打擊暴恐視頻工作是網(wǎng)絡(luò)反恐的重要組成部分,但隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展及規(guī)模的不斷擴(kuò)大,原有工作模式已經(jīng)難以適應(yīng)當(dāng)前的工作要求,存在工作效率低、人力消耗高、工作不深入等突出難題。在當(dāng)前歷史時期下,運(yùn)用人工智能技術(shù)優(yōu)勢促進(jìn)打擊暴恐視頻工作轉(zhuǎn)型,是兼具必要性和可操作性的有力舉措。針對當(dāng)前學(xué)術(shù)研究普遍存在的訓(xùn)練集不準(zhǔn)、應(yīng)用場景不明確的突出問題,本文將首先探討總結(jié)暴恐視頻的定義、內(nèi)容特征及其危害,明確什么是暴恐視頻的基礎(chǔ)性問題,并使用司法實(shí)踐認(rèn)定的暴恐視頻文件作為視頻識別技術(shù)的訓(xùn)練集;其次,本文將結(jié)合相關(guān)法律法規(guī)提出各法律主體在打擊暴恐視頻工作中主要承擔(dān)的職責(zé)義務(wù),明確打擊暴恐視頻工作應(yīng)用場景和業(yè)務(wù)需求,提出改進(jìn)暴恐視頻打擊工作建議;最后,本文將針對暴恐視頻識別算法中涉及到的視頻關(guān)鍵幀提取、暴恐圖像特征檢測等關(guān)鍵技術(shù)分別開展研究工作,針對暴恐視頻內(nèi)容特征提出了基于幀間差平均值判斷的暴恐視頻關(guān)鍵幀提取算法,針對暴恐視頻logo位置尺寸特征提出了基于損失函數(shù)的YOLOv3暴恐特征識別模型改進(jìn)算法。（1）提出了適用于不同法律主體的暴恐視頻識別方法。明確應(yīng)用場景和需求是技術(shù)應(yīng)用的第一步,只有明確了什么是... 

【文章來源】：中國人民公安大學(xué)北京市

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

單位或個人打擊暴恐視頻主要流程

對于電信業(yè)務(wù)經(jīng)營者、互聯(lián)網(wǎng)服務(wù)提供商而言,其作為暴恐視頻主要的傳播渠道與滋生土壤,相較于一般的單位或個人在打擊暴恐視頻方面承擔(dān)了更多的義務(wù),具體表現(xiàn)在增加了在停止傳輸、保存證據(jù)、刪除信息等三個措施,流程示意如圖2-2所示。2.4.2.2 政府主體

與社會主體分類相似,按照《反恐法》的關(guān)于打擊暴恐視頻工作的措施要求,政府主體亦可分為兩個層面。在互聯(lián)網(wǎng)管理者層面,主要工作陣地是在線上,主要執(zhí)法內(nèi)容是指導(dǎo)電信業(yè)務(wù)經(jīng)營者、互聯(lián)網(wǎng)服務(wù)提供商等相關(guān)單位加強(qiáng)暴恐視頻信息管控工作措施,切斷暴恐視頻的傳播渠道,流程示意如圖2-3。此外,公安、國家安全機(jī)關(guān)有對傳播暴恐視頻的行為及人員開展調(diào)查、依法打擊的工作職責(zé)。對于海關(guān)、出入境邊防檢查機(jī)關(guān)而言,主要工作陣地在線下,主要執(zhí)法內(nèi)容是對進(jìn)出國邊境的人員、貨物進(jìn)行核查,及時發(fā)現(xiàn)在手機(jī)、MP3、MP4、Ipad、筆記本電腦等移動多媒體設(shè)備及U盤、移動硬盤等便攜式電子數(shù)據(jù)存儲設(shè)備中存儲的暴恐視頻,并將相關(guān)人員及物品移交公安機(jī)關(guān)做進(jìn)一步處理,流程示意如圖2-4。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)損失函數(shù)的YOLOv3網(wǎng)絡(luò)[J]. 呂鑠,蔡烜,馮瑞.  計算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[2]一種基于角度距離損失函數(shù)和卷積神經(jīng)網(wǎng)絡(luò)的人臉識別算法[J]. 龍鑫,蘇寒松,劉高華,陳震宇.  激光與光電子學(xué)進(jìn)展. 2018(12)
[3]一種基于隔離損失函數(shù)的人臉表情識別方法[J]. 曾逸琪,關(guān)勝曉.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(06)
[4]面向暴恐音視頻的內(nèi)容檢測系統(tǒng)研究與實(shí)現(xiàn)[J]. 黃超,易平.  通信技術(shù). 2018(01)
[5]“三股勢力”與“三個組織”——中亞各國、我國新疆地區(qū)恐怖主義組織分析[J]. 張筱薇.  犯罪與改造研究. 2017(04)
[6]基于聯(lián)合特征的暴恐視頻檢測算法[J]. 米陽,孫錟鋒,蔣興浩.  信息技術(shù). 2016(10)
[7]基于視覺語義概念的暴恐視頻檢測[J]. 宋偉,楊培,于京,姜薇.  信息網(wǎng)絡(luò)安全. 2016(09)
[8]結(jié)合SVM分類器與HOG特征提取的行人檢測[J]. 徐淵,許曉亮,李才年,姜梅,張建國.  計算機(jī)工程. 2016(01)
[9]“伊斯蘭國”與恐怖主義的變形[J]. 王晉.  外交評論(外交學(xué)院學(xué)報). 2015(02)
[10]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計算機(jī)研究與發(fā)展. 2013(09)

博士論文
[1]RGB顏色空間及其應(yīng)用研究[D]. 黃國祥.中南大學(xué) 2002

碩士論文
[1]基于深度學(xué)習(xí)的暴恐視頻識別關(guān)鍵技術(shù)研究[D]. 趙凱.北京郵電大學(xué) 2019
[2]網(wǎng)絡(luò)視頻語種識別系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 王哲.北京交通大學(xué) 2016
[3]基于Logo標(biāo)志檢測的暴恐視頻識別系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 符亞彬.北京交通大學(xué) 2016
[4]敏感視頻中服飾檢測與人種檢測的設(shè)計與實(shí)現(xiàn)[D]. 宮文超.北京交通大學(xué) 2016
[5]涉恐圖像中敏感標(biāo)識的檢測與識別[D]. 羅驍原.北京交通大學(xué) 2016
[6]基于背景減法和幀差法的運(yùn)動目標(biāo)檢測算法研究[D]. 余啟明.江西理工大學(xué) 2013
[7]基于HOG特征的目標(biāo)識別算法研究[D]. 尚俊.華中科技大學(xué) 2012
[8]基于Adaboost算法的人臉檢測研究[D]. 左登宇.中國科學(xué)技術(shù)大學(xué) 2009
[9]基于內(nèi)容的視頻檢索方法研究[D]. 侯海珍.重慶大學(xué) 2009
[10]鏡頭邊界檢測及關(guān)鍵幀提取研究[D]. 李秀環(huán).湖南大學(xué) 2009



本文編號：3420461