斗鱼是如何获取主播绝地求生中存活人数的

最近小编痴迷“吃鸡游戏”（绝地求生），闲暇之余也会去斗鱼直播的绝地求生板块观看视频直播，不经意间发现，斗鱼直播默默的上了一个骚气、无敌、高大上的功能，“实时”展示在线主播在游戏中的存活人数，如下图：

图1

那么问题来了，在绝地求生官方未开放实时的游戏数据查询的情况下，斗鱼是如何获取这些主播的数据的呢？作为喜欢意淫的python爱好者，小编做出以下猜测：斗鱼是通过获取游戏视频截图（斗鱼直播平台拥有所有主播的直播视频），运用数字图像技术和机器学习算法，实现的图像中数字的识别。

为了证实小编这一设想的可行性，在一个月黑风高的晚上，小编决定动手尝试，准备工作如下：

1、小编手动截取了69张在线绝地求生主播的视频截图（1920*1080，无字幕遮挡），其中59张作为训练数据，10张作为测试数据（因为是试探验证，所以没有截取较多的图片）；如下：

图2

2、了解数字图像概念，以及RGB图像的灰度过程、去燥算法；

RGB图像（3维）灰度图像（2维）

3、基于Python的数据清洗、加工、抽取等基本数据分析能力；

4、了解机器学习——分类、有监督学习等知识（本场景是将0-9所有的数字各做为1类）；

写到这里，肯定有很多人已经迫不及待的想继续看，小编到底是怎么实现的了，不卖关子了，大步进入正题！！！

-----------我------是-------一-----条------分------割----线---------

第一步

对图像数据进行降维，在不丢失图像主要特征基础上，将数据从3维数据降到2维，并且定位数字在图像中的位置；

Data_pic

第二步

对数据进行去燥和二值化处理，将灰度值超过0.9（数字主要轮廓特征）重新赋值为1，否者赋值为，并且将两位的数字，进行分割，处理成一位数字，如：99转化成9、9，实现将所有数字的识别问题都可以转变成对0--9这10个数字的识别问题；

第三步

对截取到的所有的数字图像进行特征提取，将上千维的离散特征转换成低维特征，如下图，首先将图片分为四部分，选取1占所在区域的比例作为图片特征；

第四步

训练数据和测试数据准备（其中0,1,2,3,4列表示特征，Y表示目标类）；

第五步

选取机器学习分类算法——KK算法作为训练模型，进行KNN模型训练和预测；（

K近邻模型，也常被叫做K最邻近结点算法。它是直接拿已经标注的数据做模型的一种统计学习方法（即，不需要额外的训练过程）。对于待分类的样本点，在已经标注的数据集合中，找到与目标样本点最近的K个（K通常小于20）点，用K个点的标注类别来投票，得票最多的标注类别即作为目标点的分类结果）

第六步

预测结果准确率：12/20*100%=60%

小编在这里只是一种简单的Demo实现，证明思路的可行性，显然准确率还不能满足真实的应用场景，要想达到工程上线标准，各个步骤都需要进行严谨且大量的优化，如果你有更好的Idea，欢迎联系小编一起学习进步！！！！！