羊光 張沛瀧 張琪

【摘要】廣播電視監(jiān)測需要對廣播電視節(jié)目的音視頻質(zhì)量、內(nèi)容實施監(jiān)測，確保播出內(nèi)容和播出質(zhì)量可控。然而，海量的節(jié)目音視頻流對監(jiān)測工作是一個巨大挑戰(zhàn)，需耗費大量人力。本文概況了人工智能的概念，總結(jié)了人工智能的研究進展特別是在圖像識別和語音識別方面的進展，并對其在廣播電視監(jiān)測中的應用進行了深入分析和梳理。人工智能技術(shù)將推動廣播電視監(jiān)管監(jiān)測戰(zhàn)略性發(fā)展。

【關鍵詞】人工智能;廣播電視監(jiān)測;圖像識別;語音識別

中圖分類號：G241? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ?DOI：10.12246/j.issn.1673-0348.2021.10..062

1. 引言

近年來，人工智能技術(shù)飛速發(fā)展，在經(jīng)濟發(fā)展、社會進步等方面已經(jīng)產(chǎn)生重大而深遠的影響?！叭斯ぶ悄堋币辉~反復提及，這表明在當前我國經(jīng)濟從高速增長向高質(zhì)量發(fā)展的重要階段中，以人工智能為代表的新一代信息技術(shù)，將成為我國推動經(jīng)濟高質(zhì)量發(fā)展、建設創(chuàng)新型國家，實現(xiàn)新型工業(yè)化、信息化、城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化的重要技術(shù)保障和核心驅(qū)動力之一。

廣播電視監(jiān)測行業(yè)需要面對海量的媒體資源，對先進的技術(shù)有著更高的需求。技術(shù)的引入和應用可以顯著減輕人工工作量，提高監(jiān)測監(jiān)管的效率和實效性。隨著融媒體、5G技術(shù)、云平臺建設等不斷推進，廣播電視監(jiān)測監(jiān)管面對的數(shù)據(jù)量進一步增長，傳輸速率進一步提高，監(jiān)管難度進一步增大，制播平臺進一步融合，為人工智能在廣播電視監(jiān)測監(jiān)管上的應用提供了研究基礎。研究人工智能相關技術(shù)在廣播電視監(jiān)測監(jiān)管方面的適應性應用，將進一步豐富監(jiān)測監(jiān)管手段，提高監(jiān)測監(jiān)管效能，推動廣播電視監(jiān)管監(jiān)測戰(zhàn)略性發(fā)展。

2. 人工智能概述及發(fā)展現(xiàn)狀

2.1. 人工智能概述

人工智能技術(shù)起源于1956年，近年發(fā)展迅速，部分人工智能技術(shù)已經(jīng)到可以投入應用的階段。關于人工智能，比較流行的定義是指讓機器的行為表現(xiàn)為像是人類的智能行為一樣，即人工智能是指通過計算機程序來呈現(xiàn)人類智能的技術(shù)。人工智能技術(shù)主要可以分為模式識別、機器學習、數(shù)據(jù)挖掘和智能算法四類，模式識別是指對事物的表征特征進行各種形式的處理以及學習，從而形成一定的規(guī)則對事物或者現(xiàn)象進行分析分類的過程;機器學習是指對人類的學習行為進行模擬，經(jīng)過先驗知識獲得新的知識或技能，從而達到特定要求的過程;數(shù)據(jù)挖掘是通過算法挖掘出數(shù)據(jù)中有用的信息以及知識，應用于市場分析、醫(yī)學預測等情況;智能算法是指解決某類問題（一般是指最優(yōu)化問題）的一些特定模式算法，這些智能算法均模擬自然過程，如模擬退火算法、遺傳算法等。

