CN109903214B - 一种智能确定可见水印嵌入位置的方法及系统 - Google Patents
一种智能确定可见水印嵌入位置的方法及系统 Download PDFInfo
- Publication number
- CN109903214B CN109903214B CN201910167069.6A CN201910167069A CN109903214B CN 109903214 B CN109903214 B CN 109903214B CN 201910167069 A CN201910167069 A CN 201910167069A CN 109903214 B CN109903214 B CN 109903214B
- Authority
- CN
- China
- Prior art keywords
- visible watermark
- region
- interest
- setting
- 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
Links
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种智能确定可见水印嵌入位置的方法及系统,方法包括:基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域,对感兴趣区域进行分类,基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分,基于得分结果确定可见水印的嵌入位置,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。本发明能够根据不同的视频画面灵活的确定可见水印所在的位置,提升了用户体验。
Description
技术领域
本发明涉及水印嵌入技术领域,尤其涉及一种智能确定可见水印嵌入位置的方法及系统。
背景技术
近年来随着网络视频行业的飞速发展,各大视频网站的竞争也相当激烈。由于昂贵的版权以及打击盗版的需求,视频网站需要在视频中添加logo。此外,在足球篮球等体育比赛中,需要一个计分板实时显示在视频中,实时提供比分信息。
现有方案中为视频添加logo或计分板的实现方式大多是以可见水印的形式,选择视频画面中一个固定区域,将logo或计分板一直显示在此位置。由此可以看出,现有方案的缺陷在于logo或计分板是固定区域,但是视频的画面是变动的,logo或计分板可能会遮挡部分视频画面中重要的信息。
因此,如何有效的根据视频画面动态的确定可见水印所在的位置,是一项亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种智能确定可见水印嵌入位置的方法,能够根据不同的视频画面灵活的确定可见水印所在的位置,提升了用户体验。
本发明提供了一种智能确定可见水印嵌入位置的方法,包括:
基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
对所述感兴趣区域进行分类;
基于所述感兴趣区域的分类结果,计算出所述感兴趣区域添加可见水印的得分;
基于得分结果确定可见水印的嵌入位置;
基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
优选地,所述对所述感兴趣区域进行分类包括:
针对固定场景的视频,预先定义场景类型;
基于预先定义的场景类型,根据神经网络确定所述感兴趣区域的类别。
优选地,所述对所述感兴趣区域进行分类包括:
针对通用场景的视频,提取视频帧的图像特征;
基于所述图像特征确定所述感兴趣区域的类别。
优选地,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置包括:
判断本时间间隔重新计算得出的感兴趣区域添加可见水印位置的得分与本时间间隔计算得出的前一次感兴趣区域添加可见水印位置的得分的差值是否大于预设阈值,若是,则基于本时间间隔重新计算得出的所述感兴趣区域添加可见水印的得分确定可见水印的嵌入位置;若否,则:
则保持前一次感兴趣区域添加可见水印位置为可见水印的嵌入位置。
优选地,所述基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域前,还包括:
设置需要添加可见水印的视频源;
设置所述可见水印的添加区域;
设置所述可见水印的添加区域的大小;
设置需要添加的可见水印的大小;
设置需要添加的可见水印的来源;
设置可见水印的开始时间和添加时长;
设置所述变换可见水印位置的时间间隔。
一种智能确定可见水印嵌入位置的系统,包括:
感兴趣区域设置模块,用于基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
感兴趣区域分类模块,用于对所述感兴趣区域进行分类
计算模块,用于基于所述感兴趣区域的分类结果,计算出所述感兴趣区域添加可见水印的得分;
确定模块,用于基于得分结果确定可见水印的嵌入位置;
所述确定模块,还用于基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置
结束模块,用于当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
优选地,所述感兴趣区域分类模块具体用于:
针对固定场景的视频,预先定义场景类型;
基于预先定义的场景类型,根据神经网络确定所述感兴趣区域的类别。
优选地,所述感兴趣区域分类模块具体用于:
针对通用场景的视频,提取视频帧的图像特征;
基于所述图像特征确定所述感兴趣区域的类别。
