随着移动互联网的快速发展,出现了越来越多的短视频平台,例如抖音短视频、快手短视频等。这些平台已经成为人们休闲生活中必不可少的一项娱乐活动,发布在平台中的视频大都是人们发布的日常生活等内容,但是也有人会利用视频发布平台发布一些违规的内容,甚至会出现犯罪人员,这给公共安全提出了很大的挑战。同时公安所关注的重点人员也可能会出现在某个视频中,该系统为公安寻找关键人物提供一种辅助手段,同时也可以为公共安全提供保障。本文主要是利用卷积神经网络的模型在人脸识别中的应用,相对于传统人脸识别的方法,卷积神经网络在进行复杂的算法设计时不需要人工进行。本文主要内容包括以下几部分内容:(1)本文主要有视频抓取及下载和系统管理模块两大部分。视频抓取及下载主要是对发布在短视频平台中的视频URL进行抓取,再将抓取到的视频进行下载。目前主流的短视频平台只有APP,对于视频的抓取需要利用数据抓取软件fiddler,由于抖音视频的数量巨大,就需要利用appium自动化工具代替人工进行滑动视频,极大节约了人工成本。对于系统管理模块,利用B/S架构对系统的界面进行设计,中间件采用serverlet进行实现。通过UML建模对系统功能进行需求分析及建模,设计出系统中的各个功能,然后通过设计流程图对功能点进行设计。(2)视频抓取及下载首先是通过利用网络抓包工作原理对视频URL进行抓取,再通过Python服务调用抓取到的URL对视频进行下载。对于管理模块中的各个功能利用类图以及序列图对功能点进行实现,该系统实现的功能有底库管理、预警管理、报警管理以及系统管理。本系统是通过对抓取到的视频进行人脸识别后与底库中的人员信息进行比对分析,若比对分析结果相匹配,则通过报警管理功能进行报警,其中人脸识别中具有人脸检测、人脸特征点提取以及比对分析三个步骤,这三个步骤在系统中通过faster R-CNN算法、KD-tree算法、余弦相似度算法进行实现。(3)对系统的整体设计并实现后,对系统的功能与非功能进行了测试。本系统采用白盒测试与黑盒测试。通过代码走查以及测试工具testbed工具对代码进行测试,通过黑盒测试对系统的各个功能点进行测试分析。根据测试结果可以得出,测试结果符合预期结果,系统可靠稳定,符合设计要求。该系统具有较好的市场应用价值,为公安系统在海量视频中识别关键人物提供了极大的便捷。