CN109922352A - 一种数据处理方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本申请提供了一种数据处理方法、装置及电子设备，其中，该方法包括：通过第一直播终端获取目标对象的动作图像；根据所述动作图像，确定所述动作图像对应的动画信息；将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。本申请实施例通过将动作图像转化成对应的动画，以使动画在第二直播终端进行显示，在远程直播授课的过程中，老师跟学生进行互动时不需要再记忆遥控器上的操作按钮，减少了老师的工作量。

Description

一种数据处理方法、装置、电子设备及可读存储介质

技术领域

本申请涉及计算机技术领域，尤其是涉及一种数据处理方法、装置、电子设备及可读存储介质。

背景技术

现有的远程直播授课方式，一般是老师在直播端直播讲课，学生在播放端观看老师讲课。一堂质量良好的远程直播授课，除了有完整的音频和视频直播外，还要有老师与学生的互动。

为了提高远程直播授课的质量，现有的老师与学生的互动方式主要是老师在直播端通过按下专门配置的遥控器，对播放端的学生的表现进行点赞、示错、奖励积分等操作。但是这种互动方式存在需要老师记忆遥控器上的操作按钮的弊端，增加了老师的工作量。

发明内容

有鉴于此，本申请的目的在于提供一种数据处理方法、装置、电子设备及可读存储介质，在与学生进行远程直播互动过程中，减少老师的工作量。

第一方面，本申请实施例提供了一种数据处理方法，包括：

通过第一直播终端获取目标对象的动作图像；

根据所述动作图像，确定所述动作图像对应的动画信息；

将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述动作图像，确定所述动作图像对应的动画信息，包括：

从所述目标对象的动作图像中提取目标前景图像；

根据预存的参考图像和动画信息的对应关系，查找所述目标前景图像所对应的动画信息。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述动作图像，确定所述动作图像对应的动画信息，还包括：

将所述目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定所述动作图像对应的动画信息。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，还包括：

通过第一直播终端获取目标对象的视频和对应的音频；

将所述目标对象的视频和对应的音频发送至第二直播终端，以使所述第二直播终端输出目标对象的视频和对应的音频；

从所述目标对象的视频中提取所述目标对象的动作图像。

结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，

所述动作识别模型的训练过程包括：

采集训练对象的动作图像；

将所述训练对象的动作图像和所述训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对所述动作识别模型进行训练。

第二方面，本申请实施例还提供一种数据处理装置，包括：获取模块、第一确定模块和第一发送模块；

所述获取模块，用于通过第一直播终端获取目标对象的动作图像；

所述第一确定模块，用于根据所述动作图像，确定所述动作图像对应的动画信息；

所述第一发送模块，用于将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。

结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，

还包括：提取模块和查找模块；

所述提取模块，用于从所述目标对象的动作图像中提取目标前景图像；

所述查找模块，用于根据预存的参考图像和动画信息的对应关系，查找所述目标前景图像所对应的动画信息。

结合第二方面，本申请实施例提供了第二方面的第二种可能的实施方式，其中，

还包括：第一输入模块；

所述第一输入模块，用于将所述目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定所述动作图像对应的动画信息。

结合第二方面，本申请实施例提供了第二方面的第三种可能的实施方式，其中，

还包括：子获取模块、第二发送模块和子提取模块；

所述子获取模块，用于通过第一直播终端获取目标对象的视频和对应的音频；

所述第二发送模块，用于将所述目标对象的视频和对应的音频发送至第二直播终端，以使所述第二直播终端输出目标对象的视频和对应的音频；

所述子提取模块，用于从所述目标对象的视频中提取所述目标对象的动作图像。

结合第二方面，本申请实施例提供了第二方面的第四种可能的实施方式，其中，

还包括：采集模块和第二输入模块；

所述采集模块，用于采集训练对象的动作图像；

所述第二输入模块，用于将所述训练对象的动作图像和所述训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对所述动作识别模型进行训练。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述方法中任一种可能的实施方式中的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法中任一种可能的实施方式中的步骤。

