CN116419008B - 运营播放视频的实时检测方法、系统和电子设备 - Google Patents

运营播放视频的实时检测方法、系统和电子设备 Download PDF

Info

Publication number
CN116419008B
CN116419008B CN202310250840.2A CN202310250840A CN116419008B CN 116419008 B CN116419008 B CN 116419008B CN 202310250840 A CN202310250840 A CN 202310250840A CN 116419008 B CN116419008 B CN 116419008B
Authority
CN
China
Prior art keywords
image
image content
preset
content
detected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310250840.2A
Other languages
English (en)
Other versions
CN116419008A (zh
Inventor
侯磊
匡海泉
吴一超
顾明娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Jiangshu Technology Co ltd
Original Assignee
Suzhou Jiangshu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Jiangshu Technology Co ltd filed Critical Suzhou Jiangshu Technology Co ltd
Priority to CN202310250840.2A priority Critical patent/CN116419008B/zh
Publication of CN116419008A publication Critical patent/CN116419008A/zh
Application granted granted Critical
Publication of CN116419008B publication Critical patent/CN116419008B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234345—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements the reformatting operation being performed only on part of the stream, e.g. a region of the image or a time segment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440245—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display the reformatting operation being performed only on part of the stream, e.g. a region of the image or a time segment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/268—Signal distribution or switching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供了一种运营播放视频的监测方法、系统和电子设备，包括：接收视频播控器发送的视频流；从视频流中按照预设时间间隔周期性的截取待检测图像；基于待检测图像的版式样式和图像内容，确定视频流的审核结果；当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。该方式中，通过在视频播放控制器发送视频流至视频终端设备之前，对视频流进行审核，将审核通过的视频流发送至视频终端设备的方法，从而及时发现PIS系统的运营故障，保证PIS系统的安全运行，进而提升乘客的乘车感受。

Description

运营播放视频的实时检测方法、系统和电子设备
技术领域
本发明涉及轨道交通技术领域，尤其是涉及一种运营播放视频的实时检测方法、系统和电子设备。
背景技术
轨道交通乘客信息系统(Passenger Information System,PIS系统)是地铁、城轨等轨道交通的重要组成子系统，PIS系统包括大量的屏幕，广泛分布在站台、站厅、出入口位置，是轨道交通运营系统面向乘客的门户界面。PIS系统实时向乘客提示播放重要的运营信息，包括线路名称、车站站点、运营方向、下列车到达时间、列车前方车站、列车终点车站等交通运营信息，以及日常通知、紧急通知等文本类通知信息。
在日常运行过程中，PIS系统主要通过工程数据测试、规范操作制度和信息安全加固的方法来预防出现显示故障，但现有方法和机制仅能预防故障出现，不能全面覆盖所有的风险，难以及时发现问题。
发明内容
有鉴于此，本发明的目的在于提供一种运营播放视频的实时检测方法、系统和电子设备，从而及时发现PIS系统的运营故障，保证PIS系统的安全运行，进而提升乘客的乘车感受。
