CN111240984A - 异常页面识别方法、装置、计算机设备和存储介质 - Google Patents
异常页面识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111240984A CN111240984A CN202010041294.8A CN202010041294A CN111240984A CN 111240984 A CN111240984 A CN 111240984A CN 202010041294 A CN202010041294 A CN 202010041294A CN 111240984 A CN111240984 A CN 111240984A
- Authority
- CN
- China
- Prior art keywords
- page
- abnormal
- abnormal page
- normal
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013515 script Methods 0.000 claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000014759 maintenance of location Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 21
- 238000013475 authorization Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 97
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及大数据处理领域,尤其是一种异常页面识别方法、装置、计算机设备和存储介质。所述方法包括:接收终端发送的异常页面识别请求,异常页面识别请求携带有屏幕录制视频,所述屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;获取所述应用程序测试脚本对应的页面停留时间;根据所述页面停留时间对所述屏幕录制视频进行分段,得到多个视频段;从每个所述视频段分别抽取若干帧关键帧,并将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,所述异常页面识别模型是基于正常页面和历史异常页面生成的;将所得到的异常页面返回给所述终端。采用本方法能够提高异常页面识别准确性。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种异常页面识别方法、装置、计算机设备和存储介质。
背景技术
通常在应用程序运行的过程中,对硬件计算能力的需求是不断变化的,如果处理某一帧显示所需资源的时长超出了预设的标准时长(以标准帧率为每秒60帧为例,则每一帧预设的标准时长为16毫秒),则会出现异常的问题。因此,在开发应用程序的过程中,需要对应用程序界面的显示性能进行分析,保证界面运行维持在一定的帧率标准之上,从而为用户提供流畅的使用体验。
传统地,在测试的时候,通常是由测试人员进行手工测试,这样人工测试的时候,很容易忽略卡顿,造成卡顿页面没有及时发现,导致卡顿页面识别不准确。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高异常页面识别准确率的异常页面识别方法、装置、计算机设备和存储介质。
一种异常页面识别方法,所述方法包括:
接收终端发送的异常页面识别请求,所述异常页面识别请求携带有屏幕录制视频,所述屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;
获取所述应用程序测试脚本对应的页面停留时间;
根据所述页面停留时间对所述屏幕录制视频进行分段,得到多个视频段;
从每个所述视频段分别抽取若干帧关键帧,并将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,所述异常页面识别模型是基于正常页面和历史异常页面生成的;
将所得到的异常页面返回给所述终端。
在其中一个实施例中,所述将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,包括:
将每一所述视频段对应的关键帧分别输入至异常页面识别模型,以判断所述视频段对应的页面是否为异常页面;
如果所述视频段对应的页面为异常页面,则输出异常页面。
在其中一个实施例中,所述将每一所述视频段对应的关键帧分别输入至异常页面识别模型,以判断所述视频段对应的页面是否为异常页面,包括:
获取每一所述视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度;
当第一相似度大于第一阈值,则判定所述关键帧为异常帧;
当第一相似度不大于第一阈值,则获取每一所述视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度;
当第二相似度小于第二阈值时,则判定所述关键帧为异常帧,否则判定所述关键帧为正常帧;
当所述视频段对应的关键帧均为正常帧时,则所述视频段对应的页面为正常页面,否则所述视频段对应的页面为异常页面。
在其中一个实施例中,所述第一阈值的调整方式包括:
获取应用程序对应的正常页面,并提取所述正常页面的正常色彩值;
