CN111340677A - 视频水印检测方法、装置、电子设备、计算机可读介质 - Google Patents

Abstract

本公开提供了一种视频水印检测方法，其包括：获取待检测视频帧图像；从所述待检测视频帧图像提取图像特征值；基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印。该视频水印检测方法可提高水印检测效率，减少检测时间。本公开还提供了一种视频水印检测装置、电子设备、计算机可读介质。

Description

视频水印检测方法、装置、电子设备、计算机可读介质

技术领域

本公开实施例涉及水印识别技术领域，特别涉及一种视频水印检测方法、装置、电子设备、计算机可读介质。

背景技术

水印是版权保护的一种重要手段。随着人们版权意识的提高，水印的应用越来越广。如，短视频平台为了宣传平台以及避免其它平台盗用短视频，在发布短视频前，不仅在短视频中添加水印，而且还需审核短视频中是否确实添加了水印。

目前的审核方式包括人工审核和机器审核。其中，人工审核的过程繁琐，劳动强度大，需要耗费大量的人力和物力，而且常有漏检现象，。机器审核虽然可以降低劳动强度，但由于目前机器审核是通过解析水印码信息来判断，因此，检测效率低。

发明内容

本公开实施例提供一种视频水印检测方法、装置、电子设备、计算机可读介质。

第一方面，本公开实施例提供一种视频水印检测方法，其包括：

获取待检测视频帧图像；

从所述待检测视频帧图像提取图像特征值；

基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印。

在一些实施例中，所述获取待检测视频帧图像，包括：

获取视频；

从所述视频中抽取预定时间的视频帧图像，作为所述待检测视频帧图像。

在一些实施例中，所述从所述视频中抽取预定时间的视频帧图像之前，还包括：

判断视频的分辨率；

若所述视频的分辨率高于预设分辨率，则对所述视频的分辨率进行处理，并使所述视频的分辨率低于所述预设分辨率。

在一些实施例中，当所述视频的分辨率高于所述预设分辨率时，所述预设时间为所述视频的第11秒至第14秒；

当所述视频的分辨率小于所述预设分辨率时，所述预设时间为所述视频的第1秒至第4秒。

在一些实施例中，通过水印识别模型从所述待检测视频帧图像提取所述图像特征值。

在一些实施例中，所述水印识别模型的生成步骤包括：

获取视频帧图像样本；其中，所述视频帧图像样本中含有目标水印；

对所述视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本；

基于所述标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

在一些实施例中，所述从所述待检测视频帧图像提取图像特征值，包括：

将所述待检测视频帧图像划分多个取样识别区域；

对所述取样识别区域进行优化，获得优化识别区域；

提取每个所述优化识别区域内的所述图像特征值。

在一些实施例中，所述待检测视频帧图像被划分为左上、左下、右上和右下四个所述取样识别区域。

在一些实施例中，所述基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印，包括：

计算所述图像特征值和所述目标水印特征值的差值；

判断所述差值是否在预设阈值范围内，若是，则确定所述待检测视频帧图像添加目标水印。

在一些实施例中，所述图像特征值包括图像像素的位置信息、图像的像素通道值和像素通道的色值占比；

所述目标水印特征值包括目标水印的位置信息、目标水印的像素通道值和像素通道的色值占比。

第二方面，本公开实施例提供一种视频水印检测装置，其包括：

图像获取模块，用于获取待检测视频帧图像；

特征值提取模块，用于从所述待检测视频帧图像提取图像特征值；

目标水印确定模块，用于基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印。

在一些实施例中，所述图像获取模块，包括：

视频获取单元，用于获取视频；

抽帧单元，用于对所述视频进行抽帧，获得预设时间的视频帧图像，作为所述待检测视频帧图像。

在一些实施例中，所述图像获取模块，还包括：

分辨率判断单元，用于基于所述视频判断视频的分辨率；

处理单元，用于在所述视频的分辨率高于预设分辨率，则对所述视频进行分辨率处理，以使所述视频的分辨率低于所述预设分辨率。

在一些实施例中，所述特征值提取模块，包括：

区域划分单元，用于将所述待检测视频帧图像划分多个取样识别区域；

优化单元，用于对所述取样识别区域进行优化，获得优化识别区域；

特征值提取单元，用于提取每个所述优化识别区域内的所述图像特征值。

