目前,我国的反恐信息平台还处于初步建设阶段,各省市陆续进行了反恐信息平台的建设,但是平台的各功能模块依旧处于空白状态,因此尽快的完成各功能模块是如今反恐工作中的重中之重。如今,多年的反恐工作积累了大量的数据,从大量的数据中寻找出其中的价值是本文的主要工作,将计算机技术与监控视频相结合,完成重点阵地管控模块的功能设计,可以及早发现暴恐敏感特征,让工作人员合理分配警力、财力,提前做好预防措施,弹性调整对不同重点阵地的管控力度,减少工作人员的工作量并提高工作效率。本文主要研究卷积神经网络在暴恐敏感特征识别中的应用,研究的暴恐敏感特征主要为敏感服饰特征,经整理得到如下几种敏感特征:星月标志、蒙黑纱、大胡子、里切克头巾、吉里巴甫服饰。如今天网监控系统日益成熟,监控遍布了大街小巷,为公安部门提供了大量的视频信息,因此本文将卷积神经网络进行敏感特征训练,让训练好的识别模型代替人力,进行敏感特征查找。卷积神经网络主要是对输入样本进行抽象和降维来达到特征提取的目的,理论是通过对输入数据的反复学习,提取暴恐特征图片里的敏感特征,不断地调整敏感特征的权值,并在隐含层将敏感特征分类结果表现出来。同时卷积神经网络中的某个神经元出现异常,其他的神经元依然可以保存相应的特征权值,因此该网络具有较强的抗干扰特性。针对视频图像容易被外界因素影响而产生模糊的情况,本文会对反恐部门提供的样本数据进行深入的了解并总结其中所存在的问题,选择合适的图像处理技术对样本数据进行有目的的处理,来达到良好的图片预处理效果,以便敏感特征识别模型进行有效识别。实验部分本文会通过两个软件来进行仿真实现,图像去噪和图像增强两个部分通过Matlab软件来进行实验分析,卷积神经网络的实验过程将在tensorflow环境下进行,运用Syder工具进行编码实验,并在最后做两组数据检测,一个是正确集和错误集样本的识别,另一个是经过图片预处理的样本识别,实验结果证明本文选择的暴恐敏感特征预处理技术效果良好,并且搭建的敏感特征识别模型分类结果表现不错。