CN114630104A - 一种面向广播电视的人工智能多模型报警处理方法及装置 - Google Patents

Abstract

本申请提供一种面向广播电视的人工智能多模型报警处理方法及装置。所述方法包括：获取预设报警时段内待处理报警的关键信息后，将报警类型为场景报警的目标报警录像输入场景报警处理模型，得到目标报警对应的场景分类结果后，去除所有非播出故障报警；同时，将所有待处理报警的关键信息输入聚类收敛模型，得到按照预设聚类规则分类后的第一分类结果，以及按照预设收敛规则分类及合并后的第二分类结果。如此，整个过程采用了两个模型对多个待处理报警进行处理，可以实现非播出故障报警的自动识别，同时还可以实现将待处理报警按照特定规则进行科学地分类及合并，有助于迅速确定影响广播电视正常播出的问题所在，报警处理效率非常高。

Description

一种面向广播电视的人工智能多模型报警处理方法及装置

技术领域

本申请涉及广播电视监测技术领域，特别涉及一种面向广播电视的人工智能多模型报警处理方法及装置。

背景技术

广播电视作为一种重要的传输媒体，在当今生活中占据着重要的地位。广播电视信号在传输过程中容易受到多种因素的干扰，为了防止信号干扰对广播电视的正常播出造成影响，需要对广播电视进行监测，以便及时发现问题并予以清除。

目前广播电视监测主要是通过专用监测设备对特定频道的信号传输和播出情况进行监测，如果视音频中的技术指标超过既定的门限，则产生报警并推送给处理端进行报警处理。现有的报警处理方法主要是利用人工对所有报警进行逐一核查，去除非播出故障报警，并对播出故障报警分别按照信号频点、监测点、频道及故障类型等方面进行分类，进而分析出影响广播电视正常播出的问题所在。例如，若监测设备监测到视频画面的静止时间超出了时间门限值，则会产生并推送静帧报警，此时通过人工对该静帧报警进行核查，如果核查结果为该视频画面为书画鉴赏、围棋对弈或停播停台等场景，则判定该静帧报警属于非播出故障报警，进而去除该静帧报警。

当监测的频道或者分布式的监测设备增加时，推送的报警数量以及报警种类也会大幅增加，现有的报警处理方法会导致人工核查工作量显著提高，降低报警处理效率。

发明内容

本申请提供了一种面向广播电视的人工智能多模型报警处理方法及装置，可用于解决现有的报警处理方法在推送的报警数量以及报警种类较多的情况下，会导致人工核查工作量显著提高，降低报警处理效率的技术问题。

第一方面，本申请实施例提供一种面向广播电视的人工智能多模型报警处理方法，所述人工智能多模型报警处理方法包括：

获取预设报警时段内的多个待处理报警；

获取所述待处理报警的关键信息，所述关键信息为对所述待处理报警进行预处理所得的信息，所述关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点；

从所述待处理报警中筛选出目标报警，所述目标报警的报警类型为场景报警；

获取目标报警录像，所述目标报警录像为所述目标报警对应的报警录像；

将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，所述场景分类结果包括播出故障报警和非播出故障报警，所述场景报警处理模型包括报警录像与场景分类结果的映射关系；

根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警；

将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果；其中，所述第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，所述第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；所述聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，所述第一同类报警为报警类型和报警频道均与所述候选报警相同、报警监测点与所述候选报警不同、报警时间在所述候选报警的报警时间之前预设第一时间范围内的待处理报警；所述收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，所述第二同类报警为报警类型、报警频点及报警监测点均与所述候选报警相同、报警时间在所述候选报警的报警时间之前预设第二时间范围内的待处理报警；所述候选报警为任一个待处理报警。

在第一方面的一种可实现方式中，在将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果之后，所述人工智能多模型报警处理方法还包括：

对所述播出故障报警、所述第一分类结果及所述第二分类结果进行展示以及数据同步存储。

在第一方面的一种可实现方式中，所述将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，包括：

获取多个抽帧图像，所述抽帧图像为按照预设抽帧间隔对所述目标报警录像进行抽帧所得的图像；

对所述多个抽帧图像进行场景识别，得到所述目标报警录像的场景识别结果；

如果所述场景识别结果为停播场景，则根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，所述目标报警频道为所述目标报警的报警频道；

如果所述场景识别结果为画面静止，则确定所述目标报警对应的场景分类结果为非播出故障报警；

如果所述场景识别结果为无结果，则将所述抽帧图像与预设数据库中多个预设图像作比对，确定所述抽帧图像与每个预设图像的相似度；

如果所述抽帧图像与目标图像的相似度大于预设阈值，则将所述目标图像对应的预设场景分类结果确定为所述目标报警对应的场景分类结果；所述目标图像为所述多个预设图像中的任意一个。

在第一方面的一种可实现方式中，所述根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，包括：

将所述目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将所述目标报警的报警结束时间与所述停播运行图的停播开始时间作比较；

