直播间主播的检测方法、装置、设备以及存储介质与流程

1.本公开涉及人工智能技术领域，尤其涉及计算机视觉技术领域的一种直播间主播的检测方法、装置、设备以及存储介质。


背景技术：

2.目前，在视频直播中出现了他人代播的情况，这种情况属于违规行为，因此需要对他人代播的情况进行检测。


技术实现要素：

3.本公开提供了一种用于对他人代播情况进行检测的直播间主播的检测方法、装置、设备以及存储介质。
4.根据本公开的一方面，提供了一种直播间主播的检测方法，包括：
5.基于当前直播间的视频流数据，获取当前直播间中的当前人脸信息；
6.将所述当前人脸信息与预先存储的当前直播间的实名认证主播的人脸信息及试播人脸信息进行人脸匹配，获得当前人脸匹配结果；
7.基于当前人脸匹配结果，确定当前直播间中是否包含所述实名认证主播；
8.获得当前直播间中不包含实名认证主播的连续时长，并基于所述连续时长，确定当前直播间是否出现违规代播情况。
9.根据本公开的另一方面，提供了一种直播间主播的检测装置，包括：
10.当前人脸信息获取模块，用于基于当前直播间的视频流数据，获取当前直播间中的当前人脸信息；
11.人脸匹配结果获取模块，用于将所述当前人脸信息与预先存储的当前直播间的实名认证主播的人脸信息及试播人脸信息进行人脸匹配，获得当前人脸匹配结果；
12.实名认证主播确认模块，用于基于当前人脸匹配结果，确定当前直播间中是否包含所述实名认证主播；
13.违规代播判断模块，用于获得当前直播间中不包含实名认证主播的连续时长，并基于所述连续时长，确定当前直播间是否出现违规代播情况。
14.根据本公开实施例的另一方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一所述的直播间主播的检测方法。
18.根据本公开实施例的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一所述的直播间主播的检测方法。
19.根据本公开实施例的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一所述的直播间主播的检测方法。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1是根据本公开提供的直播间主播的检测方法的第一实施例的示意图；
23.图2是根据本公开提供的直播间主播的检测方法的第二实施例的示意图；
24.图3是根据本公开提供的直播间主播的检测方法的第三实施例的示意图；
25.图4是根据本公开提供的直播间主播的检测方法的第四实施例的示意图；
26.图5是根据本公开提供的直播间主播的检测方法的一种执行流程示意图；
27.图6是根据本公开提供的直播间主播的检测装置的第一实施例的示意图；
28.图7是用来实现本公开实施例的直播间主播的检测方法的电子设备的框图。
具体实施方式
29.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
30.随着5g普及等各项基础设施的升级，视频已经成为信息交流的主要载体之一，视频直播也已经广泛深入到电商、电竞等行业中。针对视频直播中的违规检测需求强烈，目前大多采用举报、人审等方式进行，覆盖面有限且成本高。
31.因此，针对以上问题，为了对直播间违规代播的行为进行检测，本公开提供了一种直播间主播的检测方法、装置、设备及存储介质。下面首先对本公开提供的直播间主播的检测方法进行说明。
32.参见图1，图1是根据本公开实施例提供的直播间主播的检测方法的第一实施例的示意图，具体可以包括以下步骤：
33.步骤s110，基于当前直播间的视频流数据，获取当前直播间中的当前人脸信息；
34.步骤s120，将所述当前人脸信息与预先存储的当前直播间的实名认证主播的人脸信息及试播人脸信息进行人脸匹配，获得当前人脸匹配结果；
35.步骤s130，基于当前人脸匹配结果，确定当前直播间中是否包含所述实名认证主播；
36.步骤s140，获得当前直播间中不包含实名认证主播的连续时长，并基于所述连续时长，确定当前直播间是否出现违规代播情况。