将所述正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;
根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越大。
在其中一个实施例中,所述第二阈值的调整方式包括:
获取应用程序对应的正常页面,并提取所述正常页面的正常色彩值;
将所述正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;
根据所述差异值调整第二阈值,所述差异值越大,所述第一阈值越大。
在其中一个实施例中,所述异常页面识别模型的生成方式包括:
从终端获取到正常页面;
从数据库获取到历史异常页面,所述历史异常页面是在终端开启帧率检测后所识别得到的异常页面;
对所述正常页面和所述异常页面进行训练得到异常页面识别模型。
在其中一个实施例中,所述应用程序测试脚本的生成方式包括:
设置终端为开发者授权模式;
接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。
一种异常页面识别装置,所述装置包括:
接收模块,接收终端发送的异常页面识别请求,所述异常页面识别请求携带有屏幕录制视频,所述屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;
页面停留时间获取模块,用于获取所述应用程序测试脚本对应的页面停留时间;
分段模块,用于根据所述页面停留时间对所述屏幕录制视频进行分段,得到多个视频段;
模型处理模块,用于从每个所述视频段分别抽取若干帧关键帧,并将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,所述异常页面识别模型是基于正常页面和历史异常页面生成的;
输出模块,用于将所得到的异常页面返回给所述终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述异常页面识别方法、装置、计算机设备和存储介质,在接收到终端发送的异常页面识别请求时,根据应用程序测试脚本对应的页面停留时间对屏幕录制视频进行分段,以得到每一个页面对应的视频段,然后从每个视频段中抽取若干帧关键帧,并基于该关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,将所识别得到的异常页面返回给终端,这样针对每一个页面均提取了若干关键帧进行判断,提高了异常页面的识别准确性。
附图说明
图1为一个实施例中异常页面识别方法的应用场景图;
图2为一个实施例中异常页面识别方法的流程示意图;
图3为一个实施例中的帧率检测页面的页面示意图;
图4为一个实施例中异常页面识别装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的异常页面识别方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。终端102向服务器104发送异常页面识别请求,其中该异常页面识别请求可以携带有屏幕录制视频,即在终端102开启帧率检测的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的,服务器104获取到应用程序测试脚本对应的页面停留时间,然后根据页面停留时间对屏幕录制视频进行分段,得到多个视频段,这样一个页面对应一个视频段,服务器104通过对视频段进行抽样得到若干关键字,将每一个页面对应的关键帧输入至异常页面识别模型中得到异常页面,并将异常页面返回至终端102,这样针对每一个页面均提取了若干关键帧进行判断,提高了异常页面的识别准确性。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种异常页面识别方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202:接收终端发送的异常页面识别请求,异常页面识别请求携带有屏幕录制视频,屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的。
具体地,异常页面是指显示存在延迟的页面,例如卡顿页面。终端生成异常页面识别请求的方法包括:首先将终端设置为开发者root授权模式,例如可以连续点击版本号数次则可以打开对应的开发者模式;然后在手机中设置开启帧率检测,即在开发者选项中的GPU呈现模式分析里点击在屏幕上显示为条形图,具体如图3所示,图3为一个实施例中的帧率检测页面的页面示意图,从而屏幕可以如下图显示;第三通过所录制的应用程序测试脚本来控制对应的应用程序进行运行并同时进行屏幕录制得到屏幕录制视频,在应用程序测试脚本执行完毕后,则结束录制,从而根据所录制的屏幕录制视频生成异常页面识别请求并发送给服务器。
在其中一个实施例中,应用程序测试脚本的生成方式包括:设置终端为开发者授权模式;接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。具体地,首先将终端设置为开发者root授权模式,然后对应用程序进行操作,并通过monkeyrun进行操作点击录制脚本得到应用程序测试脚本。此外,在对应用程序进行操作的时候,可以设置每个页面的操作时间,例如5秒,则在进行应用程序测试脚本生成的时候,实时判断当前页面的页面停留时间是否等于操作时间,例如5秒,若等于,则才会接收下一个针对应用程序操作的指令并进行翻页,否则就算接收到了下一个针对应用程序操作的指令,则也会实时判断当前页面的页面停留时间是否等于操作时间,直至等于操作时间,才会响应下一个针对应用程序操作的指令并进行翻页。