第一方面，本发明实施例提供了一种运营播放视频的实时检测方法，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；方法包括：接收视频播控器发送的视频流；从视频流中按照预设时间间隔周期性的截取待检测图像；基于待检测图像的版式样式和图像内容，确定视频流的审核结果；当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。
进一步的，基于待检测图像的版式样式和图像内容，确定视频流的审核结果的步骤，包括：判断待检测图像的版式样式是否为预设版式，如果是，确定版式样式审核结果为通过；基于预设判断标准，判断待检测图像的图像内容是否正确、且图像内容是否包括预设白名单关键词、且图像内容是否包括不良内容；如果图像内容正确、且图像内容中包括预设白名单关键词、且图像内容中不包括不良内容，确定图像内容审核结果为通过；其中，不良内容包括不良文字和不良图像；将连续多个待检测图像输入预先训练好的播放故障检测模型；如果预先训练好的播放故障检测模型输出的连续多个播放审核结果均为不包括视频播放故障特征，确定播放审核结果为通过；将相邻预设时间间隔的待检测图像进行比较；如果预设时间窗中，相邻采样停顿的出现次数小于或等于预设次数，确定卡顿审核结果为通过；其中，相邻采样停顿为预设时间间隔的两个待检测图像的画面相同。
进一步的，基于待检测图像的版式样式和图像内容，确定视频流的审核结果的步骤，还包括：如果待检测图像的版式样式不为预设版式，确定版式样式为不通过，或者，如果图像内容不正确或图像内容中不包括预设白名单关键词或包括不良内容，确定图像内容审核结果为不通过，或者，如果预先训练好的播放故障检测模型输出的连续多个播放审核结果均为包括视频播放故障特征，确定播放审核结果为不通过，或者，如果预设时间窗中，相邻采样停顿的出现次数大于预设次数，确定卡顿审核结果为不通过。
进一步的，预设版式包括正常运营版式和紧急通知版式；正常运营版式包括运营信息模块、通知信息模块和视频信息模块；紧急通知版式包括背景模块和文字模块。
进一步的，判断待检测图像的版式样式是否为预设版式的步骤，包括：将待检测图像输入至图像处理模型，得到多个包含关键信息的图像区域；当图像区域中包括运营信息模块、通知信息模块和视频信息模块时，确定待检测图像的版式样式为正常运营版式；当图像区域中包括背景模块和文字模块时，确定待检测图像的版式样式为紧急通知版式。
进一步的，基于预设判断标准判断待检测图像的图像内容是否正确且图像内容是否包括预设白名单关键词且图像内容是否包括不良内容；如果图像内容正确且图像内容中包括预设白名单关键词且图像内容中不包括不良内容，确定图像内容审核结果为通过的步骤，包括：如果待检测图像的版式样式为正常运营版式，提取待检测图像中的第一图像内容；第一图像内容包括出行信息、通知信息和多媒体信息；获取服务器发送的实时运营内容；实时运营内容包括出行信息、实时通知信息和实时多媒体信息；将实时运营内容与第一图像内容和预设白名单关键词进行对比；通过正则表达式将第一图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断第一图像内容是否包括不良文字；将第一图像内容输入预先训练好的不良图像检测模型，如果多媒体信息中不包括不良图像，则输出不包括不良图像；如果实时运营内容与第一图像内容相同且通知信息中包括预设白名单关键词且第一图像内容中不包括不良文字且第一图像内容中不包括不良图像，确定第一图像内容为正确。
进一步的，基于预设判断标准判断待检测图像的图像内容是否正确且图像内容是否包括预设白名单关键词且图像内容是否包括不良内容；如果图像内容正确且图像内容中包括预设白名单关键词且图像内容中不包括不良内容，确定图像内容审核结果为通过的步骤，包括：如果版式样式为紧急通知版式，提取待检测图像中的第二图像内容；第二图像内容包括背景颜色、紧急通知内容、字体和字号；获取服务器发送的紧急通知信息；紧急通知信息包括预设紧急通知内容、预设背景颜色、预设字体和预设字号；将紧急通知信息与第二图像内容和预设白名单关键词进行对比；通过正则表达式将第二图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断第二图像内容是否包括不良文字；如果紧急通知信息与第二图像内容相同且紧急通知信息中包括预设白名单关键词且第二图像内容中不包括不良文字，确定第二图像内容为正确。
进一步的，播放故障检测模型通过下述方式训练得到：获取典型视频播放故障特征画面数据集；其中，典型视频播放故障特征画面数据集中包括多个典型视频播放故障特征画面；将典型视频播放故障特征画面数据集按照预设比例分为训练集和验证集；基于训练集训练初始播放故障检测模型，直至达到预设的训练要求，得到播放故障检测模型。
第二方面，本发明实施例提供了一种运营信息的监测系统，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；系统包括：视频流接收模块，用于接收视频播控器发送的视频流；图像截取模块，用于从视频流中按照预设时间间隔周期性的截取待检测图像；审核模块，用于基于待检测图像的版式样式和图像内容，确定视频流的审核结果；视频发送模块，用于当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。
第三方面，本发明实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本发明实施例提供了一种运营播放视频的实时检测方法、系统和电子设备，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；方法包括：接收视频播控器发送的视频流；从视频流中按照预设时间间隔周期性的截取待检测图像；基于待检测图像的版式样式和图像内容，确定视频流的审核结果；当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。该方式中，通过在视频播放控制器发送视频流至视频终端设备之前，对视频流进行审核，将审核通过的视频流发送至视频终端设备的方法，从而及时发现PIS系统的运营故障，保证PIS系统的安全运行，进而提升乘客的乘车感受。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的运营播放视频的实时检测方法的流程图；
