技术总结
一种基于卷积神经网络模型的暴恐视频检测方法，涉及计算机视觉和机器学习。包括以下步骤：1)深度神经网络模型的训练；2)在线暴恐视频检测。利用深度学习模型组合低层特征，形成更加抽象的高层表示属性或特征，以发现数据的分布式特征表示。通过该模型能够获取描述能力强的视频图像特征描述子。该特征描述子涵盖了视频图像从低到高各个层次的特征信息，从而大大提高了暴恐视频检测的准确率和召回率。通过少量样本来训练深度卷积网络来获得优秀的检测性能。对恐怖图片检测准确率达99％以上，召回率达98％以上。对于恐怖视频检测准确率达95％，召回率达99％。训练过程无需人工参与，自动根据少量样本生成海量数据。
技术研发人员：纪荣嵘;林贤明;沈云航
受保护的技术使用者：厦门大学
文档号码：201611128390
技术研发日：2016.12.09
技术公布日：2017.05.31