2.2. 人工智能的發(fā)展現(xiàn)狀

人工智能技術(shù)最開始應用于圖像識別，起源于人工神經(jīng)網(wǎng)絡與支持向量機結(jié)合，從此圖像識別技術(shù)得到快速發(fā)展。近些年來，因為機器學習中的深度學習具有強大的特征提取能力，被廣泛應用于圖像識別當中，并且取得了巨大的發(fā)展?；谏疃葘W習的圖像識別主要應用在監(jiān)控視頻、門禁系統(tǒng)的人臉識別中，基于深度學習的人臉識別算法中有相當多的代表性算法被提出，其中Taigman等人提出的DeepFace模型和湯曉鷗團隊提出的DeepID模型極大地促進了人臉識別的技術(shù)發(fā)展，F(xiàn)u等人提出的引導卷積神經(jīng)網(wǎng)絡（Guided-CNN）最高匹配率能夠達到97.4%，李倩玉等人提出的深層網(wǎng)絡自動提取特征模型在Yale、Yale-B、CMU-PIE數(shù)據(jù)庫上能夠獲得97.8%、95%和96.17%的識別率。另外圖像識別還應用于醫(yī)學圖像識別和遙感圖像識別當中，利用圖像識別來對人體的患病部位進行診斷是當下最前沿的醫(yī)學診斷之一，但是由于缺乏足夠的醫(yī)學數(shù)據(jù)，因此仍舊有許多的病癥無法通過這一技術(shù)進行識別，利用遙感圖像識別能夠?qū)ν恋?、水利、環(huán)境污染等進行分類，Lv等人提出一種疊加自編碼（SAE）的遙感圖像分類算法，該算法不僅在低、中、高分辨率和高光譜遙感圖像中均具有較高的分類精確度，而且對UCI數(shù)據(jù)具有較強的穩(wěn)定性和泛化性。

人工智能另一方面常用于語音識別的場景當中，語音識別是指將語音信息轉(zhuǎn)換成文本信息。傳統(tǒng)的語音識別技術(shù)主要基于統(tǒng)計的方法，目前的語音識別技術(shù)主要基于深度學習的方法。最新的進展當中主要研究在注意力機制中，2018年阿里巴巴采用開源框架Kaldi構(gòu)建了語音識別模型DFSMN，在Fisher（FSH）數(shù)據(jù)集上測試詞錯率僅為9.4%;百度的模型在其自建的中文數(shù)據(jù)集上訓練并測試，WER低至7.93%，也取得良好的效果?，F(xiàn)有技術(shù)均能在一定條件下達到跟人類專業(yè)速記員一樣的翻譯速度。語音情感識別也是語音識別的一個重要研究內(nèi)容，語音情感識別指設計合適的模型算法對語音信息進行情感特征的提取，從而建立特征與情感之間的映射關系，從而對語音中的情感進行分類，Zhang等人使用循環(huán)神經(jīng)網(wǎng)絡提取了語音信息的深度學習特征進行情感識別，在SEED和CK+數(shù)據(jù)庫上分別獲得了89.50%和95.40%的識別性能，Gao等人利用深度受限玻爾茲曼機將韻律特征、譜特征進行融合，并在EMODB數(shù)據(jù)庫上驗證模型性能，研究結(jié)果表明，與傳統(tǒng)識別模型相比，DBM-LSTM模型更適用于多特征語音情感識別任務，最優(yōu)識別結(jié)果提升11.00%。

3. 人工智能在廣播電視監(jiān)測中的應用

前述研究表明，人工智能技術(shù)在圖像識別、語音識別、情感識別等方面均已獲得良好的效果。在現(xiàn)有廣播電視監(jiān)測系統(tǒng)上，只能提供報警前端、報警節(jié)目、報警現(xiàn)象和報警時長等信息，無法提供進一步的報警信息、事故原因，且誤報率較高。將人工智能技術(shù)應用于廣播電視監(jiān)測中，實現(xiàn)廣播電視監(jiān)測的自動化、智能化、實時化，極大減輕值班員的人工負擔，提高監(jiān)測質(zhì)量，提高反應速度。

3.1.音視頻識別

可廣泛應用人工智能中的語音識別、語義識別、圖像識別等技術(shù)，實現(xiàn)對音頻、視頻的自動化處理。在智能標簽生成和管理方面，通過語音識別、語義識別、圖像識別、場景識別等技術(shù)，結(jié)合自然語言處理，對音視頻內(nèi)容自動生成內(nèi)容標簽和查詢索引，便于后續(xù)查找和管理。在多媒體內(nèi)容管控方面，基于敏感內(nèi)容樣本學習建模，借助語義識別、圖像識別技術(shù)，在海量的音視頻多媒體節(jié)目內(nèi)容中智能鑒別、篩選出敏感內(nèi)容、淫穢色情內(nèi)容等，實現(xiàn)輔助人工乃至自動化的播前內(nèi)容審核。在節(jié)目質(zhì)量監(jiān)測方面，立足正常節(jié)目訓練，應用深度學習算法，智能識別音頻、視頻質(zhì)量劣化、內(nèi)容篡改、音視頻不同步、黑屏等非正常情況。

