CN107911753B - 用于在视频中添加数字水印的方法和装置 - Google Patents

用于在视频中添加数字水印的方法和装置 Download PDF

Info

Publication number
CN107911753B
CN107911753B CN201711215661.6A CN201711215661A CN107911753B CN 107911753 B CN107911753 B CN 107911753B CN 201711215661 A CN201711215661 A CN 201711215661A CN 107911753 B CN107911753 B CN 107911753B
Authority
CN
China
Prior art keywords
carrier
image
target
frame
digital watermark
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711215661.6A
Other languages
English (en)
Other versions
CN107911753A (zh
Inventor
李旭斌
丁二锐
文石磊
刘霄
孙昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201711215661.6A priority Critical patent/CN107911753B/zh
Publication of CN107911753A publication Critical patent/CN107911753A/zh
Priority to US16/134,659 priority patent/US10915980B2/en
Application granted granted Critical
Publication of CN107911753B publication Critical patent/CN107911753B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • G06T1/005Robust watermarking, e.g. average attack or collusion attack resistant
    • G06T1/0064Geometric transfor invariant watermarking, e.g. affine transform invariant
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/835Generation of protective data, e.g. certificates
    • H04N21/8358Generation of protective data, e.g. certificates involving watermark
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • G06T1/005Robust watermarking, e.g. average attack or collusion attack resistant
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • G06T1/0028Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466Learning process for intelligent management, e.g. learning user preferences for recommending movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了用于在视频中添加数字水印的方法和装置。该方法的一具体实施方式包括:对目标视频中的各帧图像进行目标检测;根据目标检测结果确定所述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象;响应于确定所述目标视频中包括至少一个载体,从所述至少一个载体中确定目标载体,并将所述数字水印添加到所述目标视频中的、包括所述目标载体的各帧图像中的目标载体所在区域内。该实施方式使数字水印的位置随目标载体位置的变化而不断变化,使添加的数字水印不易被检测和去除,提高了视频的安全性。