如果所述目标报警的报警时间在所述停播结束时间之后预设第三时间范围内，或者所述报警结束时间在所述停播开始时间之前的预设第四时间范围内，则确定所述目标报警对应的场景分类结果为非播出故障报警；否则，确定所述目标报警对应的场景分类结果为播出故障报警。

在第一方面的一种可实现方式中，所述关键信息为对所述待处理报警进行预处理所得的信息，包括：

所述关键信息为对所述待处理报警进行数据转换、特征选择以及数据筛选所得的信息。

在第一方面的一种可实现方式中，所述获取预设报警时段内的多个待处理报警，包括：

将预设报警时段划分为多个报警子时段；

按预设处理间隔依次获取每个报警子时段内的多个待处理报警。

第二方面，本申请实施例提供一种面向广播电视的人工智能多模型报警处理装置，所述人工智能多模型报警处理装置包括：

待处理报警获取模块，用于获取预设报警时段内的多个待处理报警；

关键信息获取模块，用于获取所述待处理报警的关键信息，所述关键信息为对所述待处理报警进行预处理所得的信息，所述关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点；

目标报警筛选模块，用于从所述待处理报警中筛选出目标报警，所述目标报警的报警类型为场景报警；

目标报警录像获取模块，用于获取目标报警录像，所述目标报警录像为所述目标报警对应的报警录像；

场景报警处理模块，用于将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，所述场景分类结果包括播出故障报警和非播出故障报警，所述场景报警处理模型包括目标报警录像与场景分类结果的映射关系；

非播出故障报警处理模块，用于根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警；

聚类收敛模块，用于将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果；其中，所述第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，所述第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；所述聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，所述第一同类报警为报警类型和报警频道均与所述候选报警相同、报警监测点与所述候选报警不同、报警时间在所述候选报警的报警时间之前预设第一时间范围内的待处理报警；所述收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，所述第二同类报警为报警类型、报警频点及报警监测点均与所述候选报警相同、报警时间在所述候选报警的报警时间之前预设第二时间范围内的待处理报警；所述候选报警为任一个待处理报警。

在第二方面的一种可实现方式中，所述人工智能多模型报警处理装置还包括：

报警展示及同步存储模块，用于对所述播出故障报警、所述第一分类结果及所述第二分类结果进行展示以及数据同步存储。

在第二方面的一种可实现方式中，所述场景报警处理模块包括：

图像抽帧单元，用于获取多个抽帧图像，所述抽帧图像为按照预设抽帧间隔对所述目标报警录像进行抽帧所得的图像；

场景识别单元，用于对所述多个抽帧图像进行场景识别，得到所述目标报警录像的场景识别结果；

第一处理单元，用于如果所述场景识别结果为停播场景，则根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，所述目标报警频道为所述目标报警的报警频道；

第二处理单元，用于如果所述场景识别结果为画面静止，则确定所述目标报警对应的场景分类结果为非播出故障报警；

第三处理单元，用于如果所述场景识别结果为无结果，则将所述抽帧图像与预设数据库中多个预设图像作比对，确定所述抽帧图像与每个预设图像的相似度；

第四处理单元，用于如果所述抽帧图像与目标图像的相似度大于预设阈值，则将所述目标图像对应的预设场景分类结果确定为所述目标报警对应的场景分类结果；所述目标图像为所述多个预设图像中的任意一个。

在第二方面的一种可实现方式中，所述第一处理单元包括：

第一处理子单元，用于将所述目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将所述目标报警的报警结束时间与所述停播运行图的停播开始时间作比较；

第二处理子单元，如果所述目标报警的报警时间在所述停播结束时间之后预设第三时间范围内，或者所述报警结束时间在所述停播开始时间之前的预设第四时间范围内，则确定所述目标报警对应的场景分类结果为非播出故障报警；否则，确定所述目标报警对应的场景分类结果为播出故障报警。

在第二方面的一种可实现方式中，所述关键信息为对所述待处理报警进行预处理所得的信息，包括：

所述关键信息为对所述待处理报警进行数据转换、特征选择以及数据筛选所得的信息。

在第二方面的一种可实现方式中，所述待处理报警获取模块包括：

子时段划分单元，用于将预设报警时段划分为多个报警子时段；

待处理报警获取单元，用于按预设处理间隔依次获取每个报警子时段内的多个待处理报警。

如此，本申请实施例通过对预设报警时段内的待处理报警进行预处理，提取出关键信息后，将报警类型为场景报警的目标报警录像输入场景报警处理模型，得到目标报警对应的场景分类结果，进而去除其中所有非播出故障报警，实现了非播出故障报警的自动识别，效率较高；同时，将所有待处理报警输入聚类收敛模型，得到按照预设聚类规则分类后的第一分类结果，以及按照预设收敛规则分类后的第二分类结果，可以将数量庞大、种类繁多的待处理报警按照特定规则进行科学地分类和合并，并输出更加直观的结果，有助于迅速确定出影响广播电视正常播出的问题所在。整个过程采用了两个模型对多个待处理报警进行自动处理，报警处理效率非常高。

