CN116016983A - 比赛画面的识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种比赛画面的识别方法、装置、设备以及存储介质，涉及人工智能技术领域，具体涉及深度学习和计算机视觉技术。该方法包括：响应于确定用户将直播视频切换至后台，实时获取直播视频；利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面；响应于确定直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看直播视频。本公开提供的比赛画面的识别方法实现了对直播画面是否为比赛画面的实时检测判断，从而在比赛恢复后能够及时提醒用户继续观看比赛直播。

Description

比赛画面的识别方法、装置、设备以及存储介质

5技术领域

本公开涉及人工智能技术领域，具体涉及深度学习和计算机视觉技术，尤其涉及一种比赛画面的识别方法、装置、设备以及存储介质。

背景技术

0NBA、CBA、FIBA等篮球赛事的视频直播有着广大的收视人群。

根据篮球比赛的规则，比赛期间会有多次暂停和节间休息，时长从几十秒到十几分钟不等。此时直播方通常会将直播画面切换为视频广告或者评论员镜头。许多观众对于这些内容并不感兴趣，他们倾向于在

比赛暂停期间不受直播的音视频打扰，却又希望在比赛恢复的第一时5间回到直播继续收看比赛。

发明内容

本公开提供了一种比赛画面的识别方法、装置、设备以及存储介质。

0根据本公开的第一方面，提供了一种比赛画面的识别方法，包括：响应于确定用户将直播视频切换至后台，实时获取直播视频；利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面；响应于确定直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看直播视频。

5根据本公开的第二方面，提供了一种比赛画面的识别装置，包括：获取模块，被配置成响应于确定用户将直播视频切换至后台，实时获取直播视频；识别模块，被配置成利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面；生成模块，被配置

成响应于确定直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户0继续观看直播视频。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本公开的第四方面，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，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性***架构图；

图2是根据本公开的比赛画面的识别方法的一个实施例的流程图；

图3是根据本公开的比赛画面的识别方法的另一个实施例的流程图；

图4是改造后的预训练模型的结构示意图；

图5是本公开的比赛画面的识别方法的一个应用场景图；

图6是根据本公开的比赛画面的识别装置的一个实施例的结构示意图；

图7是用来实现本公开实施例的比赛画面的识别方法的电子设备的框图。

具体实施方式

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。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的比赛画面的识别方法或比赛画面的识别装置的实施例的示例性***架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取的直播视频进行分析和处理，并生成处理结果(例如提醒弹窗)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的比赛画面的识别方法一般由服务器105执行，相应地，比赛画面的识别装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的比赛画面的识别方法的一个实施例的流程200。该比赛画面的识别方法包括以下步骤：

步骤201，响应于确定用户将直播视频切换至后台，实时获取直播视频。

在本实施例中，比赛画面的识别方法的执行主体(例如图1所示的服务器105)会在确定用户将直播视频切换至后台的情况下，实时获取直播视频。用户可以通过浏览器找到比赛直播的资源并进行观看，而比赛直播一般会有中场休息的时候，时长一般从十几秒到十几分钟不等。在中场休息的时候可能会播放广告，也可能会将直播镜头切换至解说室中的评论员，用户一般对广告或解说室镜头不感兴趣，此时用户会将其切换至后台，而去做其他的事情。此时，上述执行主体识别到用户将直播视频切换至后台，那么其会继续从后台实时获取直播视频，也即上述执行主体利用了PC(Personal Computer，个人计算机)端视频在后台也会继续播放的特点，在本地捕获正在播放的视频画面。可选地，上述执行主体会创建一个独立的浏览器页面，该页面中包含一个视频video控件(<video>)，然后上述执行主体会利用浏览器插件提供的屏幕捕获能力，捕获已经切换至后台的直播画面，并将捕获到的直播视频流作为video控件的视频源。