Description

用于在视频中添加数字水印的方法和装置
技术领域
本申请实施例涉及计算机技术领域,具体涉及视频信息处理技术领域,尤其涉及用于在视频中添加数字水印的方法和装置。
背景技术
在视频中添加数字水印可以解决视频版权问题,降低视频被其他人盗用的风险。现阶段,可以通过多种方式在视频中添加数字水印,例如,可以对视频每帧固定的位置加静态水印(例如台标),也可以对视频某段时间内插入全屏动态水印(例如开场动画),还可以在视频中嵌入多余的二进制数据等等。然而,通过上述方式添加的数字水印都比较容易被检测和去除,例如对于位置固定的水印,只需要找到水印的位置,就可以通过模糊化或替换等方式批量去除。
发明内容
本申请实施例提出了用于在视频中添加数字水印的方法和装置。
第一方面,本申请实施例提供了一种用于在视频中添加数字水印的方法,包括:对目标视频中的各帧图像进行目标检测;根据目标检测结果确定上述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象;响应于确定上述目标视频中包括至少一个载体,从上述至少一个载体中确定目标载体,并将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内。
在一些实施例中,上述对目标视频中的各帧图像进行目标检测,包括:将上述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,上述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。
在一些实施例中,上述目标检测模型为神经网络模型;以及上述方法还包括训练上述目标检测模型的步骤,包括:将样本图像作为输入样本,将上述样本图像所包含载体的轮廓、位置和类型作为输出样本;使用上述输入样本和上述输出样本训练初始神经网络,得到上述神经网络模型。
在一些实施例中,上述从上述至少一个载体中确定目标载体,包括:对于上述至少一个载体中的每一个载体,执行以下步骤:对于第一次出现该载体的图像帧,提取上述图像帧中该载体的图像特征;根据该载体的图像特征对上述图像帧之后的各帧图像进行图像跟踪,判断该载体在上述图像帧之后的各帧图像中是否存在;根据图像跟踪结果,统计上述目标视频中、出现该载体的图像帧数;根据统计得到的上述至少一个载体中的各个载体在上述目标视频中出现的图像帧数,从上述至少一个载体中确定目标载体。
在一些实施例中,上述方法还包括:响应于确定上述目标视频中不包括至少一个载体,将上述数字水印添加到上述目标视频中各帧图像的设定位置。
在一些实施例中,上述数字水印为可见水印;以及将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内,包括:根据上述目标载体的轮廓、类型调整上述可见水印的形状;在上述目标载体的位置处添加调整形状后的可见水印。
在一些实施例中,上述数字水印包括背景区域和标志区域;以及将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内,包括:根据上述目标载体的颜色分布调整上述数字水印的背景区域的颜色;在上述目标载体的位置处添加调整背景区域颜色后的数字水印。
第二方面,本申请实施例提供了一种用于在视频中添加数字水印的装置,包括:检测单元,用于对目标视频中的各帧图像进行目标检测;确定单元,用于根据目标检测结果确定上述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象;第一添加单元,用于响应于确定上述目标视频中包括至少一个载体,从上述至少一个载体中确定目标载体,并将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内。
在一些实施例中,上述第一添加单元进一步用于:将上述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,上述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。
在一些实施例中,上述目标检测模型为神经网络模型;以及上述装置还包括训练单元,用于:将样本图像作为输入样本,将上述样本图像所包含载体的轮廓、位置和类型作为输出样本;使用上述输入样本和上述输出样本训练初始神经网络,得到上述神经网络模型。
在一些实施例中,上述第一添加单元进一步用于:对于上述至少一个载体中的每一个载体,执行以下步骤:对于第一次出现该载体的图像帧,提取上述图像帧中该载体的图像特征;根据该载体的图像特征对上述图像帧之后的各帧图像进行图像跟踪,判断该载体在上述图像帧之后的各帧图像中是否存在;根据图像跟踪结果,统计上述目标视频中、出现该载体的图像帧数;根据统计得到的上述至少一个载体中的各个载体在上述目标视频中出现的图像帧数,从上述至少一个载体中确定目标载体。