附图说明

图1为为本申请实施例提供的一种面向广播电视的人工智能多模型报警处理方法所对应的流程示意图；

图2为本申请实施例提供的对待处理报警进行前置处理的流程示意图；

图3为本申请实施例提供的场景报警处理模型的分类流程示意图；

图4为本申请实施例提供的聚类收敛模型输出的第一分类结果的展示效果示意图；

图5为本申请实施例提供的聚类收敛模型输出的第二分类结果的展示效果示意图；

图6为本申请实施例提供的一种面向广播电视的人工智能多模型报警处理装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

为了解决现有技术问题，本申请实施例提供一种面向广播电视的人工智能多模型报警处理方法，具体用于解决现有的报警处理方法在推送的报警数量以及报警种类较多的情况下，会导致人工核查工作量显著提高，降低报警处理效率的问题。如图1所示，为本申请实施例提供的一种面向广播电视的人工智能多模型报警处理方法所对应的流程示意图。具体包括如下步骤：

步骤101，获取预设报警时段内的多个待处理报警。

步骤102，获取待处理报警的关键信息。

步骤103，从待处理报警中筛选出目标报警，目标报警的报警类型为场景报警。

步骤104，获取目标报警录像，目标报警录像为目标报警对应的报警录像。

步骤105，将目标报警录像输入预设的场景报警处理模型，得到目标报警对应的场景分类结果。

步骤106，根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警。

步骤107，将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果。

具体来说，步骤101中，待处理报警是各个广播电视监测点推送的。获取预设报警时段内的多个待处理报警的方式有多种。一个示例中，可以获取一个较为完整的报警时段内的多个待处理报警，比如，获取一天24小时内各个监测设备推送的所有待处理报警。

另一个示例中，可以将预设报警时段划分为多个报警子时段。

按预设处理间隔依次获取每个报警子时段内的多个待处理报警。

比如，可以将一天24小时划分为720个报警子时段，也就是2分钟作为一个子时段，按预设处理间隔定时处理这些报警，假如处理间隔N为2分钟，每次处理第M-1(假设M为最后一个报警子时段)报警子时段的报警，如果从10点开始计算，有报警子时段一(10:00-10:02)、报警子时段二(10:02-10:04)，当前时刻为10:04，则此时获取报警子时段一的多个待处理报警，10:06时获取报警子时段二的多个待处理报警，依次类推。

采用上述示例中分时段定时获取报警的方法，可以更快地进行后续报警处理，进而更快地得到报警的分类结果，从而可以更快地了解并定位影响广播电视播出的问题，处理效率更高。

在其他可能的示例中，本领域技术人员可以根据需要确定获取待处理报警的方式，比如不定时获取，具体不作限定。

步骤102至步骤104中，关键信息为对待处理报警进行预处理所得的信息，关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点。其中，报警频道信息还包括该频道的预设停播运行图。

由于监测点推送的待处理报警中包含的信息非常多且复杂，其中一部分信息可以用于作其他分析，但是判断影响广播电视正常播出的问题所在时，无需考虑众多因素，因此获取关键信息可以去除部分无用的特征，进而有助于提高后续分析的效率。

对待处理报警进行的预处理，可以是数据转换、特征选择以及数据筛选，即关键信息为对待处理报警进行数据转换、特征选择以及数据筛选所得的信息。

从关键信息中筛选出的场景报警包括静止报警、无伴音报警、静止且无伴音报警和彩场报警等类型，这些场景报警多是由停播场景和非停播画面静止场景所引发的。这些报警类型为场景报警的目标报警即为场景报警处理模型需要处理的对象，目标报警对应的报警录像即为场景报警处理模型需要的输入数据。

具体地，对待处理报警进行前置处理，就是对待处理报警进行预处理以及数据分发，对待处理报警进行预处理后得到待处理报警的关键信息，进行数据分发就是从关键信息中筛选出报警类型为场景报警的目标报警，以及获取目标报警录像，以便于输入后续的场景报警处理模型。

前置处理就是为后续各个模型进行数据准备，去除无关的数据，对所需数据进行数据转换以及特征选择，去除无关特征，数据筛选出模型需要的关键信息，并将各个模型需要的数据分发至对应的模型，作为对应模型的输入，进而执行后续步骤，如图2所示，图2示例性示出了本申请实施例提供的对待处理报警进行前置处理的流程示意图。

本申请实施例提供的筛选关键信息的方法，对杂乱的待处理报警进行初步的处理和筛选，分别按照两个模型的特征提前分发好所需的输入数据，使得模型处理数据时只处理关键数据，无需再处理其余无关要素，大大提高了模型的处理效率。