步骤202，利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面。

在本实施例中，上述执行主体会利用画面识别模型对直播视频中的直播画面进行识别，从而确定直播画面是否为比赛画面，也即上述执行主体通过对直播画面的每一帧进行实时的图像分类推理，从而实现对直播画面是否为比赛画面的实时检测判断。在这里，画面识别模型是通过将迁移学习方法应用到预训练模型上得到的。首先，上述执行主体会获取预训练模型MobileNet，其是TensorFlow.js框架提供的预训练模型，用于移动和嵌入式视觉应用。在本实施例中，将迁移学习技术应用在预训练模型MobileNet上，删除了MobileNet模型中负责分类的最后6层，保留了MobileNet模型中负责特征提取的前87层，并在其后拼接了2层，这2层专用于本实施例中直播画面是否为比赛画面的分类，从而得到本实施例中的画面识别模型。

需要说明的是，迁移学习是一种机器学习方法，就是把为任务A开发的模型作为初始点，重新使用在为任务B开发模型的过程中，也即迁移学习指的是一个预训练的模型被重新用在另一个任务中。

在生成了画面识别模型后，上述执行主体会利用画面识别模型对直播画面的每一帧进行实时的图像分类推理，从而确定直播画面是否为比赛画面。

此外，本实施例中画面识别模型的训练和推理都在用户本地浏览器中执行，从而避免了占用网络带宽而造成直播卡顿。

步骤203，响应于确定直播画面为比赛画面，生成并显示提醒弹窗。

在本实施例中，上述执行主体会在确定直播画面为比赛画面的情况下，生成并显示提醒弹窗，以提醒用户继续观看直播视频。也即若上述执行主体基于画面识别模型对直播画面的识别结果，确定当前直播画面为比赛画面，那么其会生成提醒弹窗，并调用浏览器插件的能力，向用户发出弹窗提醒，提醒用户比赛已经恢复，让用户可以及时回到直播收看比赛。相比于现有技术中只能对比赛场景以及比赛数据进行识别来说，本实施例中的画面识别模型能够对当前画面是否为比赛画面进行识别，也即本实施例中会将当前直播画面识别为比赛画面还是非比赛画面，非比赛画面可以包括广告画面、解说员解说画面等，从而在识别到当前画面为比赛画面时，及时提醒用户继续观看比赛。作为示例，当上述执行主体确定直播画面为比赛画面，则其会生成一个弹窗，弹窗中显示“提醒：直播已恢复”，并在当前浏览器页面中显示该弹窗。需要说明的是，可以根据实际需要设置弹窗的样式以及提醒的方式，本实施例对此不做具体限定。

本公开实施例提供的比赛画面的识别方法，首先响应于确定用户将直播视频切换至后台，实时获取直播视频；然后利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面；最后响应于确定直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看直播视频。本实施例中的比赛画面的识别方法，该方法通过对后台进行的直播画面的每一帧进行实时的图像分类推理，实现了对直播画面是否为比赛画面的实时检测判断，从而在比赛恢复后能够及时提醒用户继续观看比赛直播，避免错过比赛内容。此外，本实施例中画面识别模型的训练和推理都在用户本地浏览器中执行，从而避免了占用网络带宽而造成直播卡顿。

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。

继续参考图3，图3示出了根据本公开的比赛画面的识别方法的另一个实施例的流程300。该比赛画面的识别方法包括以下步骤：

步骤301，响应于确定用户将直播视频切换至后台，创建浏览器页面。

在本实施例中，比赛画面的识别方法的执行主体(例如图1所示的服务器105)会在确定用户将直播视频切换至后台时，创建浏览器页面，其中，浏览器页面包含视频控件。也即上述执行主体会在确定用户将直播视频切换至后台时，创建一个独立的浏览器页面，该页面中包含一个视频video控件。