本申请实施例提供的一种数据处理方法、装置及电子设备，数据处理方法包括通过第一直播终端获取目标对象的动作图像；根据所述动作图像，确定所述动作图像对应的动画信息；将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。本申请实施例通过将动作图像转化成对应的动画，以使动画在第二直播终端进行显示，在远程直播授课的过程中，老师跟学生进行互动时不需要再记忆遥控器上的操作按钮，减少了老师的工作量。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本申请实施例所提供的一种数据处理方法的应用场景图；

图2示出了本申请实施例所提供的另一种数据处理方法的应用场景图；

图3示出了本申请实施例所提供的一种数据处理方法的流程图；

图4示出了本申请实施例所提供的一种数据处理装置的结构示意图；

图5示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有的远程直播授课方式通常是讲课老师通过大屏幕进行远程直播授课，学生在现实段进行观看学习。一堂质量良好的远程直播授课，除了有完整的音频和视频直播外，还要有老师与学生的互动。

现有的老师与学生的互动方式主要是老师在直播端通过按下专门配置的遥控器，来对课堂学生的表现进行点赞、示错、奖励积分等操作。但遥控器容易丢失，且操作按钮需要记忆，导致老师与学生的交互体验较差。

基于此，本申请实施例提供了一种数据处理方法、装置及电子设备，下面通过实施例进行描述。为便于对本实施例进行理解，首先对本申请实施例所公开的一种数据处理方法进行详细介绍。

本申请实施例提供的一种数据处理方法，涉及第一直播终端、第二直播终端和服务器，可以应用于远程直播授课的场景中，第一直播终端、第二直播终端分别用于进行远程直播授课的老师端以及学生端。在具体实施中，第一直播终端与第二直播终端可以完全相同，用户可以根据具体情况确定老师端和学生端。图1为一种数据处理方法的应用场景图，图1中显示了第一直播终端、第二直播终端和服务器之间的关系。服务器可以根据第一直播终端获取的动作图像，确定出与动作图像对应的动画信息，将动画信息发送至第二直播终端，以使第二直播终端显示与动画信息对应的动画；或者是服务器根据第二直播终端获取的动作图像，确定出与动作图像对应的动画信息，将动画信息发送至第一直播终端，以使第一直播终端显示与动画信息对应的动画。

下面将以服务器为执行主体且第一直播终端为老师端、第二直播终端为学生端具体介绍数据处理方法的过程。

该过程中，老师在第一直播终端前进行远程直播授课，第一直播终端将老师远程直播授课的音频和视频发送给服务器，当学生端的学生与老师进行互动时，例如正确回答老师的问题时，老师可以在第一直播终端前以做动作的方式对学生的表现进行反馈，如图2所示的另一种数据处理方法的应用场景图，老师可以以手势点赞的动作表达对学生的满意，服务器接收到老师远程直播授课的视频后对视频进行处理，学生端将老师的动作以动画的形式显示在第二直播终端的屏幕上。

数据处理方法的具体步骤如图3中的一种数据处理方法的流程图所示：

S301：通过第一直播终端获取目标对象的动作图像。

S302：根据所述动作图像，确定所述动作图像对应的动画信息。

S303：将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。

在步骤S301中，服务器通过第一直播终端获取目标对象的动作图像。第一直播终端可以是设置有摄像头的电脑等能够实现直播功能的设备。第一直播终端可以获取目标对象的视频和对应的音频，第一直播终端将音频和视频发送至服务器之后，服务器可以从目标对象的视频中提取目标对象的动作图像。

具体地可以通过拍照的方式从目标对象的视频中拍摄包含有目标对象的动作图像的照片，还可以在视频从第一直播终端传输至服务器的过程中，服务器将视频进行处理得到图片格式的动作图像。

优选地，可以在视频从第一直播终端传输至服务器的过程中，服务器将视频进行处理得到图片格式的动作图像。在具体实施中，第一直播终端将获取到的视频传输到可以提供高吞吐、低延迟的实时音视频数据传输服务的流媒体服务器上，这里流媒体服务器可以根据使用场景进行用户数据报协议和传输控制协议这两者通信协议之间的切换。流媒体服务器可以将视频发送值向检测服务器，检测服务器将视频按帧转化为图片，然后利用手势识别算法对图片进行分析，然后将分析结果返回给流媒体服务器，具体地这里检测服务器可以将每秒的视频画面转化成30张1080p分组文件格式的图片。