步骤105中，场景分类结果包括播出故障报警和非播出故障报警，场景报警处理模型包括目标报警录像与场景分类结果的映射关系。

场景报警处理模型是通过对收集的多个广播电视中的停播场景和非停播画面静止场景进行训练后得到的。具体地，主要通过提取图像特征进行学习，利用空间连续滤波和时序滤波降低误检率，最后生成一种自适应的加权图像相似度衡量方法进行场景识别。训练好的场景报警处理模型能够识别由节目停播和节目内容画面静止产生的报警，并结合停播运行图设置对这些报警进行可信度较高的分类。为了更清晰地展示场景报警处理模型的分类流程，图3示例性示出了本申请实施例提供的场景报警处理模型的分类流程示意图，如图3所示，具体地，场景报警处理模型进行场景分类的工作流程如下：

获取多个抽帧图像，抽帧图像为按照预设抽帧间隔对目标报警录像进行抽帧所得的图像。

对多个抽帧图像进行场景识别，得到目标报警录像的场景识别结果。

如果场景识别结果为停播场景，则根据目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定目标报警对应的场景分类结果，目标报警频道为目标报警的报警频道(需要说明的是，如果场景识别结果为停播场景之后，此步的内容未在图3显示出)。

如果场景识别结果为画面静止，则确定目标报警对应的场景分类结果为非播出故障报警。

如果场景识别结果为无结果，则将抽帧图像与预设数据库中多个预设图像作比对，确定抽帧图像与每个预设图像的相似度。

如果抽帧图像与目标图像的相似度大于预设阈值，则将目标图像对应的预设场景分类结果确定为目标报警对应的场景分类结果。其中，目标图像为多个预设图像中的任意一个。

如果抽帧图像与各个预设图像的相似度均小于或等于预设阈值，即不存在与抽帧图像的相似度大于预设阈值的目标图像，则确定目标报警的场景分类结果为播出故障报警。

需要说明的是，非播出故障报警包括停播场景和非停播画面静止场景，这些并非是播出期间产生的故障；播出故障报警包括画面雪花、画面卡顿能，这些为播出期间产生的故障。

具体地，根据目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定目标报警对应的场景分类结果，可以通过以下方式确定：

将目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将目标报警的报警结束时间与停播运行图的停播开始时间作比较(需要说明的是，此步内容在图3中有示出)。

如果目标报警的报警时间在停播结束时间之后预设第三时间范围内，或者报警结束时间在停播开始时间之前的预设第四时间范围内，则确定目标报警对应的场景分类结果为非播出故障报警；否则，确定目标报警对应的场景分类结果为播出故障报警(需要说明的是，此步内容在图3中有示出)。

第三时间范围与第四时间范围可以均设置为30分钟，比如，如果目标报警的报警时间在停播结束时间之后的30分钟内，则可以高可信度确定目标报警未按照要求进行开播，报警属于停播期间的报警；如果目标报警的报警结束时间在停播开始时间之前的30分钟以前，则可以高可信度确定目标报警未按照要求进行停播，报警属于停播期间的报警；如果目标报警的报警延续时间与停播运行图的停播延续时间之间不存在交集，则可以高可信度确定目标报警属于播出期间的报警，其中，停播延续时间是指停播开始时间之前的30分钟至停播结束时间之后的30分钟之间。

具体地，确定抽帧图像与每个预设图像的相似度，可以通过对抽帧图像使用感知算法进行特征提取，通过计算欧式距离与预设数据库中的预设图像进行特征匹配。如果相似度大于预设阈值，则匹配成功，将匹配成功的预设图像的预设场景分类结果作为该抽帧图像的场景分类结果。

步骤106中，在场景报警处理模型将目标报警分类后，将所有非播出故障报警进行去除。具体地，可以采用降低报警等级的方式进行去除。

本申请实施例提供的场景报警处理模型，是基于深度学习的方法，利用卷积神经网络预训练得到的，该模型通过对广播电视节目进行场景学习，可以对停播测试图、非停播的画面静止进行准确地识别和分类，及时将高可信度的报警呈现，又大大降低了低可信度的报警数量，准确性较高，使用方便，具有较高的实用性和可扩展性。

步骤107中，第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，第一同类报警为报警类型和报警频道均与候选报警相同、报警监测点与候选报警不同、报警时间在候选报警的报警时间之前预设第一时间范围内的待处理报警；收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，第二同类报警为报警类型、报警频点及报警监测点均与候选报警相同、报警时间在候选报警的报警时间之前预设第二时间范围内的待处理报警；候选报警为任一个待处理报警。

聚类收敛模型中包括聚类规则和收敛规则两个预设的分类规则。可以根据待处理报警的关键信息，按照预设规则将杂乱的待处理报警进行关联，输出较为直观的分类报警结果。

针对其中的聚类规则，是将待处理报警按照报警时间、报警类型、报警频道和报警监测点进行关联，生成多组同类报警数据，每组同类报警描述了同一时段、同一频道、同一报警类型在各个监测点中的报警状态。具体地，聚类时的工作流程如下：