在一些实施例中，所述目标水印确定模块，包括：

计算单元，用于所述图像特征值和所述目标水印特征值的差值；

判断单元，用于判断所述差值是否在预设阈值范围内，若是，则确定所述待检测视频帧图像添加目标水印。

在一些实施例中，所述装置还包括水印识别模块，其包括：

图像样本获取单元，用于获取多种场景类别的视频帧图像样本，且每个所述场景类别包括多个所述视频帧图像样本；其中，所述视频帧图像样本中含有目标水印；

标注单元，用于对所述视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本；

模型训练单元，用于基于所述标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

第三方面，本公开实施例提供一种电子设备，其包括：

一个或多个处理器；

存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器上述任意一种视频水印检测方法；

一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。

第四方面，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任意一种视频水印检测方法。

本公开实施例提供的视频水印检测方法，从获取的待检测视频帧图像提取图像特征值；然后基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加有目标水印，大大提高了水印检测效率，减少了检测时间，而且提高了检测精度。

附图说明

附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其它特征和优点对本领域技术人员将变得更加显而易见，在附图中：

图1为本公开实施例提供的一种视频水印检测方法的流程图；

图2为本公开实施例提供的另一种视频水印检测方法的流程图；

图3为本公开实施例提供的视频水印检测方法中提取图像特征值的流程图；

图4为本公开实施例提供的视频水印检测方法中获取水印识别模型的流程图；

图5为本公开实施例提供一种的视频水印检测装置的原理框图；

图6为本公开实施例提供的视频水印检测装置中图像获取模块的原理框图；

图7为本公开实施例提供的视频水印检测装置中特征值提取模块的原理框图；

图8为本公开实施例提供的视频水印检测装置中水印识别模块的原理框图；

图9为本公开实施例提供的一种电子设备的组成框图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的视频水印检测方法、装置、电子设备、计算机可读介质进行详细描述。

在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。

在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。

如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。

本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。

除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。

本公开实施例是针对短视频平台检测其发布的短视频是否添加目标水印时，由于检测手段的原因，导致检测效率低的问题。

第一方面，本公开实施例提供一种视频水印检测方法，以快速检测视频中是否添加目标图像。

图1为本公开实施例提供的一种视频水印检测方法的流程图。参照图1，本公开实施例提供的音频信号处理方法，其包括：

101，获取待检测视频帧图像。

其中，待检测视频帧图像可以来自于视频流，即，从视频流提取视频帧，获得待检测视频帧图像。

102，从待检测视频帧图像提取图像特征值。

其中，图像特征值用于表示待检测视频帧图像中待识别水印的特征值。其中，图像特征值包括待检测视频帧图像中图像像素的位置信息、图像的像素通道值和像素通道的色值占比(如像素的R、G、B分量值)等信息。

在一些实施例中，图像特征值可以通过本实施例提供的水印识别模型获得，也可以通过现有的其它方式获得。其中，水印识别模型在下文详述。

103，基于图像特征值和预存的目标水印特征值确定待检测视频帧图像是否添加目标水印。

其中，目标水印特征值是根据目标水印预先设置的目标水印的特征值。目标水印可以但不限于短视频平台的徽标(logo)。

在一些实施例中，目标水印特征值包括水印位置信息和水印像素信息。其中，水印位置信息表示水印在待检测视频帧图像中的位置坐标。水印像素信息包括目标水印的像素通道值和像素通道的色值占比等信息。

