CN112396551A - 一种水印嵌入方法及装置 - Google Patents
一种水印嵌入方法及装置 Download PDFInfo
- Publication number
- CN112396551A CN112396551A CN201910761934.XA CN201910761934A CN112396551A CN 112396551 A CN112396551 A CN 112396551A CN 201910761934 A CN201910761934 A CN 201910761934A CN 112396551 A CN112396551 A CN 112396551A
- Authority
- CN
- China
- Prior art keywords
- watermark
- information
- video frame
- key
- embedding
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Abstract
本申请公开了一种水印嵌入方法,所述方法包括:获取待处理的视频帧;根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;将水印嵌入所述关键视频帧的水印嵌入目标区域。采用上述方法,以提高嵌入水印后的视频的视觉质量。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种水印嵌入方法及装置。
背景技术
随着多媒体的快速发展,传播和获取数字产品(如图像、视频)变得越来越便利。随之而来的是,以数字媒介为载体的产品经常遭到恶意攻击、非法侵犯版权和信息篡改。水印技术在这种情况下应运而生。它的基本原理是在数字产品中嵌入可证明版权身份的信息,以达到保护版权的目的。
现有技术中,针对视频中用于嵌入水印的关键帧的提取方法包括基于运动分析的关键帧提取算法、基于内容匹配的关键帧提取算法、基于镜头边界的关键帧提取算法、基于视频聚类的关键帧提取算法、基于压缩视频流的关键帧提取算法、基于帧间欧式距离的关键帧提取等。使用这些算法选取的帧,并不是以水印嵌入的不可感知性为目的去选取的,而是从视频内容、时间和空间维度上的冗余度、运动量等角度去选取视频的关键帧,因而在嵌入水印后,会严重降低视频的视觉质量。
在针对视频的水印嵌入的过程中,如何提高视频的视觉质量成为亟待解决的问题。
发明内容
本申请提供一种水印嵌入方法,以提高现有技术中视频在水印嵌入后,视频的视觉质量降低的问题。
所述水印嵌入方法,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;
将水印嵌入所述关键视频帧的水印嵌入目标区域。
可选的,所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
可选的,所述水印嵌入方法,还包括:
获取所述视频帧的尺度不变特征转换特征点的数量信息。
可选的,所述获取所述视频帧的尺度不变特征转换特征点的数量信息,包括:
获取所述视频帧在尺度空间上的局部极值点;
针对所述局部极值点进行拟合,确定所述视频帧在尺度空间上的关键点;
确定所述关键点的方向信息以及所述关键点的描述信息;
根据所述关键点的方向信息以及所述关键点的描述信息,确定视频帧的尺度不变特征转换特征点;
针对所述视频帧的尺度不变特征转换特征点进行统计,获取视频帧的尺度不变特征转换特征点的数量信息。
可选的,所述确定所述关键点的方向信息以及所述关键点的描述信息,包括:
根据所述关键点的梯度信息,确定所述关键点的方向信息;
根据所述关键点的邻近区域信息,确定所述关键点的描述信息。
可选的,所述水印嵌入方法,还包括:
获取所述视频帧的图像直方图的方差信息。
可选的,所述获取所述视频帧的图像直方图的方差信息,包括:
根据所述视频帧中包含的像素的灰度信息,获得所述视频帧的图像直方图;
针对所述视频帧的图像直方图进行计算,获取所述视频帧的图像直方图的方差信息。
可选的,所述根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的图像直方图的方差信息,获取所述视频帧的直方图方差的倒数信息;
针对所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的直方图方差的倒数信息进行加权运算,获得所述视频帧的特征数据;
根据所述视频帧的特征数据,从所述视频帧中选取适合嵌入水印的关键视频帧。
可选的,所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域,包括:
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域,包括:
针对所述关键视频帧进行区域分割,获得所述关键视频帧的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
可选的,所述针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
