[發明專利]數字視頻水印方法和裝置、設備及存儲介質

在審

• 申請號: 202310305125.4
• 申請日: 2023-03-24
• 公開（公告）號: CN116471362A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 危學濤;葉冠輝
• 申請（專利權）人: 南方科技大學
• 主分類號: H04N1/32
• 分類號: H04N1/32;H04N21/8358
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

本申請實施例提供了一種數字視頻水印方法和裝置、設備及存儲介質，屬于人工智能技術領域。該方法包括：獲取并將通道維度信息和時間維度信息合并的訓練視頻數據和原始水印信息輸入至原始數字視頻水印網絡進行編碼得到原始水印視頻數據；將噪聲數據加至原始水印視頻數據得到噪聲水印視頻數據；將噪聲水印視頻數據輸入原始數字視頻水印網絡進行解碼得到預測水印信息；根據訓練視頻數據、原始水印視頻數據、預測水印信息和原始水印信息構建目標損失數據對原始數字視頻水印網絡進行調整得到目標數字視頻水印網絡；通過目標數字視頻水印網絡對目標視頻數據植入水印得到目標水印視頻數據。本申請實施例能夠構建實現視頻水印方法的高不可見性和高魯棒性。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種數字視頻水印方法和裝置、設備及存儲介質。

背景技術

數字水印是一種在信息隱藏研究領域的重要技術，數字水印方法是將特定意義的水印信息以肉眼不可見的方式嵌入到圖像、視頻、音頻和文檔等數字產品中。在相關技術中，數字視頻水印分為兩大類：一類是通過人工設計視頻圖像特征來進行水印嵌入的傳統方法，另一類是通過深度神經網絡來學習視頻圖像特征來進行水印嵌入的深度學習方法。研究人員精心設計水印的嵌入和提取方法，通常能在特定的視頻噪聲上魯棒性表現出色，但是難以同時抵抗多種視頻噪聲。若通過深度神經網絡學習圖像特征，由于視頻的數據量遠遠大于圖片，訓練用于數字視頻水印的深度神經網絡所需的計算資源也是遠超數字圖片水印。因此，基于深度學習的數字視頻水印方法相對于基于深度學習的數字圖片水印方法發展緩慢。因此，亟待一種能夠抵抗噪聲且能夠基于深度學習的數字圖片水印方法直接在數字視頻水印方法中使用的數字視頻水印方法。

發明內容

本申請實施例的主要目的在于提出一種數字視頻水印方法和裝置、設備及存儲介質，旨在構建高不可見性、高魯棒性和抵抗噪聲的數字視頻水印網絡，以提高水印植入的視頻質量和水印解碼的魯棒性。

為實現上述目的，本申請實施例的第一方面提出了一種數字視頻水印方法，所述方法包括：

獲取原始視頻數據和原始水印信息；其中，所述原始視頻數據包括：通道維度信息和時間維度信息；

將所述原始視頻數據的所述通道維度信息和所述時間維度信息進行合并處理，得到訓練視頻數據；

將所述訓練視頻數據和所述原始水印信息輸入至預設的原始數字視頻水印網絡進行編碼處理，得到原始水印視頻數據；其中，所述原始數字視頻水印網絡通過對數字圖片神經網絡的數據通道數修改得到；

將預設的噪聲數據增加至所述原始水印視頻數據，得到噪聲水印視頻數據；其中，所述噪聲數據從預設的噪聲數據庫隨機選取；

將所述噪聲水印視頻數據輸入至所述原始數字視頻水印網絡進行解碼處理，得到預測水印信息；

根據所述訓練視頻數據、所述原始水印視頻數據、所述預測水印信息和所述原始水印信息進行損失計算，得到目標損失數據；

根據所述目標損失數據對所述原始數字視頻水印網絡進行參數調整，得到目標數字視頻水印網絡；

獲取目標視頻數據，將所述目標視頻數據輸入至所述目標數字視頻水印網絡進行水印植入，得到目標水印視頻數據。

在一些實施例，在所述獲取目標視頻數據，將所述目標視頻數據輸入至所述目標數字視頻水印網絡進行水印植入，得到目標水印視頻數據之后，所述方法還包括：

獲取待處理水印視頻數據；

將所述待處理水印視頻數據輸入至所述目標數字視頻水印網絡進行解碼處理，得到目標水印信息。

在一些實施例，所述原始數字視頻水印網絡包括：編碼器和解碼器；

所述將所述訓練視頻數據和所述原始水印信息輸入至預設的原始數字視頻水印網絡進行編碼處理，得到原始水印視頻數據，包括：