本公开实施例提供的视频水印检测方法，从获取的待检测视频帧图像提取图像特征值；然后基于图像特征值和预存的目标水印特征值确定待检测视频帧图像是否添加有目标水印，大大提高了水印检测效率，减少了检测时间，而且检测精度高。

在一些实施例中，获取待检测视频帧图像的步骤包括：获取视频；从视频中抽取预定时间的视频帧图像，作为待检测视频帧图像。

其中，视频可以是短视频的数据，从视频中抽取视频帧，获得视频帧图像，该视频帧图像作为被检测视频帧图像。预定时间可以由用户设定，如用户可以设定短视频中前几秒的视频帧作为被检测视频帧图像，也可以设定短视频中其它时间段的视频帧作为被检测视频帧图像。

图2为本公开实施例提供的另一种视频水印检测方法的流程图。如图2所示，视频水印检测方法包括：

201，获取视频，并判断视频的分辨率。

其中，视频可以为短视频，也可以是其它类型的视频。另外，视频可以是完整的视频，也可以是部分视频段。

其中，视频的分辨率可以通过专用软件查看，也可以通过其它方式预先获得。

202，若视频的分辨率高于预设分辨率，则对视频的分辨率进行处理，以使视频的分辨率低于预设分辨率。

其中，预设分辨率可以为720P或1080P等，当视频的分辨率高于预设分辨率时，则认为该视频为高分辨率视频；当视频的分辨率低于预设分辨率时，则认为该视频为低分辨率视频。

当判断视频为高分辨率视频时，对视频的分辨率进行处理，将视频的分辨率降低至预设分辨率以下，即将高分辨率视频转换为普通分辨率视频。

203，从视频中抽取预定时间的视频帧图像，作为待检测视频帧图像。

其中，预定时间是依据视频的分辨率确定的。例如，当视频的分辨率高于预设分辨率时，预设时间为视频前十秒以外的任意时间段，以避免因视频初始存在的图像损失对目标水印判断的影响。例如，预设时间为该视频初始的第11秒至第14秒。当视频的分辨率小于预设分辨率时，预设时间为视频的任意时间段。例如，预设时间为该视频的前4秒，即第1秒至第4秒。其中，预设时间的时间长度可以任意设定，本公开实施例不做限定。

在一些实施例中，运用Opencv函数方法并基于抽帧参数从视频中抽取视频帧图像。

204，从待检测视频帧图像提取图像特征值。

其中，图像特征值包括待检测视频帧图像中图像像素的位置信息(坐标位置)、图像的像素通道值和像素通道的色值占比等信息。

在提取图像特征值时，可以将待检测视频帧图像作为一个整体提取，也可以将待检测视频帧图像划分为多个区域，并分别提取各个区域的图像特征值。

如图3所示，当分区域提取图像特征值时，提取步骤包括：

301，将待检测视频帧图像划分多个取样识别区域。

其中，取样识别区域的数量可以由用户自主设定。如将待检测视频帧图像划分为四个取样识别区域，具体地，将待检测视频帧图像划分为左上、左下、右上、右下四个取样识别区域。将待检测视频帧图像划分多个取样识别区域，可以在后续的图像特征提取时多进程同时进行，加快识别进程，从而缩短水印检测时间。

302，对取样识别区域进行优化，获得优化识别区域。

其中，对取样识别区域进行优化的目的是为了去除非水印像素的干扰。优化的方式可以采用但不限于pyramid算法。

303，提取每个优化识别区域内的图像特征值。

其中，图像特征值包括图像像素的位置信息、图像的像素通道值和像素通道的色值占比。

205，计算图像特征值和目标水印特征值的差值。

例如，计算图像的像素通道的色值占比和目标水印的像素通道的色值占比的差值获得第一差值，计算图像的像素通道值和目标水印像素通道值的差值获得第二差值，以及计算图像像素的坐标位置和水印像素的坐标位置之间的差值，获得第三差值。