S204:获取应用程序测试脚本对应的页面停留时间。
S206:根据页面停留时间对屏幕录制视频进行分段,得到多个视频段。
具体地,页面停留时间是与应用程序测试脚本对应的,每一次在生成应用程序测试脚本时,均需要设置页面停留时间,且在生成应用程序测试脚本时,将应用程序测试脚本、页面停留时间以及应用程序标识关联存储。从而在接收到异常页面识别请求时,服务器可以从异常页面识别请求中提取到应用程序标识,然后根据应用程序标识查询到应用程序测试脚本,并查询到页面停留时间,根据页面停留时间对屏幕录制视频进行分段,得到多个视频段。
S208:从每个视频段分别抽取若干帧关键帧,并将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,异常页面识别模型是基于正常页面和历史异常页面生成的。
在实际应用中,对屏幕录制视频进行分段得到每一个页面对应的视频段,然后分别对视频段进行抽样得到与每个页面对应的关键帧。例如,在屏幕录制的时候,应用程序测试脚本中设定了停留时间,即每次进行翻页则对应停留一定时间,并进行录制。这样在服务器在接收到屏幕录制视频后首先根据停留时间对屏幕录制视频进行分段得到不同的视频段,然后对视频段进行抽样得到关键帧,例如一段视频长达20秒,每个页面的停留时间为5秒,则将视频分为5段,每一段对应一个页面,假设依次为页面A、页面B、页面C、页面D以及页面E,其中页面A对应视频0秒到5秒,则服务器从该段中抽取1秒、2秒、3秒、4秒以及5秒的关键帧,然后将该关键帧输入至异常页面识别模型中判断抽样得到的关键帧,即上述的5帧中是否存在异常帧,如果存在则对应的页面为异常页面。
其中异常页面识别模型是预先根据正常页面和历史异常页面训练得到的,其训练方式包括:从终端获取到正常页面;从数据库获取到历史异常页面,历史异常页面是在终端开启帧率检测后所识别得到的异常页面;对正常页面和异常页面进行训练得到异常页面识别模型。具体地,服务器首先从开发终端获取到正常页面,该正常页面是开发人员在开发的过程中所绘制的正常页面;然后获取到历史异常页面,该历史异常页面是在手机开启帧率检测后所识别出的异常页面;对该正常页面和历史异常页面进行训练得到异常页面识别模型。
S210:将所得到的异常页面返回给终端。
具体地,输出异常页面可以供开发去改善优化,即将异常页面发送给对应的终端,从而终端可以根据异常页面定位到应用程序的具体异常流程,然后对该流程进行调整,以优化应用程序,此外服务器将异常页面存储到一个文件夹中,以便于开发进行查看调用。
上述异常页面识别方法,在接收到终端发送的异常页面识别请求时,根据应用程序测试脚本对应的页面停留时间对屏幕录制视频进行分段,以得到每一个页面对应的视频段,然后从每个视频段中抽取若干帧关键帧,并基于该关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,将所识别得到的异常页面返回给终端,这样针对每一个页面均提取了若干关键帧进行判断,提高了异常页面的识别准确性。
在其中一个实施例中,将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,包括:将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面;如果视频段对应的页面为异常页面,则输出异常页面。
在其中一个实施例中,将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面,包括:获取每一视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度;当第一相似度大于第一阈值,则判定关键帧为异常帧;当第一相似度不大于第一阈值,则获取每一视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度;当第二相似度小于第二阈值时,则判定关键帧为异常帧,否则判定关键帧为正常帧;当视频段对应的关键帧均为正常帧时,则视频段对应的页面为正常页面,否则视频段对应的页面为异常页面。
具体地,服务器在判断页面是否为异常页面的时候,可以首先将屏幕录制视频根据页面停留时间划分为多个视频段,一个视频段对应一个页面,然后对每个视频段中的视频帧进行抽样得到关键帧,然后分别将每个页面对应的关键帧分别输入至异常页面识别模型中,以判断该页面是否为异常页面,当判断为一个页面后,则继续获取下一个页面对应的关键帧,并将下一个页面对应的关键帧输入至顿识别模型中进行判断,直至所有的页面均判断完成。
其中,一个页面是否为异常页面的判断方式可以包括以下步骤:服务器根据异常页面识别模型计算所抽取的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度,当第一相似度大于等于第一阈值时,则判定所述关键帧为异常帧,从而输出与所述关键帧对应的页面为异常页面。当第一相似度小于等于第一阈值时,则继续根据异常页面识别模型计算关键帧的色彩值与正常页面的第二色彩值的第二相似度,当第二相似度小于第二阈值时,则判定所述关键帧为异常帧,从而输出与所述关键帧对应的页面为异常页面,否则判定所述关键帧为正常帧,且当一个页面对应的所有的关键帧均为正常帧时,则该页面为正常页面。例如接上例,其中页面A对应的关键帧包括1秒视频帧、2秒视频帧、3秒视频帧、4秒视频帧以及5秒视频帧,在判断的时候,如果判断出1秒视频帧、2秒视频帧、3秒视频帧、4秒视频帧以及5秒视频帧的其中一帧为异常帧,则不比再继续判断下一关键帧,而是直接输出页面为异常页面,否则继续判断下一关键帧是否为异常帧,如果判断完成,所有的关键帧均是正常帧,则该页面为正常页面。
上述实施例中,对屏幕录制视频进行分段,使得一个页面对应一个视频段,其饿一个视频段均匀采样多个关键帧,通过对关键帧的判断来确定页面是否为异常页面。
在其中一个实施例中,上述第一阈值和/或第二阈值均是可调的,其中第一阈值与下文中的差异值成正相关,第二阈值与下文中的差异值成负相关。在其中一个实施例中,第一阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及正相关关系调整第一阈值。在其中一个实施例中,第二阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及负相关关系调整第二阈值。
具体地,服务器首先获取到待测应用程序对应的正常页面,并获取所述正常页面的色彩值(例如rgb的值),判断该色彩值与标准色彩值的差异,如果差异值大,则第一阈值相应调大,如果差异值小,则可以第一阈值相应调小,此处的标准色彩值可以为红色,这是由于开帧率检测后,如果页面大量红线则说明页面卡顿严重。同样地,对于第二阈值的调整,服务器首先获取到待测应用程序对应的正常页面,并获取所述正常页面的色彩值(例如rgb的值)判断该色彩值与标准色彩值的差异,如果差异值大,则第二阈值相应调小,如果差异值小,则可以第一阈值相应调大,此处的标准色彩值可以为红色,这是由于开帧率检测后,如果页面大量红线则说明页面卡顿严重。
上述实施例中,可以根据标准色彩值对第一阈值和第二阈值进行调整,以对应不同的应用程序的页面的颜色,从而防止由于应用程序页面颜色的变化所导致的判断错误。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种异常页面识别装置,包括:接收模块100、页面停留时间获取模块200、分段模块300、模型处理模块400和输出模块500,其中:
接收模块100,接收终端发送的异常页面识别请求,异常页面识别请求携带有屏幕录制视频,屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的。
页面停留时间获取模块200,用于获取应用程序测试脚本对应的页面停留时间。
分段模块300,用于根据页面停留时间对屏幕录制视频进行分段,得到多个视频段。
模型处理模块400,用于从每个视频段分别抽取若干帧关键帧,并将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,异常页面识别模型是基于正常页面和历史异常页面生成的。
输出模块500,用于将所得到的异常页面返回给终端。
在其中一个实施例中,上述模型处理模块400可以包括:
帧判断单元,用于将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面。
页面判断单元,用于如果视频段对应的页面为异常页面,则输出异常页面。
在其中一个实施例中,上述帧判断单元可以包括:
第一相似度获取单元,用于获取每一视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度。
第一判断单元,用于当第一相似度大于第一阈值,则判定关键帧为异常帧。
第二相似度获取单元,用于当第一相似度不大于第一阈值,则获取每一视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度。
第二判断单元,用于当第二相似度小于第二阈值时,则判定关键帧为异常帧,否则判定关键帧为正常帧。
综合单元,用于当视频段对应的关键帧均为正常帧时,则视频段对应的页面为正常页面,否则视频段对应的页面为异常页面。
在其中一个实施例中,上述异常页面识别装置还包括:
第一色彩值获取模块,用于获取应用程序对应的正常页面,并提取正常页面的正常色彩值。
第一比较模块,用于将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值。
第一调整模块,用于根据差异值以及正相关关系调整第一阈值。
在其中一个实施例中,上述异常页面识别装置还包括:
第二色彩值获取模块,用于获取应用程序对应的正常页面,并提取正常页面的正常色彩值。
第二比较模块,用于将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值。
第二调整模块,用于根据差异值以及负相关关系调整第二阈值。
在其中一个实施例中,上述异常页面识别装置还包括:
正常页面获取模块,用于从终端获取到正常页面。
异常页面获取模块,用于从数据库获取到历史异常页面,历史异常页面是在终端开启帧率检测后所识别得到的异常页面。
训练模块,用于对正常页面和异常页面进行训练得到异常页面识别模型。
在其中一个实施例中,上述异常页面识别装置还包括:
模式设置模块,用于设置终端为开发者授权模式。
录制模块,用于接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。
关于异常页面识别装置的具体限定可以参见上文中对于异常页面识别方法的限定,在此不再赘述。上述异常页面识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储正常页面、异常页面以及异常页面识别模型。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种异常页面识别方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收终端发送的异常页面识别请求,异常页面识别请求携带有屏幕录制视频,屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;获取应用程序测试脚本对应的页面停留时间;根据页面停留时间对屏幕录制视频进行分段,得到多个视频段;从每个视频段分别抽取若干帧关键帧,并将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,异常页面识别模型是基于正常页面和历史异常页面生成的;将所得到的异常页面返回给终端。
在一个实施例中,处理器执行计算机程序时所实现的将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,可以包括:将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面;如果视频段对应的页面为异常页面,则输出异常页面。
在一个实施例中,处理器执行计算机程序时所实现的将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面,可以包括:获取每一视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度;当第一相似度大于第一阈值,则判定关键帧为异常帧;当第一相似度不大于第一阈值,则获取每一视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度;当第二相似度小于第二阈值时,则判定关键帧为异常帧,否则判定关键帧为正常帧;当视频段对应的关键帧均为正常帧时,则视频段对应的页面为正常页面,否则视频段对应的页面为异常页面。
在一个实施例中,处理器执行计算机程序时所涉及的第一阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及正相关关系调整第一阈值。
在一个实施例中,处理器执行计算机程序时所涉及的第二阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及负相关关系调整第二阈值。
在一个实施例中,处理器执行计算机程序时所涉及的异常页面识别模型的生成方式包括:从终端获取到正常页面;从数据库获取到历史异常页面,历史异常页面是在终端开启帧率检测后所识别得到的异常页面;对正常页面和异常页面进行训练得到异常页面识别模型。
在一个实施例中,处理器执行计算机程序时所涉及的应用程序测试脚本的生成方式包括:设置终端为开发者授权模式;接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收终端发送的异常页面识别请求,异常页面识别请求携带有屏幕录制视频,屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;获取应用程序测试脚本对应的页面停留时间;根据页面停留时间对屏幕录制视频进行分段,得到多个视频段;从每个视频段分别抽取若干帧关键帧,并将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,异常页面识别模型是基于正常页面和历史异常页面生成的;将所得到的异常页面返回给终端。
在一个实施例中,计算机程序被处理器执行时所实现的将关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,可以包括:将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面;如果视频段对应的页面为异常页面,则输出异常页面。
在一个实施例中,计算机程序被处理器执行时所实现的将每一视频段对应的关键帧分别输入至异常页面识别模型,以判断视频段对应的页面是否为异常页面,可以包括:获取每一视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度;当第一相似度大于第一阈值,则判定关键帧为异常帧;当第一相似度不大于第一阈值,则获取每一视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度;当第二相似度小于第二阈值时,则判定关键帧为异常帧,否则判定关键帧为正常帧;当视频段对应的关键帧均为正常帧时,则视频段对应的页面为正常页面,否则视频段对应的页面为异常页面。
在一个实施例中,计算机程序被处理器执行时所涉及的第一阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及正相关关系调整第一阈值。
在一个实施例中,计算机程序被处理器执行时所涉及的第二阈值的调整方式包括:获取应用程序对应的正常页面,并提取正常页面的正常色彩值;将正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;根据差异值以及负相关关系调整第二阈值。
在一个实施例中,计算机程序被处理器执行时所涉及的异常页面识别模型的生成方式包括:从终端获取到正常页面;从数据库获取到历史异常页面,历史异常页面是在终端开启帧率检测后所识别得到的异常页面;对正常页面和异常页面进行训练得到异常页面识别模型。