优选地,所述确定模块在执行基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置时,具体用于:
判断本时间间隔重新计算得出的感兴趣区域添加可见水印位置的得分与本时间间隔计算得出的前一次感兴趣区域添加可见水印位置的得分的差值是否大于预设阈值,若是,则基于本时间间隔重新计算得出的所述感兴趣区域添加可见水印的得分确定可见水印的嵌入位置;若否,则:
则保持前一次感兴趣区域添加可见水印位置为可见水印的嵌入位置。
优选地,所述系统还包括:
视频源设置模块,用于设置需要添加可见水印的视频源;
添加区域设置模块,用于设置所述可见水印的添加区域;
添加区域大小设置模块,用于设置所述可见水印的添加区域的大小;
可见水印大小设置模块,用于设置需要添加的可见水印的大小;
可见水印来源设置模块,用于设置需要添加的可见水印的来源;
可见水印开始时间和添加时长设置模块,用于设置可见水印的开始时间和添加时长;
可见水印位置变化的时间间隔设置模块,用于设置所述变换可见水印位置的时间间隔。
综上所述,本发明公开了一种智能确定可见水印嵌入位置的方法,包括:基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域,对感兴趣区域进行分类,基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分,基于得分结果确定可见水印的嵌入位置,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。本发明能够根据不同的视频画面灵活的确定可见水印所在的位置,避免了可见水印对视频画面中重要信息的遮挡,提升了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明公开的一种智能确定可见水印嵌入位置的方法实施例1的流程图;
图2为本发明公开的一种智能确定可见水印嵌入位置的方法实施例2的流程图;
图3为本发明公开的一种智能确定可见水印嵌入位置的系统实施例1的结构示意图;
图4为本发明公开的一种智能确定可见水印嵌入位置的系统实施例2的结构示意图;
图5(a)为本发明公开的将图片分成32x32小块的示意图;
图5(b)为本发明公开的5(a)中每一小块图片的熵。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明公开的一种智能确定可见水印嵌入位置的方法实施例1的流程图,所述方法可以包括以下步骤:
S101、基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
当需要在视频中智能的嵌入可见水印时,首先根据预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的ROI(Region Of Interest,感兴趣区域)。通过设置感兴趣区域,在后续的分析过程中,不用对视频帧图像的整个图片进行分析,缩小了分析时间。
例如,需要嵌入可见水印的视频的分辨率为500×300,可见水印可选位置为左下、中下、右下区域,可选区域的大小都设置为100×50,那么对于左下区域而言,ROI就是(0,250,100,50)(分别对应矩形为左上角的x、y坐标以及矩形的宽高)。对于中下区域而言,ROI就是(200,250,100,50),对于右下区域而言,ROI就是(400,250,100,50)。
S102、对感兴趣区域进行分类;
当基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置了视频帧图像的感兴趣区域后,进一步对感兴趣区域进行分类。
具体的,在实际的应用过程中,对于某些固定场景的视频,可以预先定义几种场景,然后将ROI分类为其中之一。比如对于足球篮球比赛视频,预定义类别为运动员、观众、场地、广告牌等,然后根据神经网络判断ROI的类别。对于通用场景的视频,可以提取图像特征如纹理特征,比如计算图像的熵和方差。熵是图像具有信息的度量,熵越小表示越平坦,熵较大的但是方差小的表示是纹理区域,方差大的为边缘区域。当然,也可以选择其它图像特征。通过特征将ROI分类为平滑、纹理和边缘区域。
以纹理特征举例来说,对于左下、中下、右下区域的ROI,对于每个ROI,计算图像的熵和方差。图5(a)和图5(b)给出了视频某帧图片以及其求得的熵,可以看出白色背景区域对应的熵为0,而其他区域对应的熵都是非0值。
S103、基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分;
当对感兴趣区域进行分类后,进一步根据感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分。
具体的,在实际的应用过程中,对于固定场景分类,根据类别和置信度;对于通用场景,根据纹理特征,计算每个ROI区域得分。比如在计算出每个区域的熵和方差之后,通过加权计算出此区域的得分(该得分表示系统认为该区域添加可见水印对画面的影响程度,得分越高表示影响越小)。对于非实时应用,则依次算出每个水印设置间隔时间段内得分的和,综合比较各个区域总得分确定可见水印应该添加的位置。
以纹理特征举例来说,就是在计算每个区域的熵和方差之后,通过预先设定的加权系数得到各个区域的得分,如果水印设置的时间间隔为10秒,那么就计算10秒内各个区域在所有帧上得分的和,最后比较,和越大的表示对图像画面影响越小,可以确定将水印放置在此区域。
S104、基于得分结果确定可见水印的嵌入位置;
根据计算出的感兴趣区域添加可见水印的得分,将可见水印嵌入到得分最高的区域。
S105、基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
在确定出嵌入可见水印的位置将可见水印嵌入后,每隔指定时间会再次重复上述过程重新确定嵌入可见水印的位置。
具体的,在实际应用过程中,为了避免水印频繁移动位置所带来的影响,可以设置一个阈值,当重新确定的感兴趣区域添加可见水印的最高得分与之前可见水印的所在位置的得分的差小于该阈值时,可见水印位置可以保持不变,如果得分差大于所设阈值就更换成当前最高得分的位置。
具体来说,如果之前可见水印位于左下角,10秒之后,重新计算得分。此时右下角的得分为90分,左下角得分为88分,如果阈值为3,由于差值只有2,小于阈值,那么仍然将可见水印保存在左下角。如果阈值为1,差值大于阈值,那就将可见水印放置在右下角。
S106、当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
最后,当处理的时间达到预先设定的可见水印添加时间或者到达视频的末尾,结束整个处理流程,输出最后添加了可见水印的视频。
综上所述,在上述实施例中,当需要智能确定可见水印嵌入位置时,首先基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域,然后对感兴趣区域进行分类,基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分,基于得分结果确定可见水印的嵌入位置,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置,当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。本发明能够根据不同的视频画面灵活的确定可见水印所在的位置,避免了可见水印对视频画面中重要信息的遮挡,提升了用户体验。
如图2所示,为本发明公开的一种智能确定可见水印嵌入位置的方法实施例2的流程图,所述方法可以包括以下步骤:
S201、设置需要添加可见水印的视频源;
当需要在视频中智能的嵌入可见水印时,预先可以设置需要添加可见水印的视频源,该视频源可以是视频或者视频流,可以来自本地、网络、或者摄像头等。
举例来说,当网站需要对从版权方购买的视频添加可见水印时,就可以设置该视频的视频地址作为添加可见水印的视频源。
S202、设置可见水印的添加区域;
同时,设置可见水印能够添加的区域,即,设置可见水印的添加区域,以下简称可选可见水印区域。在本实施例中,可选可见水印区域可以为画面中的任意区域,可以通过区域设置指令对可见水印区域进行设置。设置可选可见水印区域之后,在添加可见水印过程中从可选可见水印区域中选择最佳位置。
举例来说,若用户设置左上角、中上、右上角为可见水印可选区域,则在开始添加可见水印时,可见水印就只能在左上角、中上、右上角中显示。若用户设置左下角、中下、右下角为可见水印可选区域,则可见水印就只能显示在左下角、中下、右下角中的一个区域。
S203、设置可见水印的添加区域的大小;
同时,设置可见水印可选区域的大小,即对可见水印的添加区域的大小进行设置。可见水印可选区域的大小可以是1到整个视频宽高的一半,当设置过大时,可能会对视频画面造成一定程度的遮挡,当设置过小,会导致可见水印不够明显。
S204、设置需要添加的可见水印的大小;
同时,对需要添加的可见水印的大小进行设置,可见水印的宽高可以是1到可见水印可选区域的大小。
举例来说,若可见水印可选区域的大小为100×120,那么可见水印本身的宽可以设置为1~100,可见水印本身的高可以设置为1~120。
S205、设置需要添加的可见水印的来源;
同时,设置可见水印的来源,可见水印可以是本地的图片或者来源于网络上的图片,图片可以是静态或者动态的,对图片的格式也没有任何要求,此外,任何分辨率的图像都是可行的。
举例来说,可以设置可见水印的图片为本地保存的图片路径,此图片是静态图片,文件格式为png格式,图像的分辨率为100×100。如果希望设置动态图片,那么可以设置文件格式为gif的动态图片。对于记分牌等可能需要实时变化的图片,可以实时生成不同的图片来达到效果。
S206、设置可见水印的开始时间和添加时长;
同时,设置可见水印的开始时间和添加时长。开始时间可以是从0到视频时长的任意位置,添加时长可以是0到任意值。如果视频的总时长小于开始时间加上添加时长,则超出的时间忽略。
举例来说,视频总时长为1小时,设置添加可见水印的位置为1分钟处开始,添加时长为58分钟,那么本系统就只在1分钟处到59分钟处添加可见水印,对于开始时间之前的和结束时间之后的一概忽略。对于视频流而言,一共是10秒,从2秒处开始,添加时长为20秒,由于视频流的时长小于添加时长,所以只处理视频流的2秒到10秒的数据。
S207、设置变换可见水印位置的时间间隔;
同时,设置变换可见水印位置的时间间隔。本系统的目的是设计一个根据视频画面智能确定可见水印位置的系统,所以显然会导致可见水印位置的更换,但是如果根据每一帧的检测结果来更换,那么可见水印的位置可能会时时刻刻在变化,对观众产生严重的影响。所以需要设置根据多长时间的检测结果来确定可见水印的位置。
举例来说,时间间隔设置成10秒,那么本系统会每隔10秒检测一次视频的画面,确定可见水印显示区域,然后接下来10秒都显示在该区域。10秒之后,本系统再次对视频画面进行检测。当然,时间间隔越短,根据视频的时间相关性,则可见水印对视频内容的影响越小,但可见水印位置变换也越频繁。而对于非实时性应用,则可以对整个时间间隔内的所有视频画面进行检测,选取整体影响最小的区域。
S208、基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
在具体的在视频中智能的嵌入可见水印的过程中,首先根据预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的ROI(Region OfInterest,感兴趣区域)。通过设置感兴趣区域,在后续的分析过程中,不用对视频帧图像的整个图片进行分析,缩小了分析时间。
例如,需要嵌入可见水印的视频的分辨率为500×300,可见水印可选位置为左下、中下、右下区域,可选区域的大小都设置为100×50,那么对于左下区域而言,ROI就是(0,250,100,50)(分别对应矩形为左上角的x、y坐标以及矩形的宽高)。对于中下区域而言,ROI就是(200,250,100,50),对于右下区域而言,ROI就是(400,250,100,50)。
S209、对感兴趣区域进行分类;
当基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置了视频帧图像的感兴趣区域后,进一步对感兴趣区域进行分类。
具体的,在实际的应用过程中,对于某些固定场景的视频,可以预先定义几种场景,然后将ROI分类为其中之一。比如对于足球篮球比赛视频,预定义类别为运动员、观众、场地、广告牌等,然后根据神经网络判断ROI的类别。对于通用场景的视频,可以提取图像特征如纹理特征,比如计算图像的熵和方差。熵是图像具有信息的度量,熵越小表示越平坦,熵较大的但是方差小的表示是纹理区域,方差大的为边缘区域。当然,也可以选择其它图像特征。通过特征将ROI分类为平滑、纹理和边缘区域。
以纹理特征举例来说,对于左下、中下、右下区域的ROI,对于每个ROI,计算图像的熵和方差。图5(a)和图5(b)给出了视频某帧图片以及其求得的熵,可以看出白色背景区域对应的熵为0,而其他区域对应的熵都是非0值。
S210、基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分;
当对感兴趣区域进行分类后,进一步根据感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分。
具体的,在实际的应用过程中,对于固定场景分类,根据类别和置信度;对于通用场景,根据纹理特征,计算每个ROI区域得分。比如在计算出每个区域的熵和方差之后,通过加权计算出此区域的得分(该得分表示系统认为该区域添加可见水印对画面的影响程度,得分越高表示影响越小)。对于非实时应用,则依次算出每个水印设置间隔时间段内得分的和,综合比较各个区域总得分确定可见水印应该添加的位置。
以纹理特征举例来说,就是在计算每个区域的熵和方差之后,通过预先设定的加权系数得到各个区域的得分,如果水印设置的时间间隔为10秒,那么就计算10秒内各个区域在所有帧上得分的和,最后比较,和越大的表示对图像画面影响越小,可以确定将水印放置在此区域。
S211、基于得分结果确定可见水印的嵌入位置;
根据计算出的感兴趣区域添加可见水印的得分,将可见水印嵌入到得分最高的区域。
S212、基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
在确定出嵌入可见水印的位置将可见水印嵌入后,每隔指定时间会再次重复上述过程重新确定嵌入可见水印的位置。
具体的,在实际应用过程中,为了避免水印频繁移动位置所带来的影响,可以设置一个阈值,当重新确定的感兴趣区域添加可见水印的最高得分与之前可见水印的所在位置的得分的差小于该阈值时,可见水印位置可以保持不变,如果得分差大于所设阈值就更换成当前最高得分的位置。
具体来说,如果之前可见水印位于左下角,10秒之后,重新计算得分。此时右下角的得分为90分,左下角得分为88分,如果阈值为3,由于差值只有2,小于阈值,那么仍然将可见水印保存在左下角。如果阈值为1,差值大于阈值,那就将可见水印放置在右下角。
S213、当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
最后,当处理的时间达到预先设定的可见水印添加时间或者到达视频的末尾,结束整个处理流程,输出最后添加了可见水印的视频。
如图3所示,为本发明公开的一种智能确定可见水印嵌入位置的系统实施例1的结构示意图,所述系统可以包括:
感兴趣区域设置模块301,用于基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
当需要在视频中智能的嵌入可见水印时,首先根据预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的ROI(Region Of Interest,感兴趣区域)。通过设置感兴趣区域,在后续的分析过程中,不用对视频帧图像的整个图片进行分析,缩小了分析时间。
例如,需要嵌入可见水印的视频的分辨率为500×300,可见水印可选位置为左下、中下、右下区域,可选区域的大小都设置为100×50,那么对于左下区域而言,ROI就是(0,250,100,50)(分别对应矩形为左上角的x、y坐标以及矩形的宽高)。对于中下区域而言,ROI就是(200,250,100,50),对于右下区域而言,ROI就是(400,250,100,50)。
感兴趣区域分类模块302,用于对感兴趣区域进行分类;
当基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置了视频帧图像的感兴趣区域后,进一步对感兴趣区域进行分类。
具体的,在实际的应用过程中,对于某些固定场景的视频,可以预先定义几种场景,然后将ROI分类为其中之一。比如对于足球篮球比赛视频,预定义类别为运动员、观众、场地、广告牌等,然后根据神经网络判断ROI的类别。对于通用场景的视频,可以提取图像特征如纹理特征,比如计算图像的熵和方差。熵是图像具有信息的度量,熵越小表示越平坦,熵较大的但是方差小的表示是纹理区域,方差大的为边缘区域。当然,也可以选择其它图像特征。通过特征将ROI分类为平滑、纹理和边缘区域。
