[發明專利]一種視頻數字水印添加及提取方法

在審

• 申請號: 202210265034.8
• 申請日: 2022-03-17
• 公開（公告）號: CN114710712A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 付瑩
• 申請（專利權）人: 北京影數科技有限公司
• 主分類號: H04N21/8358
• 分類號: H04N21/8358;H04N21/44;H04N21/2347
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 胡樂

本發明公開了一種視頻數字水印添加及提取方法。本發明選取影片連續三幀圖像中的第二幀圖像作為待添加數字水印的視頻幀；將所述待添加數字水印的視頻幀與包含有預先設定的加密符號的純色灰度圖片通過第一GAN網絡得到原始加密視頻幀；并采用單純的灰度圖片通過GAN網絡得到一張無字加密圖，將兩者作差得到的稀疏信息圖再與待添加數字水印的視頻幀疊加，得到最終的加密視頻幀。經測試，無字加密圖與原加密圖的模糊度和色調基本相同，兩圖的差在邊緣處為0，總體是稀疏的，從而添加的視頻水印既健壯又不可見，且加入水印后視頻不會發生閃爍等現象。

技術領域

本申請涉及圖像水印編/解碼技術領域，特別是涉及一種視頻數字水印添加及提取方法。

背景技術

視頻水印添加是一種在不干擾圖像視覺外觀的情況下，將特定信息嵌入視頻的圖像處理方法，嵌入后該信息難以刪除或篡改。視頻水印允許內容創作者在發行后證明所有權，并使視頻制片人能夠通過將唯一標識符嵌入電影的預覽副本中來識別泄漏。其他應用示例還包括從識別版權侵權和嵌入用于過濾內容的標簽到廣告的自動廣播監控等。

理想的視頻水印應當是既不可見又健壯的。然而，現有技術很少同時實現這兩個目標。與靜止圖像相比，視頻中的隱形水印更具挑戰性，因為獨立擾動幀可能會導致高度可見的失真，例如閃爍。

此外，基于離散余弦變換或離散小波變換等算法的經典水印技術通常對裁剪和縮放等視頻處理操作不具有魯棒性。如果泄露的視頻經歷了這些幾何變換中的任何一個，水印可能會被破壞。

生成式對抗網絡(GAN,Generative Adversarial Networks)是一種深度學習模型，是近年來復雜分布上無監督學習最具前景的方法之一。模型通過框架中至少兩個模塊：生成模型(Generative Model)和判別模型(Discriminative Model)的互相博弈學習產生相當好的輸出。

發明人最初的思路是：

加密階段：對于某張要加密的圖，聯合信息圖，通過GAN網絡A(生成網絡和判別網絡同時訓練)，生成加密圖。具體是：

輸入：a、彩色圖；b、信息圖(黑圖)，黑圖上有待加密的文字/圖樣。

輸出：加密過的彩色圖。

解密階段：基于GAN網絡B(可以利用常規的卷積神經網絡實現)：

輸入：加密過的彩色圖。

輸出：a、彩色圖；b、信息圖。

但實際應用測試發現，GAN網絡A生成的加密圖過于模糊，色調發生了變化，這樣導致加密后的圖與前后幀明顯不同，很突兀，達不到“視頻水印既不可見又健壯”的目的。

發明內容

基于此，針對上述技術問題，提供一種視頻數字水印添加及提取方法。

第一方面，一種視頻數字水印添加方法，包括以下步驟：

在目標視頻中選取至少一組相似的連續三幀圖像，將其中第二幀圖像作為待添加數字水印的視頻幀；

將所述待添加數字水印的視頻幀和第一信息圖像作為輸入，經第一GAN網絡得到原始加密視頻幀；所述第一信息圖像基于設定灰度的純色圖像疊加有預先設定的加密符號，所述加密符號的灰度與所述設定灰度不同(建議灰度差異大一些)；

將所述待添加數字水印的視頻幀與第二信息圖像作為輸入，經所述第一GAN網絡得到無字灰度加密視頻幀；所述第二信息圖像為所述設定灰度的純色圖像；

將所述原始加密視頻幀與所述無字灰度加密視頻幀作差，得到稀疏信息圖；

將所述待添加數字水印的視頻幀與所述稀疏信息圖疊加，得到最終的加密視頻幀，替換原視頻幀從而實現視頻數字水印的添加。