将所有待处理报警的关键信息输入预设的聚类收敛模型后，为每条待处理报警构建特征子集，特征子集中包括四个特征条件：报警时间、报警频道、报警类型、报警监测点。

按照报警时间将所有待处理报警进行升序排列后，按照报警时间由早到晚的顺序，依次将每个候选报警与第一同类报警进行归类，其中，第一同类报警为报警类型和报警频道均与候选报警相同、报警监测点与候选报警不同、报警时间在候选报警的报警时间之前预设第一时间范围(比如，第一时间范围设为1分钟)内的待处理报警，候选报警为任一个待处理报警。

也就是说，按照报警时间由早到晚的顺序，每个候选报警都从报警时间在自己之前1分钟内的所有待处理报警中，找出与自己的报警类型相同、报警频道相同、报警监测点不同的待处理报警进行归类。需要说明的是，在满足报警类型相同、报警频道相同、报警时间相近的情况下，同一分组中的报警监测点应不同，如果有相同监测点的，应该另起一组进行归类。

将所有待处理报警按照聚类规则进行分类后，得到第一分类结果。第一分类结果中每个分组都会有对应的分组标识，能够通过其中一条报警，查看到该频道该时段的全监测点的报警状态汇总。

本申请实施例提供的聚类收敛模型中的聚类规则，通过分析报警的规律和特性，对同一频道不同监测点的报警进行分组，通过分组中的任一条报警都可以看到整个组内的报警，直观地反映出同一频道、同一类型的报警在不同监测点之间的分布和变化，可以帮助监测中心总览全局监测状态，辅助快速定位故障原因，同时，输出的报警数据更加科学、更加一目了然，极大地提高了报警处理的工作效率。此外，聚类规则的可拓展性较高，监测中心可以根据需要为聚类收敛模型设置不同的聚类规则，以便于对报警进行不同方面的聚类和分析，进而多角度地展开分析，具有较高的实用性。

为了更加清楚地说明聚类的过程，下面通过具体示例说明。

假设按照报警时间依次连续获取了四条报警，分别是第一条：频道1，信源节点，视频丢失；第二条：频道1，传输节点，视频丢失；第三条：频道1，播出节点，视频丢失；第四条：频道1，信源节点，视频丢失。其中，信源节点、传输节点、播出节点均代表监测点。

第一条前面不再有报警，所以无法归类；第二条向前寻找时寻找到了频道相同、报警类型相同以及监测点不同的第一条，则第二条与第一条归类；第三条向前寻找时寻找到了频道相同、报警类型相同以及监测点不同的第二条，但第二条已与第一条归于一组，第一条的监测点与第三条也不同，因此第三条与第二条和第一条共同归于一组，如图4所示的效果进行展示，图4示例性示出了本申请实施例提供的聚类收敛模型输出的第一分类结果的展示效果示意图；第四条向前寻找时寻找到了频道相同、报警类型相同以及监测点不同的第三条，但第三条已与第一条、第二条归于一组，第一条的监测点与第四条的相同，因此第四条无法与前三条归于一组，需要暂时自成一组。

后面如果有第五条、第六条、……第n条报警(n为待处理报警数量)，则以此类推，按照上述方法进行聚类。

针对聚类收敛模型中的收敛规则，根据经验和研究可知，某些特定的报警类型的发生具有频点相关性，比如解扰异常、解码异常，因此设置收敛规则将待处理报警按照报警时间、报警类型、报警频点及报警监测点与同类报警进行合并，减少报警数量，合并后每组同类报警描述了同一时段、同一监测点、同一频点、同一报警类型在各个频道的报警状态。具体地，收敛时的工作流程如下：

将所有待处理报警的关键信息输入预设的聚类收敛模型后，为每条待处理报警构建特征子集，特征子集中包括五个特征条件：报警时间、报警频道、报警类型、报警监测点、报警频点。

按照报警时间将所有待处理报警进行升序排列后，按照报警时间由早到晚的顺序，依次将每个候选报警与第二同类报警进行归类，其中，第二同类报警为报警类型、报警频点及报警监测点均与候选报警相同、报警时间在候选报警的报警时间之前预设第二时间范围(比如，第二时间范围设为1分钟)内的待处理报警，第二同类报警中的待处理报警的频道可以与候选报警相同，也可以与候选报警不同，候选报警为任一个待处理报警。

也就是说，按照报警时间由早到晚的顺序，每个候选报警都从报警时间在自己之前1分钟内的所有待处理报警中，找出与自己的报警类型相同、报警频道相同、报警监测点相同的待处理报警进行合并。需要说明的是，在满足报警类型相同、报警频道相同、报警监测点相同、报警时间相近的情况下，同一分组中的报警频道如果有相同的，则完全相同的多个报警合并为一个报警，如果报警频道不同的，则进行归类。

将所有待处理报警按照收敛规则进行分类及合并后，得到第二分类结果。第二分类结果中每个分组都会有对应的分组标识，能够通过其中一条报警，查看到该频点该监测点该时段的各频道的报警状态汇总。