206，判断差值是否在预设阈值范围内，若是，则确定待检测视频帧图像添加目标水印。

当第一差值和第二差值分别在预设的阈值范围内，而且，第三差值也在预设的阈值范围内，则确定待检测视频帧图像添加目标水印。当每个待检测视频帧均确定添加有目标水印，则可以认为该视频添加有目标水印。

在一些实施例中，图像特征值通过水印识别模型提取，即，将步骤203中抽取的视频帧图像输入水印识别模型，由水印识别模型将待检测视频帧图像划分多个取样识别区域(如四个取样识别区域)，再对取样识别区域进行优化，获得优化识别区域，然后提取每个优化识别区域内的图像特征值。

需要说明的是，当通过水印识别模型提取图像特征值时，不同区域识别区域的优化、图像特征值得提取可以同时进行，以提高视频水印检测的效率。

在一些实施例中，如图4所示，水印识别模型通过以下步骤训练得到：

401，获取视频帧图像样本。

其中，视频帧图像样本中含有坐标位置预知的目标水印。该目标水印可以是视频平台的徽标等标识图样。

402，对视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本。

其中，目标水印特征值包括目标水印的位置信息、目标水印像素通道值和像素通道的色值占比。

在视频帧图像样本中标注目标水印的坐标位置，目标水印位置处各像素点的RGB分量值，从而获得标注视频帧图像样本。

在一些实施例中，目标水印的位置信息是指目标水印在视频帧中的坐标位置，目标水印在视频帧图像样本中的坐标位置虽稍有差异，但基本固定。例如，目标水印通常设置在视频帧图像样本的左上角或右上角。

403，基于标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

利用深度学习算法和已经标注的标注视频帧图像样本训练模型，获得水印识别模型。利用该水印识别模型可以从待检测视频帧图像中获得图像特征值，即获得目标水印的坐标位置、目标水印像素通道值和像素通道的色值占比。

在一些实施例中，为了提高水印识别模型的准确性，可以获取多种场景类别的视频帧图像样本，每个场景类别对应多个视频帧图像样本。

本公开实施例提供的视频水印检测方法，从获取的待检测视频帧图像提取图像特征值；然后基于图像特征值和预存的目标水印特征值确定待检测视频帧图像是否添加有目标水印，大大提高了水印检测效率，减少了检测时间，而且检测精度高。

第二方面，本公开实施例提供一种视频水印检测装置。图5为本公开实施例提供的视频水印检测装置的原理框图。参阅图5，视频水印检测装置，其包括：

图像获取模块501，用于获取待检测视频帧图像。

特征值提取模块502，用于从待检测视频帧图像提取图像特征值。

其中，图像特征值待检测视频帧图像中图像像素的位置信息、图像的像素通道值和像素通道的色值占比等信息。

目标水印确定模块503，用于基于图像特征值和预存的目标水印特征值确定待检测视频帧图像是否添加目标水印。

其中，目标水印特征值是根据目标水印预先设置的目标水印的特征值。目标水印可以但不限于短视频平台的徽标(logo)。目标水印特征值包括目标水印位置信息和水印像素信息。其中，水印位置信息表示水印在待检测视频帧图像中的位置坐标。水印像素信息包括目标水印的像素通道值和像素通道的色值占比等信息。

在一些实施例中，如图6所示，图像获取模块包括视频获取单元601和抽帧单元602；其中，视频获取单元601，用于获取视频。视频可以为短视频，也可以是其它类型的视频。

抽帧单元602，用于对视频进行抽帧，获得预设时间的视频帧图像，作为待检测视频帧图像。

在一些实施例中，图像获取模块还进一步包括分辨率判断单元603和处理单元604。

分辨率判断单元603，用于基于视频判断视频的分辨率。

其中，分辨率判断单元603可以通过专用软件查看视频的分辨率，也可以通过其它方式预先获得视频的分辨率。

处理单元604，用于在视频的分辨率高于预设分辨率，则对视频进行分辨率处理，以使视频的分辨率低于预设分辨率。

其中，预设分辨率可以为720P或1080P等，当视频的分辨率高于预设分辨率时，则认为该视频为高分辨率视频；当视频的分辨率低于预设分辨率时，则认为该视频为低分辨率视频。