在一个实施例中,计算机程序被处理器执行时涉及的应用程序测试脚本的生成方式包括:设置终端为开发者授权模式;接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种异常页面识别方法,所述方法包括:
接收终端发送的异常页面识别请求,所述异常页面识别请求携带有屏幕录制视频,所述屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;
获取所述应用程序测试脚本对应的页面停留时间;
根据所述页面停留时间对所述屏幕录制视频进行分段,得到多个视频段;
从每个所述视频段分别抽取若干帧关键帧,并将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,所述异常页面识别模型是基于正常页面和历史异常页面生成的;
将所得到的异常页面返回给所述终端。
2.根据权利要求1所述的方法,其特征在于,所述将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,包括:
将每一所述视频段对应的关键帧分别输入至异常页面识别模型,以判断所述视频段对应的页面是否为异常页面;
如果所述视频段对应的页面为异常页面,则输出异常页面。
3.根据权利要求2所述的方法,其特征在于,所述将每一所述视频段对应的关键帧分别输入至异常页面识别模型,以判断所述视频段对应的页面是否为异常页面,包括:
获取每一所述视频段对应的关键帧的色彩值与历史异常页面的第一色彩值的第一相似度;
当第一相似度大于第一阈值,则判定所述关键帧为异常帧;
当第一相似度不大于第一阈值,则获取每一所述视频段对应的关键帧的色彩值与正常页面的第二色彩值的第二相似度;
当第二相似度小于第二阈值时,则判定所述关键帧为异常帧,否则判定所述关键帧为正常帧;
当所述视频段对应的关键帧均为正常帧时,则所述视频段对应的页面为正常页面,否则所述视频段对应的页面为异常页面。
4.根据权利要求3所述的方法,其特征在于,所述第一阈值的调整方式包括:
获取应用程序对应的正常页面,并提取所述正常页面的正常色彩值;
将所述正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;
根据所述差异值调整第一阈值,所述差异值越大,所述第一阈值越大。
5.根据权利要求3所述的方法,其特征在于,所述第二阈值的调整方式包括:
获取应用程序对应的正常页面,并提取所述正常页面的正常色彩值;
将所述正常色彩值与异常页面对应的标准色彩值进行比较得到差异值;
根据所述差异值调整第二阈值,所述差异值越大,所述第二阈值越小。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述异常页面识别模型的生成方式包括:
从终端获取到正常页面;
从数据库获取到历史异常页面,所述历史异常页面是在终端开启帧率检测后所识别得到的异常页面;
对所述正常页面和所述异常页面进行训练得到异常页面识别模型。
7.根据权利要求1至5任意一项所述的方法,其特征在于,所述应用程序测试脚本的生成方式包括:
设置终端为开发者授权模式;
接收对终端中安装的应用程序的操作指令,并通过预设脚本录制工具进行脚本录制得到应用程序测试脚本。
8.一种异常页面识别装置,其特征在于,所述装置包括:
接收模块,接收终端发送的异常页面识别请求,所述异常页面识别请求携带有屏幕录制视频,所述屏幕录制视频是在帧率检测开启的条件下,终端运行不同的应用程序测试脚本后对终端屏幕录制生成的;
页面停留时间获取模块,用于获取所述应用程序测试脚本对应的页面停留时间;
分段模块,用于根据所述页面停留时间对所述屏幕录制视频进行分段,得到多个视频段;
模型处理模块,用于从每个所述视频段分别抽取若干帧关键帧,并将所述关键帧输入至预先训练得到的异常页面识别模型中得到异常页面,所述异常页面识别模型是基于正常页面和历史异常页面生成的;
输出模块,用于将所得到的异常页面返回给所述终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041294.8A CN111240984A (zh) | 2020-01-15 | 2020-01-15 | 异常页面识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041294.8A CN111240984A (zh) | 2020-01-15 | 2020-01-15 | 异常页面识别方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111240984A true CN111240984A (zh) | 2020-06-05 |
Family
ID=70871091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010041294.8A Pending CN111240984A (zh) | 2020-01-15 | 2020-01-15 | 异常页面识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240984A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112073824A (zh) * | 2020-09-08 | 2020-12-11 | 腾讯科技(深圳)有限公司 | 基于直播视频的数据处理方法及装置 |
