(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210355749.2 (22)申请日 2022.04.06 (71)申请人 OPPO广东移动通信有限公司 地址 523860 广东省东莞 市长安镇乌沙海 滨路18号 (72)发明人 黄文涛　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 姚泽鑫 (51)Int.Cl. G06F 9/50(2006.01) G06T 1/20(2006.01) (54)发明名称 卡顿预测方法、 装置、 终端设备及计算机可 读存储介质 (57)摘要 本申请适用于计算机技术领域， 提供了一种 卡顿预测方法、 装置、 终端设备及计算机可读存 储介质。 上述方法通过 获取终端设备在第一时间 段内的运算能力参数和第二时间段内的渲染运 算量； 其中， 第一时间段和第二时间段连续； 通过 已训练的卡顿预测模型根据第一时间段内的运 算能力参数和渲染运算量， 获取终端设备在第二 时间段内的预测渲染时间， 可以提前预测终端设 备在第二时间段是否会出现卡顿， 且在预测到第 二时间段会 出现卡顿时， 根据预测渲染时间可以 准确预测具体的卡顿时长， 使终端设备可以根据 具体的卡顿时长提前作出响应， 以避免卡顿现象 发生， 提高了终端设备面对即将发生的卡顿的处 理灵活性。 权利要求书2页 说明书12页 附图6页 CN 114741192 A 2022.07.12 CN 114741192 A 1.一种卡顿 预测方法， 其特 征在于， 应用于终端设备， 所述方法包括： 获取所述终端设备在第 一时间段内的运算 能力参数和第 二时间段内的渲染运算量； 其 中， 所述第一时间段和所述第二时间段 连续； 通过已训练的卡顿预测模型根据所述第一时间段内的运算能力参数和所述渲染运算 量， 获取所述终端设备在所述第二时间段内的预测渲染时间。 2.如权利要求1所述的卡顿预测方法， 其特征在于， 所述通过已训练的卡顿预测模型根 据所述第一时间段内的运算能力参数和所述渲染运算量， 获取所述 终端设备在所述第二时 间段内的预测渲染时间之前， 还 包括： 根据训练任务执行渲染操作， 获取第一训练信息， 以构建至少一种待训练的卡顿预测 模型； 其中， 所述第一训练信息包括所述终端设备的硬件信息、 第一运算能力参数、 第一渲 染运算量及第一 渲染时间； 根据训练任务执行渲染操作， 获取第二训练信息， 以对所述至少一种待训练的卡顿预 测模型进 行训练； 其中， 所述第二训练信息包括第二运算能力参数、 第二渲 染运算量及第二 渲染时间； 获取所述至少一种 待训练的卡顿预测模型的综合性 能评分， 筛选得到已训练 的卡顿预 测模型。 3.如权利要求2所述的卡顿预测方法， 其特征在于， 所述根据训练任务执行渲染操作， 获取第一训练信息， 以构建至少一种待训练的卡顿 预测模型， 包括： 根据第一训练任务执行渲染操作， 以获取所述终端设备的硬件信息、 第一运算能力参 数、 第一渲染运算量及第一 渲染时间； 以所述终端设备的硬件信息、 第一运算能力参数及第一渲染运算量作为自变量， 以所 述第一渲 染时间作为因变量， 采用至少一种机器学习模型构建至少一种待训练的卡顿预测 模型； 其中， 一种机器学习模型用于构建一种待训练的卡顿 预测模型。 4.如权利要求2所述的卡顿预测方法， 其特征在于， 所述根据训练任务执行渲染操作， 获取第二训练信息， 以对所述至少一种待训练的卡顿 预测模型进行训练， 包括： 根据第二训练任务执行渲染操作， 以获取所述终端设备的第二运算能力参数、 第二渲 染运算量及第二 渲染时间； 对于每一所述待训练 的卡顿预测模型， 通过所述待训练 的卡顿预测模型根据 所述第二 运算能力参数和所述第二 渲染运算量， 获取预测渲染时间； 根据所述预测渲染时间和所述第二 渲染时间构建损失函数； 根据所述损失函数优化所述待训练的卡顿 预测模型。 5.如权利要求2所述的卡顿预测方法， 其特征在于， 所述获取所述至少一种 待训练的卡 顿预测模型的综合 性能评分， 筛 选得到已训练的卡顿 预测模型， 包括： 对于每一所述待训练 的卡顿预测模型， 在所述待训练的卡顿预测模型的优化 次数达到 预设优化次数后， 获取最近k次优化后的预测渲染时间； 根据所述第二渲染时间和所述最近k次优化后的预测渲染时间， 获取所述待训练的卡 顿预测模型的综合 性能评分； 根据每种待训练的卡顿 预测模型的综合 性能评分， 筛 选得到已训练的卡顿 预测模型； 其中， k为正整数。权　利　要　求　书 1/2 页 2 CN 114741192 A 26.如权利要求5所述的卡顿预测方法， 其特征在于， 所述根据所述第 二渲染时间和所述 最近k次优化后的预测渲染时间， 获取 所述待训练的卡顿 预测模型的综合 性能评分， 包括： 根据所述最近k次优化后的预测渲染时间和第二渲染时间， 获取所述待训练的卡顿预 测模型的稳定性能评分和准确性能评分； 根据所述待训练 的卡顿预测模型的稳定性 能评分和准确性 能评分， 计算所述待训练 的 卡顿预测模型的综合 性能评分。 7.如权利要求1至6任一项所述的卡顿预测方法， 其特征在于， 所述通过已训练的卡顿 预测模型根据所述第一时间段内的运算能力参数和所述渲染运算量， 获取所述终端设备在 所述第二时间段内的预测渲染时间之后， 还 包括： 根据所述第 二时间段内每一帧的预测渲染时间， 获取所述第 二时间段内的帧率稳定评 分； 在所述帧率稳定评分小于第一预设稳定评分或者所述预测渲染时间大于第一预设时 间时， 调整所述 运算能力参数， 以提高所述终端设备在所述第二时间段内的运 算能力。 8.一种卡顿 预测装置， 其特 征在于， 包括： 采集模块， 用于获取终端设备在第 一时间段内的运算能力参数和第 二时间段内的渲染 运算量； 其中， 所述第一时间段和所述第二时间段 连续； 预测模块， 用于通过已训练 的卡顿预测模型根据 所述第一时间段内的运算能力参数和 所述渲染运算量， 获取所述终端设备在所述第二时间段内的预测渲染时间。 9.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 任一项所述的卡顿 预测方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求1至7任一项所述卡顿预测方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114741192 A 3