CN112416276B - 一种显示画面解析装置、系统及方法 - Google Patents

Abstract

本申请属于画面数据处理领域，公开了一种显示画面解析装置、系统及方法，其中，装置包括：输入接口，接收接收卡发来的画面驱动信号；画面重构模块，对接收的画面驱动信号进行采样解析，解析成局部显示画面，对局部显示画面进行重组，形成完整的采集画面；画面解析模块，对接收到的完整的采集画面进行解析，确定完整的采集画面中是否含有不良信息，若含有不良信息，则生成拦截指令，否则生成透传指令；拦截开关，若接收到拦截指令，则将输入接口传送的画面驱动信号拦截，若接收到透传指令，则将画面驱动信号透传；输出接口，接收画面驱动信号并输出。这样，本方案提出的画面重构方案能够适应各种型号的显示屏幕，将含有不良信息的画面进行拦截。

Description

一种显示画面解析装置、系统及方法

技术领域

本申请涉及画面数据处理技术领域，特别是涉及一种显示画面解析装置、系统及方法。

背景技术

由于网络信息越来越发达，一些恶意分子往往想要通过网络传播一些不良信息。这些不良视频往往会影响用户的使用。

目前，针对这些不良视频一般都是通过后端的服务器进行识别拦截，然而针对一些经过处理之后的不良视频后端服务器无法识别，就会通过显示屏呈现给用户，给用户造成极大的困扰。

因此，如何能够在不良视频呈现在显示屏幕之前，对不良视频进行拦截成为目前亟待解决的技术问题。

发明内容

有鉴于此，本申请提供了一种显示画面解析装置、系统及方法。主要目的在于解决如何能够在不良视频呈现在显示屏幕之前，对不良视频进行拦截的技术问题。

依据本申请的第一方面，提供了一种显示画面解析装置，包括：

输入接口，与至少一个接收卡相连，用于接收所述接收卡发来的画面驱动信号，其中，所述接收卡将终端设备输出的画面信息转换成对应的画面驱动信号；

画面重构模块，与所述输入接口相连，用于接收画面驱动信号，对画面驱动信号进行采样解析，解析成局部显示画面，对所述局部显示画面进行重组，形成完整的采集画面；

画面解析模块，与所述画面重构模块直接相连或者通过外接口相连，用于对接收到的完整的采集画面进行解析，确定所述完整的采集画面中是否含有不良信息，若含有不良信息，则生成拦截指令，否则生成透传指令；

拦截开关，分别与所述输入接口、所述画面解析模块和输出接口相连，用于若接收到拦截指令，则将输入接口通过拦截开关传送至输出接口的所述画面驱动信号拦截，若接收到透传指令，则将输入接口通过拦截开关传送至输出接口的所述画面驱动信号透传；

输出接口，与所述拦截开关相连，用于接收所述拦截开关发来的画面驱动信号并输出。

进一步地，所述画面解析模块包括：

画面数据缓存单元，与所述画面重构模块连接，用于对接收到的完整的采集画面缓存；

不良信息识别单元，与所述画面数据缓存单元连接，用于将获取到的所述完整的采集画面输入至识别模型进行解析，确定所述完整的采集画面中是否含有不良信息，得到对应的解析结果，其中，所述识别模型是利用神经网络对标记的批量样本画面数据经过学习训练得到的；

拦截控制单元，与所述不良信息识别单元相连，用于接收解析结果，若所述解析结果为含有不良信息，则生成拦截指令，否则生成透传指令。

进一步地，所述画面解析模块还包括：过滤使能单元，与所述拦截控制单元相连，若接收到启用过滤指令，则控制所述拦截控制单元根据解析结果生成的拦截指令或透传指令，若接收到停用过滤指令，则控制所述拦截控制单元直接生成透传指令。

进一步地，所述拦截控制单元包括：

拦截算法单元，与所述不良信息识别单元相连，用于接收解析结果，若所述解析结果为含有不良信息，则不良事件次数加1，当所述不良事件次数连续累计超过第一阈值，生成拦截指令；若所述解析结果为正常信息，则对不良事件次数清零，同时正常事件次数加1，当所述正常事件次数连续累计超过第二阈值，生成透传指令；

指令转换单元，一端与所述拦截算法单元相连，另一端与所述拦截开关相连，用于对接收到的拦截指令或透传指令转换成电平信号，将电平信号发送至所述拦截开关。

进一步地，所述拦截算法单元，还用于在生成拦截指令后记录拦截时间，若所述正常事件次数连续累计超过第二阈值，且所述拦截时间大于等于最短关断时间，则生成透传指令。

进一步地，所述不良信息识别单元包括：

图像处理单元，与所述画面数据缓存单元相连，用于对获取到的所述完整的采集画面进行过滤处理，得到过滤后的画面；

特征提取单元，与所述图像处理单元相连，用于接收所述过滤后的画面，从所述过滤后的画面中提取至少一个特征区域；

神经网络识别单元，与所述特征提取单元相连，用于接收至少一个特征区域，并将至少一个特征区域输入至识别模型中进行识别解析，确定所述特征区域中是否含有不良信息，并输出解析结果。

