人工智能在廣播電視監(jiān)測中的應(yīng)用

羊光 張沛瀧 張琪

【摘要】廣播電視監(jiān)測需要對(duì)廣播電視節(jié)目的音視頻質(zhì)量、內(nèi)容實(shí)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(duì)監(jiān)測工作是一個(gè)巨大挑戰(zhàn)，需耗費(fèi)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(jìn)展特別是在圖像識(shí)別和語音識(shí)別方面的進(jìn)展，并對(duì)其在廣播電視監(jiān)測中的應(yīng)用進(jìn)行了深入分析和梳理。人工智能技術(shù)將推動(dòng)廣播電視監(jiān)管監(jiān)測戰(zhàn)略性發(fā)展。

【關(guān)鍵詞】人工智能;廣播電視監(jiān)測;圖像識(shí)別;語音識(shí)別

中圖分類號(hào)：G241? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)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(jì)發(fā)展、社會(huì)進(jìn)步等方面已經(jīng)產(chǎn)生重大而深遠(yuǎn)的影響?！叭斯ぶ悄堋币辉~反復(fù)提及，這表明在當(dāng)前我國經(jīng)濟(jì)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(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展、建設(shè)創(chuàng)新型國家，實(shí)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(dòng)力之一。

廣播電視監(jiān)測行業(yè)需要面對(duì)海量的媒體資源，對(duì)先進(jìn)的技術(shù)有著更高的需求。技術(shù)的引入和應(yīng)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(shí)效性。隨著融媒體、5G技術(shù)、云平臺(tái)建設(shè)等不斷推進(jìn)，廣播電視監(jiān)測監(jiān)管面對(duì)的數(shù)據(jù)量進(jìn)一步增長，傳輸速率進(jìn)一步提高，監(jiān)管難度進(jìn)一步增大，制播平臺(tái)進(jìn)一步融合，為人工智能在廣播電視監(jiān)測監(jiān)管上的應(yīng)用提供了研究基礎(chǔ)。研究人工智能相關(guān)技術(shù)在廣播電視監(jiān)測監(jiān)管方面的適應(yīng)性應(yīng)用，將進(jìn)一步豐富監(jiān)測監(jiān)管手段，提高監(jiān)測監(jiān)管效能，推動(dòng)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(yīng)用的階段。關(guān)于人工智能，比較流行的定義是指讓機(jī)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(jì)算機(jī)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(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和智能算法四類，模式識(shí)別是指對(duì)事物的表征特征進(jìn)行各種形式的處理以及學(xué)習(xí)，從而形成一定的規(guī)則對(duì)事物或者現(xiàn)象進(jìn)行分析分類的過程;機(jī)器學(xué)習(xí)是指對(duì)人類的學(xué)習(xí)行為進(jìn)行模擬，經(jīng)過先驗(yàn)知識(shí)獲得新的知識(shí)或技能，從而達(dá)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(shí)，應(yīng)用于市場分析、醫(yī)學(xué)預(yù)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(yīng)用于圖像識(shí)別，起源于人工神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)結(jié)合，從此圖像識(shí)別技術(shù)得到快速發(fā)展。近些年來，因?yàn)闄C(jī)器學(xué)習(xí)中的深度學(xué)習(xí)具有強(qiáng)大的特征提取能力，被廣泛應(yīng)用于圖像識(shí)別當(dāng)中，并且取得了巨大的發(fā)展。基于深度學(xué)習(xí)的圖像識(shí)別主要應(yīng)用在監(jiān)控視頻、門禁系統(tǒng)的人臉識(shí)別中，基于深度學(xué)習(xí)的人臉識(shí)別算法中有相當(dāng)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(tuán)隊(duì)提出的DeepID模型極大地促進(jìn)了人臉識(shí)別的技術(shù)發(fā)展，F(xiàn)u等人提出的引導(dǎo)卷積神經(jīng)網(wǎng)絡(luò)（Guided-CNN）最高匹配率能夠達(dá)到97.4%，李倩玉等人提出的深層網(wǎng)絡(luò)自動(dòng)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(shí)別率。另外圖像識(shí)別還應(yīng)用于醫(yī)學(xué)圖像識(shí)別和遙感圖像識(shí)別當(dāng)中，利用圖像識(shí)別來對(duì)人體的患病部位進(jìn)行診斷是當(dāng)下最前沿的醫(yī)學(xué)診斷之一，但是由于缺乏足夠的醫(yī)學(xué)數(shù)據(jù)，因此仍舊有許多的病癥無法通過這一技術(shù)進(jìn)行識(shí)別，利用遙感圖像識(shí)別能夠?qū)ν恋?、水利、環(huán)境污染等進(jìn)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(duì)UCI數(shù)據(jù)具有較強(qiáng)的穩(wěn)定性和泛化性。

