1.一种基于深度神经网络的数据鉴定系统，其特征在于，所述系统包括：

内容分离机构，用于获取待分析画面，获取所述待分析画面的各个像素点分别对应的各个像素值，所述待分析画面的各个像素点分别对应的各个像素值为YUV空间下的各个Y分量数值、YUV空间下的各个U分量数值或者YUV空间下的各个V分量数值；

梯度判断机构，与所述内容分离机构连接，用于基于所述待分析画面的各个像素点分别对应的各个像素值解析所述待分析画面中每一个像素点的像素值梯度；

其中，将所述待分析画面中每一个像素点作为当前像素点，基于以所述当前像素点为中心的像素点窗口覆盖的各个像素点分别对应的各个像素值的标准差判断所述当前像素点的像素值梯度；

其中，采用数值仿真公式表述判断的所述当前像素点的像素值梯度与以所述当前像素点为中心的像素点窗口覆盖的各个像素点分别对应的各个像素值的标准差的数值关联关系；

其中，采用MATLAB工具箱模拟的数值仿真公式表述判断的所述当前像素点的像素值梯度与以所述当前像素点为中心的像素点窗口覆盖的各个像素点分别对应的各个像素值的标准差的数值关联关系；

其中，以所述当前像素点为中心的像素点窗口覆盖的各个像素点分别对应的各个像素值的标准差越大，判断的所述当前像素点的像素值梯度越大；

其中，所述像素点窗口为预设尺寸的方形窗口；

对象检测机构，用于获取待分析画面，并检测所述待分析画面中存在的对象的数量，所述对象占据的图像分块为所述待分析画面中占据像素点数量超过设定数量限量且与背景区域不同的图像区域；

畸变检测器件，分别与所述内容分离机构、所述梯度判断机构以及所述对象检测机构连接，用于基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量检测所述待分析画面的畸变等级；

其中，基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量检测所述待分析画面的畸变等级包括：采用深度神经网络以基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量智能检测所述待分析画面的畸变等级；

训练执行器件，与所述畸变检测器件连接，用于将完成预设数目的多次训练后的深度神经网络发送给所述畸变检测器件使用；

其中，将完成预设数目的多次训练后的深度神经网络发送给所述畸变检测器件使用包括：所述预设数目的取值与所述待分析画面的信噪比单调反向关联。

2.如权利要求1所述的基于深度神经网络的数据鉴定系统，其特征在于，所述系统还包括：采用深度神经网络以基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量智能检测所述待分析画面的畸变等级包括：所述深度神经网络的各项输入信息为所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量。

3.如权利要求2所述的基于深度神经网络的数据鉴定系统，其特征在于：

采用深度神经网络以基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量智能检测所述待分析画面的畸变等级还包括：所述深度神经网络的单项输出信息为所述待分析画面的畸变等级。

4.如权利要求3所述的基于深度神经网络的数据鉴定系统，其特征在于：

采用深度神经网络以基于所述待分析画面的各个像素点分别对应的各个像素值、所述待分析画面中各个像素点分别对应的各个像素值梯度以及所述待分析画面中存在的对象的数量智能检测所述待分析画面的畸变等级还包括：所述深度神经网络包括一个输入层、一个输出层和设置在所述一个输入层和所述一个输出层之间的多个隐藏层。

5.如权利要求4所述的基于深度神经网络的数据鉴定系统，其特征在于：

所述深度神经网络包括一个输入层、一个输出层和设置在所述一个输入层和所述一个输出层之间的多个隐藏层包括：所述多个隐藏层的数量与所述待分析画面的噪声类型的数量成正比。

6.如权利要求5所述的基于深度神经网络的数据鉴定系统，其特征在于，所述系统还包括：数据显示器件，与所述畸变检测器件连接，用于接收并实时显示所述待分析画面的畸变等级。

7.如权利要求6所述的基于深度神经网络的数据鉴定系统，其特征在于：

所述像素点窗口为预设尺寸的方形窗口包括：所述方形窗口为3像素点乘以3像素点，或者，所述方形窗口为8像素点乘以8像素点。