[发明专利]一种直播控制方法及装置

说明书

本文公开了一种直播控制方法及装置，上述直播控制方法包括：根据设定时长的真实直播内容，预测将要发生的直播内容；根据预测得到的直播内容，执行相应的直播控制操作。如此，提高对直播内容的监控效果，实现防患于未然。

技术领域

本发明涉及数据处理技术，尤其涉及一种直播控制方法及装置。

背景技术

目前，网络直播作为一种新的内容传播方式，一方面提升了用户体验和效率，另一方面也给不良内容，如色情、涉政、暴恐等提供了新的传播渠道，不但给互联网平台商、运营商带来巨大的违规风险，也给社会、国家造成巨大的负面影响。由于网络直播过程产生的内容是实时的，若采用人工方式审核直播内容，不仅成本巨大，而且效率低下。另外，在目前的网络直播自动监控方案中，都是基于直播中已经发生的内容进行监控，因此导致监控决策具有滞后性，无法实现防患于未然。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供一种直播控制方法及装置，能够提高对直播内容的监控效果，实现防患于未然。

第一方面，本申请实施例提供一种直播控制方法，包括：

根据设定时长的真实直播内容，预测将要发生的直播内容；

根据预测得到的直播内容，执行相应的直播控制操作。

其中，所述根据设定时长的真实直播内容，预测将要发生的直播内容，可以包括：

从设定时长的真实直播内容中采样得到M帧真实内容；

基于预测网络模型处理所述M帧真实内容，得到N帧预测内容；其中，所述预测网络模型包括一种或多种分辨率下的深度卷积神经网络，N、M均为大于或等于1的整数。

其中，所述基于预测网络模型处理所述M帧真实内容，得到N帧预测内容，可以包括：

按照所述分辨率由小到大的顺序，依次确定任一种分辨率下的深度卷积神经网络的输出内容；其中，分辨率P_i下的深度卷积神经网络的输入内容包括：扩展到分辨率P_i的N帧特征内容、缩放到分辨率P_i的M帧真实内容，所述N帧特征内容是分辨率P_i-1下的深度卷积神经网络的输出内容，其中，分辨率P_i大于分辨率P_i-1，i为大于1的整数；分辨率P₁下的深度卷积神经网络的输入内容包括：缩放到分辨率P₁的M帧真实内容；

根据最大分辨率下的深度卷积神经网络的输出内容，确定N帧预测内容。

其中，所述预测网络模型可以是通过优化第一目标函数训练得到的；所述第一目标函数可以包括以下部分：相似度损失、运动损失以及对抗损失。

其中，一帧真实内容和一帧预测内容之间的运动损失可以通过以下方式确定：

针对一帧真实内容中的任一像素，根据所述像素与相邻真实内容帧中的邻域像素的L1距离，确定所述像素的真实帧间运动信息；

针对一帧预测内容中的任一像素，根据所述像素与相邻预测内容帧中的邻域像素的L1距离，确定所述像素的预测帧间运动信息；

根据全部像素的真实帧间运动信息和预测帧间运动信息之间的L1距离，确定所述运动损失。

其中，所述对抗损失可以通过以下方式确定：

采用对抗网络对所述预测网络模型输出的预测内容进行判别，根据判别结果，确定所述对抗损失；