在一些实施例中,上述装置还包括:第二添加单元,用于响应于确定上述目标视频中不包括至少一个载体,将上述数字水印添加到上述目标视频中各帧图像的设定位置。
在一些实施例中,上述数字水印为可见水印;以及上述第一添加单元进一步用于:根据上述目标载体的轮廓、类型调整上述可见水印的形状;在上述目标载体的位置处添加调整形状后的可见水印。
在一些实施例中,上述数字水印包括背景区域和标志区域;以及上述第一添加单元进一步用于:根据上述目标载体的颜色分布调整上述数字水印的背景区域的颜色;在上述目标载体的位置处添加调整背景区域颜色后的数字水印。
第三方面,本申请实施例提供了一种终端,该终端包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于在视频中添加数字水印的方法和装置,首先对目标视频中的各帧图像进行目标检测,而后根据目标检测结果确定上述目标视频中是否包括至少一个载体,最后响应于确定上述目标视频中包括至少一个载体,从上述至少一个载体中确定目标载体,并将数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内,从而使数字水印的位置随目标载体位置的变化而不断变化,使添加的数字水印不易被检测和去除,提高了视频的安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于在视频中添加数字水印的方法的一个实施例的流程图;
图3是根据本申请的用于在视频中添加数字水印的方法的一个应用场景的示意图;
图4是根据本申请的用于在视频中添加数字水印的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于在视频中添加数字水印的方法或用于在视频中添加数字水印的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用,例如网页浏览器应用、购物类应用、视频播放类应用、视频处理类应用等。
终端设备101、102、103可以是具有显示屏并且支持视频处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器可以对接收到的视频信息进行处理(例如添加数字水印),并将处理结果反馈给终端设备。
需要说明的是,本申请实施例所提供的用于在视频中添加数字水印的方法可以通过终端设备101、102、103执行,也可以通过服务器105执行,相应地,用于在视频中添加数字水印的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。本申请对此不做限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本申请的用于在视频中添加数字水印的方法的一个实施例的流程200。该用于在视频中添加数字水印的方法,包括以下步骤:
步骤201,对目标视频中的各帧图像进行目标检测。
在本实施例中,用于在视频中添加数字水印的方法运行于其上的电子设备(例如图1所示的终端设备101、102、103)可以对目标视频中的各帧图像进行目标检测,在这里,上述目标视频为需要添加数字水印的视频。作为示例,上述电子设备可以采用各种目标检测方法(例如,基于图像分割技术的目标检测方法、基于图像特征匹配的目标检测方法、基于频域的方法等等)对目标视频中的各帧图像进行目标检测。
在本实施例的一些可选的实现方式中,步骤201可以具体包括:将上述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,上述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。在这里,载体的轮廓可以是由多个点围成的区域,例如,当载体为图像中的一个矩形物体时,该载体的轮廓可以是该矩形物体的4个顶点围成的矩形区域,又例如,当载体为图像中的一个圆形物体时,该载体的轮廓可以是由多个点围成的圆形区域。载体的类型可以是指载体的形状类型,例如,载体的类型可以包括矩形、多边形、圆形、椭圆形、三角形等等。作为示例,目标检测模型可以是技术人员基于对大量的图像与载体的轮廓、位置和类型的统计而预先制定的、存储有多个图像与载体的轮廓、位置和类型的对应关系的对应关系表。
在一些可选的实现方式中,上述目标检测模型可以为神经网络模型。以及上述用于在视频中添加数字水印的方法还可以包括训练上述目标检测模型的步骤,其中,训练上述目标检测模型的步骤具体可以包括:首先,上述电子设备或者其他用于训练上述目标检测模型的电子设备可以将样本图像作为输入样本,将上述样本图像所包含载体的轮廓、位置和类型作为输出样本;然后,可以使用上述输入样本和上述输出样本训练初始神经网络,得到上述神经网络模型。在这里,上述初始神经网络可以是通过各种方式得到的神经网络,例如,基于现有的神经网络(例如卷积神经网络、循环神经网络、深度神经网络等等),随机生成该神经网络的网络参数,得到的神经网络。
步骤202,根据目标检测结果确定目标视频中是否包括至少一个载体。