进一步地，所述神经网络识别单元在对特征区域进行识别解析之前，还用于：

预先构建神经网络模型，将标记的样本画面数据输入至神经网络模型中进行处理，若处理结果与对应标记不匹配，则根据处理结果对神经网络模型的参数进行调整，直到处理结果与对应标记匹配为止，完成一次学习训练；

当所有样本画面数据全部学习训练完成后，将得到的神经网络模型作为识别模型。

进一步地，所述画面解析模块包括：融合CPU处理技术和GPU处理技术的处理器、或者FPGA可编程逻辑器件。

依据本申请的第二方面，提供了一种显示画面解析系统，包括：视频接收终端、至少一个接收卡、上述第一方面所述的显示画面解析装置、以及显示屏幕，所述视频接收终端、所述至少一个接收卡、所述显示画面解析装置和显示屏幕依次连接。

依据本申请的第三方面，提供了一种显示画面重构方法，步骤包括：

接收至少一个接收卡发来的画面驱动信号，其中，所述接收卡将终端设备输出的画面信息转换成对应的画面驱动信号；

对画面驱动信号进行采样解析，解析成局部显示画面，对所述局部显示画面进行重组，形成完整的采集画面；

对所述完整的采集画面进行解析，确定所述完整的采集画面中是否含有不良信息，得到对应的解析结果；

若解析结果为含有不良信息，则对从所述接收卡接收的所述画面驱动信号拦截，若解析结果为正常信息，则对从所述接收卡接收的所述画面驱动信号透传输出。

借由上述技术方案，本申请提供的一种显示画面解析装置、系统及方法，终端设备输出的画面信息需要通过接收卡对画面信息进行编码，形成画面驱动信号，通过输入接口发送至画面重构模块中，对画面驱动信号进行采样解析，解析成至少一个局部显示画面，对至少一个局部显示画面进行重组，形成完整的采集画面，然后利用画面解析模块对该完成的显示画面进行解析，确定其中是否含有不良信息，并将解析结果发送至拦截控制模块，若解析结果为含有不良信息，则对画面驱动信号拦截，否则，对画面驱动信号透传输出。本方案提出的画面重构方案，通过对视频底层驱动通用的08/12/75接口的时序恢复和解析，重构画面，因此能够适应各种型号的显示屏幕，不用解析任何厂家的终端设备自定义的传输协议，并且还能对重构出的画面进行识别，进而及时将含有不良信息的画面进行拦截，避免不良画面对用户造成困扰，影响用户的正常使用。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请的一个实施例的显示画面解析装置的结构框图；

图2为本申请的另一个实施例的显示画面解析装置的结构框图；

图3为本申请的拦截控制单元的结构框图；

图4为本申请的一个实施例的显示画面解析系统的结构示意图；

图5为本申请的另一个实施例的显示画面解析系统的结构示意图；

图6为本申请的一个实施例的显示画面解析方法的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1

本实施例的显示画面解析装置，包括：输入接口1，与至少一个接收卡相连，用于接收接收卡发来的画面驱动信号，其中，接收卡将终端设备输出的画面信息转换成对应的画面驱动信号；画面重构模块2，与输入接口1相连，用于接收画面驱动信号，对画面驱动信号进行采样解析，解析成局部显示画面，对局部显示画面进行重组，形成完整的采集画面；画面解析模块3，与画面重构模块2直接相连或者通过外接口相连，用于对接收到的完整的采集画面进行解析，确定完整的采集画面中是否含有不良信息，若含有不良信息，则生成拦截指令，否则生成透传指令；拦截开关4，分别与输入接口1、画面解析模块3和输出接口5相连，用于若接收到拦截指令，则将输入接口1通过拦截开关传送至输出接口5的画面驱动信号拦截，若接收到透传指令，则将输入接口1通过拦截开关传送至输出接口5的画面驱动信号透传；输出接口5，与拦截开关4相连，用于接收拦截开关4发来的画面驱动信号并输出。

在上述方案中，将显示画面解析装置应用到显示屏幕的驱动接口处，该驱动接口的协议是08/12/75等驱动接口协议之一。与接收卡进行连接，对接收卡发来的画面驱动信号进行采样解析后，进行重组。无论是一个接收卡或是多个接收卡，只需要对每一路接收卡输出的画面驱动信号进行解析，得到显示画面后，再进行拼图或图像融合处理，即可重构出完整的采集画面。其中，上述画面是指视频画面或者图片画面。

另外，输入接口1通过一个输入驱动模块与画面重构模块2相连，该输入驱动模块对画面驱动信号进行电气标准与接口协议的转换，以逻辑适配画面重构模块2的电气标准与接口协议。输出接口5通过一个输出驱动模块与拦截控制模块相连，该输出驱动模块，对拦截控制模块输出的画面驱动信号进行电气标准与接口协议的转换，以逻辑适配输出接口5传输的信号的电气标准与接口协议。