步骤302，利用浏览器的插件从后台实时获取直播视频。

在本实施例中，上述执行主体会利用浏览器插件提供的屏幕捕获能力，捕获已经切换至后台的直播视频。

步骤303，将直播视频作为视频控件的视频源。

在本实施例中，上述执行主体会将捕获到的直播视频流作为video控件的视频源。从而实现了从后台获取直播视频。

在本实施例的一些可选的实现方式中，在步骤303之后，上述比赛画面的识别方法还包括：将视频控件的尺寸设置为预设尺寸，预设尺寸与画面识别模型接收的输入图像的尺寸相同；从视频控件读取图像数据。

在本实现方式中，由于采用的预训练模型MobileNet是由TensorFlow.js框架提供的预训练模型，并且该预训练模型接收的输入图像尺寸为224px*224px，px(Pixel)像素。所以，将video控件的尺寸也设置为224px*224px，便可直接使用TensorFlow.js提供的API(tf.browser.fromPixels)从video控件中读取到模型所需要的图像数据。从而方便后续对读取的图像数据进行识别推理。

步骤304，加载预训练模型，利用迁移学习方法对预训练模型进行改造。

在本实施例中，上述执行主体会加载预训练模型，利用迁移学习方法对预训练模型进行改造。也即上述执行主体会先加载预训练模型MobileNet，并利用迁移学习方法对预训练模型进行改造，从而得到改造后的预训练模型，改造后的预训练模型可以更好地对获取的直播画面进行分类推理。需要说明的是，迁移学习是一种机器学习方法，就是把为任务A开发的模型作为初始点，重新使用在为任务B开发模型的过程中，也即迁移学习指的是一个预训练的模型被重新用在另一个任务中。

在本实施例的一些可选的实现方式中，步骤304包括：保留预训练模型的特征提取层，在特征提取层后拼接分类层，得到改造后的预训练模型，其中，分类层用于确定直播画面是否为比赛画面。

在本实现方式中，将迁移学***(flatten)，从而得到压平后的、shape为[null，12544]的模型头。之后，在其后面拼接上专用于本实施例中直播画面是否为比赛画面的分类的2层分类层(dense1

以及dense2)，拼接的2层分类层的shape为[null，2]，从而得到改造5后的预训练模型。将迁移学习应用于对预训练模型的改造，提升了模

型的改造效率。

步骤305，对改造后的预训练模型进行训练，得到画面识别模型。

在本实施例中，上述执行主体会对改造后的预训练模型进行训练，

从而得到画面识别模型。需要说明的是，相比于原始预训练模型，改0造后的预训练模型只是最后2层发生了变化，所以，在对改造后的预训练模型进行训练时，只训练这用于分类推理的最后2层即可，从而大大提升了模型训练效率。

在本实施例的一些可选的实现方式中，步骤305包括：获取实时标注数据，其中，实时标注数据为用户实时对直播画面进行标注得到；5响应于确定接收到模型训练请求，利用实时标注数据对改造后的预训

练模型进行训练，得到画面识别模型。

在本实现方式中，为用户提供了2个标注按钮，用户通过video控件观察视频直播是否为比赛画面，同时点击对应的按钮即可完整一帧

图像的标注，上述执行主体会获取用户的实时标注数据。用户在标注0完成后，可以点击“训练”按钮即发送模型训练请求，上述执行主体在接收到用户的模型训练请求时，会利用获取的实时标注数据对改造后的预训练模型进行训练，得到画面识别模型。根据使用经验，比赛画面和非比赛画面各标注20帧即可实现较好的训练效果。为更好地适

应不同比赛的直播画面，本实施例采用在用户本地离线即时标注、即5时训练的方案，从而提升了模型的训练效率。

步骤306，利用画面识别模型对读取的图像数据进行分类推理，基于分类推理结果确定图像数据是否为比赛画面。

在本实施例中，上述执行主体会利用训练完成的画面识别模型对读取的多帧图像数据进行分类推理，并基于多帧图像对应的分类推理结0果确定图像数据是否为比赛画面。

在本实施例的一些可选的实现方式中，步骤306包括：响应于确定连续的预设数目帧图像数据的分类推理结果均为是比赛画面、且分类推理结果的置信度均大于预设阈值，则确定图像数据是比赛画面。

