基于深度学习的网络视频溯源系统的制作方法

1.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：

2.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；
3.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。


技术实现要素：

4.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。
5.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；
6.所述发布者用户端用于发布者发布网络视频；
7.所述云端服务器用于接收、处理、储存、发送网络视频；
8.所述用户客户端用于用户接收网络视频；
9.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；
10.所述视频处理模块用于对视频数据进行处理；
11.所述溯源模块用于溯源追溯。
12.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。
13.优选的，所述视频处理模块具体处理步骤如下：
14.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；
15.步骤二：预处理单元对网络视频数据进行压缩、整合预处理；
16.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；
17.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；
18.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。
19.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：
20.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；
21.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；
22.步骤3：比对不成功的网络视频数据由输出单元输出至识别单元。
23.优选的，所述对比单元的对比公式为：
24.特征库数据为a＝{}；
25.提取的特征数据为b＝{}；
26.其中为新增项；
27.其中为删除项；
28.其中b∩a＝{x|x∈b且x∈a}共有项；
29.其中共有项则代表对比成功，提取的特征数据存在着不规范现象。
30.优选的，所述溯源模块包括动作识别单元、提取单元、储存单元、反馈单元、匹配单元和通讯单元，所述溯源模块具体处理步骤如下：
31.步骤(1)：在用户客户端对网络视频进行转载、下载动作时，动作识别单元对该动作进行识别并记录；
32.步骤(2)：提取单元提取转载或下载时用户客户端特征信息以及网络视频信息，并将用户客户端特征信息标识为转载溯源根或下载溯源根，最终由储存单元进行储存；
33.步骤(3)：反馈单元将溯源根和网络视频数据反馈至云端服务器，并通过匹配单元与云端服务器的网络视频数据进行匹配，匹配成功后通讯单元将用户客户端标识的转载溯源根或下载溯源根反馈至发布者客户端。
34.本发明相比现有技术具有以下优点：
35.通过设置溯源模块，在用户客户端对网络视频进行转载、下载动作时，动作识别单元对该动作进行识别并记录，提取单元提取转载或下载时用户客户端特征信息以及网络视频信息，并将用户客户端特征信息标识为转载溯源根或下载溯源根，最终由储存单元进行储存，反馈单元将溯源根和网络视频数据反馈至云端服务器，并通过匹配单元与云端服务器的网络视频数据进行匹配，匹配成功后通讯单元将用户客户端标识的转载溯源根或下载溯源根反馈至发布者客户端，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；
36.通过设置审核模块，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，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，比对不成功的网络视频数据由输出单元输出至识别单元，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。
附图说明
37.图1是本发明的系统框图；
38.图2是本发明的视频处理模块系统图；
39.图3是本发明的审核单元系统图；
40.图4是本发明的溯源模块系统图。
具体实施方式
41.下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
42.如图1-4所示，本实施例提供一种技术方案：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；
43.发布者用户端用于发布者发布网络视频；
44.云端服务器用于接收、处理、储存、发送网络视频；
45.用户客户端用于用户接收网络视频；
46.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；
47.视频处理模块用于对视频数据进行处理；
48.溯源模块用于溯源追溯。
49.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。
50.视频处理模块具体处理步骤如下：
51.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；
52.步骤二：预处理单元对网络视频数据进行压缩、整合预处理；
53.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；
54.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；
55.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。
56.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，审核单元具体处理步骤如下：
57.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；
58.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；
59.步骤3：比对不成功的网络视频数据由输出单元输出至识别单元。
60.对比单元的对比公式为：
61.特征库数据为a＝{}；
62.提取的特征数据为b＝{}；
63.其中为新增项；
64.其中为删除项；
65.其中b∩a＝{x|x∈b且x∈a}共有项；
66.其中共有项则代表对比成功，提取的特征数据存在着不规范现象。
67.溯源模块包括动作识别单元、提取单元、储存单元、反馈单元、匹配单元和通讯单元，溯源模块具体处理步骤如下：
68.步骤(1)：在用户客户端对网络视频进行转载、下载动作时，动作识别单元对该动作进行识别并记录；
69.步骤(2)：提取单元提取转载或下载时用户客户端特征信息以及网络视频信息，并将用户客户端特征信息标识为转载溯源根或下载溯源根，最终由储存单元进行储存；
70.步骤(3)：反馈单元将溯源根和网络视频数据反馈至云端服务器，并通过匹配单元与云端服务器的网络视频数据进行匹配，匹配成功后通讯单元将用户客户端标识的转载溯源根或下载溯源根反馈至发布者客户端。
71.综上，本发明在使用时，首先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，预处理单元对网络视频数据进行压缩、整合预处理，预处理后的视频数据传输至审核单元进行审核，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，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，比对不成功的网络视频数据由输出单元输出至识别单元，识别单元识别该网络视频数据中特征信息，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，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，在用户客户端对网络视频进行转载、下载动作时，动作识别单元对该动作进行识别并记录，提取单元提取转载或下载时用户客户端特征信息以及网络视频信息，并将用户客户端特征信息标识为转载溯源根或下载溯源根，最终由储存单元进行储存，反馈单元将溯源根和网络视频数据反馈至云端服务器，并通过匹配单元与云端服务器的网络视频数据进行匹配，匹配成功后通讯单元将用户客户端标识的转载溯源根或下载溯源根反馈至发布者客户端。
72.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。