随着大数据时代到来,信息、数据呈几何维度的增长,特别是网络自媒体以及各种短视频应用的兴起使得各种图像、视频充斥着整个网络,给人们带来方便、娱乐大众的同时也带来了不少的问题,例如机密信息泄露、个人隐私权益受损等。尤其是未成年人,其心智尚未成熟,个人隐私权更易受到侵犯。根据我国未成年人保护法中的相关条例阐述,未成年人的隐私权益也应当在图像视频中得到体现。因此,如何在保证视频的质量以及内容的原生性的前提下,针对海量的视频素材能够实现计算机自动识别未成人并对其脸部进行模糊化处理以防止其身份信息泄露是一个新兴的研究问题。本文针对未成年人视频隐私保护问题进行了重点研究,以深度卷积神经网络以及人脸检测、图像模糊算法为基础提出了一种未成年人视频隐私保护机制,该机制能够实现计算机自动识别未成年人脸部并进行模糊化处理以保护未成年人隐私。因此本文的主要工作如下:首先基于残差网络建立未成年人脸部识别模型,针对在建模过程中缺少训练、测试数据集的问题,本文选取了适当年龄划分的人脸年龄数据集为基础,采用数据扩充和数据标注转换的方法重新构建了一个真正意义上的可用于训练和测试未成年人脸部识别模型的数据集,并且以该数据集为基础通过实验多次对模型进行参数调整、优化,得到了一定条件下最优的未成年人脸部识别模型。然后再将该模型运用于视频处理之中,对待处理视频进行视频分帧并采用HOG特征与回归树相结合的算法对视频每一帧进行人脸检测,将检测出的人脸送入未成年人脸部识别模型进行识别,对识别出的未成年人脸部图像,采用马赛克算法对其进行模糊化处理,最后再将每一帧合并还原成视频。相比于目前其它的研究,本文的创新点为首次考虑将深度学习运用到未成年人视频隐私保护的研究中来,设计了一个未成年人视频隐私保护机制,建立了基于残差网络的未成年人脸部识别模型,并且通过实验提高了模型识别精度以及验证了该机制的可行性,最终实现计算机自动识别视频中的未成年人并对其进行脸部模糊化处理以达到保护未成年人视频隐私的目的。