37.本公开实施例提供的直播间主播的检测方法，首先基于当前直播间的视频流数据获取当前直播间中的当前人脸信息，之后将当前人脸信息与预存的当前直播间的实名认证主播人脸信息和试播人脸信息匹配，来获得匹配结果，并基于获取到的匹配结果，确定当前直播间中是否包含实名认证主播，之后获取当前直播间中不包含实名认证主播的连续时
长，并基于获取到的连续时长，确定当前直播间是否出现违规代播情况。本公开实施例中，通过使用电子设备将当前人脸信息与预存的当前直播间的实名认证主播人脸信息和试播人脸信息匹配，实现了对他人代播的违规情况进行自动检测，可对全部在播直播进行审核，提高审核覆盖面，且无需人工对大量直播间进行筛查，提高了审核效率，降低了审核成本。
38.本公开实施例中，可以针对各个正在进行直播的直播间，获取该直播间中的当前人脸信息。
39.通常，对于一个直播间来说，直播间中进行直播的主播可以是一个，也可以是多个。因此，本公开实施例中，上述获取到的当前人脸信息可以是一个，也可以是多个。
40.在本公开的一种实施例中，参见图2，上述图1中的步骤s110可以细化为：
41.步骤s111，获取直播视频数据流。
42.本公开实施例中，可以通过设置云端的电子设备实现。各直播间可以将其直播视频数据流实时传输至云端，因此，云端电子设备可以基于上述直播视频数据流获取当前人脸信息。
43.作为本公开实施例的一种具体实施方式，上述直播视频数据流可以是基于实时消息传输协议(real time messaging protocol，rtmp)进行实时传输。当然，也可以使用其他传输协议进行直播视频流传输，本公开中对此不做具体限定。
44.步骤s112，按照预设时间间隔对所述直播视频数据流进行抽帧，得到帧序列。
45.本公开实施例中，在云端获取到各个在播直播间的直播视频数据流后，可以按照预设的抽帧规则对上述实时获取的直播视频数据流进行抽帧。作为本公开实施例的一种具体实施方式，上述预设的抽帧规则具体可以是预设的抽帧时间间隔。例如，可以设置每隔30秒抽取一帧。针对一个直播间，将抽取出的视频帧按照时间顺序排列，就可构成上述帧序列。作为本公开实施例的一种具体实施方式，可以对上述帧序列中的各视频帧按照时间顺序设置帧序列号，且上述帧序列中的各视频帧中可以包含该帧的时间戳。
46.本公开实施例中，上述抽帧时间间隔具体可以是基于实际的应用场景进行预先设置，如可以是30s，当然，也可以是15s、60s等等，本公开中不做具体限定。
47.步骤s113，将所述帧序列中的每一帧图像提取出人脸信息，按抽帧顺序依次作为当前人脸信息。
48.本公开实施例中，针对上述帧序列的每一视频帧图像，可以是使用cnn(convolutional neural networks，卷积神经网络)提取视频帧图像中的人脸特征向量，作为该视频帧图像中的人脸信息。如上所述，直播间中的主播可能不止一个，因此，上述一个视频帧图像中提取到的人脸信息也可以是多个。
49.在针对帧序列中的各视频帧图像进行人脸特征向量提取后，即可将提取到的各人脸信息依次作为直播间中的当前人脸信息。
50.可见，本公开实施例中，可以针对各个正在直播的直播间提取人脸信息，减少了直播间误检、漏检的发生概率，因此可以达到较高的违规代播行为审核覆盖率。
51.通常，视频直播领域中，主播在注册平台账户时，都需要进行实名认证，在实名认证过程中，一般会对主播的人脸数据进行采集确认，来保证其身份信息的可靠性。因此，本公开实施例中，可以将上述实名认证过程中采集到的各数据进行存储，作为一种具体实施方式，可以是提取实名认证过程中获取到的主播人脸信息的人脸特征向量进行存储。
52.此外，在主播注册平台账户，正式获取直播权限前，一般需要进行试播，因此，本公开实施例中，可以针对各直播间，将试播过程中采集到的主播人脸信息(如，人脸特征向量)进行存储。
53.因此，在获取上述各在播直播间中的当前人脸信息后，即可将获取到的当前人脸信息与上述预存的直播间实名认证主播人脸信息和试播过程中获取的人脸信息进行匹配，来得到是否当前人脸信息与该直播间实名认证主播是否为同一人的匹配结果。