图2为本发明实施例一提供的轨道交通PIS系统示意图；
图3为本发明实施例一提供的审核结果为通过的步骤的流程图；
图4为本发明实施例一提供的判断待检测图像的版式样式是否为预设版式的步骤的流程图；
图5为本发明实施例一提供的正常运营版式示意图；
图6为本发明实施例一提供的紧急通知版式示意图；
图7为本发明实施例一提供的当待检测图像为正常运营版式时的图像内容判断的步骤的流程图；
图8为本发明实施例一提供的当待检测图像为紧急通知版式时的图像内容判断的步骤的流程图；
图9为本发明实施例二提供的运营信息的监测系统示意图。
图标：1-视频流接收模块；2-图像截取模块；3-审核模块；4-视频发送模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
实施例一：
图1为本发明实施例一提供的运营播放视频的实时检测方法的流程图。
参照图1，运营播放视频的实时检测方法应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连。
这里，参照图2，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备通过视频线相连。视频终端设备通过视频线与至少一个显示屏相连。PIS交换机通过网线分别与视频播控器和车站系统防护设备相连。
方法包括：
步骤S101，接收视频播控器发送的视频流。
这里，车站系统防护设备与视频播控器通过SDI(serial digital interface，数字分量串行接口)或HDMI(High Definition Multimedia Interface，高清晰多媒体接口)相连接。视频流的数据类型可以为SDI视频或HDMI视频。视频流为运营播放视频。
步骤S102，从视频流中按照预设时间间隔周期性的截取待检测图像。
这里，从视频流中以预设时间间隔持续的周期性的截取待检测图像。预设时间间隔可以根据实际情况进行设定。相邻的两个待检测图像之间具有预设时间间隔，其中，预设时间间隔小于100ms(毫秒)。
步骤S103，基于待检测图像的版式样式和图像内容，确定视频流的审核结果。
图3为本发明实施例一提供的审核结果为通过的步骤的流程图。
在一实施例中，参照图3，步骤S103中，包括：
步骤S201，判断待检测图像的版式样式是否为预设版式，如果是，确定版式样式审核结果为通过。
这里，预设版式包括正常运营版式和紧急通知版式；正常运营版式包括运营信息模块、通知信息模块和视频信息模块；紧急通知版式包括背景模块和文字模块。
图4为本发明实施例一提供的判断待检测图像的版式样式是否为预设版式的步骤的流程图。
在一实施例中，参照图4，步骤S201中，包括：
步骤S301，将待检测图像输入至图像处理模型，得到多个包含关键信息的图像区域。
这里，将待检测图像输入至图像处理模型，根据人工智能算法将待检测图像划分为对个包含关键信息的图像区域。
步骤S302，当图像区域中包括运营信息模块、通知信息模块和视频信息模块时，确定待检测图像的版式样式为正常运营版式。
这里，正常运营版式采用分区布局，不同区域显示不同的内容。
具体地，参照图5，以北京地铁9号线的正常运营版式为例，其中包括运营信息模块、通知信息模块和视频信息模块，左侧视频区域属于视频信息模块，用于播放宣传或广告视频；上部条状区域、右侧时间区域和右侧车站信息区域均属于运营信息模块，上部条状区域用于显示日期、星期和宣传口号，右侧时间区域用于显示当前时间，右侧车站信息区域用于显示列车信息，包括车站信息和下次列车时间；下部条状区域属于通知信息模块，用于滚动显示运营引导文本信息。
其中，上述模块的位置会随着阶段性更新的正常运营版式变化而变化，但无论什么阶段的正常运营版式的显示内容固定不变。同时，在同一阶段正常运营版式阶段，为了避免LCD屏固定显示特定色彩，导致不均匀老化，上述模块在待检测图像中的位置是会周期性左右镜像，但同一阶段正常运营版式阶段中提示文字(如，右侧车站信息区域中的“开往”、“本次列车”、“下次列车”和“分钟”等和上部条状区域中的“星期”和“年月日”等。)是固定不变的。
在每次正常运营版式更新后，进行正常运营版式的模板配置，包括不同模块的坐标和提示文字。
针对待检测图像全图进行OCR(Optical Character Recognition，光学字符识别)分析，获取待检测图像画面中不同位置的文字内容，识别文字典型区域内容以及相关内容对应的区域坐标，将提示文字、典型区域内容和坐标与预先配置的正常运营版式的模板数据进行对比，在比对时考虑左右镜像的可能性，如果一致，则说明待检测图像的版式样式为正常运营版式。
步骤S303，当图像区域中包括背景模块和文字模块时，确定待检测图像的版式样式为紧急通知版式。
这里，紧急通知版式是在轨道交通发生紧急事件时，以纯文本形式播放的版式画面。
具体地，参照图6，当显示“因设备故障本站长时间无车，请有急事的乘客换乘其他交通工具，所持车票10日内到地铁线网任意车站办理退票！”时，紧急通知版式的背景模块的背景色为蓝色，文字模块中文字大小为大号，文字区域为左对齐。当显示“车站发生紧急情况，请迅速撤离！”时，紧急通知版式的背景模块的背景色为红色，文字模块中文字大小为中号，文字区域为居中。
其中，紧急通知版式分为背景模块和文字模块，背景模块中的背景色、文字模块汇总的文字大小和文字区域均为固定不变的，通过预先配置进行设定。
预先对紧急通知版式进行配置(如，当设备故障时，背景色为蓝色，文字大小为大号和文字区域为左对齐；当车站发生紧急情况时，背景色为红色，文字大小为中号和文字区域为居中。)。选取待检测图像中背景模块中多个像素点，检测像素点的色彩是否与预先配置的背景色相同。通过OCR算法分析，检测文字模块，识别文字模块文字大小和区域坐标，并将文字大小和区域坐标与预先配置好的文字大小和区域坐标进行对比。如果检测像素点的色彩与预先配置的背景色相同，且，文字大小与预先配置好的文字大小相同，且，区域坐标与预先配置好的区域坐标相同，则确定待检测图像的版式样式为紧急通知版式。
步骤S202，基于预设判断标准，判断待检测图像的图像内容是否正确、且图像内容是否包括预设白名单关键词、且图像内容是否包括不良内容；如果图像内容正确、且图像内容中包括预设白名单关键词、且图像内容中不包括不良内容，确定图像内容审核结果为通过；其中，不良内容包括不良文字和不良图像。
这里，视频流中的通知信息(包括正常运营版式的通知信息模块中的信息和紧急通知版式中的信息)有严格的限定，仅可播出特定目的和用途的信息内容，因此需要预设白名单关键词和需要对视频流中信息是否包含不良内容进行判断。根据预先设置，视频流的通知信息中，每个完整句子中至少包括一个预设白名单关键词。
其中，预设白名单关键词为根据日常运营信息总结的通知高频词汇，包括“设备故障”、“停运”、“紧急”、“紧急疏散”和“天气原因”等。通知信息中，两个句号之间的句子为一个完整句子，且完整句子中有且只有一个在句尾处的句号。
不良内容包括涉及政治、色情、暴恐和辱骂等不良文字和包括裸露等色情画面的不良图像中的一种。
图7为本发明实施例一提供的当待检测图像为正常运营版式时的图像内容判断的步骤的流程图。
在一实施例中，参照图7，步骤S202中，包括：
步骤S401，如果待检测图像的版式样式为正常运营版式，提取待检测图像中的第一图像内容；第一图像内容包括出行信息、通知信息和多媒体信息。
这里，通过OCR算法提取版式样式为正常运营版式的待检测图像中的文字内容，并根据版式样式，对第一图像内容进行分类。
步骤S402，获取服务器发送的实时运营内容；实时运营内容包括出行信息、实时通知信息和实时多媒体信息。
步骤S403，将实时运营内容与第一图像内容和预设白名单关键词进行对比。
这里，将第一图像内容中的出行信息与实时出行信息进行对比。
将第一图像内容中的多媒体信息与实时多媒体信息进行对比。
通过标点符号分割对第一图像内容中的通知信息进行分割，判断通知信息中是否包含至少一个完整的句子。如果通知信息中包含至少一个完整的句子，则将第一图像内容的通知信息与实时通知信息和预设白名单关键词进行对比。
步骤S404，通过正则表达式将第一图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断第一图像内容是否包括不良文字。
这里，将第一图像内容中的出行信息、通知信息和多媒体信息中的文字信息通过正则表达式匹配方法与预设的不良内容敏感词库进行匹配。预设的敏感词库中包括预先存储的色情、涉政、暴恐、辱骂等不同分类的不良文字敏感词库，以及正面情感、负面情感、否定用语、肯定用语等不同类型的描述性词库，以及不良文字内容防护目标词库。如果匹配成功，说明第一图像内容中包括不良文字；如果匹配不成功，说明第一图像内容中不包括不良文字。
步骤S405，将第一图像内容输入预先训练好的不良图像检测模型，如果多媒体信息中不包括不良图像，则输出不包括不良图像。
这里，不良图像检测模型播放故障检测模型采用深度学习算法训练得到：获取典型不良图像特征画面数据集；其中，典型不良图像特征画面数据集中包括具备多种色情特征的大量图片数据；将典型不良图像特征数据集按照预设比例分为训练集和验证集；基于训练集训练初始不良图像检测模型，基于验证集对训练结果进行测试验证，如果验证结果不满足预期，调整训练参数，重新进行迭代训练，直至达到预设的训练要求，得到不良图像检测模型。其中，初始不良图像检测模型为神经网络模型。
步骤S406，如果实时运营内容与第一图像内容相同且通知信息中包括预设白名单关键词且第一图像内容中不包括不良文字且第一图像内容中不包括不良图像，确定第一图像内容为正确。
这里，当第一图像内容中的出行信息与实时出行信息相同，且出行信息中不包括不良内容时，确定出行信息正确。
当第一图像内容中的多媒体信息与实时多媒体信息相同，且出行信息中不包括不良内容时，确定多媒体信息正确。
当通知信息中包含至少一个完整的句子，且，将第一图像内容的通知信息与实时通知信息相同，且，每个完整句子中均包括一个预设白名单关键词，且通知信息中不包括不良内容时，确定通知信息正确，确定图像内容审核结果为通过。
图8为本发明实施例一提供的当待检测图像为紧急通知版式时的图像内容判断的步骤的流程图。
在一实施例中，参照图8，步骤S202中，还包括：
步骤S501，如果版式样式为紧急通知版式，提取待检测图像中的第二图像内容；第二图像内容包括背景颜色、紧急通知内容、字体和字号。
这里，通过OCR算法提取版式样式为紧急通知版式的待检测图像中的文字内容，并根据版式样式，对第二图像内容进行分类。
步骤S502，获取服务器发送的紧急通知信息；紧急通知信息包括预设紧急通知内容、预设背景颜色、预设字体和预设字号。
步骤S503，将紧急通知信息与第二图像内容和预设白名单关键词进行对比。
这里，将第二图像内容中的背景颜色与预设背景颜色进行对比。
将第二图像内容中的字体和色号与预设字体和预设字号进行对比。
通过标点符号分割对第二图像内容中的紧急通知内容进行分割，判断紧急通知内容中是否包含至少一个完整的句子。如果紧急通知内容中包含至少一个完整的句子，则将第二图像内容的紧急通知信息与预设紧急通知信息和预设白名单关键词进行对比。
步骤S504，通过正则表达式将第二图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断第二图像内容是否包括不良文字。
这里，将第二图像内容中的紧急通知内容通过正则表达式匹配方法与预设的不良内容敏感词库进行匹配。如果匹配成功，说明第二图像内容中包括不良文字；如果匹配不成功，说明第二图像内容中不包括不良文字。
步骤S505，如果紧急通知信息与第二图像内容相同且紧急通知信息中包括预设白名单关键词且第二图像内容中不包括不良文字，确定第二图像内容为正确。
这里，当第二图像内容中的背景颜色与预设背景颜色相同，确定背景颜色正确。
当第二图像内容中的字体和色号与预设字体和预设字号相同，确定字体和色号正确。
当紧急通知内容中包含至少一个完整的句子，且，紧急通知信息与预设紧急通知信息相同，且，每个完整句子中均包括一个预设白名单关键词，且，紧急通知内容中不包括不良文字时，确定紧急通知内容正确，确定图像内容审核结果为通过。
步骤S203，将连续多个待检测图像输入预先训练好的播放故障检测模型；如果预先训练好的播放故障检测模型输出的连续多个播放审核结果均为不包括视频播放故障特征，确定播放审核结果为通过。
这里，如果预设时间段内，连续帧的待检测图像输入播放故障检测模型中，输出大于预设故障数量的待检测图像包括视频播放故障特征，则判断当前视频流中存在视频质量故障，确定播放审核结果为不通过；如果预设时间段内，连续帧的待检测图像输入故障检测模型中，输出小于或等于预设故障数量的待检测图像包括视频播放故障特征，则判断当前视频流中不存在视频质量故障，确定播放审核结果为通过。其中，预设时间段和预设故障数量均根据实际情况进行设定。
预设时间间隔为极小间隔，可以设定为小于100ms的数值。
在一实施例中，步骤S203中，播放故障检测模型通过下述方式训练得到：
获取典型视频播放故障特征画面数据集；其中，典型视频播放故障特征画面数据集中包括多个典型视频播放故障特征画面；将典型视频播放故障特征画面数据集按照预设比例分为训练集和验证集。
这里，预设比例可根据实际情况进行设定，一般设定为训练集：验证集＝7:3。
典型视频播放故障特征画面包括七彩虹屏、雪花屏、蓝屏和黑屏等。
基于训练集训练初始播放故障检测模型，直至达到预设的训练要求，得到播放故障检测模型。
具体地，将待检测图像输入已经训练好的故障检测模型中，如果待检测图像中包含典型视频播放故障特征画面特征，则输出待检测图像包括视频播放故障特征；如果待检测图像中不包含典型视频播放故障特征画面特征，则输出待检测图像不包括视频播放故障特征。步骤S204，将相邻预设时间间隔的待检测图像进行比较；如果预设时间窗中，相邻采样停顿的出现次数小于或等于预设次数，确定卡顿审核结果为通过；其中，相邻采样停顿为预设时间间隔的两个待检测图像的画面相同。
这里，针对相邻两个待检测图像的画面进行比较，检测相邻待检测图像的画面是否存在变化，如果相邻两个待检测图像的画面无变化，则确定相邻的两个待检测图像存在相邻采样停顿。
采用滑动时间窗，预设时间窗可配置为1s(秒)。如果在预设时间船内出现小于或等于预设次数的相邻采样停顿，则确定卡顿审核结果为通过。如果在预设时间船内出现大于预设次数的相邻采样停顿，则确定卡顿审核结果为不通过。
在一实施例中，步骤S103中，还包括：
如果待检测图像的版式样式不为预设版式，确定版式样式为不通过，或者，如果图像内容不正确或图像内容中不包括预设白名单关键词或包括不良内容，确定图像内容审核结果为不通过，或者，如果预先训练好的播放故障检测模型输出的连续多个播放审核结果均为包括视频播放故障特征，确定播放审核结果为不通过，或者，如果预设时间窗中，相邻采样停顿的出现次数大于预设次数，确定卡顿审核结果为不通过。
步骤S104，当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。
这里，车站系统防护设备将视频流或预设视频发送至视频装换分配器后，视频终端设备将视频流或预设视频发送至对应的显示屏以显示视频流或预设视频。
预设视频为当视频流出现问题时播放的视频。
当视频流的版式样式审核结果为不通过，或者，图像内容审核结果为不通过，或者，播放审核结果为不通过，或者，卡顿审核结果为不通过时，立即向运维终端发送报警信息，并显示具体不通过的审核结果的名称。其中，运维终端可以为移动设备等。
本发明实施例提供了一种运营播放视频的实时检测方法，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；方法包括：接收视频播控器发送的视频流；从视频流中按照预设时间间隔周期性的截取待检测图像；基于待检测图像的版式样式和图像内容，确定视频流的审核结果；当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。该方式中，通过在视频播放控制器发送视频流至视频终端设备之前，对视频流进行审核，将审核通过的视频流发送至视频终端设备的方法，从而及时发现PIS系统的运营故障，保证PIS系统的安全运行，进而提升乘客的乘车感受。
实施例二：
图9为本发明实施例二提供的运营信息的监测系统示意图。
参照图2，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；监测系统包括：
视频流接收模块1，用于接收视频播控器发送的视频流；
图像截取模块2，用于从视频流中按照预设时间间隔周期性的截取待检测图像；
审核模块3，用于基于待检测图像的版式样式和图像内容，确定视频流的审核结果；
视频发送模块4，用于当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。
本发明实施例提供了一种运营信息的监测系统，应用于车站系统防护设备，车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；方法接收视频播控器发送的视频流；从视频流中按照预设时间间隔周期性的截取待检测图像；基于待检测图像的版式样式和图像内容，确定视频流的审核结果；当视频流的审核结果为通过时，将视频流发送至视频终端设备；否则，将预设视频发送至视频终端设备。该方式中，通过在视频播放控制器发送视频流至视频终端设备之前，对视频流进行审核，将审核通过的视频流发送至视频终端设备的方法，从而及时发现PIS系统的运营故障，保证PIS系统的安全运行，进而提升乘客的乘车感受。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的运营播放视频的实时检测方法的步骤。
本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种运营播放视频的实时检测方法，其特征在于，应用于车站系统防护设备，所述车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；所述方法包括：
接收所述视频播控器发送的视频流；
从所述视频流中按照预设时间间隔周期性的截取待检测图像；
基于所述待检测图像的版式样式和图像内容，确定所述视频流的审核结果；
当所述视频流的审核结果为通过时，将所述视频流发送至所述视频终端设备；否则，将预设视频发送至所述视频终端设备；
所述基于所述待检测图像的版式样式和图像内容，确定所述视频流的审核结果的步骤，包括：
判断所述待检测图像的版式样式是否为预设版式，如果是，确定所述版式样式审核结果为通过；
基于预设判断标准，判断所述待检测图像的图像内容是否正确、且所述图像内容是否包括预设白名单关键词、且所述图像内容是否包括不良内容；如果所述图像内容正确、且所述图像内容中包括所述预设白名单关键词、且所述图像内容中不包括不良内容，确定所述图像内容审核结果为通过；其中，不良内容包括不良文字和不良图像；
将连续多个所述待检测图像输入预先训练好的播放故障检测模型；如果所述预先训练好的播放故障检测模型输出的连续多个播放审核结果均为不包括视频播放故障特征，确定所述播放审核结果为通过；其中，所述视频播放故障特征包括七彩虹屏、雪花屏、蓝屏和黑屏；
将相邻预设时间间隔的所述待检测图像进行比较；如果预设时间窗中，相邻采样停顿的出现次数小于或等于预设次数，确定卡顿审核结果为通过；其中，所述相邻采样停顿为预设时间间隔的两个所述待检测图像的画面相同；
所述基于预设判断标准，判断所述待检测图像的图像内容是否正确的步骤，包括：
如果所述待检测图像的版式样式为正常运营版式，提取所述才检测图像中的第一图像内容；所述第一图像内容包括出行信息、通知信息和多媒体信息；判断所述出行信息、所述通知信息和所述多媒体信息是否均正确；如果是，确定所述第一图像内容正确；
如果所述待检测图像的版式样式为紧急通知版式，提取所述待检测图像中的第二图像内容；所述第二图像内容包括背景颜色、紧急通知内容、字体和字号；判断所述背景颜色、所述紧急通知内容、所述字体和所述字号是否均正确；如果是，确定所述第二图像内容正确。
2.根据权利要求1所述的方法，其特征在于，所述基于所述待检测图像的版式样式和图像内容，确定所述视频流的审核结果的步骤，还包括：
如果所述待检测图像的版式样式不为所述预设版式，确定所述版式样式为不通过，或者，如果所述图像内容不正确或所述图像内容中不包括所述预设白名单关键词或包括所述不良内容，确定所述图像内容审核结果为不通过，或者，如果所述预先训练好的播放故障检测模型输出的连续多个所述播放审核结果均为包括视频播放故障特征，确定所述播放审核结果为不通过，或者，如果所述预设时间窗中，相邻采样停顿的出现次数大于所述预设次数，确定所述卡顿审核结果为不通过。
3.根据权利要求2所述的方法，其特征在于，所述预设版式包括正常运营版式和紧急通知版式；所述正常运营版式包括运营信息模块、通知信息模块和视频信息模块；所述紧急通知版式包括背景模块和文字模块。
4.根据权利要求3所述的方法，其特征在于，所述判断所述待检测图像的版式样式是否为预设版式的步骤，包括：
将所述待检测图像输入至图像处理模型，得到多个包含关键信息的图像区域；
当所述图像区域中包括所述运营信息模块、所述通知信息模块和视频信息模块时，确定所述待检测图像的版式样式为正常运营版式；
当所述图像区域中包括背景模块和文字模块时，确定所述待检测图像的版式样式为紧急通知版式。
5.根据权利要求4所述的方法，其特征在于，所述基于预设判断标准判断所述待检测图像的图像内容是否正确且所述图像内容是否包括预设白名单关键词且所述图像内容是否包括不良内容；如果所述图像内容正确且所述图像内容中包括所述预设白名单关键词且所述图像内容中不包括不良内容，确定所述图像内容审核结果为通过的步骤，包括：
如果所述待检测图像的版式样式为正常运营版式，提取所述待检测图像中的第一图像内容；所述第一图像内容包括出行信息、通知信息和多媒体信息；
获取服务器发送的实时运营内容；所述实时运营内容包括出行信息、实时通知信息和实时多媒体信息；
将所述实时运营内容与所述第一图像内容和所述预设白名单关键词进行对比；
通过正则表达式将所述第一图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断所述第一图像内容是否包括所述不良文字；
将所述第一图像内容输入预先训练好的不良图像检测模型，如果所述多媒体信息中不包括所述不良图像，则输出不包括不良图像；
如果所述实时运营内容与所述第一图像内容相同且所述通知信息中包括所述预设白名单关键词且所述第一图像内容中不包括所述不良文字且所述第一图像内容中不包括所述不良图像，确定所述第一图像内容为正确。
6.根据权利要求4所述的方法，其特征在于，所述基于预设判断标准判断所述待检测图像的图像内容是否正确且所述图像内容是否包括预设白名单关键词且所述图像内容是否包括不良内容；如果所述图像内容正确且所述图像内容中包括所述预设白名单关键词且所述图像内容中不包括不良内容，确定所述图像内容审核结果为通过的步骤，包括：
如果所述版式样式为所述紧急通知版式，提取所述待检测图像中的第二图像内容；所述第二图像内容包括背景颜色、紧急通知内容、字体和字号；
获取服务器发送的紧急通知信息；所述紧急通知信息包括预设紧急通知内容、预设背景颜色、预设字体和预设字号；
将所述紧急通知信息与所述第二图像内容和所述预设白名单关键词进行对比；
通过正则表达式将所述第二图像内容与预设的不良内容敏感词库进行匹配，根据匹配是否成功判断所述第二图像内容是否包括所述不良文字；
如果所述紧急通知信息与所述第二图像内容相同且所述紧急通知信息中包括所述预设白名单关键词且所述第二图像内容中不包括所述不良文字，确定所述第二图像内容为正确。
7.根据权利要求1所述的方法，其特征在于，所述播放故障检测模型通过下述方式训练得到：
获取典型视频播放故障特征画面数据集；其中，所述典型视频播放故障特征画面数据集中包括多个典型视频播放故障特征画面；将所述典型视频播放故障特征画面数据集按照预设比例分为训练集和验证集；
基于所述训练集训练初始播放故障检测模型，直至达到预设的训练要求，得到播放故障检测模型。
8.一种运营信息的监测系统，其特征在于，应用于车站系统防护设备，所述车站系统防护设备分别与轨道交通PIS系统的视频播控器和视频终端设备相连；所述系统包括：
视频流接收模块，用于接收所述视频播控器发送的视频流；
图像截取模块，用于从所述视频流中持续的周期性的截取预设时间间隔的待检测图像；
审核模块，用于基于所述待检测图像的版式样式和图像内容，确定所述视频流的审核结果；
视频发送模块，用于当所述视频流的审核结果为通过时，将所述视频流发送至所述视频终端设备；否则，将预设视频发送至所述视频终端设备；
所述审核模块，还用于判断所述待检测图像的版式样式是否为预设版式，如果是，确定所述版式样式审核结果为通过；基于预设判断标准，判断所述待检测图像的图像内容是否正确、且所述图像内容是否包括预设白名单关键词、且所述图像内容是否包括不良内容；如果所述图像内容正确、且所述图像内容中包括所述预设白名单关键词、且所述图像内容中不包括不良内容，确定所述图像内容审核结果为通过；其中，不良内容包括不良文字和不良图像；将连续多个所述待检测图像输入预先训练好的播放故障检测模型；如果所述预先训练好的播放故障检测模型输出的连续多个播放审核结果均为不包括视频播放故障特征，确定所述播放审核结果为通过；其中，所述视频播放故障特征包括七彩虹屏、雪花屏、蓝屏和黑屏；将相邻预设时间间隔的所述待检测图像进行比较；如果预设时间窗中，相邻采样停顿的出现次数小于或等于预设次数，确定卡顿审核结果为通过；其中，所述相邻采样停顿为预设时间间隔的两个所述待检测图像的画面相同；
所述审核模块，还用于如果所述待检测图像的版式样式为正常运营版式，提取所述才检测图像中的第一图像内容；所述第一图像内容包括出行信息、通知信息和多媒体信息；判断所述出行信息、所述通知信息和所述多媒体信息是否均正确；如果是，确定所述第一图像内容正确；如果所述待检测图像的版式样式为紧急通知版式，提取所述待检测图像中的第二图像内容；所述第二图像内容包括背景颜色、紧急通知内容、字体和字号；判断所述背景颜色、所述紧急通知内容、所述字体和所述字号是否均正确；如果是，确定所述第二图像内容正确。
9.一种电子设备，包括存储器、处理器，所述存储器上存储有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上述权利要求1-7任一项所述的方法。
CN202310250840.2A 2023-03-15 2023-03-15 运营播放视频的实时检测方法、系统和电子设备 Active CN116419008B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310250840.2A CN116419008B (zh) 2023-03-15 2023-03-15 运营播放视频的实时检测方法、系统和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310250840.2A CN116419008B (zh) 2023-03-15 2023-03-15 运营播放视频的实时检测方法、系统和电子设备

Publications (2)

Publication Number Publication Date
CN116419008A CN116419008A (zh) 2023-07-11
CN116419008B true CN116419008B (zh) 2024-05-10

Family

ID=87055736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310250840.2A Active CN116419008B (zh) 2023-03-15 2023-03-15 运营播放视频的实时检测方法、系统和电子设备

Country Status (1)

Country Link
CN (1) CN116419008B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105644589A (zh) * 2015-12-28 2016-06-08 唐山轨道客车有限责任公司 列车运行状态信息的显示方法、装置和系统
WO2019154031A1 (zh) * 2018-02-09 2019-08-15 比亚迪股份有限公司 多媒体信息处理方法、装置和乘客信息系统
WO2021057382A1 (zh) * 2019-09-23 2021-04-01 中兴通讯股份有限公司 一种异常检测方法、装置、终端及存储介质
CN112633313A (zh) * 2020-10-13 2021-04-09 北京匠数科技有限公司 一种网络终端的不良信息识别方法及局域网终端设备
WO2021218055A1 (zh) * 2020-04-29 2021-11-04 卡斯柯信号有限公司 面向轨交全自动无人驾驶场景验证的云仿真装置与方法
CN114117129A (zh) * 2021-11-19 2022-03-01 瑞森网安(福建)信息科技有限公司 一种影像播放方法及其在影像投屏中的应用和系统
CN115017174A (zh) * 2022-04-25 2022-09-06 中国铁道科学研究院集团有限公司电子计算技术研究所 乘客信息系统的显示内容监测方法、系统及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105644589A (zh) * 2015-12-28 2016-06-08 唐山轨道客车有限责任公司 列车运行状态信息的显示方法、装置和系统
WO2019154031A1 (zh) * 2018-02-09 2019-08-15 比亚迪股份有限公司 多媒体信息处理方法、装置和乘客信息系统
WO2021057382A1 (zh) * 2019-09-23 2021-04-01 中兴通讯股份有限公司 一种异常检测方法、装置、终端及存储介质
WO2021218055A1 (zh) * 2020-04-29 2021-11-04 卡斯柯信号有限公司 面向轨交全自动无人驾驶场景验证的云仿真装置与方法
CN112633313A (zh) * 2020-10-13 2021-04-09 北京匠数科技有限公司 一种网络终端的不良信息识别方法及局域网终端设备
CN114117129A (zh) * 2021-11-19 2022-03-01 瑞森网安(福建)信息科技有限公司 一种影像播放方法及其在影像投屏中的应用和系统
CN115017174A (zh) * 2022-04-25 2022-09-06 中国铁道科学研究院集团有限公司电子计算技术研究所 乘客信息系统的显示内容监测方法、系统及电子设备

Also Published As

Publication number Publication date
CN116419008A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
US10304458B1 (en) Systems and methods for transcribing videos using speaker identification
CN110837615A (zh) 广告内容信息过滤人工智能审核系统
US10949687B2 (en) Method and apparatus for outputting information
CN112861648B (zh) 文字识别方法、装置、电子设备及存储介质
CN104574547B (zh) 一种基于人脸识别技术的高速公路防逃费方法
CN111144191A (zh) 字体识别方法、装置、电子设备及存储介质
CN111327913B (zh) 消息处理方法、装置及电子设备
CN111582653A (zh) 一种政务服务评价处理方法、系统、装置和存储介质
CN114245205A (zh) 基于数字资产管理的视频数据加工方法和系统
CN116419008B (zh) 运营播放视频的实时检测方法、系统和电子设备
CN113822847A (zh) 基于人工智能的图像评分方法、装置、设备及存储介质
CN111767838A (zh) 视频审核方法和系统、计算机系统和计算机可读存储介质
JP2007096608A (ja) 不正画像検出装置、方法、プログラム
CN117011686A (zh) 多模态生成式大模型训练方法、装置及计算机设备
CN111984881A (zh) 一种提示方法、装置、终端、服务器及存储介质
CN115017174A (zh) 乘客信息系统的显示内容监测方法、系统及电子设备
CN113971534A (zh) 一种教育课程的分配方法、装置及存储介质
Wu et al. Information Volume Threshold for Graphical Variable Message Signs Based on Drivers’ Visual Cognition Behavior
CN113992984A (zh) 一种电梯广告监播方法
CN113076983A (zh) 一种图像的识别方法和装置
CN115002425B (zh) 一种车厢显示屏运行状况智能监测管理系统
CN114998880B (zh) 基于lstm技术的暴力低俗弹幕检测方法
EP1959388A1 (en) A system and apparatus for evaluating the reliability of a watermarking technique for a video sequence
CN113393643B (zh) 异常行为预警方法、装置、车载终端以及介质
CN112232320B (zh) 印刷品文字的校对方法及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant