当前因特网中用户业务分类中,占据路由器端口流量的多媒体视频流业务急剧上升,约占总流量的70%左右。除了有效监管下的ISP提供的合法多媒体业务流之外,还隐藏着为数不少的非注册的P2P视频业务,如何对这些显性和隐性的P2P流的内容进行有效检测,是本课题研究的主要内容。本文首先介绍课题产生的背景和研究目的,调研了当前P2P流技术的主要概念,P2P分层结构,主要的P2P流检测技术,并最终提出一种基于应用协议特征串的工程可实现解决方法。之后,本文从内容识别的角度调研了针对已知视频集的多种分类方法,包括支持向量机、Softmax回归法、神经网络法,并由此提出一种引入残差的准三维卷积神经网络内容识别方法。结合P2P流检测技术与内容识别方法,本文提出P2P视频流检测(Video Stream Detection,VSD)系统,包含前后端两个部分。前端P2P流捕捉系统包括数据采集端、数据分析端、P2P包分析模块、数据库表单设计、客户端统计显示模块,并给出了工程实现后的实时端口P2P流检测的实例。后端针对前端系统已采样的P2P多媒体视频样本,给出了视频流内容识别的具体实现方法,包括输入样本视频的分帧预处理,典型帧组选取方法(TFS),平行的空间特征和时间特征提取,最终通过改进后的准三维卷积残差网络(Q3D Res Net)进行训练和比对从而输出该样本的分类识别标签。仿真结果表明:改进的Q3D Res Net大大减少运算时间,常见的十分类标签准确率在79%以上。考虑到多媒体视频的社交属性,论文又给出了基于正负能量的快速内容识别方法,可以有效地检测出负能量视频样本,提供给网络行为监管做判决。本论文中主要创新点包括(1)在传统的P2P检测方法中,提出一种基于应用协议特征串和流统计信息的P2P流检测工程可实现方法;(2)提出一种改进的准三维卷积残差网络视频内容识别方法,有效地提高传统分类模式以及负能量视频快速检测的准确率。