(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210368563.0 (22)申请日 2022.04.09 (71)申请人 北京天防安全科技有限公司 地址 100089 北京市海淀区北三环西路32 号楼16层1810 -1 (72)发明人 刘佩函　张永元　方维　段伟恒　 (74)专利代理 机构 北京维正专利代理有限公司 11508 专利代理师 李传亮 (51)Int.Cl. G06V 20/40(2022.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/77(2022.01) H04L 69/22(2022.01) (54)发明名称 一种视频设备型号确认方法、 装置、 设备及 介质 (57)摘要 本申请涉及视频设备领域， 尤其是涉及一种 视频设备型号确认方法、 装置、 设备及介质， 该方 法包括获取多个待识别视频设备的报文数据， 并 确定每一报文数据的报文特征数据； 将所有报文 特征数据进行数据归一化,得到所有归一化报文 特征数据； 基于所有归一化报文特征数据进行密 度聚类， 确定多个待识别视频设备对应的多个类 别集合； 获取每一类别集合中任意一个待识别视 频设备的设备型号； 根据设备型号确定设备型号 对应的待识别视频设备所在的类别集合的所有 待识别视频设备型号。 本申请具有的技术效果 是： 提高了 视频设备 型号的识别效率。 权利要求书2页 说明书14页 附图2页 CN 114724069 A 2022.07.08 CN 114724069 A 1.一种视频设备 型号确认方法， 其特 征在于， 包括： 获取多个待识别视频设备的报文数据， 并确定每一所述报文数据的报文特 征数据； 将所有所述报文特 征数据进行 数据归一 化,得到所有归一 化报文特 征数据； 基于所有归一化报文特征数据进行密度聚类， 确定多个待识别 视频设备对应的多个类 别集合； 获取每一所述类别集 合中任意 一个待识别视频设备的设备 型号； 根据所述设备型号确定设备型号对应的待识别视频设备所在的所述类别集合的所有 待识别视频设备 型号。 2.根据权利要求1所述的视频设备型号确认方法， 其特征在于， 所述报文特征数据包 括： 第一子报文特征数据、 第二子报文特征数据、 第三子报文特征数据， 所述将所有所述报 文特征数据进行 数据归一 化， 得到归一 化后的所有报文特 征数据， 包括： 对所有第一子报文特征数据使用线性归一化， 得到第一子归一化数据； 第一子报文特 征为报文特 征数据中所有字节长度和字节数的子报文特 征数据； 对所有第二子报文特征数据使用进制转换和线性归一化， 得到第二子归一化数据； 第 二子报文特 征为报文特 征数据中所有校验和子报文特 征数据； 对所有第三子报文特征数据使用one_hot编码， 得到第三子归一化数据； 第三子报文特 征数据为报文 特征数据中除第一子报文特征数据、 第二子报文特征数据之外的子报文 特征 数据。 3.根据权利要求2所述的视频设备型号确 认方法， 其特征在于， 在将所有所述报文特征 数据进行 数据归一 化,得到所有归一 化报文特 征数据之后， 还 包括： 根据所有所述归一化报文特征数据生成矩阵数据， 并对所述矩阵数据进行降维， 得到 降维数据； 相应的， 基于所有归一化报文特征数据进行密度聚类， 确定多个待识别视频设备对应 的多个类别集合， 包括： 对所述降维数据进行密度聚类， 确定多个所述待识别视频设备的多个所述类别集 合。 4.根据权利要求3所述的视频设备型号确认方法， 根据所有所述归一化报文特征数据 生成矩阵数据， 并对所述矩阵数据进行降维， 得到降维数据， 包括： 利用主成分分析算法对所有所述归一化报文特征数据降维， 得到所有所述降维报文特 征数据。 5.根据权利要求1所述的视频设备型号确 认方法， 其特征在于， 基于所有归一化报文特 征数据进行密度聚类， 确定多个待识别视频设备对应的多个 类别集合， 包括： 确定报文特征数据中的每一子报文特征数据的预设邻域距离阈值范围内的所有子报 文特征数据的数量； 针对同一子报文特征数据， 若存在目标子报文特征数据对应的数量不小于邻域内最小 样本数阈值， 则确定所述目标子报文特 征数据为核心子报文特 征数据； 根据所有 核心子报文特 征数据确定多个待识别视频设备的类别集 合。 6.根据权利要求5所述的视频设备型号确 认方法， 其特征在于， 所述预设邻域距离 阈值 的确定过程， 包括： 获取多个样本视频设备的多个样本报文特征数据、 标准样本类别集合与 标准样本类别权　利　要　求　书 1/2 页 2 CN 114724069 A 2数； 对所述多个样本报文特征数据进行数据归一化， 得到归一化后的所有样本报文特征数 据； 根据初始的邻域距离值对归一化后的所有样本报文特征数据进行密度聚类， 得到多个 样本类别集 合； 根据多个样本类别集合、 多个样本类别集合对应的样本类别数、 标准样本类别集合与 标准样本类别数确定准确率； 若所述准确率达到预设标准阈值， 则将初始 的邻域距离值确定为预设邻域距离阈值； 若所述准确 率未达到预设标准阈值， 则按照预设步幅调整邻域距离值， 直至得到的准确 率 达到预设标准阈值得到所述预设邻域距离阈值。 7.根据权利要求6所述的视频设备型号确 认方法， 其特征在于， 所述根据多个样本类别 集合、 多个样本类别集合对应的样本类别数、 标准样本类别集合与标准样本类别数确定准 确率， 包括： 根据多个样本类别集合、 多个样本类别集合对应的样本类别数、 标准样本类别集合与 标准样本类别数利用purity算法确定所述 准确率。 8.一种视频设备 型号确认的装置， 其特 征在于， 所述装置包括： 第一确定模块： 用于获取多个待识别视频设备的报文数据， 并确定每一所述报文数据 的报文特 征数据； 归一化模块： 用于将所有所述报文特征数据进行数据归一化,得到所有归一化报文特 征数据； 第二确定模块： 用于基于所有归一化报文特征数据进行密度聚类， 确定多个待识别视 频设备对应的多个 类别集合和类别数； 设备型号获取模块： 用于获取每一所述类别集合中任意一个待识别视频设备的设备型 号； 第三确定模块： 根据 所述设备型号确定设备型号对应的待识别 视频设备所在的所述类 别集合的所有 待识别视频设备的型号。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 存储器； 至少一个应用程序， 其中所述至少一个应用程序被存储在存储器中并被配置为由至少 一个处理器执行， 所述至少一个应用程序配置用于： 如权利要求1至7中任一种方法的计算 机程序。 10.一种计算机可读存储介质， 其特征在于， 存储有能够被处理器加载并执行如权利要 求1至7中任一种方法的计算机程序。权　利　要　求　书 2/2 页 3 CN 114724069 A 3