在本实现方式中，若连续的多帧图像数据的分类推理结果均为“是比赛画面”且分类推理结果的置信度均大于预设阈值时，确定图像数据是比赛画面，其中，预设数目帧可以设置为连续10帧，预设阈值可以设置为0.999，当然，还可以根据实际需求对其具体数值进行设置，本实施例对此不做具体限定。从而准确地确定当前画面是否为比赛画面。

步骤307，响应于确定直播画面为比赛画面，生成并显示提醒弹窗。

在本实施例中，上述执行主体会在确定直播画面为比赛画面的情况下，生成并显示提醒弹窗，以提醒用户继续观看直播视频。步骤307与前述实施例的步骤203基本一致，具体实现方式可以参考前述对步骤203的描述，此处不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的比赛画面的识别方法，该方法采用了即时标注数据的方案，能很好地适应因赛事不同、场地不同而不同的直播画面，不会因模型训练集未覆盖类似的画面而导致分类不准确，从而进一步提升了画面识别模型的训练效率以及识别准确度。

继续参考图5，其示出了本公开的比赛画面的识别方法的一个应用场景图。在该应用场景中，用户在浏览器页面观看比赛直播时，若当前直播视频中的比赛已中场休息，用户会将直播视频切换至后台，此时，执行主体会利用PC端视频在后台也会继续播放的特点，在本地捕获正在播放的视频画面。

步骤501，启动Chrome扩展程序。

首先，执行主体会启动Chrome谷歌扩展程序。

步骤502，自动创建标签页，并调用Chrome捕获屏幕的能力。

执行主体会自动创建一个独立的浏览器页面，其中包含一个<video>控件，并调用Chrome浏览器插件提供的屏幕捕获能力，捕获已经切换到后台的直播画面。

步骤503，将捕获的直播画面作为video控件的视频源。

步骤504，加载TensorFlow.js框架和MobileNet预训练模型。

执行主体会加载TensorFlow.js框架提供的预训练模型MobileNet，该预训练模型接收的输入图像尺寸为224x224，基于此，将<video>控件的尺寸也设置为224x224，便可直接使用TensorFlow.js提供的API(tf.browser.fromPixels)从<video>控件中读取到模型所需要的图像数据。

步骤505，应用迁移学习对MobileNet进行改造。

将迁移学习技术应用在预训练模型MobileNet上，删除了MobileNet模型中负责分类的最后6层，保留了MobileNet模型中负责特征提取的前87层，并在其后拼接了2层，这2层专用于本实施例中直播画面是否为比赛画面的分类。

步骤506，基于用户标注的图像训练模型。

之后，为了更好地适应不同比赛的直播画面，本实施例采用在用户本地离线即时标注、即时训练的方案。在这里，为用户提供了2个标注按钮，用户通过<video>控件观察视频直播是否为比赛画面，同时点击对应的按钮即可完整一帧图像的标注。根据使用经验，比赛画面和非比赛画面各标注20帧即可实现较好的训练效果。待标注完成后，用户点击“训练”按钮即可开始训练模型。得益于应用了迁移学习技术，所以，模型中只有拼接上的最后2层需要训练，训练耗时仅为约1分钟，提升了模型的训练效率。

步骤507，使用训练好的模型进行推理。

此外，还提供了按钮用于启动推理，用户点击后，即开始使用上一步训练得到的模型对<video>控件中的直播画面进行推理，推理速度可达每秒数十次，从而满足实时性需要。

步骤508，判断是否超过连续10帧图像的推理结果均为“比赛画面”、且推理结果的置信度大于0.999。

为避免偶发的推理结果中的离群值干扰，于是设置了向用户发出通知的阈值：当有超过连续10帧的分类推理结果都是“比赛画面”且其类别的置信度大于0.999时，执行步骤509；否则再次执行步骤507，也即继续对直播画面进行推理。

