CN106331746B - 用于识别视频文件中的水印位置的方法和装置 - Google Patents

Abstract

本申请公开了一种用于识别视频文件中的水印位置的方法和装置。该方法包括：从视频文件中提取一帧或多帧图像；从所述一帧或多帧图像中提取水印边缘信息；根据预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集；以及利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类，以确定水印在所述视频文件中的位置。

Description

用于识别视频文件中的水印位置的方法和装置

技术领域

本申请涉及水印识别技术，具体涉及用于识别视频文件中的水印位置的方法和装置。

背景技术

随着互联网等媒介和视频技术的发展，视频文件被越来越多地用于信息传播。无论是通过电视媒体还是通过网络媒体等，人们会通过大量的视频文件来获取信息或者观看自己感兴趣的节目。

当前，为了给视频文件进行标识或出于其他标记目的，很多视频文件中加入了水印。随着水印识别技术的发展，在现有技术中，已可以对视频文件中的水印进行识别，以判断出水印在视频文件中的位置，从而可后续对水印信息或视频文件本身进行相关处理。

现有的水印识别方法都是基于区域形状、边缘信息、颜色信息对视频文件中水印的位置进行识别，但这容易受到背景画面的干扰。由于视频文件的画面是在不断变化的，因此，水印形状的确认会受到视频媒体源画面的严重影响。如果视频媒体源在某个时间点的背景画面与水印颜色或灰度值相似，则难以提取水印的边缘信息。

另一方面，现有的水印识别方法还会受到噪声的干扰，有可能将随机噪声错误地当作水印信息，从而会影响到对水印位置的确认。

此外，现有的水印识别方法通常需要结合水印的颜色信息进行确认识别。然而，视频媒体源中的透明水印缺少这一特征，这造成了识别难度的增加。

发明内容

本申请提供了一种用于识别视频文件中的水印位置的方法和装置。

根据本申请的一个方面，用于识别视频文件中的水印位置的方法包括：从视频文件中提取一帧或多帧图像；从所述一帧或多帧图像中提取水印边缘信息；根据预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集；以及利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类，以确定水印在所述视频文件中的位置。

根据本申请的另一方面，用于识别视频文件中的水印位置的装置包括：帧提取单元，从视频文件中提取一帧或多帧图像；边缘信息提取单元，从所述一帧或多帧图像中提取水印边缘信息；筛选单元，根据预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集；以及统计单元，利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类，以确定水印在所述视频文件中的位置。

附图说明

图1示出了根据本申请一个实施方式识别视频文件中水印位置的方法的流程图。

图2示出了根据本申请另一实施方式识别视频文件中水印位置的方法的流程图。

图3示出了根据本申请一个实施方式从一帧或多帧图像中提取水印边缘信息的流程图。

图4示出了根据本申请另一实施方式从一帧或多帧图像中提取水印边缘信息的流程图。

图5示出了根据本申请又一实施方式从一帧或多帧图像中提取水印边缘信息的流程图。

图6示出了根据本申请一个实施方式识别视频文件中的水印位置的装置的框图。

图7示出了根据本申请另一实施方式识别视频文件中的水印位置的装置的框图。

图8示出了根据本申请一个实施方式的边缘信息提取单元的框图。

具体实施方式

以下参照附图对本申请的实施方式进行详细描述。应注意，以下描述仅仅是示例性的，而并不旨在限制本申请。此外，在以下描述中，将采用相同的附图标号表示不同附图中的相同或相似的部件。在以下描述的不同实施方式中的不同特征，可彼此结合，以形成本申请范围内的其他实施方式。

图1示出了根据本申请一个实施方式识别视频文件中水印位置的方法的流程图。如图1所示，该方法100包括步骤S110至S140。

在步骤S110中，从视频文件中提取一帧或多帧图像。对视频文件中图像的具体提取方式将在下文中进行详细描述。随后，在步骤S120中，从步骤S110中提取出的一帧或多帧图像中提取水印边缘信息。本领域技术人员可以理解，水印边缘信息是表征水印在视频文件中位置的信息，例如，可以是水印图样各顶点的在视频文件画面坐标系中的坐标值。在提取出水印边缘信息后，在步骤S130中，根据预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集。预定的特征条件是根据视频文件的特性和可能的水印特征预先设置的先验条件，将在下文中对其进行详细描述。筛选的结果即为水印位置候选集，其中包含了满足预定的特征条件的水印边缘信息。在步骤S140中，利用机器学习算法对水印位置候选集中的水印边缘信息进行统计分类，以确定水印在视频文件中的位置。

由此，可利用视频文件中的一帧或多帧图像来提取水印边缘信息，并通过特征条件对水印边缘信息进行筛选以得到水印位置候选集，最终通过统计分类的方式确定视频文件中的水印位置。这既能够避免由于视频文件的画面不断变化而可能带来的背景干扰，又能够通过统计分类的方式消除噪声干扰。此外，上述方法并未使用水印的颜色信息，因此，还能够对透明水印在视频文件中的位置进行识别确认。

图2示出了根据本申请另一实施方式识别视频文件中水印位置的方法的流程图。如图2所示，除了步骤S110至S140之外，该方法100’还包括步骤S150和S160。为了简要起见，以下将仅描述图2所示的实施方式与图1的不同之处，并将略去其相同之处的详细描述。

在步骤S150中，将所提取的图像帧数与预定的阈值进行比较。如所提取的图像帧数大于预定的阈值时，则在步骤S160中停止提取图像。根据本申请的实施方式，为了能够获得水印边缘信息的多个样本，可从视频文件中提取多帧图像进行处理，从而消除背景干扰和噪声干扰。但如若提取的图像帧过多，会导致水印边缘信息的样本过多，而在很大程度上影响处理速度。根据本实施方式，对提取的图像帧数预先设定了阈值。当提取的图像帧数大于预定的阈值时，则停止提取图像，从而既能够获得水印边缘信息的多个样本，又不会使处理速度变得过慢。例如，根据一个实施例，预定的阈值可以为10-50帧之间。

可选地，在步骤S110中，可从视频文件中连续提取多帧图像。这种方式更加便于图像的提取。或者，可从视频文件中等间隔地提取多帧图像。这种方式更能够避免由于某段时间视频文件中水印位置处的背景画面对水印边缘信息的干扰。例如，在视频文件的某段时间内，视频媒体源在水印位置处的背景画面可能会与水印比较接近，从而有可能会干扰水印边缘信息的提取。那么如果间隔地提取多帧图像，则能够使大多数提取到的样本避开视频文件的这段时间，从而不会影响后续处理结果。

图3示出了根据本申请一个实施方式从一帧或多帧图像中提取水印边缘信息的流程图。如图3所示，上述步骤S120可包括子步骤S121和S122。在子步骤S121中，在步骤S110提取的每帧图像中确定至少一个待检测区域。随后，在子步骤S122中，在待检测区域中提取水印边缘信息。

根据视频文件的特性，其中包含的水印通常仅会出现在某些特定的区域。因此，根据本实施方式，可利用水印出现位置的先验知识，仅选取图像中的某些区域进行检测，以提取水印边缘信息。例如，在图像中选取的待检测区域可包括图像的左上角区域、右上角区域、左下角区域和/或右下角区域。如此，可仅对所选取的待检测区域而非整个图像进行检测，以确定水印在其中的位置，从而可在总体上减小噪音干扰，并可节省资源，提高处理速度。

根据一个实施方式，在上述步骤S120中，可利用多个预定的参数组从一帧或多帧图像中提取水印边缘信息。本领域技术人员可以理解，可通过对图像进行若干处理以及参数调整来提取水印边缘信息。这些处理包括但不限于以下处理：

(1)将RGB图像转化为灰度图；

(2)构造灰度图的横向和纵向梯度值，将这二者梯度值相减，以得到梯度差值图；

(3)对梯度差值图进行模糊处理，以降低图像噪音，可以采用不同参数的核函数进行模糊处理；

(4)利用预设的阈值将经过模糊处理后图像转化为二值图(至此，可以大致提取水印的位置)；

(5)对二值化图进行腐蚀、膨胀等形态学操作，以增强图像对水印位置区域的识别；

(6)进行轮廓提取，以获得良好的水印位置识别区域，得到水印位置，可用四个顶点的坐标组表示(p1<x,y>,p2<x,y>,p3<x,y>,p4<x,y>)，此即水印边缘信息。

上述处理是本领域已知的，为了简要起见，其具体过程在此不再详细描述。本领域技术人员可以理解，在上述处理过程中，需要用到多个参数，对这些参数选择不同的数值，会得到不同的提取结果。

根据本申请的实施方式，对于这些参数，可预先确定多个取值不同的参数组。可分别利用这些预定的参数组从图像中提取水印边缘信息，从而得到不同的提取结果。因此，当利用一个特定的参数组进行提取而没有得到满意的提取结果时，可由利用其他参数组提取的水印边缘信息进行弥补。

图4示出了根据本申请一个实施方式根据预定的特征条件对提取的水印边缘信息进行筛选以得到水印位置候选集的流程图。如图4所示，上述步骤S130可包括子步骤S131和S132。根据本实施方式，多个预定的参数组具有不同的优先级。在实际处理中，利用优先级较高的参数组提取到的水印边缘信息会优先考虑，其具体过程可参见以下描述。在子步骤S131中，根据预定的特征条件，对利用多个预定的参数组(具有不同优先级)从每帧图像提取的水印边缘信息进行筛选。随后，在子步骤S132中，对于每帧图像，将通过筛选的水印边缘信息中利用优先级最高的参数组获取的水印边缘信息加入水印位置候选集。

如上所述，可分别利用预先确定的多个取值不同的参数组对图像进行若干处理，以提取水印边缘信息。不同的参数组由于其中的参数取值不同，反应出的是提取水印边缘信息的条件苛刻程度不同。如果提取水印边缘信息的条件越苛刻，则所提取的水印边缘信息越准确，但能够提取到的样本数也会较少。反之，如果提取水印边缘信息的条件越宽松，则能够提取到较多的水印边缘信息样本，但准确度不高。根据本实施方式，在上述步骤S130中，首先根据预定的特征条件，对利用具有不同优先级的多个预定的参数组从每帧图像提取的水印边缘信息进行筛选。然后，在通过筛选的水印边缘信息中，将所利用优先级相对最高的参数组所获取的水印边缘信息加入水印位置候选集，以用于后续统计分类。由此，既确保了水印位置候选集中能够包含尽可能多的符合条件的水印边缘信息，又使这些水印边缘信息的准确度尽可能高。

例如，可预先设置有两个参数组K1和K2，其中参数组K1的优先级高于参数组K2。如果利用参数组K1和K2都能够提取到水印边缘信息且能够通过预定特征条件的筛选，则优先选择利用参数组K1提取的水印边缘信息加入水印位置候选集。如果利用参数组K1无法提取到水印边缘信息，或者利用参数组K1提取到的水印边缘信息不能通过预定特征条件的筛选，而利用参数组K2能够提取到水印边缘信息且能够通过预定特征条件的筛选，则选择利用参数组K2提取的水印边缘信息加入水印位置候选集。

根据一个实施方式，上述步骤S130中预定的特征条件可包括：视频来源信息、水印自身尺寸信息和/或水印与视频比例信息。

根据另一实施方式，上述步骤S130中预定的特征条件可包括：视频来源标识、水印宽度与水印高度之比、水印横坐标与视频宽度之比、水印纵坐标与视频高度之比、水印宽度与视频宽度之比、水印高度与视频高度之比和/或水印面积与视频面积之比。

由此，可根据视频文件和水印的特性，利用这些先验的特征条件来对水印边缘信息进行筛选。只有通过筛选的水印边缘信息才能够选入水印位置候选集，从而可以排除不符合视频文件特性的、不满足条件的水印边缘信息。

根据一个实施方式，在上述步骤S140中，可利用聚类算法对水印位置候选集中的水印边缘信息进行统计分类，以确定水印在视频文件中的位置。例如，可采用诸如KNN算法的聚类算法对水印位置候选集中的水印边缘信息进行统计分类。

聚类算法是本领域已知的机器学习算法，为了简要起见，将不在此对其进行详细描述。根据本实施方式，利用聚类算法对水印位置候选集中的多个水印边缘信息样本进行统计分类，可准确地确定出视频文件中水印的位置。尤其是，当视频文件中具有多个水印时，通过以上统计分类过程，能够将水印边缘信息分成多个类，每个类代表了一个水印的位置，由此可得出每个水印的位置信息。

图5示出了根据本申请一个实施方式识别视频文件中的水印位置的装置的框图。如图5所示，该装置500包括帧提取单元510、边缘信息提取单元520、筛选单元530和统计单元540。帧提取单元510可从视频文件中提取一帧或多帧图像。边缘信息提取单元520可从一帧或多帧图像中提取水印边缘信息。筛选单元530可根据预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集。统计单元540可利用机器学习算法对水印位置候选集中的水印边缘信息进行统计分类，以确定水印在视频文件中的位置。

图6示出了根据本申请另一实施方式识别视频文件中的水印位置的装置的框图。如图6所示，除了帧提取单元510、边缘信息提取单元520、筛选单元530和统计单元540之外，该装置500’还包括比较单元550。为了简要起见，以下将仅描述图6所示的实施方式与图5的不同之处，并将略去其相同之处的详细描述。

比较单元550可将帧提取单元510提取的图像帧数与预定的阈值进行比较，并在所提取的图像帧数超过预定的阈值时通知帧提取单元510停止提取图像。

根据一个实施方式，帧提取单元510可从视频文件连续提取或等间隔地提取多帧图像。

图7示出了根据本申请一个实施方式的边缘信息提取单元的框图。如图7所示，边缘信息提取单元520可包括区域确定子单元521和提取子单元522。区域确定子单元521可在每帧图像中确定至少一个待检测区域。提取子单元522可在区域确定子单元521确定的待检测区域中提取水印边缘信息。

根据一个实施方式，区域确定子单元521确定的待检测区域可包括图像的左上角区域、右上角区域、左下角区域和/或右下角区域。

根据一个实施方式，边缘信息提取单元520可利用多个预定的参数组从一帧或多帧图像中提取水印边缘信息。

图8示出了根据本申请一个实施方式的筛选单元的框图。如图8所示，筛选单元530可包括筛选子单元531和添加子单元532。筛选子单元531可根据预定的特征条件，对利用多个预定的参数组从每帧图像提取的水印边缘信息进行筛选。对于每帧图像，添加子单元532可将通过筛选的水印边缘信息中利用优先级最高的参数组获取的水印边缘信息加入水印位置候选集。

根据一个实施方式，上述预定的特征条件可包括：视频来源信息、水印自身尺寸信息和/或水印与视频比例信息。例如，预定的特征条件可包括：视频来源标识、水印宽度与水印高度之比、水印横坐标与视频宽度之比、水印纵坐标与视频高度之比、水印宽度与视频宽度之比、水印高度与视频高度之比和/或水印面积与视频面积之比。

根据一个实施方式，统计单元540可利用聚类算法对水印位置候选集中的水印边缘信息进行统计分类。

本领域技术人员可以理解，本申请的技术方案可实施为系统、方法或计算机程序产品。因此，本申请可表现为完全硬件的实施例、完全软件的实施例(包括固件、常驻软件、微码等)或将软件和硬件相结合的实施例的形式，它们一般可被称为“电路”、“模块”或“系统”。此外，本申请可表现为计算机程序产品的形式，所述计算机程序产品嵌入到任何有形的表达介质中，所述有形的表达介质具有嵌入到所述介质中的计算机可用程序代码。

参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本申请。可以理解的是，可由计算机程序指令执行流程图和/或框图中的每个框、以及流程图和/或框图中的多个框的组合。这些计算机程序指令可提供给通用目的计算机、专用目的计算机或其它可编程数据处理装置的处理器，以使通过计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个框或多个框中指明的功能/动作的装置。

这些计算机程序指令还可存储于能够指导计算机或其它可编程数据处理装置以特定的方式实现功能的计算机可读介质中，以使存储于计算机可读介质中的指令产生包括实现流程图和/或框图中的一个框或多个框中指明的功能/动作的指令装置。

计算机程序指令还可加载到计算机或其它可编程数据处理装置上，以引起在计算机上或其它可编程装置上执行一连串的操作步骤，以产生计算机实现的过程，从而使在计算机或其它可编程装置上执行的指令提供用于实现流程图和/或框图中的一个框或多个框中指明的功能/动作的过程。

附图中的流程图和框图示出根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系结构、功能和操作。在这点上，流程图或框图中的每个框可表示一个模块、区段或代码的一部分，其包括一个或多个用于实现特定逻辑功能的可执行指令。还应注意，在一些可替代性实施中，框中标注的功能可以不按照附图中标注的顺序发生。例如，根据所涉及的功能性，连续示出的两个框实际上可大致同时地执行，或者这些框有时以相反的顺序执行。还可注意到，可由执行特定功能或动作的专用目的的基于硬件的系统、或专用目的硬件与计算机指令的组合来实现框图和/或流程图示图中的每个框、以及框图和/或流程图示图中的多个框的组合。

虽然以上的叙述包括很多特定布置和参数，但需要注意的是，这些特定布置和参数仅仅用于说明本申请的一个实施方式。这不应该作为对本申请范围的限制。本领域技术人员可以理解，在不脱离本申请范围和精神的情况下，可对其进行各种修改、增加和替换。因此，本申请的范围应该基于所述权利要求来解释。

Claims (20)

1.用于识别视频文件中的水印的位置的方法，其中，所述水印包括透明水印，所述方法包括：

从视频文件中提取一帧或多帧图像；

从所述一帧或多帧图像中提取水印边缘信息；

根据与所述水印有关的预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集；以及

利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类，以确定所述水印在所述视频文件中的位置，

其中，从所述一帧或多帧图像中提取水印边缘信息包括：

根据水印出现位置的先验知识，在所述一帧或多帧图像的每帧图像中确定至少一个待检测区域；以及

在所述待检测区域中提取水印边缘信息。

2.如权利要求1所述的方法，还包括：

将所提取的图像帧数与预定的阈值进行比较；以及

在所提取的图像帧数大于所述预定的阈值时停止提取图像。

3.如权利要求2所述的方法，其中所述图像是从所述视频文件连续提取的。

4.如权利要求2所述的方法，其中所述图像是从所述视频文件等间隔地提取的。

5.如权利要求1所述的方法，其中所述待检测区域包括图像的左上角区域、右上角区域、左下角区域和/或右下角区域。

6.如权利要求1所述的方法，其中从所述一帧或多帧图像中提取水印边缘信息包括：

利用多个预定的参数组从所述一帧或多帧图像中提取水印边缘信息。

7.如权利要求6所述的方法，其中所述多个预定的参数组具有不同的优先级，并且根据预定的特征条件对提取的水印边缘信息进行筛选以得到水印位置候选集包括：

根据所述预定的特征条件，对利用所述多个预定的参数组从每帧图像提取的水印边缘信息进行筛选；以及

对于每帧图像，将通过筛选的水印边缘信息中利用优先级最高的参数组获取的水印边缘信息加入所述水印位置候选集。

8.如权利要求1所述的方法，其中所述预定的特征条件包括：视频来源信息、水印自身尺寸信息和/或水印与视频比例信息。

9.如权利要求1所述的方法，其中所述预定的特征条件包括：水印宽度与水印高度之比、水印横坐标与视频宽度之比、水印纵坐标与视频高度之比、水印宽度与视频宽度之比、水印高度与视频高度之比和/或水印面积与视频面积之比。

10.如权利要求1所述的方法，其中利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类包括：

利用聚类算法对所述水印位置候选集中的水印边缘信息进行统计分类。

11.用于识别视频文件中的水印的位置的装置，其中，所述水印包括透明水印，所述装置包括：

帧提取单元，从视频文件中提取一帧或多帧图像；

边缘信息提取单元，从所述一帧或多帧图像中提取水印边缘信息；

筛选单元，根据与所述水印有关的预定的特征条件对提取的水印边缘信息进行筛选，以得到水印位置候选集；以及

统计单元，利用机器学习算法对所述水印位置候选集中的水印边缘信息进行统计分类，以确定所述水印在所述视频文件中的位置，

其中，所述边缘信息提取单元包括：

区域确定子单元，根据水印出现位置的先验知识，在所述一帧或多帧图像的每帧图像中确定至少一个待检测区域；以及

提取子单元，在所述区域确定子单元确定的待检测区域中提取水印边缘信息。

12.如权利要求11所述的装置，还包括：

比较单元，将所述帧提取单元提取的图像帧数与预定的阈值进行比较，并在所提取的图像帧数超过所述预定的阈值时通知所述帧提取单元停止提取图像。

13.如权利要求12所述的装置，其中所述图像是从所述视频文件连续提取的。

14.如权利要求12所述的装置，其中所述图像是从所述视频文件等间隔地提取的。

15.如权利要求11所述的装置，其中所述待检测区域包括图像的左上角区域、右上角区域、左下角区域和/或右下角区域。

16.如权利要求11所述的装置，其中所述边缘信息提取单元利用多个预定的参数组从所述一帧或多帧图像中提取水印边缘信息。

17.如权利要求16所述的装置，其中所述多个预定的参数组具有不同的优先级，并且所述筛选单元包括：

筛选子单元，根据所述预定的特征条件，对利用所述多个预定的参数组从每帧图像提取的水印边缘信息进行筛选；以及

添加子单元，对于每帧图像，将通过筛选的水印边缘信息中利用优先级最高的参数组获取的水印边缘信息加入所述水印位置候选集。

18.如权利要求11所述的装置，其中所述预定的特征条件包括：视频来源信息、水印自身尺寸信息和/或水印与视频比例信息。

19.如权利要求11所述的装置，其中所述预定的特征条件包括：水印宽度与水印高度之比、水印横坐标与视频宽度之比、水印纵坐标与视频高度之比、水印宽度与视频宽度之比、水印高度与视频高度之比和/或水印面积与视频面积之比。

20.如权利要求11所述的装置，其中所述统计单元利用聚类算法对所述水印位置候选集中的水印边缘信息进行统计分类。