在本实施例中,上述电子设备可以根据步骤201的目标检测结果确定上述目标视频中是否包括至少一个载体,其中,载体是指目标视频中的、用于添加数字水印的对象,例如,载体可以是各帧图像中的矩形物体、多边形物体、圆形物体、椭圆形物体等等。数字水印技术是将一些标识信息(即数字水印)直接嵌入数字载体当中(包括多媒体、文档、软件等)或是间接表示(修改特定区域的结构),且不影响原载体的使用价值,也不容易被探知和再次修改。但可以被生产方识别和辨认。作为示例,在本实施例中,上述数字水印可以是数字图像(例如,商标图像、台标等等)。
步骤203,响应于确定目标视频中包括至少一个载体,从至少一个载体中确定目标载体,并将数字水印添加到目标视频中的、包括目标载体的各帧图像中的目标载体所在区域内。
在本实施例中,响应于确定上述目标视频中包括至少一个载体,上述电子设备可以从上述至少一个载体中确定目标载体,例如,可以选取上述至少一个载体中所占面积最大的载体作为目标载体。之后,上述电子设备可以将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内。
在本实施例的一些可选的实现方式中,上述从上述至少一个载体中确定目标载体,可以具体包括:首先,对于上述至少一个载体中的每一个载体,上述电子设备可以执行以下步骤:步骤一,对于第一次出现该载体的图像帧,可以提取上述图像帧中该载体的图像特征,例如,方向梯度直方图特征(Histogram of Oriented Gradient,HOG)、尺度不变特征变换特征(Scale-invariant feature transform,SIFT)等等;步骤二,可以根据该载体的图像特征对上述图像帧之后的各帧图像进行图像跟踪,判断该载体在上述图像帧之后的各帧图像中是否存在;步骤三,可以根据图像跟踪结果,统计上述目标视频中、出现该载体的图像帧数;然后,上述电子设备可以根据统计得到的上述至少一个载体中的各个载体在上述目标视频中出现的图像帧数,从上述至少一个载体中确定目标载体。例如,上述电子设备可以选取上述至少一个载体中的、在上述目标视频中出现的图像帧数最多的载体作为目标载体。
在一些可选的实现方式中,上述数字水印可以为可见水印;以及上述将数字水印添加到目标视频中的、包括目标载体的各帧图像中的目标载体所在区域内,可以具体包括:首先,上述电子设备可以根据上述目标载体的轮廓、类型调整上述可见水印的形状,作为示例,当上述目标载体为圆形物体时,上述目标载体的轮廓为由多个点围成的圆形区域,上述目标载体的类型为圆形,上述电子设备可以将上述可见水印调整为与上述目标载体相同大小的圆形形状;然后,在上述目标载体的位置处添加调整形状后的可见水印。
在一些可选的实现方式中,上述数字水印可以包括背景区域和标志区域;以及上述将数字水印添加到目标视频中的、包括目标载体的各帧图像中的目标载体所在区域内,可以具体包括:首先,上述电子设备可以根据上述目标载体的颜色分布调整上述数字水印的背景区域的颜色,作为示例,上述电子设备可以将数字水印背景区域的颜色调整为与目标载体相同的颜色。可选的,上述数字水印的背景区域可以为透明的;然后,上述电子设备可以在上述目标载体的位置处添加调整背景区域颜色后的数字水印。
在本实施例的一些可选的实现方式中,上述用于在视频中添加数字水印的方法还可以包括:响应于确定上述目标视频中不包括至少一个载体,上述电子设备可以将上述数字水印添加到上述目标视频中各帧图像的设定位置。例如,各帧图像的左上角、右上角、左下角、右下角等等。
继续参见图3,图3是根据本实施例的用于在视频中添加数字水印的方法的应用场景的一个示意图。在图3的应用场景中,终端设备首先对目标视频中的各帧图像进行目标检测;之后,根据目标检测结果确定上述目标视频中包括至少一个载体;然后,从上述至少一个载体中确定上述目标视频中的一个矩形相框301为目标载体,并将数字水印添加到上述目标视频中的、包括该矩形相框301的各帧图像中的该矩形相框301所在区域内,其中,某一帧图像添加数字水印后的效果图可以如图3所示,由于该矩形相框301在目标视频的各帧图像上的位置会发生变化,因此数字水印的位置也会随该矩形相框301位置的变化而不断变化。
本申请的上述实施例提供的方法通过将数字水印添加到目标载体上,从而使数字水印的位置随目标载体位置的变化而不断变化,使添加的数字水印不易被检测和去除,提高了视频的安全性。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于在视频中添加数字水印的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于在视频中添加数字水印的装置400包括:检测单元401、确定单元402和第一添加单元403。其中,检测单元401用于对目标视频中的各帧图像进行目标检测;确定单元402用于根据目标检测结果确定上述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象;第一添加单元403用于响应于确定上述目标视频中包括至少一个载体,从上述至少一个载体中确定目标载体,并将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内。