步骤509，弹窗提醒用户回到直播。

调用Chrome插件的能力，向用户发出弹窗提醒，提醒用户比赛已经恢复，从而让用户可以及时回到直播收看比赛。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种比赛画面的识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的比赛画面的识别装置600包括：获取模块601、识别模块602和生成模块603。其中，获取模块601，被配置成响应于确定用户将直播视频切换至后台，实时获取直播视频；识别模块602，被配置成利用画面识别模型对直播视频中的直播画面进行识别，确定直播画面是否为比赛画面；生成模块603，被配置成响应于确定直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看直播视频。

在本实施例中，比赛画面的识别装置600中：获取模块601、识别模块602和生成模块603的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，获取模块被进一步配置成：响应于确定用户将直播视频切换至后台，创建浏览器页面，其中，浏览器页面包含视频控件；利用浏览器的插件从后台实时获取直播视频；将直播视频作为视频控件的视频源。

在本实施例的一些可选的实现方式中，上述比赛画面的识别装置600还包括：设置模块，被配置成将视频控件的尺寸设置为预设尺寸，预设尺寸与画面识别模型接收的输入图像的尺寸相同；读取模块，被配置成从视频控件读取图像数据。

在本实施例的一些可选的实现方式中，识别模块包括：加载子模块，被配置成加载预训练模型，利用迁移学习方法对预训练模型进行改造；训练子模块，被配置成对改造后的预训练模型进行训练，得到画面识别模型；推理子模块，被配置成利用画面识别模型对读取的图像数据进行分类推理，基于分类推理结果确定图像数据是否为比赛画面。

在本实施例的一些可选的实现方式中，加载子模块被进一步配置成：保留预训练模型的特征提取层，在特征提取层后拼接分类层，得到改造后的预训练模型，其中，分类层用于确定直播画面是否为比赛画面。

在本实施例的一些可选的实现方式中，训练子模块被进一步配置成：获取实时标注数据，其中，实时标注数据为用户实时对直播画面进行标注得到；响应于确定接收到模型训练请求，利用实时标注数据对改造后的预训练模型进行训练，得到画面识别模型。

在本实施例的一些可选的实现方式中，推理子模块被进一步配置成：响应于确定连续的预设数目帧图像数据的分类推理结果均为是比赛画面、且分类推理结果的置信度均大于预设阈值，则确定图像数据是比赛画面。

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。

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。

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。

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。

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，例如比赛画面的识别方法。例如，在一些实施例中，比赛画面的识别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比赛画面的识别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)而被配置为执行比赛画面的识别方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(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***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***、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***、该至少一个输入装置、和该至少一个输出装置。

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。

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***、装置或设备使用或与指令执行***、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***、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。

为了提供与用户的交互，可以在计算机上实施此处描述的***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。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(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***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***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***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。

计算机***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***的服务器，或者是结合了区块链的服务器。

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。

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。

Claims (17)