当有多个第一直播终端向服务器发送获取到的视频时，为了均衡服务器的访问压力，可以在服务器之间增加负载均衡服务，负载均衡服务用于提供对第一直播终端透明且高并发的连接需求，将至少一个第一直播终端发送的视频分散到不同的服务器中。

为了进一步均衡服务器之间的访问压力，可以利用链路加速服务，借助内容分发网络的区域覆盖能力，提高第一直播终端访问服务器的成功率，并且可以对静态内容进行缓存，从而减少获取静态内容的耗时，达到均衡服务器之间访问压力的作用。另外，还可以通过信令集群，对大量的通信数据进行传递和处理，控制流媒体服务器的分配和使用。

这里，目标对象可以是第一直播终端前的用户，例如进行远程直播授课的老师。动作图像可以是目标对象的肢体动作或面部表情的图像。例如动作图像可以是进行远程直播授课的老师的手势动作。

在步骤S302中，服务器可以从目标对象的动作图像中确定与动作图像对应的动画信息。

在具体实施中，服务器可以从目标对象的动作图像中提取目标前景图像，例如通过抠图的方式，将目标前景图像从动作图像中抠取出来。

服务器对目标前景图像进行分析，若服务器分析出该目标前景图像与预存的参考图像一致，那么则根据预存的参考图像和动画信息的对应关系，查找出目标前景图像所对应的动画信息。

服务器还可以将目标对象的动作图像输入至预先训练完成的动作识别模型中，以使动作识别模型确定出动作图像对应的动画信息。

优选地，服务器可以将目标对象的动作图像输入至预先训练完成的动作识别模型中，通过动作识别模型确定出动作图像对应的动画信息。具体地，服务器可以利用动作识别模型中的动作识别算法对动作图像进行检测分析，提取动作图像中的动作特征值。

在执行数据处理方法之前，可以先对动作识别模型进行训练。具体地动作识别模型的训练过程可以为：首先采集大量训练对象的动作图像，然后将训练对象的动作图像和训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对动作识别模型进行训练。

也就是将动作图像与对应该动作图像的类型标识输入至未进行训练的动作识别模型中进行训练，使得动作识别模型可以根据输入的动作图像输出该动作图像对应的类型标识。其中，类型标识可以为动作类型标识。在具体实施中，开发人员可以根据动作图像，匹配与其对应的类型标识。例如无手势的动作图像对应的类型标识为0，点赞的动作图像对应的类型标识为1等。

在具体实施中，可以采集大量人的手势动作图像，然后将人的手势动作图像和手势动作图像对应的类型标识输入至神经网络中，以使神经网络可以根据输入的人的手势动作图像，输出该手势动作图像对应的类型标识，具体如，可以输出人的点赞动作图像，输出该点赞动作图像对应的类型标识。

动作识别模型的训练过程具体地可以包括：首先获取训练对象的动作图像，然后将该训练对象的动作图像与多种背景图像进行组合，形成大量动作图像样本，然后将动作图像样本输入至动作识别模型中，动作识别模型可以动作图像样本中的动作特征信息进行提取，输出训练对象的动作图像的动作特征信息，以得到上述训练完成的动作识别模型。在对动作识别模型的训练过程中，可以改变预设动作图像的方向、大小、颜色等特征信息，以提高动作识别模型的检测精度。

例如，可以通过改变动作识别模型中感受野的卷积核的大小，可以完成对不同大小的训练对象的动作图像的检测识别。因为，不同大小感受野的卷积核分别负责与其大小匹配的训练对象的动作图像，从而可以提高动作识别模型检测的精确度。

在对动作识别模型的训练过程中，可以通过多个加权的特征提取通道对动作图像进行特征提取。这里，先将训练对象的动作图像和动作图像中不同位置的权重信息输入至未进行训练的卷积神经网络中，对卷积神经网络进行训练，使得卷积神经网络根据训练对象的动作图像，输出不同位置对应的权重信息。然后，将权重信息与多个特征提取通道进行卷积计算，得到加权后的特征提取通道。