以纹理特征举例来说,对于左下、中下、右下区域的ROI,对于每个ROI,计算图像的熵和方差。图5(a)和图5(b)给出了视频某帧图片以及其求得的熵,可以看出白色背景区域对应的熵为0,而其他区域对应的熵都是非0值。
计算模块303,用于基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分;
当对感兴趣区域进行分类后,进一步根据感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分。
具体的,在实际的应用过程中,对于固定场景分类,根据类别和置信度;对于通用场景,根据纹理特征,计算每个ROI区域得分。比如在计算出每个区域的熵和方差之后,通过加权计算出此区域的得分(该得分表示系统认为该区域添加可见水印对画面的影响程度,得分越高表示影响越小)。对于非实时应用,则依次算出每个水印设置间隔时间段内得分的和,综合比较各个区域总得分确定可见水印应该添加的位置。
以纹理特征举例来说,就是在计算每个区域的熵和方差之后,通过预先设定的加权系数得到各个区域的得分,如果水印设置的时间间隔为10秒,那么就计算10秒内各个区域在所有帧上得分的和,最后比较,和越大的表示对图像画面影响越小,可以确定将水印放置在此区域。
确定模块304,用于基于得分结果确定可见水印的嵌入位置;
根据计算出的感兴趣区域添加可见水印的得分,将可见水印嵌入到得分最高的区域。
确定模块304,还用于基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
在确定出嵌入可见水印的位置将可见水印嵌入后,每隔指定时间会再次重复上述过程重新确定嵌入可见水印的位置。
具体的,在实际应用过程中,为了避免水印频繁移动位置所带来的影响,可以设置一个阈值,当重新确定的感兴趣区域添加可见水印的最高得分与之前可见水印的所在位置的得分的差小于该阈值时,可见水印位置可以保持不变,如果得分差大于所设阈值就更换成当前最高得分的位置。
具体来说,如果之前可见水印位于左下角,10秒之后,重新计算得分。此时右下角的得分为90分,左下角得分为88分,如果阈值为3,由于差值只有2,小于阈值,那么仍然将可见水印保存在左下角。如果阈值为1,差值大于阈值,那就将可见水印放置在右下角。
结束模块305,用于当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
最后,当处理的时间达到预先设定的可见水印添加时间或者到达视频的末尾,结束整个处理流程,输出最后添加了可见水印的视频。
综上所述,在上述实施例中,当需要智能确定可见水印嵌入位置时,首先基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域,然后对感兴趣区域进行分类,基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分,基于得分结果确定可见水印的嵌入位置,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置,当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。本发明能够根据不同的视频画面灵活的确定可见水印所在的位置,避免了可见水印对视频画面中重要信息的遮挡,提升了用户体验。
如图4所示,为本发明公开的一种智能确定可见水印嵌入位置的系统实施例2的结构示意图,所述系统可以包括:
视频源设置模块401,用于设置需要添加可见水印的视频源;
当需要在视频中智能的嵌入可见水印时,预先可以设置需要添加可见水印的视频源,该视频源可以是视频或者视频流,可以来自本地、网络、或者摄像头等。
举例来说,当网站需要对从版权方购买的视频添加可见水印时,就可以设置该视频的视频地址作为添加可见水印的视频源。
添加区域设置模块402,用于设置可见水印的添加区域;
同时,设置可见水印能够添加的区域,即,设置可见水印的添加区域,以下简称可选可见水印区域。在本实施例中,可选可见水印区域可以为画面中的任意区域,可以通过区域设置指令对可见水印区域进行设置。设置可选可见水印区域之后,在添加可见水印过程中从可选可见水印区域中选择最佳位置。
举例来说,若用户设置左上角、中上、右上角为可见水印可选区域,则在开始添加可见水印时,可见水印就只能在左上角、中上、右上角中显示。若用户设置左下角、中下、右下角为可见水印可选区域,则可见水印就只能显示在左下角、中下、右下角中的一个区域。
添加区域大小设置模块403,用于设置可见水印的添加区域的大小;
同时,设置可见水印可选区域的大小,即对可见水印的添加区域的大小进行设置。可见水印可选区域的大小可以是1到整个视频宽高的一半,当设置过大时,可能会对视频画面造成一定程度的遮挡,当设置过小,会导致可见水印不够明显。
可见水印大小设置模块404,用于设置需要添加的可见水印的大小;
同时,对需要添加的可见水印的大小进行设置,可见水印的宽高可以是1到可见水印可选区域的大小。
举例来说,若可见水印可选区域的大小为100×120,那么可见水印本身的宽可以设置为1~100,可见水印本身的高可以设置为1~120。
可见水印来源设置模块405,用于设置需要添加的可见水印的来源;
同时,设置可见水印的来源,可见水印可以是本地的图片或者来源于网络上的图片,图片可以是静态或者动态的,对图片的格式也没有任何要求,此外,任何分辨率的图像都是可行的。