1.一种比赛画面的识别方法，包括：

响应于确定用户将直播视频切换至后台，实时获取所述直播视频；

利用画面识别模型对所述直播视频中的直播画面进行识别，确定所述直播画面是否为比赛画面；

响应于确定所述直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看所述直播视频。

2.根据权利要求1所述的方法，其中，所述响应于确定用户将直播视频切换至后台，实时获取所述直播视频，包括：

响应于确定用户将直播视频切换至后台，创建浏览器页面，其中，所述浏览器页面包含视频控件；

利用浏览器的插件从后台实时获取所述直播视频；

将所述直播视频作为所述视频控件的视频源。

3.根据权利要求2所述的方法，还包括：

将所述视频控件的尺寸设置为预设尺寸，所述预设尺寸与所述画面识别模型接收的输入图像的尺寸相同；

从所述视频控件读取图像数据。

4.根据权利要求3所述的方法，其中，所述利用画面识别模型对所述直播视频中的直播画面进行识别，确定所述直播画面是否为比赛画面，包括：

加载预训练模型，利用迁移学习方法对所述预训练模型进行改造；

对改造后的预训练模型进行训练，得到所述画面识别模型；

利用所述画面识别模型对读取的图像数据进行分类推理，基于分类推理结果确定所述图像数据是否为比赛画面。

5.根据权利要求4所述的方法，其中，所述利用迁移学习方法对所述预训练模型进行改造，包括：

保留所述预训练模型的特征提取层，在所述特征提取层后拼接分类层，得到改造后的预训练模型，其中，所述分类层用于确定直播画面是否为比赛画面。

6.根据权利要求4所述的方法，其中，所述对改造后的预训练模型进行训练，得到所述画面识别模型，包括：

获取实时标注数据，其中，所述实时标注数据为用户实时对直播画面进行标注得到；

响应于确定接收到模型训练请求，利用所述实时标注数据对所述改造后的预训练模型进行训练，得到所述画面识别模型。

7.根据权利要求4所述的方法，其中，所述利用所述画面识别模型对读取的图像数据进行分类推理，基于分类推理结果确定所述图像数据是否为比赛画面，包括：

响应于确定连续的预设数目帧图像数据的分类推理结果均为是比赛画面、且分类推理结果的置信度均大于预设阈值，则确定所述图像数据是比赛画面。

8.一种比赛画面的识别装置，包括：

获取模块，被配置成响应于确定用户将直播视频切换至后台，实时获取所述直播视频；

识别模块，被配置成利用画面识别模型对所述直播视频中的直播画面进行识别，确定所述直播画面是否为比赛画面；

生成模块，被配置成响应于确定所述直播画面为比赛画面，生成并显示提醒弹窗，以提醒用户继续观看所述直播视频。

9.根据权利要求8所述的装置，其中，所述获取模块被进一步配置成：

响应于确定用户将直播视频切换至后台，创建浏览器页面，其中，所述浏览器页面包含视频控件；

利用浏览器的插件从后台实时获取所述直播视频；

将所述直播视频作为所述视频控件的视频源。

10.根据权利要求9所述的装置，还包括：

设置模块，被配置成将所述视频控件的尺寸设置为预设尺寸，所述预设尺寸与所述画面识别模型接收的输入图像的尺寸相同；

读取模块，被配置成从所述视频控件读取图像数据。

11.根据权利要求10所述的装置，其中，所述识别模块包括：

加载子模块，被配置成加载预训练模型，利用迁移学习方法对所述预训练模型进行改造；

训练子模块，被配置成对改造后的预训练模型进行训练，得到所述画面识别模型；

推理子模块，被配置成利用所述画面识别模型对读取的图像数据进行分类推理，基于分类推理结果确定所述图像数据是否为比赛画面。

12.根据权利要求11所述的装置，其中，所述加载子模块被进一步配置成：

保留所述预训练模型的特征提取层，在所述特征提取层后拼接分类层，得到改造后的预训练模型，其中，所述分类层用于确定直播画面是否为比赛画面。

13.根据权利要求11所述的装置，其中，所述训练子模块被进一步配置成：

获取实时标注数据，其中，所述实时标注数据为用户实时对直播画面进行标注得到；

响应于确定接收到模型训练请求，利用所述实时标注数据对所述改造后的预训练模型进行训练，得到所述画面识别模型。

14.根据权利要求11所述的装置，其中，所述推理子模块被进一步配置成：

响应于确定连续的预设数目帧图像数据的分类推理结果均为是比赛画面、且分类推理结果的置信度均大于预设阈值，则确定所述图像数据是比赛画面。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

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权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，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权利要求1-7中任一项所述的方法。

Images