利用加权的特征提取通道对动作图像进行特征提取后，就可以得到动作图像中的动作特征信息。

具体的，针对每张动作图像，都可以有红、绿、蓝三个特征提取通道。不同的特征提取通道可以提取动作图像中不同位置的特征信息。加权后的特征提取通道在提取动作特征信息时，就可以提取出权重较大的动作特征信息。例如，在对卷积神经网络进行训练的过程中，在前景图像的权重比较大，在背景图像的权重比较小，利用加权的特征提取通道对动作图像进行特征提取时，也就突出了前景图像的特征，降低了背景部分的特征，从而提高了服务器对目标前景图像的提取精度，降低误检。

在步骤S303中，服务器将动画信息发送至第二直播终端。当动画信息为控制显示动画的动画指令时，则服务器将动画指令发送至第二直播终端，以使第二直播终端根据动画指令显示动画信息对应的动画。当动画信息为与动作图像对应的动画时，则服务器将数据处理至第二直播终端，第二直播终端接收到动画后显示该动画。

这里优选地，服务器可以将用于控制显示动画的动画指令发送至第二直播终端。

下面将以手势动作图像为优选的实施例，详述数据处理方法。

步骤1：老师端获取课堂视频；

步骤2：老师端将获取到的课堂视频传输到流媒体服务器上；

步骤3：流媒体服务器将课堂视频发送至检测服务器；

步骤4：检测服务器将课堂视频视频按帧转化为30张1080p分组文件格式的图片；

步骤5：检测服务器利用手势识别算法识别图片中是否包含手势动作；

步骤6：如果检测服务器识别到某张图片内包含手势动作，则开始提取该手势动作的特征信息；

步骤7：检测服务器判断该手势动作的特征信息是否与预存的参考手势动作的特征信息是否相同，若该手势动作的特征信息与预存的参考手势动作的特征信息相同，则可以确定出该手势动作为何种手势；

步骤8：检测服务器将识别结果返回给流媒体服务器；

步骤9：流媒体服务器根据该手势动作的特征信息生成对应的类型标识；

步骤10：流媒体服务器根据类型标识调取对应的动画指令；

步骤11：流媒体服务器调取到类型标识对应的动画指令后将该动画指令发送给百家云服务器；

步骤12：服务器转发该动画指令至学生端。

在步骤10中，流媒体服务器可以根据类型标识0调取无手势的动画指令，根据类型标识1调取点赞的动画指令，根据类型标识2调取踩的动画指令，根据类型标识3调取送金币的动画指令。

学生端收到动画指令后立即播放与该手势动作对应的手势动画，也就是学生端的画面出现相应动画。

在利用手势识别算法对手势动作进行识别时，可以设定手势动作的特征信息的阈值，动作识别模型对手势动作的特征信息进行评分，并将该评分与设定的阈值进行对比，如果该评分大于阈值时，则可以判断出该手势动作的特征信息与预存的参考手势动作的特征信息相同，也就是表示识别该手势动作成功，反之失败。

在对手势动作进行手势识别时，可以是在云端进行手势识别，也可以是在本地进行手势识别。

基于相同的技术构思，本申请实施例还提供一种数据处理装置、电子设备、以及计算机存储介质等，具体可参见以下实施例。

如图4所示，为本申请实施例提供的一种数据处理装置400结构示意图，数据处理装置400包括：获取模块401、第一确定模块402和发送模块403；

获取模块401，用于通过第一直播终端获取目标对象的动作图像；

第一确定模块402，用于根据目标对象的动作图像，确定动作图像对应的动画信息；

第一发送模块403，用于将动画信息发送至第二直播终端，以使第二直播终端显示动画信息对应的动画。

数据处理装置400还包括：提取模块和查找模块；

提取模块，用于从目标对象的动作图像中提取目标前景图像；

查找模块，用于根据预存的参考图像和动画信息的对应关系，查找目标前景图像所对应的动画信息。

数据处理装置400还包括：第一输入模块；

第一输入模块，用于将所述目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定所述动作图像对应的动画信息。

数据处理装置400还包括：子获取模块、第二发送模块和子提取模块；

子获取模块，用于通过第一直播终端获取目标对象的视频和对应的音频；

第二发送模块，用于将所述目标对象的视频和对应的音频发送至第二直播终端，以使所述第二直播终端输出目标对象的视频和对应的音频；

子提取模块，用于从所述目标对象的视频中提取所述目标对象的动作图像。

数据处理装置400还包括：采集模块和第二输入模块；

采集模块，用于采集训练对象的动作图像；

第二输入模块，用于将所述训练对象的动作图像和所述训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对所述动作识别模型进行训练。

