[发明专利]一种直播方法、装置、存储介质及电子设备

权利要求书

1.一种直播方法，其特征在于，所述方法包括：

基于主播客户端的在线主播的主播信息和/或观众信息生成目标任务；

将目标任务数据发送给主播客户端，所述目标任务数据包括用于指示与用户行为数据及直播内容数据相关的任务；

收集主播客户端和观众客户端的行为数据；

监控与所述目标任务数据相关的目标行为数据；

获取主播客户端发送的直播图像帧；

对所述直播图像帧进行图像识别，获取与所述目标任务数据相关的目标直播内容数据；

根据目标行为数据与目标任务数据的第一匹配度，及目标直播内容数据与目标任务数据的第二匹配度，获得所述主播客户端对目标任务的完成结果。

2.根据权利要求1所述的方法，其特征在于，

所述主播信息包括以下至少任一：主播历史直播信息、主播的人气值、主播完成历史任务的情况、主播的身份信息、主播的被订阅信息、主播的被分享信息、主播的直播时长信息、主播客户端的定位信息及主播客户端开播模式信息；

所述观众信息包括以下至少任一：观众喜好信息、观众观看直播的记录信息、观众的身份信息及观众的性别信息。

3.根据权利要求1所述的方法，其特征在于，获得完成结果之后，包括：

根据所述结果，将目标任务数据对应的资源发放给相应的观众客户端；

所述相应的观众客户端随机生成、或由主播客户端确定、或预先设定。

4.根据权利要求1所述的方法，其特征在于，所述目标行为数据包括主播客户端或观众客户端的用户触发的互动数据、分享直播间的数据、或直播间内的观众登入登出数据。

5.根据权利要求1所述的方法，其特征在于，所述目标直播内容数据包括以下任一：目标关键对象的动作特征数据及角色属性数据；

所述目标关键对象包括主播形象或虚拟角色形象。

6.根据权利要求1所述的方法，其特征在于，对所述直播图像帧进行图像识别，提取出特征信息，包括：

将所述直播图像帧输入神经网络模型，获取所述神经网络模型的输出结果；

根据所述输出结果获取目标直播内容数据；

所述神经网络模型包括以下任一：卷积神经网络模型、深度神经网络模型、深度全卷积神经网络模型、循环神经网络模型、全卷积神经网络模型及深度卷积神经网络模型。

7.根据权利要求1所述的方法，其特征在于，所述目标任务数据还用于指示直播内容数据相关的任务；

所述将目标任务数据发送给主播客户端之后，还包括：

调用其他应用程序的接口，获取与所述目标任务数据相关的目标直播内容数据；

根据目标直播内容数据与目标任务数据的第二匹配度，获得所述主播客户端对与直播内容数据相关的任务的完成结果。

8.一种直播装置，其特征在于，包括：

发送模块，用于基于主播客户端的在线主播的主播信息和/或观众信息生成目标任务；将目标任务数据发送给主播客户端，所述目标任务数据包括用于指示与用户行为数据及直播内容数据相关的任务；

处理模块，用于收集主播客户端和观众客户端的行为数据；监控与所述目标任务数据相关的目标行为数据；获取主播客户端发送的直播图像帧；对所述直播图像帧进行图像识别，获取与所述目标任务数据相关的目标直播内容数据；根据目标行为数据与目标任务数据的第一匹配度，及目标直播内容数据与目标任务数据的第二匹配度，获得所述主播客户端对目标任务的完成结果。