技术特征：
1.一种针对互联网直播异常行为的智能检测系统，其特征在于，在服务器上设置以下模块：视频采集模块、视频解析模块、异常行为检测模型模块、实时视频异常检测模块，建立用于异常行为判别的网络模型并实际采集网络上的实时视频进行异常行为判定：所述视频采集模块，用于获取互联网直播平台的视频数据；所述视频解析模块，用于将采集的视频流逐帧处理为图像数据，并通过稀疏采样视频帧的方式对视频进行抽帧处理，获取单帧采样图像；所述异常行为检测模型模块，包括建立异常图像样本集，建立异常行为网络模型，利用异常图像样本集数据对异常行为网络模型进行训练，优化网络模型参数及异常判别阈值；所述实时视频异常检测模块，用于存储实时异常行为检测步骤，利用异常行为检测算法调用训练好的异常行为网络模型对互联网直播视频进行实时检测，若超过异常判别阈值则判断直播视频存在异常行为。2.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述异常图像样本集为对视频解析模块获取的单帧采样图像通过人工判别异常并标记，再按比例分成训练集、验证集和测试集。3.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述异常行为网络模型结构包括：卷积神经网络、全连接层、输出层；所述卷积神经网络，包括若干个resnet152残差块，用于提取预先标记的单帧异常图像的异常特征；所述全连接层，用于对异常图像的异常特征进行降维并输出至输出层；所述输出层，采用softmax分类器，用于根据异常特征计算是否为异常图像的判别概率。4.根据权利要求3所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述输出层输出的判别结果包括：异常视频时间time、判别结果result和判别概率probability。5.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述训练时是将训练集数据分批次输入模型，对当前该批次异常图像给出判别概率。6.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，是将异常图像样本集数据输入模型反复迭代，从而优化网络模型参数及异常判别概率阈值。7.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述稀疏采样视频帧的的间隔为10s。8.根据权利要求1所述的一种针对互联网直播异常行为的智能检测系统，其特征在于，所述实时异常行为检测步骤包括：服务器的视频采集步骤，采集互联网直播平台的视频数据；服务器的视频解析步骤，将采集的视频流逐帧处理为图像数据，并通过稀疏采样进行抽帧处理，获取单帧采样图像；实时视频异常检测步骤，利用异常行为检测算法调用训练好的异常行为resnet152网络模型，提取特征后最后送入全连接层，然后通过softmax函数计算判定概率，最终输出判别结果，对互联网直播视频进行实时检测，判断直播视频是否存在异常行为。
技术总结
本发明涉及一种针对互联网直播异常行为的智能检测系统。包括：对网络直播视频进行视频采集，获取直播平台的视频数据；采用基于深度学习的动作识别算法对直播视频数据中的异常行为进行检测和识别，基于深度学习的动作识别算法无需人工设计特征，采用端到端的方式进行识别。通过本发明，能够实时、准确地对互联网直播中的异常行为进行检测和识别，为规范主播直播行为、文明的互联网直播环境提供重要保证。本系统操作简单，可对异常行为进行自动检测，减少人工成本，适用于大面积推广和使用。适用于大面积推广和使用。适用于大面积推广和使用。
技术研发人员：于碧辉 孙华军 张祥祥 王克 魏靖烜 卜立平 张祺
受保护的技术使用者：中国科学院沈阳计算技术研究所有限公司
技术研发日：2021.07.22
技术公布日：2023/2/3