展示缩略图移动至对应类型的副本栏目中。

进一步的，在本示例实施方式中，从游戏直播间播放的视频流中获取单帧画面，包括：从游戏直播间播放的视频流中获取多张单帧画面。从而，根据识别结果对游戏直播间进行标记可以包括：根据获取的多张单帧画面中每张单帧画面的识别结果确定出现次数最多的游戏副本；根据出现次数最多的游戏副本对所述游戏直播间进行标记。

进一步的，为了便于用户可以根据类别对该副本状态信息进行查找，该游戏直播间展示的方法还可以包括：根据游戏副本的类型，对游戏直播间进行分类标记。详细而言：

首先，上述游戏副本的类型可以包括普通副本、精英副本、多人副本、挑战副本以及藏宝阁楼副本等等；然后，可以根据该游戏副本的类型，对游戏直播间进行分类标记；例如，当游戏副本的类型为精英副本时，可以将该游戏直播间标记为精英副本；然后当用户需要观看此类直播时，可以在精英副本的窗口中查找到该游戏直播间，并进行观看。通过该方法，节省了用户的查找时间，进一步的提高了用户体验。

游戏直播画面具有颜色丰富，内容场景多变，游戏窗口位置不固定，以及图片质量高低不齐等特点，使得基于图像处理的传统识别方法准确率不高。游戏版本更新迭代迅速，基于图像处理的识别方法依赖于人工设计的图像特征，因此难以快速应对游戏副本的改变。本方案采用基于深度学习的图像识别技术，其识别精度高，且无需人工设计图像特征，因而更新迭代速度快，能够快速应对游戏副本版本的变化。

进一步的，基于深度学习的图像识别技术，通常需要大量的标记样本来训练网络模型，而通过人工收集线上样本的方式耗时耗力，代价昂贵且难以适应游戏副本版本的快速变化。本方案通过采用图像处理技术，自动生成大量与实际画面相近的图片样本，以满足深度学习对样本量的要求。

更进一步的，在本发明的示例实施方式中，一方面，通过使用基于深度学习的图像识别技术，动态获取当前游戏直播画面的副本状态信息，并以此对直播进行分类标记，使得观众能够快速准确地选择自己感兴趣的直播，提升了用户体验。另一方面，利用深度学习技术，并采用基于图像处理的自动生成大量训练样本的方法，在提高游戏副本识别准确率的同时，能够适应游戏副本版本的快速更新迭代。

本公开还提供了一种游戏直播间展示的装置。参考图5所示，该游戏直播间展示的装置可以包括：单帧画面获取模块510、状态信息识别模块520以及标记模块530。其中：

单帧画面获取模块510可以用于从所述游戏直播间播放的视频流中获取单帧画面；

状态信息识别模块520可以用于对所述单帧画面进行游戏副本状态信息的识别；其中，所述游戏副本状态信息包括以下至少一项：副本图标、副本名称；

标记模块530可以用于根据识别结果对所述游戏直播间进行标记。

在本公开的一种示例实施例中，当所述游戏副本状态信息为副本图标时，所述对所述单帧画面进行游戏副本状态信息的识别包括：

利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；

若所述置信度大于预设阈值，则将识别出的副本图标对应的游戏副本作为识别结果。

在本公开的一种示例实施例中，当所述游戏副本状态信息为副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；

若所述预测副本名称的置信度大于预设阈值，则将所述预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例实施例中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本图标的识别，得到所述单帧画面中包含副本图标的置信度；

若所述单帧画面中包含副本图标的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称；

将得到的预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例实施例中，当所述游戏副本状态信息包括副本图标和副本名称时，所述对所述单帧画面进行游戏副本状态信息的识别，包括：

利用预设的深度学习模型对所述单帧画面进行副本名称的识别，得到预测副本名称及对应的置信度；

若所述预测副本名称的置信度大于预设阈值，则利用预设的深度学习模型对所述单帧画面进行副本图标的识别；

若识别到所述单帧画面中包含所述预测副本名称对应的副本图标，则将所述预测副本名称对应的游戏副本作为识别结果。

在本公开的一种示例实施例中，所述根据识别结果对所述游戏直播间进行标记，包括：

将所述游戏直播间的标题调整为与所述识别结果中的游戏副本的名称相匹配的标题；或者，

确定所述识别结果中的游戏副本所属的类型，根据确定的类型对所述游戏直播间的展示缩略图进行类别标识；或者，

确定所述识别结果中的游戏副本所属的类型，根据确定的类型将所述游戏直播间的展示缩略图移动至对应类型的副本栏目中。

在本公开的一种示例实施例中，所述从所述游戏直播间播放的视频流中获取单帧画面，包括：从所述游戏直播间播放的视频流中获取多张单帧画面；

所述根据识别结果对所述游戏直播间进行标记，包括：

根据所述多张单帧画面中每张单帧画面的识别结果确定出现次数最多的游戏副本；

根据所述出现次数最多的游戏副本对所述游戏直播间进行标记。

在本公开的一种示例实施例中，所述利用预设的深度学习模型对所述单帧画面进行副本图标的识别，包括：

利用预设的第一窗口尺寸及第一移动步长对所述单帧画面进行图片截取，其中，所述第一窗口尺寸小于所述单帧画面的尺寸；

通过预设的深度学习模型对截取的每张图片进行副本图标识别，得到截取的每张图片包含有副本图标的置信度；

将得到的每张图片包含有副本图标的置信度中最大的置信度作为所述单帧画面包含有副本图标的置信度。

在本公开的一种示例实施例中，所述利用预设的深度学习模型对所述单帧画面进行副本名称的识别，包括：

利用预设的第二窗口尺寸及第二移动步长对所述单帧画面进行图片截取，其中，所述第二窗口尺寸小于所述单帧画面的尺寸；

通过预设的深度学习模型对截取的每张图片进行副本名称识别，得到截取的每张图片对应的预测副本名称及对应的置信度；

将得到的每张图片对应的预测副本名称对应的置信度中最大的置信度及对应的预测副本名称作为所述单帧画面的置信度及对应的预测副本名称。

上述游戏直播间展示的装置中各模块的具体细节已经在对应的游戏直播间展示的方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤s110：从所述游戏直播间播放的视频流中获取单帧画面；s120：对所述单帧画面进行游戏副本状态信息的识别；其中，所述游戏副本状态信息包括以下至少一项：副本图标、副本名称；步骤s130：判断所述副本预测名称中是否包括相同副本预测名称；步骤s140：根据识别结果对所述游戏直播间进行标记。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品710，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。