画面重构模块2包括：依次连接的预处理单元、解析单元和重组单元，其中，预处理单元与输入接口1相连，重组单元与输出接口5相连；预处理单元，用于对输入接口1发来的画面驱动信号进行预处理，完成画面驱动信号的采样记录得到采样记录数据，其中，每个接收卡输出的画面驱动信号对应显示屏幕的局部画面；解析单元，用于接收预处理单元发来的至少一个采样记录数据，对采样记录数据进行数据转换，形成至少一个局部显示画面；重组单元，用于接收解析单元发来的至少一个局部显示画面，对至少一个局部显示画面进行组合形成完整的采集画面。

预处理单元包括：缓存单元和采样单元，缓存单元设置在输入接口1和采样单元之间，采样单元与解析单元相连；缓存单元，用于接收输入接口1发来的画面驱动信号，对画面驱动信号进行数据位缓存；采样单元，用于获取缓存单元的数据位缓存，并对数据位缓存进行预处理，形成对应的采样记录数据。

采样单元具体用于：获取缓存单元的数据位缓存，并依据预先配置的接口驱动特征参数，对数据位缓存进行采样记录，形成采样记录数据。

在具体实施例中，解析单元具体用于：接收采样单元发来的采样记录数据，提取采样记录数据中的时序信号数据，对时序信号数据进行数据解析，形成对应的局部显示画面，并依据预先配置的接口与局部显示画面位置对应的关系参数，在局部显示画面属性中标明对应的横向、纵向位置。

在具体实施例中，重组单元，具体用于：接收解析单元发来的至少一个局部显示画面，提取局部显示画面属性中的横向、纵向位置；根据横向、纵向位置对局部显示画面进行位置排列，将至少一个局部显示画面重组成一个完整的采集画面。

在具体实施例中，画面重构模块2为融合CPU处理技术和FPGA处理技术的视频处理器。

在上述方案中，CPU，即，central processing unit，中央处理器，FPGA，即，FieldProgrammable Gate Array，现场可编程逻辑门阵列。本申请的视频处理器采用可编程加速卡基于Arria 10 GT FPGA，把CPU中原来要处理的函数放到FPGA中来跑，也就是把原来软件要做的事情，给FPGA来做，可以灵活地做微调，按照用户应用的需求调到功耗最低，速度最快。CPU+FPGA的视频处理器结合了软件的能力和CPU的能力，可以使得更多的工作的负荷通过从CPU上卸下来放到这个FPGA上面，从而使得整个的网络可以处理更多的工作量，可以提供更高的性能、更高的效率和更低的总成本，同时可优化它的CPU的缓存。

在具体实施例中，还包括：与画面重构模块2连接的配置接口、RAM存储模块和Flash存储模块；配置接口，用于接收画面重构模块执行画面重构程序时，对应的视频接口配置参数信息；RAM存储模块，用于在对画面重构模块2或画面解析模块3中的程序执行时形成的运行数据进行缓存；Flash存储模块，用于对画面重构模块2或画面解析模块3执行的程序所需的固件数据和配置数据，进行存储。

其中，RAM存储模块的全称为：Random Access Memory，随机存取存储器。Flash存储模块（Flash Memory，Flash存储器），是一种非易失性（Non-Volatile）内存。

如图1所示，在显示画面解析装置上还设有电源模块，该电源模块进行DC-DC变换，为所有需要用电的模块或者电学部件进行内部供电提供直流电源。另外还设有供电接口，该供电接口与所有需要用电的模块或者电学部件连接，可以通过该供电接口接通外部电源进行供电。

其中，画面解析模块3可以设置在显示画面解析装置内部，如图1所示，也可以设置在显示画面解析装置外部通过外接口相连，如图2所示，并且外接口将画面解析模块3得到的拦截指令或者透传指令传送给拦截开关4。进而通过拦截开关4根据指令对画面驱动信息进行拦截或透传。

本方案提出的画面重构方案，通过对视频底层驱动通用的08/12/75接口的时序恢复和解析，重构画面，因此能够适应各种型号的显示屏幕，不用解析任何厂家的终端设备自定义的传输协议，并且还能对重构出的画面进行识别，进而及时将含有不良信息的画面进行拦截，避免不良画面对用户造成困扰，影响用户的正常使用。

在具体实施例中，画面解析模块3包括：画面数据缓存单元31，与画面重构模块2连接，用于对接收到的完整的采集画面缓存；不良信息识别单元32，与画面数据缓存单元31连接，用于将获取到的完整的采集画面输入至识别模型进行解析，确定完整的采集画面中是否含有不良信息，得到对应的解析结果，其中，识别模型是利用神经网络对标记的批量样本画面数据经过学习训练得到的；拦截控制单元33，与所述不良信息识别单元32相连，用于接收解析结果，若所述解析结果为含有不良信息，则生成拦截指令，否则生成透传指令。

在上述方案中，画面数据缓存单元31能够对画面重构模块2发来的完整的采集画面进行缓存，并周期提取其中的画面数据发送至不良信息识别单元32中进行识别。不良信息识别单元32中预先加入经过神经网络学习训练得到的识别模型，这样就可以利用识别模型进行不良信息识别。

