伴随着网络传输技术和多媒体技术的飞速发展,人们可以轻松、便捷的获取到各种信息资源,改变了人们的日常生活。但网络中存在的大量色情视频会对互联网用户的生理和心理产生很大刺激,尤其对青少年的身心健康和价值观形成造成严重的负面影响。因此如何有效地检测和阻断网络中的不良信息越来越受到社会关注,相关算法研究和改进也越来越受到研究者的重视。本文针对以往算法在色情视频检测时不能准确提取出镜头内完整前景区域的问题,提出了一种基于图上半监督学习的色情视频识别算法。该算法借助视频中帧与帧之间在时间上表现出的连续性,准确的提取出视频中完整的前景区域,再对前景区域进行肤色和隐私部位检测以对该视频做出识别。该算法能够有效地避免接近肤色背景的干扰,提高视频中不良内容检测的准确率。本算法包括以下步骤：首先,对视频进行镜头分割,获取镜头内的关键帧。将关键帧和它相邻的前后多帧图像进行帧间差分,对差分的多帧图像进行合并,提取出部分的运动前景区域。然后,以提取的部分运动前景区域作为获取真实前景区域的先验信息,采用基于图上半监督学习算法(线性邻域传播)提取出完整的前景区域。最后,建立肤色模型,分割出完整前景区域中的肤色区域,通过对肤色区域的色情内容检测识别出关键帧所属类别,借助关键帧的检测结果判断视频的类别。通过实验发现,该算法在不良视频检测中表现出较好的鲁棒性,检测准确率能够达到90%以上,能够有效的检测和阻断网络中传输的不良视频内容。