技术特征：
1.一种预设终端的检测方法，其特征在于，所述方法包括：获取所述预设终端的第一序列，以及拍摄所述预设终端的摄像终端的第二序列，所述第一序列包括所述预设终端在预设的n个时间段内的第一码流序列，所述第二序列包括所述摄像终端在所述n个时间段内的第二码流序列和/或所述摄像终端在所述n个时间段内的视频序列；将所述第一序列和所述第二序列输入判断模型，确定所述预设终端是否正常工作。2.根据权利要求1所述的方法，其特征在于，所述视频序列基于视频特征提取模型对所述n个时间段内的视频数据进行处理得到，所述视频特征提取模型为卷积神经网络；所述视频特征提取模型包括卷积层和池化层，其中所述卷积层包括不小于8*8的卷积核，所述池化层包括不小于6*6的压缩窗口。3.根据权利要求2所述的方法，其特征在于，所述视频特征提取模型中卷积核的参数基于对预先训练的人像识别模型中卷积核的参数进行迁移确定，所述预先训练的图像识别模型用于进行人像识别任务。4.根据权利要求1所述的方法，其特征在于，所述判断模型通过训练过程获取，所述训练过程包括：获取多个训练样本及其标签，所述训练样本包括样本预设终端的样本第一序列，拍摄所述样本预设终端的样本摄像终端的样本第二序列，所述标签表示所述样本预设终端是否正常工作，所述标签通过随机设置故障预设终端获取；基于所述多个训练样本训练初始判断模型，得到所述判断模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：在预设终端异常工作时，发出警报信息，所述警报信息通过灯光、文字和语音信号中的至少一种形式发出。6.一种预设终端的检测系统，其特征在于，所述系统包括：获取模块，用于获取所述预设终端的第一序列，以及拍摄所述预设终端的摄像终端的第二序列，所述第一序列包括所述预设终端在预设的n个时间段内的第一码流序列，所述第二序列包括所述摄像终端在所述n个时间段内的第二码流序列和/或所述摄像终端在所述n个时间段内的视频序列；判断模块，用于将所述第一序列和所述第二序列输入判断模型，确定所述预设终端是否正常工作。7.根据权利要求6所述的系统，其特征在于，所述视频序列基于视频特征提取模型对所述n个时间段内的视频数据进行处理得到，所述视频特征提取模型为卷积神经网络；所述视频特征提取模型包括卷积层和池化层，其中所述卷积层包括不小于8*8的卷积核，所述池化层包括不小于6*6的压缩窗口。8.根据权利要求7所述的系统，其特征在于，所述视频特征提取模型中卷积核的参数基于对预先训练的人像识别模型中卷积核的参数进行迁移确定，所述预先训练的图像识别模型用于进行人像识别任务。9.根据权利要求6所述的系统，其特征在于，所述判断模型通过训练过程获取，所述训练过程包括：获取多个训练样本及其标签，所述训练样本包括样本预设终端的样本第一序列，拍摄
所述样本预设终端的样本摄像终端的样本第二序列，所述标签表示所述样本预设终端是否正常工作，所述标签通过随机设置故障预设终端获取；基于所述多个训练样本训练初始判断模型，得到所述判断模型。10.根据权利要求6所述的系统，其特征在于，所述系统还包括：在预设终端异常工作时，发出警报信息，所述警报信息通过灯光、文字和语音信号中的至少一种形式发出。11.一种预设终端的检测装置，其特征在于，包括处理器，所述处理器用于执行如权利要求1
‑
5所述的预设终端的检测方法。12.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取可读存储介质中的计算机指令后，计算机执行如权利要求1
‑
5所述的预设终端的检测方法。
技术总结
本说明书实施例公开了预设终端的检测方法和系统。所述预设终端的检测方法包括：通过获取预设终端在预设的N各时间段内的第一码流序列，以及摄像终端在N个时间段内的第二码流序列和/或视频序列，并将第一码流序列、第二码流序列和/或视频序列输入判断模型，由通过判断模型的输出确定预设终端是否正常工作。断模型的输出确定预设终端是否正常工作。断模型的输出确定预设终端是否正常工作。
技术研发人员：卢国鸣
受保护的技术使用者：上海兴容信息技术有限公司
技术研发日：2021.06.11
技术公布日：2021/9/6