需要说明的是，步骤107与步骤105可以同时执行，也可以分开执行。步骤106可以在步骤105后执行，也可以在步骤107之后执行。

本申请实施例提供的聚类收敛模型中的收敛规则，通过分析报警的规律和特性，对同一监测点同一频点的报警进行合并，直观地反映出频点相关报警在不同频道的分布，极大地减少了报警数量，减少了重复雷同的报警处理，进一步提高了报警处理的工作效率。同时，输出的结果更加简洁明了，可以帮助监测中心总览全局监测状态，辅助快速定位故障原因。此外，收敛规则的可拓展性较高，可以根据需要为聚类收敛模型设置不同的收敛规则，以便于有效去除重复雷同的报警，具有较高的实用性。

为了更加清楚地说明收敛的过程，下面通过具体示例说明。

假设按照报警时间依次连续获取了四条报警，分别是第一条：监测点1，频点1，频道1，解扰异常；第二条：监测点1，频点1，频道2，解扰异常；第三条：监测点1，频点1，频道3，解扰异常；第四条：监测点1，频点1，频道1，解扰异常。

第一条前面不再有报警，所以无法归类；第二条向前寻找时寻找到了监测点相同、报频点相同、类型相同以及频道不同的第一条，则第二条与第一条归类，其中第一条为主报警；第三条向前寻找时寻找到了可归类的第二条，但第二条已与第一条归类，第一条的频道与第三条也不同，因此第三条与第二条和第一条共同归于一组，其中第一条为主报警；第四条向前寻找时寻找到了可归类的第三条，但第三条已与第一条、第二条归于一组，第一条的频道与第四条的相同，由于报警时间比较接近，因此将第四条与第一条合并为一条，共同作为第一条，因此这四条报警进行分类和合并后归于一组，如图5所示的效果进行展示，图5示例性示出了本申请实施例提供的聚类收敛模型输出的第二分类结果的展示效果示意图。

后面如果有第五条、第六条、……第n条报警(n为待处理报警数量)，则以此类推，按照上述方法进行分类和合并。

在执行步骤107之后，本申请实施例提供的人工智能多模型报警处理方法还包括：

对播出故障报警、第一分类结果及第二分类结果进行展示以及数据同步存储。

展示及数据同步存储的步骤还可以与步骤106同时执行。

如此，本申请实施例通过对预设报警时段内的待处理报警进行预处理，提取出关键信息后，将报警类型为场景报警的目标报警录像输入场景报警处理模型，得到目标报警对应的场景分类结果，进而去除其中所有非播出故障报警，实现了非播出故障报警的自动识别，效率较高；同时，将所有待处理报警输入聚类收敛模型，得到按照预设聚类规则分类后的第一分类结果，以及按照预设收敛规则分类后的第二分类结果，可以将数量庞大、种类繁多的待处理报警按照特定规则进行科学地分类和合并，并输出更加直观的结果，有助于迅速确定出影响广播电视正常播出的问题所在。整个过程采用了两个模型对多个待处理报警进行自动处理，报警处理效率非常高。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图6示例性示出了本申请实施例提供的一种面向广播电视的人工智能多模型报警处理装置的结构示意图。如图6所示，该装置具有实现上述面向广播电视的人工智能多模型报警处理方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该面向广播电视的人工智能多模型报警处理装置可以包括：待处理报警获取模块601、关键信息获取模块602、目标报警筛选模块603、目标报警录像获取模块604、场景报警处理模块605、非播出故障报警处理模块606和聚类收敛模块607。

待处理报警获取模块601，用于获取预设报警时段内的多个待处理报警。

关键信息获取模块602，用于获取待处理报警的关键信息，关键信息为对待处理报警进行预处理所得的信息，关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点。

目标报警筛选模块603，用于从待处理报警中筛选出目标报警，目标报警的报警类型为场景报警。

目标报警录像获取模块604，用于获取目标报警录像，目标报警录像为目标报警对应的报警录像。

场景报警处理模块605，用于将目标报警录像输入预设的场景报警处理模型，得到目标报警对应的场景分类结果，场景分类结果包括播出故障报警和非播出故障报警，场景报警处理模型包括目标报警录像与场景分类结果的映射关系。

非播出故障报警处理模块606，用于根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警。

聚类收敛模块607，用于将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果；其中，第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，第一同类报警为报警类型和报警频道均与候选报警相同、报警监测点与候选报警不同、报警时间在候选报警的报警时间之前预设第一时间范围内的待处理报警；收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，第二同类报警为报警类型、报警频点及报警监测点均与候选报警相同、报警时间在候选报警的报警时间之前预设第二时间范围内的待处理报警；候选报警为任一个待处理报警。

在一种可实现方式中，人工智能多模型报警处理装置还包括：

报警展示及同步存储模块，用于对播出故障报警、第一分类结果及第二分类结果进行展示以及数据同步存储。

在一种可实现方式中，场景报警处理模块605包括：

图像抽帧单元，用于获取多个抽帧图像，抽帧图像为按照预设抽帧间隔对目标报警录像进行抽帧所得的图像。

场景识别单元，用于对多个抽帧图像进行场景识别，得到目标报警录像的场景识别结果。

第一处理单元，用于如果场景识别结果为停播场景，则根据目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定目标报警对应的场景分类结果，目标报警频道为目标报警的报警频道。