在本实施例中,用于在视频中添加数字水印的装置400的检测单元401、确定单元402和第一添加单元403的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述第一添加单元403可以进一步用于:将上述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,上述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。
在本实施例的一些可选的实现方式中,上述目标检测模型可以为神经网络模型;以及上述装置400还可以包括训练单元(图中未示出),用于:将样本图像作为输入样本,将上述样本图像所包含载体的轮廓、位置和类型作为输出样本;使用上述输入样本和上述输出样本训练初始神经网络,得到上述神经网络模型。
在本实施例的一些可选的实现方式中,上述第一添加单元403可以进一步用于:对于上述至少一个载体中的每一个载体,执行以下步骤:对于第一次出现该载体的图像帧,提取上述图像帧中该载体的图像特征;根据该载体的图像特征对上述图像帧之后的各帧图像进行图像跟踪,判断该载体在上述图像帧之后的各帧图像中是否存在;根据图像跟踪结果,统计上述目标视频中、出现该载体的图像帧数;根据统计得到的上述至少一个载体中的各个载体在上述目标视频中出现的图像帧数,从上述至少一个载体中确定目标载体。
在本实施例的一些可选的实现方式中,上述装置400还可以包括:第二添加单元(图中未示出),用于响应于确定上述目标视频中不包括至少一个载体,将上述数字水印添加到上述目标视频中各帧图像的设定位置。
在本实施例的一些可选的实现方式中,上述数字水印可以为可见水印;以及上述第一添加单元403可以进一步用于:根据上述目标载体的轮廓、类型调整上述可见水印的形状;在上述目标载体的位置处添加调整形状后的可见水印。
在本实施例的一些可选的实现方式中,上述数字水印可以包括背景区域和标志区域;以及上述第一添加单元403可以进一步用于:根据上述目标载体的颜色分布调整上述数字水印的背景区域的颜色;在上述目标载体的位置处添加调整背景区域颜色后的数字水印。
下面参考图5,其示出了适于用来实现本申请实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU,Central Processing Unit)501,其可以根据存储在只读存储器(ROM,Read Only Memory)502中的程序或者从存储部分508加载到随机访问存储器(RAM,Random Access Memory)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O,Input/Output)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid Crystal Display)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN(局域网,Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、确定单元和第一添加单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测单元还可以被描述为“对目标视频中的各帧图像进行目标检测的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:对目标视频中的各帧图像进行目标检测;根据目标检测结果确定上述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象;响应于确定上述目标视频中包括至少一个载体,从上述至少一个载体中确定目标载体,并将上述数字水印添加到上述目标视频中的、包括上述目标载体的各帧图像中的目标载体所在区域内。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于在视频中添加数字水印的方法,包括:
对目标视频中的各帧图像进行目标检测;
根据目标检测结果确定所述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象,载体为各帧图像中预设形状的对象;
响应于确定所述目标视频中包括至少一个载体,从所述至少一个载体中确定目标载体,并将所述数字水印添加到所述目标视频中的、包括所述目标载体的各帧图像中的目标载体所在区域内,其中,所述从所述至少一个载体中确定目标载体,包括:对于所述至少一个载体中的每一个载体,执行以下步骤:对于第一次出现该载体的图像帧,提取所述图像帧中该载体的图像特征;根据该载体的图像特征对所述图像帧之后的各帧图像进行图像跟踪,判断该载体在所述图像帧之后的各帧图像中是否存在;根据图像跟踪结果,统计所述目标视频中、出现该载体的图像帧数;根据统计得到的所述至少一个载体中的各个载体在所述目标视频中出现的图像帧数,从所述至少一个载体中确定目标载体。