确定所述关键视频帧的水印嵌入区域的最小区域面积信息;
根据所述最小区域面积信息,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述确定所述关键视频帧的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述关键视频帧的水印嵌入区域的最小区域面积信息。
可选的,所述根据所述最小区域面积,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
根据所述最小区域面积,针对所述候选区域进行筛选,获得待嵌入水印的第一候选区域;
获得所述第一候选区域的尺度不变特征转换特征点的数量信息和所述第一候选区域的面积信息;
根据所述第一候选区域的尺度不变特征转换特征点数目信息和所述第一候选区域的面积信息中的至少一种,针对所述第一候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述水印嵌入方法,还包括:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧;
所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据视频帧的尺度不变特征转换特征点的数量信息,从所述视频帧中选取所述第一数量的适合嵌入水印的关键视频帧。
本申请提供一种水印嵌入装置,包括:
获取单元,用于获取待处理的视频帧;
选取单元,用于根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
获得单元,用于针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;
嵌入单元,用于将水印嵌入所述关键视频帧的水印嵌入目标区域。
可选的,所述选取单元,具体用于:
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
可选的,所述水印嵌入装置,还包括信息获取单元,所述信息获取单元用于:
获取所述视频帧的尺度不变特征转换特征点的数量信息。
可选的,所述信息获取单元,还用于:
获取所述视频帧在尺度空间上的局部极值点;
针对所述局部极值点进行拟合,确定所述视频帧在尺度空间上的关键点;
确定所述关键点的方向信息以及所述关键点的描述信息;
根据所述关键点的方向信息以及所述关键点的描述信息,确定视频帧的尺度不变特征转换特征点;
针对所述视频帧的尺度不变特征转换特征点进行统计,获取视频帧的尺度不变特征转换特征点的数量信息。
可选的,所述信息获取单元,还用于:
根据所述关键点的梯度信息,确定所述关键点的方向信息;
根据所述关键点的邻近区域信息,确定所述关键点的描述信息。
可选的,所述水印嵌入装置,还包括方差信息获取单元,所述方差信息获取单元用于:
获取所述视频帧的图像直方图的方差信息。
可选的,所述方差信息获取单元,具体用于:
根据所述视频帧中包含的像素的灰度信息,获得所述视频帧的图像直方图;
针对所述视频帧的图像直方图进行计算,获取所述视频帧的图像直方图的方差信息。
可选的,所述选取单元,还用于:
根据所述视频帧的图像直方图的方差信息,获取所述视频帧的直方图方差的倒数信息;
针对所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的直方图方差的倒数信息进行加权运算,获得所述视频帧的特征数据;
根据所述视频帧的特征数据,从所述视频帧中选取适合嵌入水印的关键视频帧。
可选的,所述获得单元,具体用于:
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述获得单元,还用于:
针对所述关键视频帧进行区域分割,获得所述关键视频帧的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
可选的,所述获得单元,还用于:
确定所述关键视频帧的水印嵌入区域的最小区域面积信息;
根据所述最小区域面积信息,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述获得单元,还用于:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述关键视频帧的水印嵌入区域的最小区域面积信息。
可选的,所述获得单元,还用于:
根据所述最小区域面积,针对所述候选区域进行筛选,获得待嵌入水印的第一候选区域;
获得所述第一候选区域的尺度不变特征转换特征点的数量信息和所述第一候选区域的面积信息;
根据所述第一候选区域的尺度不变特征转换特征点数目信息和所述第一候选区域的面积信息中的至少一种,针对所述第一候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
可选的,所述水印嵌入装置,其特征在于,还包括视频帧获得单元,所述视频帧获得单元用于:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧;
所述选取单元,还用于:
