基于深度学习的智能视频识别系统项目简介.docx

第 第 PAGE 1 页 共 NUMPAGES 4 页 基于深度学习的智能视频识别系统 项 目 简 介 二〇二〇年八月 一、项目创意 在互联网时代的背景下，网络直播正在以“井喷式”速度发展；在行业快速扩张的同时，也产生了一系列的负面问题：网络直播低俗化、黑色利益链衍生畸形生态圈、监管机制及监督体系不完善。直播本质上是互联网+媒体的融合类业务，其监管涉及较多网络属性，面临更多复杂性。如何加强网络直播监督力度，建立完善、合理的联动式网络直播监督机制成为当今直播行业难题。 针对目前网络直播监督管理的痛点，亟待利用大数据、人工智能等新技术与新系统构建网络直播平台监管手段，构建出有效的网络直播平台协同监管新模式，从而有效解决目前网络直播平台所存在的问题。 而基于深度学习的智能视频识别系统即将成为网络直播监管的新技术、新手段；该系统主要通过对网络直播、点播视频中的语音、文字、图像进行多维检测，运用语音、文字、图像识别模型以及卷积神经网络可实现对网络直播中存在涉黄、涉暴、政治敏感、广告、违禁品等风险内容进行监控；通过数据挖掘进行信息合法性鉴定，强化违规信息的准确与有效管控，同时在数据挖掘中探寻网络直播未来的发展趋势，为网络直播平台提供决策依据。 项目可行性 针对目前网络直播乱象及现阶段监督力度和监管机制的不足与缺乏现状，国家网信办发布《互联网直播服务管理规定》，要求狠刹网络直播低俗之风 营造积极向上网络生态，号召利用大数据、人工智能等新技术与新系统构建网络直播平台监管手段，构建出有效的网络直播平台协同监管新模式，从而有效解决目前网络直播平台所存在的问题。 而基于深度学习的智能视频识别系统正是在现如今大数据、人工智能技术发展的基础上所研发出的网络平台直播创新监督技术，先进的互联网技术与方法为支撑，建立完善而科学的网络直播监督机制， 在网络直播监控系统中，直播采集、数据信息安全控制、直播录制存储、直播内容播出控制等是其必不可少的组成部分，本系统可通过人脸识别技术、色情识别技术、后台流量监控技术对网络平台主播进行实时监督，对直播内容进行实时审查与监控，对直播间进行动态监管。 市场定位 本系统主要目标群体为电商直播平台、娱乐直播平台、游戏直播平台、直播监管部门及其他直播形式。 营销策略 基本功能开发完成后，将产品投入市场。 第一阶段，试点推广。线上，以电商直播平台进行试点推广，目前电商行业商户直播卖货现象光、数量多；前期主要以免费试用为爆点，通过线下宣传活动宣传设备信息。通过试点区，形成良性运营的消费和传播圈，向片区推广过渡。 第二阶段，片区推广。完成需求密集行业调研，仿效试点区推广手段，在需求密集行业展开推广。线上推广进一步形成稳固发展的机制。 第三阶段，全国推广。线上推广已经进入成熟期，有良好的运行机制。线下则进行全国性的推广，至少覆盖各省会城市及重要城市。此时，企业开始盈利，回收成本。 第四阶段，品牌合作与扩充发展。此时市场已经机内成熟期，在一定时间后会衰落。因此，此时企业将利用己有的品牌效应开发更多产品。 盈利模式 主要以软件销售为主，并提供售后服务及软件功能升级等运营模式，借助平台服务费收取、广告商等营销模式进行商业模式运作。 风投后的目标 初期阶段（6个月）：健全系统数据库模型，加强系统视频识别能力，完善系统整体功能，系统内测并上线，；同时加快公司组织结构体系，为系统初期上线推广做充足准备。 发展阶段（2年）：加大系统品牌推广传播，发掘潜力市场，提升业务量，同时针对市场行情及客户需求反馈及时完善扩充系统功能；加强人员管理，规范各部门职责，打造规范化团队。 成熟阶段（3年）：系统发展稳定后，进军全国市场，拓展业务，寻找新的利益增长点；同时构思研发适合搭建视频识别系统的硬件，开拓视频识别其他行业领域。