CN112256565A (zh) * | 2020-09-24 | 2021-01-22 | 北京达佳互联信息技术有限公司 | 应用程序之中开屏广告的验证方法、装置及电子设备 |
CN112579229A (zh) * | 2020-12-01 | 2021-03-30 | 贝壳技术有限公司 | 一种应用中的页面数据处理方法和装置 |
CN113157591A (zh) * | 2021-05-24 | 2021-07-23 | 中国银行股份有限公司 | 基于页面停留时间的问题单提出方法及装置 |
CN113434825A (zh) * | 2021-07-07 | 2021-09-24 | 成都新希望金融信息有限公司 | 基于计算机视觉的应用程序造假识别方法、装置和电子设备 |
CN113742622A (zh) * | 2021-08-06 | 2021-12-03 | 广州坚和网络科技有限公司 | 一种网页异常检测方法及装置 |
CN113965714A (zh) * | 2021-09-10 | 2022-01-21 | 北京百度网讯科技有限公司 | 视频流的处理方法、装置、电子设备及存储介质 |
CN114579347A (zh) * | 2022-04-24 | 2022-06-03 | 浙江口碑网络技术有限公司 | 页面的异常检测方法、装置、计算机设备及可读存储介质 |
CN112256565B (zh) * | 2020-09-24 | 2024-08-02 | 北京达佳互联信息技术有限公司 | 应用程序之中开屏广告的验证方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572052A (zh) * | 2013-10-21 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种应用程序帧率的测量方法及装置 |
CN104679649A (zh) * | 2013-11-29 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种软件流畅度测试方法和测试装置 |
CN107800989A (zh) * | 2017-10-16 | 2018-03-13 | 深圳市天视通电子科技有限公司 | 基于动态帧率检测的视频显示方法、***及网络录像机 |
CN109614278A (zh) * | 2018-10-16 | 2019-04-12 | 深圳壹账通智能科技有限公司 | 自动化测试过程中问题定位的方法、装置和终端 |
CN109710520A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安财产保险股份有限公司 | 应用启动耗时测试方法、装置、计算机设备和存储介质 |
CN109783351A (zh) * | 2018-12-13 | 2019-05-21 | 重庆金融资产交易所有限责任公司 | 界面测试方法、装置及计算机可读存储介质 |
CN110188303A (zh) * | 2019-05-10 | 2019-08-30 | 百度在线网络技术(北京)有限公司 | 页面错误识别方法和装置 |
CN110225299A (zh) * | 2019-05-06 | 2019-09-10 | 平安科技(深圳)有限公司 | 视频监测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-01-15 CN CN202010041294.8A patent/CN111240984A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572052A (zh) * | 2013-10-21 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种应用程序帧率的测量方法及装置 |
CN104679649A (zh) * | 2013-11-29 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种软件流畅度测试方法和测试装置 |
CN107800989A (zh) * | 2017-10-16 | 2018-03-13 | 深圳市天视通电子科技有限公司 | 基于动态帧率检测的视频显示方法、***及网络录像机 |
CN109614278A (zh) * | 2018-10-16 | 2019-04-12 | 深圳壹账通智能科技有限公司 | 自动化测试过程中问题定位的方法、装置和终端 |
CN109783351A (zh) * | 2018-12-13 | 2019-05-21 | 重庆金融资产交易所有限责任公司 | 界面测试方法、装置及计算机可读存储介质 |
CN109710520A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安财产保险股份有限公司 | 应用启动耗时测试方法、装置、计算机设备和存储介质 |
CN110225299A (zh) * | 2019-05-06 | 2019-09-10 | 平安科技(深圳)有限公司 | 视频监测方法、装置、计算机设备及存储介质 |