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

3. 人工智能在廣播電視監(jiān)測中的應(yīng)用

前述研究表明，人工智能技術(shù)在圖像識(shí)別、語音識(shí)別、情感識(shí)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(bào)警前端、報(bào)警節(jié)目、報(bào)警現(xiàn)象和報(bào)警時(shí)長等信息，無法提供進(jìn)一步的報(bào)警信息、事故原因，且誤報(bào)率較高。將人工智能技術(shù)應(yīng)用于廣播電視監(jiān)測中，實(shí)現(xiàn)廣播電視監(jiān)測的自動(dòng)化、智能化、實(shí)時(shí)化，極大減輕值班員的人工負(fù)擔(dān)，提高監(jiān)測質(zhì)量，提高反應(yīng)速度。

3.1.音視頻識(shí)別

可廣泛應(yīng)用人工智能中的語音識(shí)別、語義識(shí)別、圖像識(shí)別等技術(shù)，實(shí)現(xiàn)對(duì)音頻、視頻的自動(dòng)化處理。在智能標(biāo)簽生成和管理方面，通過語音識(shí)別、語義識(shí)別、圖像識(shí)別、場景識(shí)別等技術(shù)，結(jié)合自然語言處理，對(duì)音視頻內(nèi)容自動(dòng)生成內(nèi)容標(biāo)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(xué)習(xí)建模，借助語義識(shí)別、圖像識(shí)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(shí)現(xiàn)輔助人工乃至自動(dòng)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(xùn)練，應(yīng)用深度學(xué)習(xí)算法，智能識(shí)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(dòng)化識(shí)別可極大地降低值班員工作量，相對(duì)于人工檢出，自動(dòng)識(shí)別可大大提高識(shí)別率和檢出速度。

3.2. 自動(dòng)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(yán)重級(jí)別，智能切換線路或信號(hào)源，并適時(shí)上報(bào)異常信息，并根據(jù)異常事件的嚴(yán)重程度和影響范圍，實(shí)現(xiàn)基于異常程度的分級(jí)處理。低級(jí)別異常無感自動(dòng)化處理，自動(dòng)識(shí)別，自動(dòng)修復(fù);高級(jí)別異常實(shí)時(shí)及時(shí)化處理，實(shí)時(shí)發(fā)現(xiàn)，即時(shí)上報(bào)人工處理。當(dāng)感知到音視頻內(nèi)容中的淫穢、反動(dòng)等敏感內(nèi)容后，根據(jù)威脅級(jí)別，選擇人工核查處理或自動(dòng)決策處理。

自動(dòng)決策不僅包括對(duì)音頻、視頻內(nèi)容的識(shí)別、報(bào)警等處理，還包括對(duì)可修復(fù)問題的自動(dòng)修復(fù)、在出現(xiàn)嚴(yán)重問題時(shí)的音視頻實(shí)時(shí)截?cái)?、切換等處理，以進(jìn)一步減輕值班員的工作量，并提高嚴(yán)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(dòng)不斷增加，從用戶對(duì)不同節(jié)目的收視率、點(diǎn)擊情況，到用戶對(duì)節(jié)目的評(píng)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(dòng)情況的基礎(chǔ)上，借助人工智能的語義識(shí)別等技術(shù)，智能分析用戶點(diǎn)擊行為中隱含的好惡情緒，對(duì)用戶評(píng)論進(jìn)行情感分析和語義分析，為用戶及節(jié)目標(biāo)記情感和行為標(biāo)簽，進(jìn)而綜合分析研判輿情信息，可完成對(duì)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(duì)節(jié)目源監(jiān)測的基礎(chǔ)上實(shí)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(duì)節(jié)目源的監(jiān)測數(shù)據(jù)與針對(duì)用戶輿情的監(jiān)測數(shù)據(jù)可相互印證、相互補(bǔ)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(yīng)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(yīng)速度，而且可以大大擴(kuò)展監(jiān)測監(jiān)管的范圍，從傳統(tǒng)的音視頻監(jiān)測到自動(dòng)決策、輿情監(jiān)控。監(jiān)測系統(tǒng)將更加智能化、便捷化、實(shí)時(shí)化，將寶貴的人力從低效重復(fù)的勞動(dòng)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(xiàn)：

[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(jìn)深層網(wǎng)絡(luò)的視頻人臉識(shí)別研究[D].合肥工業(yè)大學(xué)，2016.