[发明专利]基于深度学习的网络视频溯源系统在审

专利信息
申请号: 202111372350.7 申请日: 2021-11-18
公开(公告)号: CN114025224A 公开(公告)日: 2022-02-08
发明(设计)人: 王平;安德智;田军;武光利;牛君会;曹启 申请(专利权)人: 甘肃欧美亚信息科技有限公司
主分类号: H04N21/433 分类号: H04N21/433;H04N21/44;H04N21/431;H04N21/2183;H04N21/234;H04N21/254;H04N21/258;H04N21/4627;H04L67/12;G06N20/00
代理公司: 重庆壹手知专利代理事务所(普通合伙) 50267 代理人: 刘军
地址: 730000 甘肃省兰州市安宁区*** 国省代码: 甘肃;62
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 网络 视频 溯源 系统
【说明书】:

发明公开了基于深度学习的网络视频溯源系统,包括发布者用户端、云端服务器、用户客户端、人工神经网络、视频处理模块和溯源模块,所述发布者用户端用于发布者发布网络视频,所述云端服务器用于接收、处理、储存、发送网络视频,所述用户客户端用于用户接收网络视频,所述人工神经网络用于建立用户端、云端服务器、用户客户端网络通信;本发明实现了在追溯视频作者溯源的同时,能够对网络视频的转载、下载用户进行溯源记录、追溯,便于网络视频创作着了解视频作品转载、下载溯源,使用效果更好,实现了对网络视频数据的初步审核,避免违规视频被上传、转载、下载,同时也减少人工审核的精力,更加实用。

技术领域

本发明涉及网络视频处理领域,具体涉及基于深度学习的网络视频溯源系统。

背景技术

随着科技的发达,网络通讯覆盖越来越广泛,视频成为了人们记录信息的主要工具,同时也伴随着各种视频作品流传在网络,而每个网络视频均会有作者制作,同时也会有用户进行转载或下载,深度学习的网络视频溯源系统是一种基于人工神经网络的网络视频溯源追溯系统,主要用于追溯视频作者;

但现有的深度学习的网络视频溯源系统在使用时存在着一定的不足之处有待改善,首先,现有的深度学习的网络视频溯源系统无法对转载、下载的用户端溯源进行追溯,导致作者无法了解到制作的网络视频转载、下载溯源,使用效果差;其次,现有的深度学习的网络视频溯源系统无法对视频进行初步审核,无法对违规视频进行拦截,功能性差。

发明内容

本发明所要解决的技术问题在于:现有的深度学习的网络视频溯源系统无法对转载、下载的用户端溯源进行追溯,导致作者无法了解到制作的网络视频转载、下载溯源,使用效果差;其次,现有的深度学习的网络视频溯源系统无法对视频进行初步审核,无法对违规视频进行拦截,功能性差的技术问题。

本发明是通过以下技术方案解决上述技术问题的,基于深度学习的网络视频溯源系统,包括发布者用户端、云端服务器、用户客户端、人工神经网络、视频处理模块和溯源模块;

所述发布者用户端用于发布者发布网络视频;

所述云端服务器用于接收、处理、储存、发送网络视频;

所述用户客户端用于用户接收网络视频;

所述人工神经网络用于建立用户端、云端服务器、用户客户端网络通信;

所述视频处理模块用于对视频数据进行处理;

所述溯源模块用于溯源追溯。

优选的,所述视频处理模块包括接收单元、预处理单元、审核单元、识别单元、标识单元、标识库、处理单元和传输单元。

优选的,所述视频处理模块具体处理步骤如下:

步骤一:接收单元接收到发布者用户端上传的网络视频,并传输至预处理单元;

步骤二:预处理单元对网络视频数据进行压缩、整合预处理;

步骤三:预处理后的视频数据传输至审核单元进行审核,审核通过后识别单元识别该网络视频数据中特征信息;

步骤四:标识单元将识别的特征信息标识为该网络视频的溯源根,并存入标识库中;

步骤五:处理单元对网络视频进行处理后由传输单元传输至云端服务器进行储存。

优选的,所述审核单元包括特征提取单元、闪存单元、对比单元、特征库、拦截单元和输出单元,所述审核单元具体处理步骤如下:

步骤1:特征提取单元对网络视频数据特征进行提取,提取的特征有闪存单元进行储存;

步骤2:对比单元将提取的特征与特征库中的数据进行特征比对,比对成功的视频数据由拦截单元拦截;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于甘肃欧美亚信息科技有限公司,未经甘肃欧美亚信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111372350.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top