54.作为本公开的一种实施例，如图2所示，上述图1中的步骤s120具体可以为：
55.步骤s121，将所述当前人脸信息与预先存储的当前直播间的实名认证主播的人脸信息、试播人脸信息及保存的至少一个历史直播人脸信息进行人脸匹配，获得当前人脸匹配结果。
56.对于各直播间来说，直播间实名认证的主播可能在之前已经进行过正常直播，因此，本公开实施例中，可以将在主播之前的直播数据中提取到的人脸信息(如，人脸特征向量)作为历史直播人脸信息，存储至历史人脸数据库，来与上述当前人脸信息进行匹配。
57.同时，如上所述，本公开实施例中，可以实时对帧序列中的视频帧图像进行人脸信息的提取，因此，针对每一帧中的当前人脸信息进行匹配后，可以将被确认为是实名认证主播的人脸信息的当前人脸信息也作为历史直播人脸信息，存储至上述历史人脸数据库中。
58.具体的，在本公开的一种实施例中，上述步骤s121之前还可以包括：
59.将当前人脸信息作为候选的历史直播人脸信息实时存入历史人脸数据库中。
60.本公开实施例中，针对各直播视频帧图像，在提取到该帧图像中的人脸信息后，即可将该人脸信息实时缓存至上述历史人脸数据库中。
61.相应的，在确定当前人脸匹配结果为匹配成功的情况下，将所述候选的历史直播人脸信息作为确认的历史直播人脸信息保留在所述历史人脸数据库中；在确定当前人脸匹配结果为匹配不成功的情况下，从所述历史人脸数据库中，删除所述候选的历史直播人脸信息。
62.即本公开实施例中，是将确认为是实名认证主播的当前人脸信息保存在历史人脸数据库中，来与之后的当前人脸信息进行匹配。
63.可见，本公开实施例中，可以将预先存储的当前直播间的实名认证主播的人脸信息、试播人脸信息及保存的至少一个历史直播人脸信息与当前人脸信息进行人脸匹配，由于匹配的参考数据增加，因此，匹配结果更加可靠。
64.在本公开的一种实施例中，基于图1，如图3所示，上述步骤s121具体可以细化为以下步骤：
65.步骤s1211，分别计算所述当前人脸信息与预先存储的该直播间的实名认证人脸信息、试播人脸信息以及各个历史直播人脸信息之间的各个相似度。
66.作为本公开实施例的一种具体实施方式，可以采用resnet50网络结构，将上述提取的当前人脸信息输入至该resnet50网络中，并取第一个全连接(fully connected，fc)层中的数据作为人脸特征信息，对上述特征信息进行l2规范化后，将其映射为128维向量，并分别计算该向量与上述预先存储的该直播间的实名认证人脸特征向量、试播人脸特征向量以及各个历史直播人脸信息(人脸特征向量)之间的余弦距离，并基于各余弦距离得到当前人脸信息与上述该直播间的实名认证人脸信息、试播人脸信息以及各个历史直播人脸信息
之间的相似度打分(可分别记为a、b、c)。该相似度打分可以是向量之间的夹角的余弦值，余弦值越趋近于1，则向量越相似。
67.如上所述，针对直播视频数据流中的一个视频帧图像，可能提取到多个主播的人脸信息。因此，作为本公开实施例的一种具体实施方式，在计算得到视频帧图像中的各当前人脸特征向量与上述该直播间的实名认证人脸特征向量、试播人脸特征向量以及各个历史直播人脸信息(人脸特征向量)之间的余弦相似度后，可以将其中相似度最高的人脸信息作为目标主播的人脸信息，后续只需判断该目标主播是否是该直播间的实名认证主播。
68.如图3所示，步骤s1212，判断是否各相似度均超过预设相似度阈值；若各相似度均超过预设相似度阈值，则执行步骤s1213；若至少一个相似度值未超过预设相似度阈值，则执行步骤s1214；
69.步骤s1213，确定当前人脸匹配结果为匹配成功；
70.步骤s1214，确定当前人脸匹配结果为匹配不成功。
71.本公开实施例中，可以预先设置一个相似度阈值，超过该相似度阈值的两个人脸特征向量，即可被认为是同一人脸，例如，上述相似度阈值可以是0.95，当然该相似度阈值也可以是其他值，具体可由开发人员进行设置。
72.如上所述，针对一个当前人脸信息，只有当上述a、b、c三项相似度均超过上述相似度阈值，才可以判定匹配成功，即判定该当前人脸信息对应的主播是实名认证主播。否则，只要a、b、c三项相似度中，存在不超过预设相似度阈值的相似度，就可判断该当前人脸信息对应的主播不是该直播间实名认证主播。
