广播电视的安全播出是制播过程中最重要的部分。近年来,非法信号攻击威胁广播电视信息网络,犯罪分子恶意插入或伪造电视信号的事件时有发生。这给我国广播电视的安全播出带来了严峻考验。因此,我们需要有一套高效即时的文字识别系统,能够在第一时间识别并提取敏感词等入侵信息。基于此,本文在对比研究了多种图像预处理方法之后,结合应用场景,构建合理的网络模型,并经过多次训练,通过网络的自主学习,最终达到高效识别特定文字信息的目的。电视视频内容的安全主要涉及到三方面的内容:一、电视视频源的合法性;二、视频传输的过程中,是否受到非法篡改等攻击;三、已经播出的节目内容是否符合国家政策法规。构建识别系统的基础是对视频内容的有效监控。要实现对以上内容的监控,必须完整地解读出电视视频传达的内容。但是,由于视频信息本身存在数据量大、结构复杂、内容无法逆向解析等特性,给我们理解视频内容带来了困难。为此,本文重点研究广播电视图像内容的高效识别与特定信息的有效提取。我们依托BP神经网络这个平台,来搭建出类似于人类大脑的神经网络,从而高效地处理大量繁杂的电视视频数据信息。网络经过大量反复的训练学习,能够有效地识别并提取出广播电视视频中的违法信息和敏感词,确保播出内容的安全性。但是,由于BP网络本身的局限性,如何进一步提升网络优化的能力成为亟需解决的问题。基于此,本文将遗传算法和BP神经网络相结合。经过分析、测试,充分证明了,遗传算法的加入,弥补了BP神经网络存在的学习速度较慢、算法速率较低等不足,更好的优化了网络的性能。本文借助图像处理及深度学习技术研究建立待识别图像与识别结果的非线性关系模型,构建出GA-BP网络,通过对实验样本进行迭代训练学习,利用检测集确定出均方差阈值。依据该阈值,能够高效地提取出待识别图像中的特定字符,以达到对广播电视视频画面中非法信息初步检测的目的。