2.根据权利要求1所述的方法,其中,所述对目标视频中的各帧图像进行目标检测,包括:
将所述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,所述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。
3.根据权利要求2所述的方法,其中,所述目标检测模型为神经网络模型;以及
所述方法还包括训练所述目标检测模型的步骤,包括:
将样本图像作为输入样本,将所述样本图像所包含载体的轮廓、位置和类型作为输出样本;
使用所述输入样本和所述输出样本训练初始神经网络,得到所述神经网络模型。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述目标视频中不包括至少一个载体,将所述数字水印添加到所述目标视频中各帧图像的设定位置。
5.根据权利要求2所述的方法,其中,所述数字水印为可见水印;以及
将所述数字水印添加到所述目标视频中的、包括所述目标载体的各帧图像中的目标载体所在区域内,包括:
根据所述目标载体的轮廓、类型调整所述可见水印的形状;
在所述目标载体的位置处添加调整形状后的可见水印。
6.根据权利要求2所述的方法,其中,所述数字水印包括背景区域和标志区域;以及
将所述数字水印添加到所述目标视频中的、包括所述目标载体的各帧图像中的目标载体所在区域内,包括:
根据所述目标载体的颜色分布调整所述数字水印的背景区域的颜色;
在所述目标载体的位置处添加调整背景区域颜色后的数字水印。
7.一种用于在视频中添加数字水印的装置,包括:
检测单元,用于对目标视频中的各帧图像进行目标检测;
确定单元,用于根据目标检测结果确定所述目标视频中是否包括至少一个载体,其中,载体是指各帧图像中的、用于添加数字水印的对象,载体为各帧图像中预设形状的对象;
第一添加单元,用于响应于确定所述目标视频中包括至少一个载体,从所述至少一个载体中确定目标载体,并将所述数字水印添加到所述目标视频中的、包括所述目标载体的各帧图像中的目标载体所在区域内,其中,所述第一添加单元进一步用于:对于所述至少一个载体中的每一个载体,执行以下步骤:对于第一次出现该载体的图像帧,提取所述图像帧中该载体的图像特征;根据该载体的图像特征对所述图像帧之后的各帧图像进行图像跟踪,判断该载体在所述图像帧之后的各帧图像中是否存在;根据图像跟踪结果,统计所述目标视频中、出现该载体的图像帧数;根据统计得到的所述至少一个载体中的各个载体在所述目标视频中出现的图像帧数,从所述至少一个载体中确定目标载体。
8.根据权利要求7所述的装置,其中,所述第一添加单元进一步用于:
将所述目标视频中的各帧图像导入预先建立的目标检测模型,得到各帧图像中载体的轮廓、位置和类型,其中,所述目标检测模型用于表征图像与载体的轮廓、位置和类型的对应关系。
9.根据权利要求8所述的装置,其中,所述目标检测模型为神经网络模型;以及
所述装置还包括训练单元,用于:
将样本图像作为输入样本,将所述样本图像所包含载体的轮廓、位置和类型作为输出样本;
使用所述输入样本和所述输出样本训练初始神经网络,得到所述神经网络模型。
10.根据权利要求7所述的装置,其中,所述装置还包括:
第二添加单元,用于响应于确定所述目标视频中不包括至少一个载体,将所述数字水印添加到所述目标视频中各帧图像的设定位置。
11.根据权利要求8所述的装置,其中,所述数字水印为可见水印;以及
所述第一添加单元进一步用于:
根据所述目标载体的轮廓、类型调整所述可见水印的形状;
在所述目标载体的位置处添加调整形状后的可见水印。
12.根据权利要求8所述的装置,其中,所述数字水印包括背景区域和标志区域;以及
所述第一添加单元进一步用于:
根据所述目标载体的颜色分布调整所述数字水印的背景区域的颜色;
在所述目标载体的位置处添加调整背景区域颜色后的数字水印。
13.一种终端,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201711215661.6A 2017-11-28 2017-11-28 用于在视频中添加数字水印的方法和装置 Active CN107911753B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711215661.6A CN107911753B (zh) 2017-11-28 2017-11-28 用于在视频中添加数字水印的方法和装置
US16/134,659 US10915980B2 (en) 2017-11-28 2018-09-18 Method and apparatus for adding digital watermark to video

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711215661.6A CN107911753B (zh) 2017-11-28 2017-11-28 用于在视频中添加数字水印的方法和装置

Publications (2)

Publication Number Publication Date
CN107911753A CN107911753A (zh) 2018-04-13
CN107911753B true CN107911753B (zh) 2021-01-22

Family

ID=61847972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711215661.6A Active CN107911753B (zh) 2017-11-28 2017-11-28 用于在视频中添加数字水印的方法和装置

Country Status (2)

Country Link
US (1) US10915980B2 (zh)
CN (1) CN107911753B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596916B (zh) * 2018-04-16 2021-02-26 深圳市联软科技股份有限公司 一种颜色相近的水印识别方法、系统、终端及介质
CN110443824A (zh) * 2018-05-02 2019-11-12 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
KR102102892B1 (ko) * 2018-06-19 2020-04-21 네이버웹툰 주식회사 컨텐츠 유출 방지 방법, 장치 및 프로그램
WO2020132828A1 (zh) * 2018-12-24 2020-07-02 深圳市大疆创新科技有限公司 一种数据处理方法、无人机、眼镜设备及存储介质
CN111383155B (zh) * 2018-12-28 2023-04-21 广州市百果园信息技术有限公司 水印的识别方法、装置、设备及存储介质
CN110084835B (zh) * 2019-06-06 2020-08-21 北京字节跳动网络技术有限公司 用于处理视频的方法和装置
CN112396551A (zh) * 2019-08-16 2021-02-23 阿里巴巴集团控股有限公司 一种水印嵌入方法及装置
US11019407B2 (en) * 2019-08-27 2021-05-25 Synamedia Limited Systems and methods for providing watermarked content
CN111010490A (zh) * 2019-12-12 2020-04-14 上海众源网络有限公司 水印添加方法、装置、电子设备及计算机可读存储介质
CN111340677B (zh) * 2020-02-27 2023-10-27 北京百度网讯科技有限公司 视频水印检测方法、装置、电子设备、计算机可读介质
CN113630606B (zh) * 2020-05-07 2024-04-19 百度在线网络技术(北京)有限公司 视频水印处理方法、装置、电子设备及存储介质
CN113395583B (zh) * 2020-09-29 2023-06-27 腾讯科技(深圳)有限公司 水印检测方法、装置、计算机设备及存储介质
CN112383836B (zh) * 2020-10-19 2022-11-11 深圳市九洲电器有限公司 视频校验系统及方法
CN113379582A (zh) * 2021-05-13 2021-09-10 北京元讯通科技有限公司 一种信息添加方法、信息提取方法、装置和电子设备
CN113825013B (zh) * 2021-07-30 2023-11-14 腾讯科技(深圳)有限公司 图像显示方法和装置、存储介质及电子设备
CN113947513A (zh) * 2021-09-26 2022-01-18 安徽尚趣玩网络科技有限公司 一种视频水印处理方法、系统、电子装置及存储介质
CN114554300B (zh) * 2022-02-28 2024-05-07 合肥高维数据技术有限公司 基于特定目标的视频水印嵌入方法
CN115103227A (zh) * 2022-06-21 2022-09-23 广州骏伯网络科技有限公司 视频素材打标方法、识别方法及其装置、设备和存储介质
CN115798490B (zh) * 2023-02-07 2023-04-21 西华大学 基于sift变换的音频水印植入方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105611380A (zh) * 2015-12-23 2016-05-25 小米科技有限责任公司 视频图像处理方法及装置
CN105898561A (zh) * 2016-04-13 2016-08-24 腾讯科技(深圳)有限公司 一种视频图像处理方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207966B (zh) * 2011-06-01 2013-07-10 华南理工大学 基于对象标签的视频内容快速检索方法
US10334285B2 (en) * 2015-02-20 2019-06-25 Sony Corporation Apparatus, system and method
KR102094510B1 (ko) * 2015-08-25 2020-03-27 삼성전자주식회사 워터마크 데이터 삽입 방법, 장치 및 시스템
CN106096668B (zh) * 2016-08-18 2019-06-18 携程计算机技术(上海)有限公司 带水印图像的识别方法及识别系统
US10565168B2 (en) * 2017-05-02 2020-02-18 Oxygen Cloud, Inc. Independent synchronization with state transformation
US10475145B1 (en) * 2017-12-21 2019-11-12 Shutterstock, Inc. Smart watermarking

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105611380A (zh) * 2015-12-23 2016-05-25 小米科技有限责任公司 视频图像处理方法及装置
CN105898561A (zh) * 2016-04-13 2016-08-24 腾讯科技(深圳)有限公司 一种视频图像处理方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于形状特征的图像检索方法;蔡菲等;《计算机应用于软件》;20051231;全文 *

Also Published As

Publication number Publication date
US20190164250A1 (en) 2019-05-30
CN107911753A (zh) 2018-04-13
US10915980B2 (en) 2021-02-09

Similar Documents

Publication Publication Date Title
CN107911753B (zh) 用于在视频中添加数字水印的方法和装置
CN108038880B (zh) 用于处理图像的方法和装置
CN109711508B (zh) 图像处理方法和装置
CN109255767B (zh) 图像处理方法和装置
CN109344762B (zh) 图像处理方法和装置
CN110225366B (zh) 视频数据处理及广告位确定方法、装置、介质及电子设备
CN109344752B (zh) 用于处理嘴部图像的方法和装置
CN109255337B (zh) 人脸关键点检测方法和装置
CN107220652B (zh) 用于处理图片的方法和装置
CN106202086B (zh) 一种图片处理、获取方法、装置及系统
CN109377508B (zh) 图像处理方法和装置
CN108182457B (zh) 用于生成信息的方法和装置
CN109118456B (zh) 图像处理方法和装置
CN108288064B (zh) 用于生成图片的方法和装置
CN108510084B (zh) 用于生成信息的方法和装置
CN111767750A (zh) 图像处理方法和装置
CN113033677A (zh) 视频分类方法、装置、电子设备和存储介质
CN109241930B (zh) 用于处理眉部图像的方法和装置
CN109919220B (zh) 用于生成视频的特征向量的方法和装置
CN110827301A (zh) 用于处理图像的方法和装置
CN112967191B (zh) 图像处理方法、装置、电子设备和存储介质
CN110659923A (zh) 用于用户终端的信息展示方法和装置
CN108921792B (zh) 用于处理图片的方法和装置
CN110889470B (zh) 用于处理图像的方法和装置
CN109522429B (zh) 用于生成信息的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant