本公开实施例提供一种直播视频处理方法、装置、设备和存储介质。该方法包括：根据采集的当前视频帧和所述当前视频帧对应的深度图像，生成所述当前视频帧对应的目标三维模型；对虚拟对象与所述目标三维模型进行碰撞检测，并渲染碰撞检测结果，其中，所述虚拟对象是在直播过程中所触发的；将渲染结果叠加到所述当前视频帧中，得到合并视频帧，并将所述合并视频帧发送给服务端。该方法能够模拟虚拟对象在真实的直播环境下的运动轨迹，使得直播过程中所触发的互动信息能够与直播视频帧结合紧密，互相融合，从而提高了互动信息与直播视频的结合紧密度。