当判断视频为高分辨率视频时，对视频的分辨率进行处理，将视频的分辨率降低至预设分辨率以下，即将高分辨率视频转换为普通分辨率视频。

在一些实施例中，如图7所示，特征值提取模块包括区域划分单元701、优化单元702和特征值提取单元703，其中，

区域划分单元701，用于将待检测视频帧图像划分多个取样识别区域。

其中，取样识别区域的数量可以由用户自主设定。如将待检测视频帧图像划分为四个取样识别区域，具体地，将待检测视频帧图像划分为左上、左下、右上、右下四个取样识别区域。将待检测视频帧图像划分多个取样识别区域，在图像特征提取时可以多进程同时进行，加快识别进程，从而缩短水印检测时间。

优化单元702，用于对取样识别区域进行优化，获得优化识别区域。

其中，对取样识别区域进行优化的目的是为了去除非水印像素的干扰。优化的方式可以采用但不限于pyramid算法。

特征值提取单元703，用于提取每个优化识别区域内的图像特征值。

在一些实施例中，目标水印确定模块包括计算单元和判断单元，其中，计算单元，用于图像特征值和目标水印特征值的差值；判断单元，用于判断差值是否在预设阈值范围内，若是，则确定待检测视频帧图像添加目标水印。

具体地，计算单元计算图像的像素通道的色值占比和目标水印的像素通道的色值占比的差值获得第一差值，计算图像的像素通道值和目标水印像素通道值的差值获得第二差值，以及计算图像像素的坐标位置和水印像素的坐标位置之间的差值，获得第三差值。

判断单元当第一差值和第二差值分别在预设的阈值范围内，而且，第三差值也在预设的阈值范围内，则确定待检测视频帧图像添加目标水印。当每个待检测视频帧均确定添加有目标水印，则可以认为该视频添加有目标水印。

在一些实施例中，视频水印检测装置还包括水印识别模块。如图8所示，水印识别模块包括：

图像样本获取单元801，用于获取多种场景类别的视频帧图像样本，且每个场景类别包括多个视频帧图像样本；其中，视频帧图像样本中含有目标水印。

标注单元802，用于对视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本。

模型训练单元803，用于基于标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

本公开实施例提供的视频水印检测装置，利用特征值提取模块从获取的待检测视频帧图像提取图像特征值；利用目标水印确定模块基于图像特征值和预存的目标水印特征值确定待检测视频帧图像是否添加有目标水印，大大提高了水印检测效率，减少了检测时间，而且检测精度高。

第三方面，参照图9，本公开实施例提供一种电子设备，其包括：

一个或多个处理器901；

存储器902，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任意一项的视频水印检测方法；

一个或多个I/O接口903，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。

其中，处理器901为具有数据处理能力的器件，其包括但不限于中央处理器(CPU)等；存储器902为具有数据存储能力的器件，其包括但不限于随机存取存储器(RAM，更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)；I/O接口(读写接口)903连接在处理器901与存储器902间，能实现处理器901与存储器902的信息交互，其包括但不限于数据总线(Bus)等。

在一些实施例中，处理器901、存储器902和I/O接口903通过总线相互连接，进而与计算设备的其他组件连接。

第四方面，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现上述任意一种视频水印检测方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。

本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其它实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。

Claims (18)