第二处理单元，用于如果场景识别结果为画面静止，则确定目标报警对应的场景分类结果为非播出故障报警。

第三处理单元，用于如果场景识别结果为无结果，则将抽帧图像与预设数据库中多个预设图像作比对，确定抽帧图像与每个预设图像的相似度。

第四处理单元，用于如果抽帧图像与目标图像的相似度大于预设阈值，则将目标图像对应的预设场景分类结果确定为目标报警对应的场景分类结果；目标图像为多个预设图像中的任意一个。

在一种可实现方式中，第一处理单元包括：

第一处理子单元，用于将目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将目标报警的报警结束时间与停播运行图的停播开始时间作比较。

第二处理子单元，如果目标报警的报警时间在停播结束时间之后预设第三时间范围内，或者报警结束时间在停播开始时间之前的预设第四时间范围内，则确定目标报警对应的场景分类结果为非播出故障报警；否则，确定目标报警对应的场景分类结果为播出故障报警。

在一种可实现方式中，关键信息为对待处理报警进行预处理所得的信息，包括：

关键信息为对待处理报警进行数据转换、特征选择以及数据筛选所得的信息。

在一种可实现方式中，待处理报警获取模块601包括：

子时段划分单元，用于将预设报警时段划分为多个报警子时段。

待处理报警获取单元，用于按预设处理间隔依次获取每个报警子时段内的多个待处理报警。

如此，本申请实施例通过对预设报警时段内的待处理报警进行预处理，提取出关键信息后，将报警类型为场景报警的目标报警录像输入场景报警处理模型，得到目标报警对应的场景分类结果，进而去除其中所有非播出故障报警，实现了非播出故障报警的自动识别，效率较高；同时，将所有待处理报警输入聚类收敛模型，得到按照预设聚类规则分类后的第一分类结果，以及按照预设收敛规则分类后的第二分类结果，可以将数量庞大、种类繁多的待处理报警按照特定规则进行科学地分类和合并，并输出更加直观的结果，有助于迅速确定出影响广播电视正常播出的问题所在。整个过程采用了两个模型对多个待处理报警进行自动处理，报警处理效率非常高。

以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种面向广播电视的人工智能多模型报警处理方法，其特征在于，所述人工智能多模型报警处理方法包括：

获取预设报警时段内的多个待处理报警；

获取所述待处理报警的关键信息，所述关键信息为对所述待处理报警进行预处理所得的信息，所述关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点；

从所述待处理报警中筛选出目标报警，所述目标报警的报警类型为场景报警；

获取目标报警录像，所述目标报警录像为所述目标报警对应的报警录像；

将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，所述场景分类结果包括播出故障报警和非播出故障报警，所述场景报警处理模型包括目标报警录像与场景分类结果的映射关系；

根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警；

将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果；其中，所述第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，所述第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；所述聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，所述第一同类报警为报警类型和报警频道均与所述候选报警相同、报警监测点与所述候选报警不同、报警时间在所述候选报警的报警时间之前预设第一时间范围内的待处理报警；所述收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，所述第二同类报警为报警类型、报警频点及报警监测点均与所述候选报警相同、报警时间在所述候选报警的报警时间之前预设第二时间范围内的待处理报警；所述候选报警为任一个待处理报警。

2.根据权利要求1所述的人工智能多模型报警处理方法，其特征在于，在将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果之后，所述人工智能多模型报警处理方法还包括：

对所述播出故障报警、所述第一分类结果及所述第二分类结果进行展示以及数据同步存储。

3.根据权利要求1所述的人工智能多模型报警处理方法，其特征在于，所述将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，包括：

获取多个抽帧图像，所述抽帧图像为按照预设抽帧间隔对所述目标报警录像进行抽帧所得的图像；

对所述多个抽帧图像进行场景识别，得到所述目标报警录像的场景识别结果；

如果所述场景识别结果为停播场景，则根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，所述目标报警频道为所述目标报警的报警频道；

如果所述场景识别结果为画面静止，则确定所述目标报警对应的场景分类结果为非播出故障报警；

如果所述场景识别结果为无结果，则将所述抽帧图像与预设数据库中多个预设图像作比对，确定所述抽帧图像与每个预设图像的相似度；

如果所述抽帧图像与目标图像的相似度大于预设阈值，则将所述目标图像对应的预设场景分类结果确定为所述目标报警对应的场景分类结果；所述目标图像为所述多个预设图像中的任意一个。

4.根据权利要求3所述的人工智能多模型报警处理方法，其特征在于，所述根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，包括：

将所述目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将所述目标报警的报警结束时间与所述停播运行图的停播开始时间作比较；

如果所述目标报警的报警时间在所述停播结束时间之后预设第三时间范围内，或者所述报警结束时间在所述停播开始时间之前的预设第四时间范围内，则确定所述目标报警对应的场景分类结果为非播出故障报警；否则，确定所述目标报警对应的场景分类结果为播出故障报警。

5.根据权利要求1所述的人工智能多模型报警处理方法，其特征在于，所述关键信息为对所述待处理报警进行预处理所得的信息，包括：

所述关键信息为对所述待处理报警进行数据转换、特征选择以及数据筛选所得的信息。

6.根据权利要求1所述的人工智能多模型报警处理方法，其特征在于，所述获取预设报警时段内的多个待处理报警，包括：

将预设报警时段划分为多个报警子时段；

按预设处理间隔依次获取每个报警子时段内的多个待处理报警。

7.一种面向广播电视的人工智能多模型报警处理装置，其特征在于，所述人工智能多模型报警处理装置包括：

待处理报警获取模块，用于获取预设报警时段内的多个待处理报警；

关键信息获取模块，用于获取所述待处理报警的关键信息，所述关键信息为对所述待处理报警进行预处理所得的信息，所述关键信息包括报警类型、报警频道、报警监测点、报警录像、报警时间以及报警频点；

目标报警筛选模块，用于从所述待处理报警中筛选出目标报警，所述目标报警的报警类型为场景报警；

目标报警录像获取模块，用于获取目标报警录像，所述目标报警录像为所述目标报警对应的报警录像；

场景报警处理模块，用于将所述目标报警录像输入预设的场景报警处理模型，得到所述目标报警对应的场景分类结果，所述场景分类结果包括播出故障报警和非播出故障报警，所述场景报警处理模型包括目标报警录像与场景分类结果的映射关系；

非播出故障报警处理模块，用于根据所有目标报警对应的场景分类结果，去除其中所有非播出故障报警；

聚类收敛模块，用于将所有待处理报警的关键信息输入预设的聚类收敛模型，得到第一分类结果及第二分类结果；其中，所述第一分类结果为按照预设聚类规则对所有待处理报警进行分类后所得的结果，所述第二分类结果为按照预设收敛规则对所有待处理报警进行分类及合并后所得的结果；所述聚类规则为按照报警时间依次将每个候选报警与第一同类报警进行归类的规则，所述第一同类报警为报警类型和报警频道均与所述候选报警相同、报警监测点与所述候选报警不同、报警时间在所述候选报警的报警时间之前预设第一时间范围内的待处理报警；所述收敛规则为按照报警时间依次将每个候选报警与第二同类报警进行归类以及合并的规则，所述第二同类报警为报警类型、报警频点及报警监测点均与所述候选报警相同、报警时间在所述候选报警的报警时间之前预设第二时间范围内的待处理报警；所述候选报警为任一个待处理报警。

8.根据权利要求7所述的人工智能多模型报警处理装置，其特征在于，所述人工智能多模型报警处理装置还包括：

报警展示及同步存储模块，用于对所述播出故障报警、所述第一分类结果及所述第二分类结果进行展示以及数据同步存储。

9.根据权利要求7所述的人工智能多模型报警处理装置，其特征在于，所述场景报警处理模块包括：

图像抽帧单元，用于获取多个抽帧图像，所述抽帧图像为按照预设抽帧间隔对所述目标报警录像进行抽帧所得的图像；

场景识别单元，用于对所述多个抽帧图像进行场景识别，得到所述目标报警录像的场景识别结果；

第一处理单元，用于如果所述场景识别结果为停播场景，则根据所述目标报警的报警时间和报警结束时间，以及目标报警频道的预设停播运行图，确定所述目标报警对应的场景分类结果，所述目标报警频道为所述目标报警的报警频道；

第二处理单元，用于如果所述场景识别结果为画面静止，则确定所述目标报警对应的场景分类结果为非播出故障报警；

第三处理单元，用于如果所述场景识别结果为无结果，则将所述抽帧图像与预设数据库中多个预设图像作比对，确定所述抽帧图像与每个预设图像的相似度；

第四处理单元，用于如果所述抽帧图像与目标图像的相似度大于预设阈值，则将所述目标图像对应的预设场景分类结果确定为所述目标报警对应的场景分类结果；所述目标图像为所述多个预设图像中的任意一个。

10.根据权利要求9所述的人工智能多模型报警处理装置，其特征在于，所述第一处理单元包括：

第一处理子单元，用于将所述目标报警的报警时间与目标报警频道的预设停播运行图的停播结束时间作比较，以及将所述目标报警的报警结束时间与所述停播运行图的停播开始时间作比较；

第二处理子单元，如果所述目标报警的报警时间在所述停播结束时间之后预设第三时间范围内，或者所述报警结束时间在所述停播开始时间之前的预设第四时间范围内，则确定所述目标报警对应的场景分类结果为非播出故障报警；否则，确定所述目标报警对应的场景分类结果为播出故障报警。

Images