如图5所示，为本申请实施例所提供的一种电子设备500的结构示意图，该电子设备500包括：至少一个处理器501，至少一个网络接口504和至少一个用户接口503，存储器505，至少一个通信总线502。通信总线502用于实现这些组件之间的连接通信。用户接口503，包括显示器(例如，触摸屏)、键盘或者点击设备(例如，触感板或者触摸屏等)。

存储器505可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器505的一部分还可以包括非易失性随机存取存储器(NVRAM)。

在一些实施方式中，存储器505存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：

操作系统5051，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；

应用程序模块5052，包含各种应用程序，用于实现各种应用业务。

在本申请实施例中，通过调用存储器505存储的程序或指令，处理器501用于：

通过第一直播终端获取目标对象的动作图像；

根据目标对象的动作图像，确定动作图像对应的动画信息；

将动画信息发送至第二直播终端，以使第二直播终端显示动画信息对应的动画。

进一步地，处理器501还用于：从目标对象的动作图像中提取目标前景图像；

根据预存的参考图像和动画信息的对应关系，查找目标前景图像所对应的动画信息。

进一步地，处理器501还用于：将目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定动作图像对应的动画信息。

进一步地，处理器501还用于：通过第一直播终端获取目标对象的视频和对应的音频；

将目标对象的视频和对应的音频发送至第二直播终端，以使第二直播终端输出目标对象的视频和对应的音频；

从目标对象的视频中提取目标对象的动作图像。

进一步地，处理器501还用于：获取目标对象的动作图像中的权重信息；

将权重信息对应的前景图像作为目标前景图像进行提取。

进一步地，处理器501还用于：采集训练对象的动作图像；

将所述训练对象的动作图像和所述训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对所述动作识别模型进行训练。

本申请实施例所提供的进行数据处理方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

通过第一直播终端获取目标对象的动作图像；

根据所述动作图像，确定所述动作图像对应的动画信息；

将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。

2.根据权利要求1所述的方法，其特征在于，所述根据所述动作图像，确定所述动作图像对应的动画信息，包括：

从所述目标对象的动作图像中提取目标前景图像；

根据预存的参考图像和动画信息的对应关系，查找所述目标前景图像所对应的动画信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述动作图像，确定所述动作图像对应的动画信息，还包括：

将所述目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定所述动作图像对应的动画信息。

4.根据权利要求1所述的方法，其特征在于，还包括：

通过第一直播终端获取目标对象的视频和对应的音频；

将所述目标对象的视频和对应的音频发送至第二直播终端，以使所述第二直播终端输出目标对象的视频和对应的音频；

从所述目标对象的视频中提取所述目标对象的动作图像。

5.根据权利要求3所述的方法，其特征在于，所述动作识别模型的训练过程包括：

采集训练对象的动作图像；

将所述训练对象的动作图像和所述训练对象的动作图像的类型标识输入到未进行训练的动作识别模型中，以对所述动作识别模型进行训练。

6.一种数据处理装置，其特征在于，包括：获取模块、第一确定模块和第一发送模块；

所述获取模块，用于通过第一直播终端获取目标对象的动作图像；

所述第一确定模块，用于根据所述动作图像，确定所述动作图像对应的动画信息；

所述第一发送模块，用于将所述动画信息发送至第二直播终端，以使所述第二直播终端显示所述动画信息对应的动画。

7.根据权利要求6所述的装置，其特征在于，还包括：提取模块和查找模块；

所述提取模块，用于从所述目标对象的动作图像中提取目标前景图像；

所述查找模块，用于根据预存的参考图像和动画信息的对应关系，查找所述目标前景图像所对应的动画信息。

8.根据权利要求6所述的装置，其特征在于，还包括：第一输入模块；

所述第一输入模块，用于将所述目标对象的动作图像输入至预先训练完成的动作识别模型中，以确定所述动作图像对应的动画信息。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的数据处理方法的步骤。