CN110188303A (zh) * | 2019-05-10 | 2019-08-30 | 百度在线网络技术(北京)有限公司 | 页面错误识别方法和装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112073824A (zh) * | 2020-09-08 | 2020-12-11 | 腾讯科技(深圳)有限公司 | 基于直播视频的数据处理方法及装置 |
CN112073824B (zh) * | 2020-09-08 | 2022-01-14 | 腾讯科技(深圳)有限公司 | 基于直播视频的数据处理方法及装置 |
CN112256565A (zh) * | 2020-09-24 | 2021-01-22 | 北京达佳互联信息技术有限公司 | 应用程序之中开屏广告的验证方法、装置及电子设备 |
CN112256565B (zh) * | 2020-09-24 | 2024-08-02 | 北京达佳互联信息技术有限公司 | 应用程序之中开屏广告的验证方法、装置及电子设备 |
CN112579229A (zh) * | 2020-12-01 | 2021-03-30 | 贝壳技术有限公司 | 一种应用中的页面数据处理方法和装置 |
CN112579229B (zh) * | 2020-12-01 | 2023-07-28 | 贝壳技术有限公司 | 一种应用中的页面数据处理方法和装置 |
CN113157591A (zh) * | 2021-05-24 | 2021-07-23 | 中国银行股份有限公司 | 基于页面停留时间的问题单提出方法及装置 |
CN113434825A (zh) * | 2021-07-07 | 2021-09-24 | 成都新希望金融信息有限公司 | 基于计算机视觉的应用程序造假识别方法、装置和电子设备 |
CN113742622A (zh) * | 2021-08-06 | 2021-12-03 | 广州坚和网络科技有限公司 | 一种网页异常检测方法及装置 |
CN113965714A (zh) * | 2021-09-10 | 2022-01-21 | 北京百度网讯科技有限公司 | 视频流的处理方法、装置、电子设备及存储介质 |
CN114579347A (zh) * | 2022-04-24 | 2022-06-03 | 浙江口碑网络技术有限公司 | 页面的异常检测方法、装置、计算机设备及可读存储介质 |
CN114579347B (zh) * | 2022-04-24 | 2022-07-29 | 浙江口碑网络技术有限公司 | 页面的异常检测方法、装置、计算机设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240984A (zh) | 异常页面识别方法、装置、计算机设备和存储介质 | |
CN109729383B (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
WO2020037898A1 (zh) | 人脸特征点检测方法、装置、计算机设备及存储介质 | |
CN109710520A (zh) | 应用启动耗时测试方法、装置、计算机设备和存储介质 | |
CN111104495A (zh) | 基于意图识别的信息交互方法、装置、设备和存储介质 | |
CN109992601B (zh) | 待办事项信息的推送方法、装置和计算机设备 | |
CN110751533B (zh) | 产品画像生成方法、装置、计算机设备和存储介质 | |
CN111160275B (zh) | 行人重识别模型训练方法、装置、计算机设备和存储介质 | |
CN111079841A (zh) | 目标识别的训练方法、装置、计算机设备和存储介质 | |
CN110910864B (zh) | 训练样本的选取方法、装置、计算机设备和存储介质 | |
CN109831677B (zh) | 视频脱敏方法、装置、计算机设备和存储介质 | |
CN110517673B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
CN110046577B (zh) | 行人属性预测方法、装置、计算机设备和存储介质 | |
CN110689881A (zh) | 语音识别方法、装置、计算机设备和存储介质 | |
CN111539317A (zh) | 车辆违规行驶检测方法、装置、计算机设备和存储介质 | |
CN113139403A (zh) | 违规行为识别方法、装置、计算机设备和存储介质 | |
CN109766474A (zh) | 审讯信息审核方法、装置、计算机设备和存储介质 | |
CN111832581A (zh) | 肺部特征识别方法、装置、计算机设备及存储介质 | |
CN108200087B (zh) | web入侵检测方法、装置、计算机设备和存储介质 | |
CN110163151B (zh) | 人脸模型的训练方法、装置、计算机设备和存储介质 | |
CN113571096B (zh) | 语音情绪分类模型训练方法、装置、计算机设备及介质 | |
CN111143191A (zh) | 网站测试方法、装置、计算机设备和存储介质 | |
CN111898035B (zh) | 基于物联网的数据处理策略配置方法、装置和计算机设备 | |
CN113283388B (zh) | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |