浅谈基于卷积神经网络的不良视频检测方法

互联网和信息技术的发展使直播和短视频等日渐盛行,其中存在大量的不良视频会对青少年的身心健康造成严重的负面影响。加强对不良网络视频的监测监管已成为当务之急。经过长期不断研究,国内外针对数字不良视频的识别算法已经取得一定效果,随着神经网络等新技术的应用,未来对不良视频的监管将会越来越智能和高效。

基于云平台的交通视频检测数据优化研究

交通视频检测技术在智能交通领域应用广泛,成为当前交通信息采集的主要手段.但在恶劣天气条件下,视频车辆检测器采集的交通数据误差较大,难以准确反映路面实际状况.为解决此问题,本文提出基于不同气象能见度等级构建k型BP网络,对气象能见度低于10 km时的原始交通数据作预处理优化.分析了云计算在交通信息处理方面的优势,基于云计算平台实现了该模型的构建与推广.最后以成都绕城高速七里沟大桥定点观测得到的数据做样本进行实例分析,对比了该模型方法与传统处理方法的数据处理效果,得出了本文方法较传统方法先进的结论.

低频干扰下无线多媒体网络中不良视频检测算法

当前无线多媒体网络容易受到低频干扰,传统不良视频检测算法无法有效去除干扰,导致检测结果不可靠。为此,提出一种新的无线多媒体网络中不良视频检测算法。为了使运动矢量平滑,通过向量中值滤波技术对其施行处理。为了避免因摄像头位置变动造成的干扰,采用平均值法对视频进行进一步处理。在无线多媒体网络视频序列时间轴中,将局部光问题转换成关键帧识别问题。在获得关键帧的基础之上,通过HIS模型快速准确地实现肤色部分的提取,判断检测视频是否为不良视频。经实验验证,所提算法检测精度高、结果可靠,且开销小。

不良视频特征提取与重复检测技术探讨

针对互联网出现的大量不良视频信息,目前已有很多学者利用计算机视觉和图像理解技术进行识别和过滤。本文通过不良视频识别与特征提取、建立视频索引、视频重复检测这一技术路线,提供了一种互联网不良视频过滤的方法。

短视频不良内容智能检测平台研究与设计

研究并设计了一个面向短视频不良内容的实时检测平台。该平台研究的核心在于分层筛选系统,通过基于短视频外围核心参数构建的深度学习筛选模型完成海量筛选,再将检测出的可疑不良短视频传递给基于深度学习的短视频内容识别引擎进行重点甄别,提出融合自然语言处理、计算机视觉、语音识别、机器学习等的短视频智能实时检测平台框架。

基于爬虫技术的互联网电视安播保障手段研究

随着运营商家宽质量的提升和互联网电视牌照方内容丰富度的优化,基于运营商家宽网络的互联网电视业务发展迅速,用户规模呈快速增长态势,这一发展对各家运营商来说既是机遇也是挑战。互联网电视承载于IP网络之上,而网络本身并无界限,IP网络上的数据流很容易遭受攻击和篡改,对关键视频服务器恶意攻击(如非法访问)或假冒网络视频内容提供商(CP)进行非法插播等,严重影响用户的收视感知甚至造成违法犯罪。为解决这一问题,确保互联网电视安播工作有序推进,基于爬虫技术搭建了一套不良信息监测系统,通过模拟机顶盒请求对视频播控平台码流的监测以及CDN视频服务器内缓存内容的爬测,及时监测视频内容分发过程中可能存在的视频质量劣化以及各类有危害性的不良信息,提升用户收视感知,净化用户视听环境,确保在互联网电视蓬勃发展的同时也完成国家对于互联网电视业务安播工作的要求。