音視頻的基于人工智能技術(shù)的自動化識別可極大地降低值班員工作量，相對于人工檢出，自動識別可大大提高識別率和檢出速度。

3.2. 自動決策

引入人工智能中的智能決策系統(tǒng)和算法，在感知到前文所述的各種異常情況后，根據(jù)異常嚴重級別，智能切換線路或信號源，并適時上報異常信息，并根據(jù)異常事件的嚴重程度和影響范圍，實現(xiàn)基于異常程度的分級處理。低級別異常無感自動化處理，自動識別，自動修復;高級別異常實時及時化處理，實時發(fā)現(xiàn)，即時上報人工處理。當感知到音視頻內(nèi)容中的淫穢、反動等敏感內(nèi)容后，根據(jù)威脅級別，選擇人工核查處理或自動決策處理。

自動決策不僅包括對音頻、視頻內(nèi)容的識別、報警等處理，還包括對可修復問題的自動修復、在出現(xiàn)嚴重問題時的音視頻實時截斷、切換等處理，以進一步減輕值班員的工作量，并提高嚴重問題的處理速度，降低不良影響。

3.3.輿情監(jiān)測

隨著廣播電視節(jié)目傳播方式不斷豐富，用戶互動不斷增加，從用戶對不同節(jié)目的收視率、點擊情況，到用戶對節(jié)目的評論、轉(zhuǎn)發(fā)傳播情況，都可以反映出用戶的情感、立場等信息。在收集匯總節(jié)目播出及用戶互動情況的基礎上，借助人工智能的語義識別等技術(shù)，智能分析用戶點擊行為中隱含的好惡情緒，對用戶評論進行情感分析和語義分析，為用戶及節(jié)目標記情感和行為標簽，進而綜合分析研判輿情信息，可完成對輿情的感知和監(jiān)測。

基于人工智能技術(shù)的用戶輿情監(jiān)測拓展了廣播電視監(jiān)測的工作范圍，在傳統(tǒng)的針對節(jié)目源監(jiān)測的基礎上實現(xiàn)了反向用戶行為監(jiān)測，與傳統(tǒng)節(jié)目源監(jiān)測相輔相成。針對節(jié)目源的監(jiān)測數(shù)據(jù)與針對用戶輿情的監(jiān)測數(shù)據(jù)可相互印證、相互補充，最終獲得從發(fā)送端到接收端及從接收端到發(fā)送端的雙向監(jiān)測數(shù)據(jù)，形成全面的立體監(jiān)測體系。

4. 結(jié)語

將人工智能技術(shù)應用于廣播電視節(jié)目監(jiān)測監(jiān)管中，不但可以大幅提升監(jiān)測監(jiān)管的效率，提高異常處理的反應速度，而且可以大大擴展監(jiān)測監(jiān)管的范圍，從傳統(tǒng)的音視頻監(jiān)測到自動決策、輿情監(jiān)控。監(jiān)測系統(tǒng)將更加智能化、便捷化、實時化，將寶貴的人力從低效重復的勞動中解放出來。人工智能將在廣播電視監(jiān)測中扮演越來越重要的角色。

參考文獻：

[1]Fu T C， Chiu W C， Wang Y C F.Learning guided convolutional neural networks for cross-resolution face recognition[C]//2017 IEEE 27th International Workshop on Machine Learning for Signal Processing （MLSP）.IEEE，2017：1-5.

[2]Taigman Y， Yang M， Ranzato M A， et al. Deepface： Closing the gap to human-level performance in face verification[C]//Proceedings of the IEEE conference on computer vision and pattern recognition.2014：1701-1708.

[3]李倩玉.基于改進深層網(wǎng)絡的視頻人臉識別研究[D].合肥工業(yè)大學，2016.