通过上述方案，利用神经网络进行深度学习训练，得到的识别模型进行不良信息识别，识别精度能够得到有效的提高，并且该识别模型还能继续进行学习，进而在不断识别过程中，提高识别精度。

在具体实施例中，画面解析模块3还包括：过滤使能单元34，与所述拦截控制单元33相连，若接收到启用过滤指令，则控制所述拦截控制单元33根据解析结果生成的拦截指令或透传指令，若接收到停用过滤指令，则控制所述拦截控制单元33直接生成透传指令。

通过上述方案，能够将不良的画面驱动信号及时进行拦截，另外，如果用户想要关闭不良信息识别功能，可以向过滤使能单元34发送停用过滤指令，这样无论画面中是否包含不良信息，拦截控制单元33都会生成透传指令，对画面驱动信号透传，进而方便用户使用。

在具体实施例中，如图3所示：拦截控制单元33包括：拦截算法单元331，与不良信息识别单元32相连，用于接收解析结果，若解析结果为含有不良信息，则不良事件次数加1，当不良事件次数连续累计超过第一阈值（例如，3次），生成拦截指令；若解析结果为正常信息，则对不良事件次数清零，同时正常事件次数加1，当正常事件次数连续累计超过第二阈值（例如，5次），生成透传指令；指令转换单元332，一端与拦截算法单元331相连，另一端与拦截开关4相连，用于对接收到的拦截指令或透传指令转换成电平信号，将电平信号发送至拦截开关4。

在上述方案中，为了避免出现错误拦截的情况，可以通过累计不良事件次数以及正常事件次数的方式，对其进行拦截或透传，这样能够提高拦截的准确度。

其中，拦截开关4对应的电平信号可以为：高电平对应拦截开关4闭合，低电平对应拦截开关4打开，或者高电平对应拦截开关4打开，低电平对应拦截开关4闭合。

在具体实施例中，拦截算法单元331，还用于在生成拦截指令后记录拦截时间，若正常事件次数连续累计超过第二阈值（例如，5s），且拦截时间大于等于最短关断时间，则生成透传指令。

在上述方案中，设置最短关断时间，保证关断时间大于一定值，防止出现拦截开关4不停反复的现象。其中，最短关断时间可以根据不良事件的次数进行设定，可以与不良事件的次数保持线性比例。具体比例数值，可根据实际需要进行设定。

在具体实施例中，不良信息识别单元32包括：图像处理单元，与画面数据缓存单元31相连，用于对获取到的完整的采集画面进行过滤处理，得到过滤后的画面；特征提取单元，与图像处理单元相连，用于接收过滤后的画面，从过滤后的画面中提取至少一个特征区域；神经网络识别单元，与特征提取单元相连，用于接收至少一个特征区域，并将至少一个特征区域输入至识别模型中进行识别解析，确定特征区域中是否含有不良信息，并输出解析结果。

在上述方案中，过滤处理包括：对背景过滤、对环境信息（例如，树木、房屋）过滤等。这样得到的过滤后的画面中就会包含一个或多个实物图像，然后通过形状分析、数学形态学、特性过滤寻找出过滤后的画面中包含关键信息的区域和内容，即至少一个特征区域。再将这些特征区域输入至识别模型中进行识别解析，识别模型是利用深度学习算法进行后续分析。深度学习模型具有优异的特征学习能力，它模仿人脑的机制来解释数据，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类。得到的解析结果为该特征区域属于的类别（包括，不良类或正常类），如果解析结果属于不良类证明该特征区域中包含不良信息，如果解析结果属于正常类证明该特征区域正常信息。

识别模型可以是由一个或多个神经网络经过大量的样本画面进行学习训练得到的，并且该训练完成的一个或多个神经网络还可以与一些简单的线性函数或者曲线函数进行结合，来提高识别解析的准确度。

在具体实施例中，神经网络识别单元在对特征区域进行识别解析之前，还用于：预先构建神经网络模型，将标记的样本画面数据输入至神经网络模型中进行处理，若处理结果与对应标记不匹配，则根据处理结果对神经网络模型的参数进行调整，直到处理结果与对应标记匹配为止，完成一次学习训练；当所有样本画面数据全部学习训练完成后，将得到的神经网络模型作为识别模型。

在上述方案中，构建具有多隐层的神经网络模型，并通过收集海量的不良内容训练图片（即标记的样本画面）对神经网络模型进行训练优化，训练过程中不断对神经网络模型中各个隐层的特征参数进行调整优化，在训练的过程中不断提高神经网络模型的识别精度，从而最终提升神经网络模型的分类或预测的准确性。当所有样本训练完成后得到的神经网络模型作为识别模型。如果想要进一步提高该识别模型的识别精度，则获取补充训练素材，对该识别模型进行继续训练。

