一种基于计算机视觉的广播电视故障判别定位方法及系统技术方案

本发明专利技术公开了一种基于计算机视觉的广播电视故障判别定位方法及系统，包括获取监控中异常图像的特征画面，并构建异常图像的数据集；构建深度卷积神经网络模型，利用数据集对深度卷积神经网络模型进行训练；实时图像采集，得到每一个独立监控环节的监控画面；利用训练好的深度卷积神经网络模型对每一个独立监控环节的图像进行故障识别与定位，得到故障识别与定位结果；基于广播电视播出信号流的关联性和故障识别与定位结果，智能化形成故障类别和处理方案

【技术实现步骤摘要】
一种基于计算机视觉的广播电视故障判别定位方法及系统


[0001]本专利技术涉及图像识别
，特别涉及一种基于计算机视觉的广播电视故障判别定位方法及系统
。

技术介绍

[0002]广播电视播出部门是广播电视面向千家万户的最后一道环节
。
是负责安全播出的重要岗位，责任大
、
任务重
。
现今，广播电视播出单位主要依靠配备值机人员进行
24
小时监控
。
而作为值机人员，每日需要面对广播电视播出监控墙上的众多节目窗口
。
及时的发现节目播出中出现的问题并进行相应的处理
。
[0003]但是，如今的广播电视播控机房的电视墙，少则由
10
‑
20
个大屏幕组成
。
多则拥有
40
‑
50
个大屏幕组成
。
而且每一个大屏幕通常会划分为4‑
16
个小屏幕
。
每个小屏幕对应不同的监控点
。...

【技术保护点】

【技术特征摘要】
1.
一种基于计算机视觉的广播电视故障判别定位方法，其特征在于，包括以下步骤：步骤
S1、
获取广播电视播出监控中异常图像的特征画面，并构建广播电视播出监控中异常图像的数据集；步骤
S2、
构建用于提取异常图像特征的深度卷积神经网络模型，再利用构建的异常图像的数据集对深度卷积神经网络模型进行训练；步骤
S3、
对广播电视监控墙的画面进行实时图像采集，得到广播电视监控墙上的每一个独立监控环节的监控画面；步骤
S4、
基于
ORC
技术实现广播电视监控墙上的每一个独立监控环节与其监控节点名称的关联，再利用训练好的深度卷积神经网络模型对每一个独立监控环节的图像进行故障识别与定位，得到故障识别与定位结果；步骤
S5、
基于广播电视播出信号流的关联性和故障识别与定位结果，智能化形成故障类别和处理方案
。2.
根据权利要求1所述一种基于计算机视觉的广播电视故障判别定位方法，其特征在于，所述步骤
S1
中广播电视播出监控中异常图像的特征画面的具体包括静帧
、
彩条
、
单色
、
马赛克，以及台标丢失的画面；对所述异常图像进行预处理，所述预处理包括格式转换
、
旋转
、
裁剪
、
图像大小调整，以及图像增强处理
。3.
根据权利要求1所述一种基于计算机视觉的广播电视故障判别定位方法，其特征在于，所述步骤
S2
中的具体步骤包括：基于
PyTorch
框架构建深度卷积神经网络模型，选取损失函数权...

【专利技术属性】
技术研发人员：张少飞，赵南京，苏泉，顾姚昊，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：