1.一种视频水印检测方法，其包括：

获取待检测视频帧图像；

从所述待检测视频帧图像提取图像特征值；

基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印。

2.根据权利要求1所述的方法，其中，所述获取待检测视频帧图像，包括：

获取视频；

从所述视频中抽取预定时间的视频帧图像，作为所述待检测视频帧图像。

3.根据权利要求2所述的方法，其中，所述从所述视频中抽取预定时间的视频帧图像之前，还包括：

判断视频的分辨率；

若所述视频的分辨率高于预设分辨率，则对所述视频的分辨率进行处理，并使所述视频的分辨率低于所述预设分辨率。

4.根据权利要求3所述的方法，其中，当所述视频的分辨率高于所述预设分辨率时，所述预设时间为所述视频前十秒以外的任意时间段；

当所述视频的分辨率小于所述预设分辨率时，所述预设时间为所述视频的任意时间段。

5.根据权利要求1所述的方法，其中，通过水印识别模型从所述待检测视频帧图像提取所述图像特征值。

6.根据权利要求5所述的方法，其中，所述水印识别模型的生成步骤包括：

获取视频帧图像样本；其中，所述视频帧图像样本中含有目标水印；

对所述视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本；

基于所述标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

7.根据权利要求1所述的方法，其中，所述从所述待检测视频帧图像提取图像特征值，包括：

将所述待检测视频帧图像划分多个取样识别区域；

对所述取样识别区域进行优化，获得优化识别区域；

提取每个所述优化识别区域内的所述图像特征值。

8.根据权利要求7所述的方法，其中，所述待检测视频帧图像被划分为左上、左下、右上和右下四个所述取样识别区域。

9.根据权利要求1所述的方法，其中，所述基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印，包括：

计算所述图像特征值和所述目标水印特征值的差值；

判断所述差值是否在预设阈值范围内，若是，则确定所述待检测视频帧图像添加目标水印。

10.根据权利要求1-9任意一项所述的方法，其中，所述图像特征值包括图像像素的位置信息、图像的像素通道值和像素通道的色值占比；

所述目标水印特征值包括目标水印的位置信息、目标水印的像素通道值和像素通道的色值占比。

11.一种视频水印检测装置，其包括：

图像获取模块，用于获取待检测视频帧图像；

特征值提取模块，用于从所述待检测视频帧图像提取图像特征值；

目标水印确定模块，用于基于所述图像特征值和预存的目标水印特征值确定所述待检测视频帧图像是否添加目标水印。

12.根据权利要求11所述的装置，其中，所述图像获取模块，包括：

视频获取单元，用于获取视频；

抽帧单元，用于对所述视频进行抽帧，获得预设时间的视频帧图像，作为所述待检测视频帧图像。

13.根据权利要求12所述的装置，其中，所述图像获取模块，还包括：

分辨率判断单元，用于基于所述视频判断视频的分辨率；

处理单元，用于在所述视频的分辨率高于预设分辨率，则对所述视频进行分辨率处理，以使所述视频的分辨率低于所述预设分辨率。

14.根据权利要求11所述的装置，其中，所述特征值提取模块，包括：

区域划分单元，用于将所述待检测视频帧图像划分多个取样识别区域；

优化单元，用于对所述取样识别区域进行优化，获得优化识别区域；

特征值提取单元，用于提取每个所述优化识别区域内的所述图像特征值。

15.根据权利要求11所述的装置，其中，所述目标水印确定模块，包括：

计算单元，用于所述图像特征值和所述目标水印特征值的差值；

判断单元，用于判断所述差值是否在预设阈值范围内，若是，则确定所述待检测视频帧图像添加目标水印。

16.根据权利要求11所述的装置，其中，所述装置还包括水印识别模块，其包括：

图像样本获取单元，用于获取多种场景类别的视频帧图像样本，且每个所述场景类别包括多个所述视频帧图像样本；其中，所述视频帧图像样本中含有目标水印；

标注单元，用于对所述视频帧图像样本进行水印特征值标注，获得标注视频帧图像样本；

模型训练单元，用于基于所述标注视频帧图像样本利用深度学习算法进行模型训练，获得水印识别模型。

17.一种电子设备，其包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1-10任意一项所述的方法；

一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。

18.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1-10任意一项所述的方法。

Images