举例来说,可以设置可见水印的图片为本地保存的图片路径,此图片是静态图片,文件格式为png格式,图像的分辨率为100×100。如果希望设置动态图片,那么可以设置文件格式为gif的动态图片。对于记分牌等可能需要实时变化的图片,可以实时生成不同的图片来达到效果。
可见水印开始时间和添加时长设置模块406,用于设置可见水印的开始时间和添加时长;
同时,设置可见水印的开始时间和添加时长。开始时间可以是从0到视频时长的任意位置,添加时长可以是0到任意值。如果视频的总时长小于开始时间加上添加时长,则超出的时间忽略。
举例来说,视频总时长为1小时,设置添加可见水印的位置为1分钟处开始,添加时长为58分钟,那么本系统就只在1分钟处到59分钟处添加可见水印,对于开始时间之前的和结束时间之后的一概忽略。对于视频流而言,一共是10秒,从2秒处开始,添加时长为20秒,由于视频流的时长小于添加时长,所以只处理视频流的2秒到10秒的数据。
可见水印位置变化的时间间隔设置模块407,用于设置变换可见水印位置的时间间隔;
同时,设置变换可见水印位置的时间间隔。本系统的目的是设计一个根据视频画面智能确定可见水印位置的系统,所以显然会导致可见水印位置的更换,但是如果根据每一帧的检测结果来更换,那么可见水印的位置可能会时时刻刻在变化,对观众产生严重的影响。所以需要设置根据多长时间的检测结果来确定可见水印的位置。
举例来说,时间间隔设置成10秒,那么本系统会每隔10秒检测一次视频的画面,确定可见水印显示区域,然后接下来10秒都显示在该区域。10秒之后,本系统再次对视频画面进行检测。当然,时间间隔越短,根据视频的时间相关性,则可见水印对视频内容的影响越小,但可见水印位置变换也越频繁。而对于非实时性应用,则可以对整个时间间隔内的所有视频画面进行检测,选取整体影响最小的区域。
感兴趣区域设置模块408,用于基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
在具体的在视频中智能的嵌入可见水印的过程中,首先根据预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的ROI(Region OfInterest,感兴趣区域)。通过设置感兴趣区域,在后续的分析过程中,不用对视频帧图像的整个图片进行分析,缩小了分析时间。
例如,需要嵌入可见水印的视频的分辨率为500×300,可见水印可选位置为左下、中下、右下区域,可选区域的大小都设置为100×50,那么对于左下区域而言,ROI就是(0,250,100,50)(分别对应矩形为左上角的x、y坐标以及矩形的宽高)。对于中下区域而言,ROI就是(200,250,100,50),对于右下区域而言,ROI就是(400,250,100,50)。
感兴趣区域分类模块409,用于对感兴趣区域进行分类;
当基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置了视频帧图像的感兴趣区域后,进一步对感兴趣区域进行分类。
具体的,在实际的应用过程中,对于某些固定场景的视频,可以预先定义几种场景,然后将ROI分类为其中之一。比如对于足球篮球比赛视频,预定义类别为运动员、观众、场地、广告牌等,然后根据神经网络判断ROI的类别。对于通用场景的视频,可以提取图像特征如纹理特征,比如计算图像的熵和方差。熵是图像具有信息的度量,熵越小表示越平坦,熵较大的但是方差小的表示是纹理区域,方差大的为边缘区域。当然,也可以选择其它图像特征。通过特征将ROI分类为平滑、纹理和边缘区域。
以纹理特征举例来说,对于左下、中下、右下区域的ROI,对于每个ROI,计算图像的熵和方差。图5(a)和图5(b)给出了视频某帧图片以及其求得的熵,可以看出白色背景区域对应的熵为0,而其他区域对应的熵都是非0值。
计算模块410,用于基于感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分;
当对感兴趣区域进行分类后,进一步根据感兴趣区域的分类结果,计算出感兴趣区域添加可见水印的得分。
具体的,在实际的应用过程中,对于固定场景分类,根据类别和置信度;对于通用场景,根据纹理特征,计算每个ROI区域得分。比如在计算出每个区域的熵和方差之后,通过加权计算出此区域的得分(该得分表示系统认为该区域添加可见水印对画面的影响程度,得分越高表示影响越小)。对于非实时应用,则依次算出每个水印设置间隔时间段内得分的和,综合比较各个区域总得分确定可见水印应该添加的位置。
以纹理特征举例来说,就是在计算每个区域的熵和方差之后,通过预先设定的加权系数得到各个区域的得分,如果水印设置的时间间隔为10秒,那么就计算10秒内各个区域在所有帧上得分的和,最后比较,和越大的表示对图像画面影响越小,可以确定将水印放置在此区域。
确定模块411,用于基于得分结果确定可见水印的嵌入位置;
根据计算出的感兴趣区域添加可见水印的得分,将可见水印嵌入到得分最高的区域。
确定模块411,还用于基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
在确定出嵌入可见水印的位置将可见水印嵌入后,每隔指定时间会再次重复上述过程重新确定嵌入可见水印的位置。
具体的,在实际应用过程中,为了避免水印频繁移动位置所带来的影响,可以设置一个阈值,当重新确定的感兴趣区域添加可见水印的最高得分与之前可见水印的所在位置的得分的差小于该阈值时,可见水印位置可以保持不变,如果得分差大于所设阈值就更换成当前最高得分的位置。
具体来说,如果之前可见水印位于左下角,10秒之后,重新计算得分。此时右下角的得分为90分,左下角得分为88分,如果阈值为3,由于差值只有2,小于阈值,那么仍然将可见水印保存在左下角。如果阈值为1,差值大于阈值,那就将可见水印放置在右下角。
结束模块412,用于当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
最后,当处理的时间达到预先设定的可见水印添加时间或者到达视频的末尾,结束整个处理流程,输出最后添加了可见水印的视频。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种智能确定可见水印嵌入位置的方法,其特征在于,包括:
基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
对所述感兴趣区域进行分类;
基于所述感兴趣区域的分类结果,计算出所述感兴趣区域添加可见水印的得分;
基于得分结果确定可见水印的嵌入位置;
基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置;
当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
2.根据权利要求1所述的方法,其特征在于,所述对所述感兴趣区域进行分类包括:
针对固定场景的视频,预先定义场景类型;
基于预先定义的场景类型,根据神经网络确定所述感兴趣区域的类别。
3.根据权利要求1所述的方法,其特征在于,所述对所述感兴趣区域进行分类包括:
针对通用场景的视频,提取视频帧的图像特征;
基于所述图像特征确定所述感兴趣区域的类别。
4.根据权利要求1所述的方法,其特征在于,基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置包括:
判断本时间间隔重新计算得出的感兴趣区域添加可见水印位置的得分与本时间间隔计算得出的前一次感兴趣区域添加可见水印位置的得分的差值是否大于预设阈值,若是,则基于本时间间隔重新计算得出的所述感兴趣区域添加可见水印的得分确定可见水印的嵌入位置;若否,则:
则保持前一次感兴趣区域添加可见水印位置为可见水印的嵌入位置。
5.根据权利要求1所述的方法,其特征在于,所述基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域前,还包括:
设置需要添加可见水印的视频源;
设置所述可见水印的添加区域;
设置所述可见水印的添加区域的大小;
设置需要添加的可见水印的大小;
设置需要添加的可见水印的来源;
设置可见水印的开始时间和添加时长;
设置所述变换可见水印位置的时间间隔。
6.一种智能确定可见水印嵌入位置的系统,其特征在于,包括:
感兴趣区域设置模块,用于基于预先设定的可见水印的添加区域以及预先设置的可见水印的大小,设置视频帧图像的感兴趣区域;
感兴趣区域分类模块,用于对所述感兴趣区域进行分类
计算模块,用于基于所述感兴趣区域的分类结果,计算出所述感兴趣区域添加可见水印的得分;
确定模块,用于基于得分结果确定可见水印的嵌入位置;
所述确定模块,还用于基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置
结束模块,用于当处理时间达到预先设定的可见水印的添加时长或到达视频的末尾时,结束处理过程。
7.根据权利要求6所述的系统,其特征在于,所述感兴趣区域分类模块具体用于:
针对固定场景的视频,预先定义场景类型;
基于预先定义的场景类型,根据神经网络确定所述感兴趣区域的类别。
8.根据权利要求6所述的系统,其特征在于,所述感兴趣区域分类模块具体用于:
针对通用场景的视频,提取视频帧的图像特征;
基于所述图像特征确定所述感兴趣区域的类别。
9.根据权利要求6所述的系统,其特征在于,所述确定模块在执行基于预先设置的变换可见水印位置的时间间隔,重复上述过程重新确定可见水印的嵌入位置时,具体用于:
判断本时间间隔重新计算得出的感兴趣区域添加可见水印位置的得分与本时间间隔计算得出的前一次感兴趣区域添加可见水印位置的得分的差值是否大于预设阈值,若是,则基于本时间间隔重新计算得出的所述感兴趣区域添加可见水印的得分确定可见水印的嵌入位置;若否,则:
则保持前一次感兴趣区域添加可见水印位置为可见水印的嵌入位置。
10.根据权利要求6所述的系统,其特征在于,还包括:
视频源设置模块,用于设置需要添加可见水印的视频源;
添加区域设置模块,用于设置所述可见水印的添加区域;
添加区域大小设置模块,用于设置所述可见水印的添加区域的大小;
可见水印大小设置模块,用于设置需要添加的可见水印的大小;
可见水印来源设置模块,用于设置需要添加的可见水印的来源;
可见水印开始时间和添加时长设置模块,用于设置可见水印的开始时间和添加时长;
可见水印位置变化的时间间隔设置模块,用于设置所述变换可见水印位置的时间间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910167069.6A CN109903214B (zh) | 2019-03-05 | 2019-03-05 | 一种智能确定可见水印嵌入位置的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910167069.6A CN109903214B (zh) | 2019-03-05 | 2019-03-05 | 一种智能确定可见水印嵌入位置的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109903214A CN109903214A (zh) | 2019-06-18 |
CN109903214B true CN109903214B (zh) | 2023-01-06 |
Family
ID=66946499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910167069.6A Active CN109903214B (zh) | 2019-03-05 | 2019-03-05 | 一种智能确定可见水印嵌入位置的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903214B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112423150B (zh) * | 2020-11-18 | 2022-01-04 | 大连理工大学 | 一种具有帧校验功能的远程视频传输装置的工作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004023184A (ja) * | 2002-06-12 | 2004-01-22 | Ntt Data Corp | 電子透かし埋め込み装置及びそのプログラム |
CN101661609A (zh) * | 2009-08-31 | 2010-03-03 | 重庆大学 | 适合于互联网络的数字图像感兴趣区域可见水印添加方法 |
-
2019
- 2019-03-05 CN CN201910167069.6A patent/CN109903214B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004023184A (ja) * | 2002-06-12 | 2004-01-22 | Ntt Data Corp | 電子透かし埋め込み装置及びそのプログラム |
CN101661609A (zh) * | 2009-08-31 | 2010-03-03 | 重庆大学 | 适合于互联网络的数字图像感兴趣区域可见水印添加方法 |
Non-Patent Citations (1)
Title |
---|
基于感兴趣区域的图像水印嵌入算法研究;赵红等;《小型微型计算机系统》;20070531(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109903214A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110300316B (zh) | 视频中植入推送信息的方法、装置、电子设备及存储介质 | |
US11568644B2 (en) | Methods and systems for scoreboard region detection | |
JP6672305B2 (ja) | オブジェクト検出に基づき外挿画像を生成する方法及び装置 | |
US11805283B2 (en) | Methods and systems for extracting sport-related information from digital video frames | |
CN1728781A (zh) | 将附加内容插入视频的方法和装置 | |
US11830261B2 (en) | Methods and systems for determining accuracy of sport-related information extracted from digital video frames | |
KR20070120403A (ko) | 영상 편집장치 및 방법 | |
CN105704559A (zh) | 一种海报生成方法及装置 | |
US11792441B2 (en) | Methods and systems for scoreboard text region detection | |
US11798279B2 (en) | Methods and systems for sport data extraction | |
KR20080078186A (ko) | 멀티미디어 휴대형 단말기 사용자를 위한 관심 영역의 추출방법 | |
CN113516696A (zh) | 视频的广告植入方法、装置、电子设备及存储介质 | |
US8311269B2 (en) | Blocker image identification apparatus and method | |
CN109903214B (zh) | 一种智能确定可见水印嵌入位置的方法及系统 | |
JP2008046608A (ja) | ビデオウィンドウ検出器 | |
CN111654747B (zh) | 弹幕显示方法及装置 | |
JP2005136810A (ja) | コンテンツ品質評価装置、その方法及びそのプログラム | |
CN113132744A (zh) | 直播弹幕的处理方法、模型、电子装置及计算机存储介质 | |
Nowisz et al. | Realtime flicker removal for fast video streaming and detection of moving objects | |
JP2006050483A (ja) | 映像解析装置、映像解析方法およびコンテンツ作成装置、並びに、プログラムおよび記録媒体 | |
US20240236385A9 (en) | Methods and Systems for Extracting Sport-Related Information from Digital Video Frames | |
CN116308523A (zh) | 在影片自动置入虚拟广告的系统、电脑程序产品及其方法 |
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 |