73.相应的，如图3所示，上述图1中的步骤s130就可以细化为：
74.步骤s131、若匹配成功，则确定当前直播间中包含所述实名认证主播；
75.步骤s132、若匹配不成功，则确定当前直播间中不包含所述实名认证主播。
76.可见，本公开实施例中，只有各相似度均超过预设相似度阈值，才会判断当前人脸信息对应的主播是实名认证主播，增加了判断结果的可靠性，提高审核准确度，减少误检情况的发生。
77.在本公开的一种实施例中，如图4所示，图1中的步骤s140可以细化为：
78.步骤s141，在确定出当前直播间中不包含实名认证主播的情况下，记录所述当前人脸信息对应的视频帧图像的时间戳。
79.通常，上述传输至云端的直播视频流数据中的每一个视频帧都会带有时间戳，该时间戳即可表明视频帧在直播视频的出现时刻。
80.因此，本公开实施例中，针对一个当前人脸信息得到上述匹配结果后，若判断出直播间中不包含实名认证主播(匹配结果为不成功)，可将该判断结果以及相应视频帧图像的时间戳进行缓存，来进行后续的判断。
81.例如：可以列表记录当前直播间中不包含实名认证主播的帧序列号及时间戳。如表一所示，表一中示出了抽帧间隔为60s的帧序列的序列号及对应时间戳：
82.[0083][0084]
当然，若判断出直播间中包含实名认证主播(匹配成功)，也可将该判断结果以及对应时间戳进行缓存。本公开实施例中，可以将匹配结果为成功的视频帧信息与匹配结果为不成功的视频帧信息分别列表存储，例如，可以使用上述表一存储匹配结果为不成功的帧信息，使用另外的列表存储匹配结果为成功的帧信息。
[0085]
步骤s142，基于当前记录的时间戳和历史记录的时间戳，获得当前直播间中不包含实名认证主播的连续时长。
[0086]
本公开实施例中，在判断出直播间中不包含该直播间实名认证主播后，就可以基于当前记录的时间戳和历史记录的时间戳，获得当前直播间中不包含实名认证主播的连续时长，即将基于当前人脸信息得到的直播间中是否包含实名认证直播的判断结果，与步骤s141中缓存的各结果进行整合。
[0087]
例如，基于上述表一，若当前人脸信息对应的视频帧帧序列号为1015，时间戳为00:30:01，而由表一可见，该帧之前的连续帧有14个(帧序列号为1000～1014)，如上所述，表一中存储的是当前直播间中不包含实名认证主播的帧序列号及时间戳，那么，当前直播间中不包含该直播间实名认证主播的连续时长就是00:15:01～00:30:01，即15分钟01秒。
[0088]
步骤s143，判断所述连续时长是否超过预设时长阈值；如果是，则确定当前直播间出现违规代播情况；如果否，则确定当前直播间未出现违规代播情况。
[0089]
本公开实施例中，可以预设时长阈值(t)，若直播间中不包含实名认证主播的连续时长超过该时长阈值，即可判断该直播间中出现了他人代播的违规情况。在一种具体实例中，上述预设的时长阈值可以是15分钟。对于上述步骤s142中的举例，若设置时长阈值为15分钟，而当前直播间中不包含该直播间实名认证主播的连续时长超过15分钟，那么就可判定上述举例中的直播间出现了违规代播情况。当然，该时长阈值可以由直播审核相关人员进行设置。
[0090]
相应的，作为本公开实施例的一种实施方式，在上述步骤s142中将得到的判断结果与之前缓存的各结果进行整合时，可以是将得到的判断结果与近期一段时间的缓存结果进行整合，该一段时间可以大于上述时长阈值。例如，若上述预设时长阈值为15分钟，那么在进行整合时，就可以是将当前得到的判断结果与半小时(30分钟)内的缓存结果进行整合。
[0091]
当基于当前人脸信息判断出直播间中不包含该直播间的实名认证主播，并且回溯t(预设时长阈值)时间内均有人直播，且直播的主播中不包含上述实名认证主播，则可判断出该直播间中出现违规代播。否则不判定该直播间出现他人代播的违规情况，并相应将直播间中该直播间实名认证主播的判断结果加入缓存。
[0092]
作为本公开实施例的一种实施方式，若判断出直播间中出现他人代播的违规情
况，则可以将该直播接入人审，由人工对于该直播间进行更加详细的审核，进一步提高审核准确性。
[0093]
本公开实施例中，在每次基于当前人脸信息得到直播间中是否包含该直播间实名认证主播的判断结果后，将该判断结果进行缓存，并可基于当前判断结果以及缓存的各结果，判断直播间是否出现他人代播的违规情况，无需人工对所有直播间的直播情况进行审核，提高审核效率。
[0094]
如图5所示，图5是本公开实施例提供的直播间主播的检测方法的一种具体执行流程示意图，主要可以包括以下步骤：
[0095]
①
、对直播视频数据流按照预设的时间间隔进行抽帧，将抽取到的视频帧按照时间顺序排列，得到帧序列。
[0096]
②
、针对帧序列中的每一视频帧图像，进行人脸信息提取(人脸特征向量)，并将提取到的人脸信息依次作为当前人脸信息。
[0097]
③
、实时将针对帧序列中的各视频帧图像提取到的人脸信息进行入库，作为历史人脸数据，缓存至历史人脸数据库中。
[0098]
本公开实施例中，上述历史人脸数据库中的历史人脸数据，都是和直播间实名认证主播绑定的，可以包括比对得到的被认为是实名认证主播的当前人脸信息，还可以包括被认为是直播间认证主播的历史直播人脸数据，上述历史直播人脸数据可以是：每周保留一张人脸信息，且保存近期一个月的主播人脸数据，以便减少算力消耗以及存储空间的浪费。
[0099]
④
、将当前人脸信息与预存的实名认证数据、试播提取数据以及上述历史人脸数据进行比对，计算各相似度，并基于该各相似度判断当前人脸信息是否与该直播间实名认证主播一致，得到该直播间中是否包含实名认证主播的比对结果。
[0100]
若上述当前人脸信息包含多个主播的人脸信息，则可以在计算各相似度后，选择其中相似度最高的人脸信息作为后续比对的主播人脸信息，对于步骤
③
中缓存的其他非主播人脸信息，则可以进行清除。
[0101]
⑤
、返回上述比对结果，并将比对结果与对应视频帧的时间戳进行缓存。
[0102]
⑥
、将缓存的各判断结果进行整合，获取直播间中不包含该直播间实名认证主播的连续时长，并基于该连续时长判断该直播间中是否出现他人代播的违规情况。若直播间中出现他人代播的违规情况，则将该直播接入人审，由人工进行进一步的审核。
[0103]
可见，与现有技术中，通过设置奖励等方式，鼓励其他用户对他人代播违规行为进行举报，用户举报后，再接入人工审核来判定是否存在他人代播违规行为造成的可能引起新型违规，提升审核成本；或直接针对直播内容进行人工审核，以判定是否存在他人代播的违规行为造成的覆盖面有限、审核效率低且审核成本高相比，本公开实施例中，可以由电子设备进行他人代播的违规情况的初步判定，提高了审核的覆盖面和审核效率，降低了审核成本。
[0104]
本公开实施例还提供了一种直播间主播的检测装置，如图6所示，可以包括：
[0105]
当前人脸信息获取模块610，用于基于当前直播间的视频流数据，获取当前直播间中的当前人脸信息；
[0106]
人脸匹配结果获取模块620，用于将所述当前人脸信息与预先存储的当前直播间
的实名认证主播的人脸信息及试播人脸信息进行人脸匹配，获得当前人脸匹配结果；
[0107]
实名认证主播确认模块630，用于基于当前人脸匹配结果，确定当前直播间中是否包含所述实名认证主播；
[0108]
违规代播判断模块640，用于获得当前直播间中不包含实名认证主播的连续时长，并基于所述连续时长，确定当前直播间是否出现违规代播情况。
[0109]
本公开实施例提供的直播间主播的检测装置，首先基于当前直播间的视频流数据获取当前直播间中的当前人脸信息，之后将当前人脸信息与预存的当前直播间的实名认证主播人脸信息和试播人脸信息匹配，来获得匹配结果，并基于获取到的匹配结果，确定当前直播间中是否包含实名认证主播，之后获取当前直播间中不包含实名认证主播的连续时长，并基于获取到的连续时长，确定当前直播间是否出现违规代播情况。本公开实施例中，通过使用电子设备将当前人脸信息与预存的当前直播间的实名认证主播人脸信息和试播人脸信息匹配，实现了对他人代播的违规情况进行自动检测，提高审核覆盖面，且无需人工对大量直播间进行筛查，提高了审核效率，降低了审核成本。
[0110]
在本公开的一种实施例中，上述所述人脸匹配结果获取模块620，可以用于将所述当前人脸信息与预先存储的当前直播间的实名认证主播的人脸信息、试播人脸信息及保存的至少一个历史直播人脸信息进行人脸匹配，获得当前人脸匹配结果。
[0111]
在本公开的一种实施例中，上述所述人脸匹配结果获取模块620，具体可以用于分别计算所述当前人脸信息与预先存储的该直播间的实名认证人脸信息、试播人脸信息以及各个历史直播人脸信息之间的各个相似度；
[0112]
若所述各相似度均超过预设相似度阈值，则确定当前人脸匹配结果为匹配成功；若至少一个相似度值未超过预设相似度阈值，则确定当前人脸匹配结果为匹配不成功。
[0113]
相应的，上述实名认证主播确认模块630，可以用于若匹配成功，则确定当前直播间中包含所述实名认证主播；否则确定当前直播间中不包含所述实名认证主播。
[0114]
在本公开的一种实施例中，上述当前人脸信息获取模块610，可以用于，获取直播视频数据流；
[0115]
按照预设时间间隔对所述直播视频数据流进行抽帧，得到帧序列；
[0116]
将所述帧序列中的每一帧图像提取出人脸信息，按抽帧顺序依次作为当前人脸信息。
[0117]
在本公开的一种实施例中，上述违规代播判断模块640，可以用于在确定出当前直播间中不包含实名认证主播的情况下，记录所述当前人脸信息对应的视频帧图像的时间戳；
[0118]
基于当前记录的时间戳和历史记录的时间戳，获得当前直播间中不包含实名认证主播的连续时长；
[0119]
判断所述连续时长是否超过预设时长阈值；如果是，则确定当前直播间出现违规代播情况；如果否，则确定当前直播间未出现违规代播情况。
[0120]
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0121]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0122]
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0123]
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0124]
设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0125]
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如直播间主播的检测方法。例如，在一些实施例中，直播间主播的检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的直播间主播的检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行直播间主播的检测方法。
[0126]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0127]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0128]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供
指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0129]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0130]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0131]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0132]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0133]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。