在具体实施例中，画面解析模块3包括：融合CPU处理技术和GPU处理技术的处理器、或者FPGA可编程逻辑器件。

在上述方案中，深度学习对计算量有很高的要求，计算量一方面表现对机器学习模型进行海量的不良内容训练上；另一方面表现为机器学习模型在应用中对具体的图片数据进行分析上。在训练中，通过在画面解析模块3中在CPU处理器的基础上配置高性能计算机GPU处理器，利用GPU的并行运算能力，加快模型训练的速度。例如，在具体应用中，根据产品的安装运行环境选择合适的深度学习计算处理器，对于具有良好运行环境的场合，一般采用PC+GPU显卡的机器学习方案；对于运行环境比较恶劣的场合，一般采用集成GPU单元的嵌入式处理器。

通过上述实施例的方案，重构出的显示画面能够适应各种型号的显示屏幕，不用解析任何厂家的终端设备自定义的传输协议，并且还能对重构出的画面进行识别，进而及时将含有不良信息的画面进行拦截，避免不良画面对用户造成困扰，影响用户的正常使用。

实施例2

本实施例的显示画面解析系统，包括：视频接收终端、至少一个接收卡、上述实施例1的显示画面解析装置、以及显示屏幕，视频接收终端、至少一个接收卡、显示画面解析装置和显示屏幕依次电连接。

本实施例中，视频接收终端可以是手机、台式电脑、笔记本电脑、平板等。

如图4所示，主控电脑（即，视频接收终端）可以通过标准视频线进行标准视频口采样点进行采样之后发送至视频处理器/发送卡进行打包处理，然后再进行视频网络通信协议解析点进行解析，通过网线将解析后的视频发送至各个接收卡，接收卡与视频处理器/发送卡是对应的，用来将打包后的视频进行解析处理形成相应的视频驱动信息（即，画面驱动信息）。其中，接收卡对应设有08/12/75等LED屏幕驱动接口。

然后，再将视频驱动信息发送至显示画面解析装置中，按照上述实施例描述的方案进行重组、解析之后判断画面中是否存在不良信息，如果存在则直接对画面进行拦截，如果不存在则将视频驱动信息发送至LED屏幕（即，显示屏幕）进行显示。

如图5所示，主控电脑+发送卡/手机/Pad+网络播放器（即视频接收终端）对视频进行打包处理之后，直接进行视频网络通信协议解析点进行解析，通过网线将解析后的视频发送至各个接收卡将打包后的视频进行解析处理形成相应的视频驱动信息（即，画面驱动信息）。其中，接收卡对应设有08/12/75等LED屏幕驱动接口。

然后，再将视频驱动信息发送至画面解析装置中，按照上述实施例描述的方案进行重组、解析之后判断画面中是否存在不良信息，如果存在则直接对画面进行拦截，如果不存在则将视频驱动信息发送至LED屏幕（即，显示屏幕）进行显示。

实施例3

本实施例的显示画面解析方法，如图6所示，步骤包括：

步骤201，接收至少一个接收卡发来的画面驱动信号，其中，接收卡将终端设备输出的画面信息转换成对应的画面驱动信号。

步骤202，对画面驱动信号进行采样解析，解析成局部显示画面，对局部显示画面进行重组，形成完整的采集画面。

步骤203，对完整的采集画面进行解析，确定完整的采集画面中是否含有不良信息，得到对应的解析结果。

步骤204，若解析结果为含有不良信息，则对从接收卡接收的画面驱动信号拦截，若解析结果为正常信息，则对从接收卡接收的画面驱动信号透传输出。

在具体实施例中，步骤203具体包括：

步骤2031，对接收到的完整的采集画面缓存。

步骤2032，将获取到的完整的采集画面输入至识别模型进行解析，确定完整的采集画面中是否含有不良信息，得到对应的解析结果，其中，识别模型是利用神经网络对标记的批量样本画面数据经过学习训练得到的；

步骤2033，接收解析结果，若所述解析结果为含有不良信息，则生成拦截指令，否则生成透传指令。

在具体实施例中，步骤203还包括：

步骤2034，若接收到启用过滤指令，则控制拦截控制单元根据解析结果生成的拦截指令或透传指令，若接收到停用过滤指令，则控制拦截控制单元直接生成透传指令

在具体实施例中，步骤2033具体包括：

步骤20331，接收解析结果，若解析结果为含有不良信息，则不良事件次数加1，当不良事件次数连续累计超过第一阈值，生成拦截指令；若解析结果为正常信息，则对不良事件次数清零，同时正常事件次数加1，当正常事件次数连续累计超过第二阈值，生成透传指令。

步骤20332，对接收到的拦截指令或透传指令转换成电平信号，将电平信号发送至拦截开关，以供拦截开关根据电平信号打开或关闭。

在具体实施例中，步骤20331还包括：在生成拦截指令后记录拦截时间，若正常事件次数连续累计超过第二阈值，且拦截时间大于等于最短关断时间，则生成透传指令。

在具体实施例中，步骤2032具体包括：

步骤20321，对获取到的完整的采集画面进行过滤处理，得到过滤后的画面。

步骤20322，接收过滤后的画面，从过滤后的画面中提取至少一个特征区域。

步骤20323，预先构建神经网络模型，将标记的样本画面数据输入至神经网络模型中进行处理，若处理结果与对应标记不匹配，则根据处理结果对神经网络模型的参数进行调整，直到处理结果与对应标记匹配为止，完成一次学习训练；当所有样本画面数据全部学习训练完成后，将得到的神经网络模型作为识别模型。再接收至少一个特征区域，并将至少一个特征区域输入至识别模型中进行识别解析，确定特征区域中是否含有不良信息，并输出解析结果。

实施例4

本实施例的显示画面解析装置，如图1所示，将画面解析模块3设置在显示画面解析装置内部，硬件接口主要包括：

（1）输入接口1：用于接入接收卡发来的画面驱动信号，接原设备的08/12/75等驱动接口。

（2）输出接口5：用于输出受控的画面驱动信号（08/12/75等接口形式）。

（3）配置接口：总线形式接入系统总线，可以通过软件驱动方式，对画面重构模块2以及画面解析模块3进行软件配置和更新。

（4）供电接口：低电压直流电源输入接口1，提供模块供电。

显示画面解析装置的硬件组成主要包括：

（1）电源模块：DC-DC变换，为模块所有硬件提供直流电源。

（2）信号输入驱动模块：针对画面驱动信号，在信号进行处理之前进行电平适配。

（3）信号输出驱动模块：将画面驱动信号转换成视频流信号输出。

（4）RAM存储：用于核心单元（即，画面重构模块2、画面解析模块3）的运行缓存。

（5）Flash存储：用于核心单元（即，画面重构模块2、画面解析模块3）的软件、固件、配置数据等存储。

（6）画面重构模块2：基于CPU+FPGA实现，实现如下功能：61、驱动信号缓存；62、驱动信号采样；63、视频画面解析；64、视频画面重组。

（7）画面解析模块3：基于CPU+GPU/FPGA实现，实现如下功能：视频数据缓存；不良信息智能识别；视频截断控制；以及可配置的过滤使能功能。

（8）拦截开关4：接收画面解析模块3的控制指令（如，拦截指令或透传指令），对画面驱动信号拦截或透传。

显示画面解析装置的工作逻辑描述如下：

画面驱动信号通过“输入接口1”接入，首先经由 “信号输入驱动模块”适配接口电平，然后接入“画面重构模块2”。

“画面重构模块2”硬件基于CPU+可编程逻辑器件FPGA开发。“画面重构模块2”硬件内部通过软件编程或者固件编程实现具体的功能，具体的功能单元：缓存单元、采样单元、解析单元、重组单元。

画面重构模块2接收到前面经过电平转换适配的驱动信号后，由“缓存单元”根据08/12/75等接口的不同协议标准，采取对应的信号缓存；后经“采样单元”采样形成各帧画面对应的时序信号，再经由“解析单元”转换成一帧帧的局部视频画面，再传送至“重组单元”，将多个局部画面通过拼图、融合的方式，形成完整的视频帧，传送至“画面解析模块3”。

“画面解析模块3”硬件基于CPU+GPU/或者可编程逻辑器件FPGA开发。“画面解析模块3”硬件内部通过软件编程或者固件编程实现具体的功能，具体的功能模块包括：画面数据缓存单元31、不良信息识别单元32。接收重构的视频画面，由“画面数据缓存单元31”软件模块对各类信息进行实时缓存，周期提取其中的视频图片发送给“不良信息识别单元32”进行不良信息鉴别。“不良信息识别单元32”基于图像处理、机器学习等人工智能前沿技术开发，对周期接收到的视频图片进行不良内容识别，并将识别结果发送给拦截控制模块。

“拦截控制单元33”负责根据“不良信息识别单元32”识别结果，判断是否截断/恢复视频透传，并下发控制命令；信号输入驱动模块得到的画面驱动信息，如果“不良信息识别单元32”未发现不良内容，所有的画面驱动信息将被透传，如果“不良信息识别单元32”发现不良内容，画面驱动信息将被截断，避免不良视频内容播放出去。“过滤使能单元34”接收来自“配置接口”的信息，决定是否启用过滤功能；如果过滤功能启用，“拦截控制单元33”将按照对不良信息进行过滤；如果过滤功不启用，则“拦截控制单元33”将始终发出“透传”的控制命令，无论有无不良信息，“拦截控制单元33”都将“透传”的控制命令传递至“拦截开关4”。

“信号输出驱动模块”：将画面驱动信号转换成视频流信号输出至“输出接口5”。当正常信息时，LED屏幕被正常驱动，屏幕上输出原始的图文信息；当有不良信息时，LED屏幕驱动信号被阻断，LED屏幕不显示、或转换为预置的画面。

“拦截控制单元33”视频截断机制详解：

“拦截控制单元33”的截断机制示意如图3所示，包括“拦截算法单元331”、 “指令转换单元332”2个部分。

“拦截算法单元331”周期接收“不良信息识别单元32”的反馈结果，当结果为不良视频时，记录一次不良事件，当不良计数达到一定阈值（默认阈值为1次，可配置），向“指令转换单元332”发出拦截指令，并实时根据不良计数设置最短关断时间（保证关断时间大于一定值，防止出现开关不停反复的现象）；当结果为健康视频时，记录一次健康事件，当健康视频计数达到一定阈值，且关断时间满足最短关断时间，向“指令转换单元332”发出透传指令。

“指令转换单元332”将“拦截算法单元331”的命令转换成“拦截开关4”能够识别的命令（即，电平信号）下发，实现控制。

不良信息识别单元32详解：

不良信息识别单元32基于图像处理、深度机器学习（即，神经网络）技术开发。

不良信息识别单元32收到待鉴别的图片后，首先进行图像处理，通过基本的变换和滤波操作去除无关内容，保留潜在的相关的区域和内容，然后通过形状分析、数学形态学、特性过滤寻找出复杂图像中包含关键信息的区域和内容（即，特征区域）。

经过图像处理之后，待鉴别的图像被分割为多个待分析的图像区域（即，特征区域）。

待分析的图像区域使用深度学习模型（即识别模型）进行后续分析。深度学习（即，神经网络）是机器学习研究中的一个新的领域，深度学习模型具有优异的特征学习能力，它模仿人脑的机制来解释数据，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类。

针对待分析的图像区域内容鉴别，构建具有多隐层的机器学习模型，并通过收集海量的不良内容训练图片对模型进行训练优化，帮忙模型学习优化特征参数，在学习的过程中不断提高识别精度，从而最终提升分类或预测的准确性。

深度学习对计算量有很高的要求，计算量一方面表现对机器学习模型进行海量的不良内容训练上；另一方面表现为机器学习模型在应用中对具体的图片数据进行分析上。在训练中，本发明通过在服务器中配置高性能计算机GPU显卡，利用显卡GPU单元的并行运算能力，加快模型训练的速度。在具体应用中，本发明在儿童个人设备中，嵌入不可移除的硬件（基于GPU或者FPGA）、或者在原设备相应的硬件中直接嵌入微码的方式实现。

综上所述，具有如下有益效果：采集所有显示屏幕都通用的08/12/75画面驱动信号，重构出显示画面，可适用于所有显示屏幕类型，不用解析任何厂家自定义的传输协议，厂家可任意更改网络传输协议，不影响本申请的普遍适用性，并且还能对重构出的画面进行识别，进而及时将含有不良信息的画面进行拦截，避免不良画面对用户造成困扰，影响用户的正常使用。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储器（可以是CD-ROM，U盘，移动硬盘等）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场景所述的方法。

可选地，该设备还可以连接用户接口、网络接口、摄像头、射频（Radio Frequency，RF）电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏（Display）、输入单元比如键盘（Keyboard）等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口（如蓝牙接口、WI-FI接口）等。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。

通过应用本申请的技术方案，终端设备输出的画面信息需要通过接收卡对画面信息进行编码，形成画面驱动信号，通过输入接口发送至画面重构模块中，对画面驱动信号进行采样解析，解析成至少一个局部显示画面，对至少一个局部显示画面进行重组，形成完整的采集画面，然后利用画面解析模块对该完成的显示画面进行解析，确定其中是否含有不良信息，并将解析结果发送至拦截控制模块，若解析结果为含有不良信息，则对画面驱动信号拦截，否则，对画面驱动信号透传输出。本方案提出的画面重构方案，通过对视频底层驱动通用的08/12/75接口的时序恢复和解析，重构画面，因此能够适应各种型号的显示屏幕，不用解析任何厂家的终端设备自定义的传输协议，并且还能对重构出的画面进行识别，进而及时将含有不良信息的画面进行拦截，避免不良画面对用户造成困扰，影响用户的正常使用。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或至少一个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成至少一个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种显示画面解析装置，其特征在于，包括：

输入接口，与至少一个接收卡相连，用于接收所述接收卡发来的画面驱动信号，其中，所述接收卡将终端设备输出的画面信息转换成对应的画面驱动信号；

画面重构模块，与所述输入接口相连，用于接收画面驱动信号，对画面驱动信号进行采样解析，解析成局部显示画面，对所述局部显示画面进行重组，形成完整的采集画面；

画面重构模块包括：依次连接的预处理单元、解析单元和重组单元，其中，预处理单元与输入接口相连，重组单元与输出接口相连；预处理单元，用于对输入接口发来的画面驱动信号进行预处理，完成画面驱动信号的采样记录得到采样记录数据，其中，每个接收卡输出的画面驱动信号对应显示屏幕的局部画面；解析单元，用于接收预处理单元发来的至少一个采样记录数据，对采样记录数据进行数据转换，形成至少一个局部显示画面；重组单元，用于接收解析单元发来的至少一个局部显示画面，对至少一个局部显示画面进行组合形成完整的采集画面；

画面解析模块，与所述画面重构模块直接相连或者通过外接口相连，用于对接收到的完整的采集画面进行解析，确定所述完整的采集画面中是否含有不良信息，若含有不良信息，则生成拦截指令，否则生成透传指令；

拦截开关，分别与所述输入接口、所述画面解析模块和输出接口相连，用于若接收到拦截指令，则将输入接口通过拦截开关传送至输出接口的所述画面驱动信号拦截，若接收到透传指令，则将输入接口通过拦截开关传送至输出接口的所述画面驱动信号透传；

输出接口，与所述拦截开关相连，用于接收所述拦截开关发来的画面驱动信号并输出。

2.根据权利要求1所述的显示画面解析装置，其特征在于，所述画面解析模块包括：

画面数据缓存单元，与所述画面重构模块连接，用于对接收到的完整的采集画面缓存；

不良信息识别单元，与所述画面数据缓存单元连接，用于将获取到的所述完整的采集画面输入至识别模型进行解析，确定所述完整的采集画面中是否含有不良信息，得到对应的解析结果，其中，所述识别模型是利用神经网络对标记的批量样本画面数据经过学习训练得到的；

拦截控制单元，与所述不良信息识别单元相连，用于接收解析结果，若所述解析结果为含有不良信息，则生成拦截指令，否则生成透传指令。

3.根据权利要求2所述的显示画面解析装置，其特征在于，所述画面解析模块还包括：过滤使能单元，与所述拦截控制单元相连，若接收到启用过滤指令，则控制所述拦截控制单元根据解析结果生成的拦截指令或透传指令，若接收到停用过滤指令，则控制所述拦截控制单元直接生成透传指令。

4.根据权利要求2所述的显示画面解析装置，其特征在于，所述拦截控制单元包括：

拦截算法单元，与所述不良信息识别单元相连，用于接收解析结果，若所述解析结果为含有不良信息，则不良事件次数加1，当所述不良事件次数连续累计超过第一阈值，生成拦截指令；若所述解析结果为正常信息，则对不良事件次数清零，同时正常事件次数加1，当所述正常事件次数连续累计超过第二阈值，生成透传指令；

指令转换单元，一端与所述拦截算法单元相连，另一端与所述拦截开关相连，用于对接收到的拦截指令或透传指令转换成电平信号，将电平信号发送至所述拦截开关。

5.根据权利要求4所述的显示画面解析装置，其特征在于，所述拦截算法单元，还用于在生成拦截指令后记录拦截时间，若所述正常事件次数连续累计超过第二阈值，且所述拦截时间大于等于最短关断时间，则生成透传指令。

6.根据权利要求2所述的显示画面解析装置，其特征在于，所述不良信息识别单元包括：

图像处理单元，与所述画面数据缓存单元相连，用于对获取到的所述完整的采集画面进行过滤处理，得到过滤后的画面；

特征提取单元，与所述图像处理单元相连，用于接收所述过滤后的画面，从所述过滤后的画面中提取至少一个特征区域；

神经网络识别单元，与所述特征提取单元相连，用于接收至少一个特征区域，并将至少一个特征区域输入至识别模型中进行识别解析，确定所述特征区域中是否含有不良信息，并输出解析结果。

7.根据权利要求6所述的显示画面解析装置，其特征在于，所述神经网络识别单元在对特征区域进行识别解析之前，还用于：

预先构建神经网络模型，将标记的样本画面数据输入至神经网络模型中进行处理，若处理结果与对应标记不匹配，则根据处理结果对神经网络模型的参数进行调整，直到处理结果与对应标记匹配为止，完成一次学习训练；

当所有样本画面数据全部学习训练完成后，将得到的神经网络模型作为识别模型。

8.根据权利要求1-7任一项所述的显示画面解析装置，其特征在于，所述画面解析模块包括：融合CPU处理技术和GPU处理技术的处理器、或者FPGA可编程逻辑器件。

9.一种显示画面解析系统，其特征在于，包括：视频接收终端、至少一个接收卡、上述权利要求1-8任一项所述的显示画面解析装置、以及显示屏幕，所述视频接收终端、所述至少一个接收卡、所述显示画面解析装置和显示屏幕依次连接。

10.一种显示画面重构方法，其特征在于，步骤包括：

接收至少一个接收卡发来的画面驱动信号，其中，所述接收卡将终端设备输出的画面信息转换成对应的画面驱动信号；

对画面驱动信号进行采样解析，解析成局部显示画面，对所述局部显示画面进行重组，形成完整的采集画面，具体为：利用预处理单元对输入接口发来的画面驱动信号进行预处理，完成画面驱动信号的采样记录得到采样记录数据，其中，每个接收卡输出的画面驱动信号对应显示屏幕的局部画面；利用解析单元接收预处理单元发来的至少一个采样记录数据，对采样记录数据进行数据转换，形成至少一个局部显示画面；利用重组单元接收解析单元发来的至少一个局部显示画面，对至少一个局部显示画面进行组合形成完整的采集画面；

对所述完整的采集画面进行解析，确定所述完整的采集画面中是否含有不良信息，得到对应的解析结果；

若解析结果为含有不良信息，则对从所述接收卡接收的所述画面驱动信号拦截，若解析结果为正常信息，则对从所述接收卡接收的所述画面驱动信号透传输出。

Images