根据视频帧的尺度不变特征转换特征点的数量信息,从所述视频帧中选取所述第一数量的适合嵌入水印的关键视频帧。
本申请提供一种视频帧的选取方法,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
本申请提供一种水印嵌入区域的选取方法,包括:
获取待嵌入水印的载体对象;
将所述载体对象进行区域分割,获得所述载体对象的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域;
根据所述载体对象的水印嵌入区域的最小区域面积信息、所述候选区域的尺度不变特征转换特征点数量信息以及所述候选区域的面积信息中的至少一种,针对所述载体对象进行筛选,获得水印嵌入区域。
可选的,所述水印嵌入区域的获得方法,还包括:
确定所述载体对象的水印嵌入区域的最小区域面积信息。
可选的,所述确定所述载体对象的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述载体对象的水印嵌入区域的最小区域面积信息。
本申请提供一种水印嵌入方法,包括:
获取待处理的时间连续的图像;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述图像中选取适合嵌入水印的关键图像;
针对所述关键图像帧进行区域选取,获得所述关键图像的水印嵌入目标区域;
将水印嵌入所述关键图像的水印嵌入目标区域。
本申请提供一种电子设备,包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行如上任意一项所述方法。
本申请提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行如上任意一项所述方法。
此外,本申请还提供一种水印嵌入方法,其包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
接受对所述水印嵌入候选区域中目标区域的选择;
将水印嵌入所述目标区域。
此外,本申请还提供一种水印提取方法,其包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取待提取水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印提取目标区域;
在所述目标区域中提取水印。
与现有技术相比,本申请具有以下优点:
本申请提供的水印嵌入方法,以人眼对背景纹理复杂的图像敏感度低的特点为依据,根据视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,进而,针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;最后,将水印嵌入所述关键视频帧的水印嵌入目标区域。采用本申请提供的水印嵌入方法,提高嵌入水印后的视频的视觉质量。
附图说明
图1(a)是本申请提供的一种水印嵌入方法的应用场景的系统实施例示意图。
图1(b)是本申请提供的一种水印嵌入方法的应用场景的业务实施例示意图。
图2是本申请第一实施例提供的一种水印嵌入方法的流程图。
图3是本申请第一实施例涉及的一个应用系统的示意图。
图4是本申请第一实施例涉及的选取关键视频帧的示意图。
图5(a)是本申请第一实施例涉及的一个关键视频帧A。
图5(b)是本申请第一实施例涉及的一个关键视频帧A的图像直方图。
图6(a)是本申请第一实施例涉及的一个关键视频帧B。
图6(b)是本申请第一实施例涉及的一个关键视频帧B的图像直方图。
图7(a)是本申请第一实施例涉及的一个关键视频帧D。
图7(b)是本申请第一实施例涉及的一个关键视频帧D的图像直方图。
图8是本申请第一实施例涉及的一个应用系统的示意图。
图9是本申请第一实施例涉及的一个应用系统的局部示意图。
图10是本申请第一实施例涉及的从关键视频帧中选取目标区域的示意图。
图11是本申请第一实施例涉及的一个应用系统的图形界面A。
图12是本申请第一实施例涉及的一个应用系统的图形界面B。
图13是本申请第一实施例涉及的一个应用系统的图形界面C。
图14是本申请第二实施例提供的一种水印嵌入装置的示意图。
图15是本申请第三实施例提供的一种视频帧的选取方法的流程图。
图16是本申请第四实施例提供的一种水印嵌入区域的获得方法的流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
为了使本领域的技术人员更好的理解本申请方案,首先对本申请的具体应用场景实施例进行详细描述。
如图1(a)所示,其为本申请提供的一种水印嵌入方法的应用场景的系统实施例示意图。图1(a)包括不少于一个的用户(108-1,108-n),客户端设备(106-1,106-n),在客户端设备中运行着客户端应用(107-1,107-n),视频服务器(109),水印嵌入服务器(100)。下面举例说明该系统的工作流程。例如,用户108-1利用客户端设备106-1上运行的客户端应用107-1,通过网络105向视频服务器109发出获得待处理的视频帧的请求;在客户端应用107-1获得待处理的视频帧后,客户端应用107-1通过网络105,向水印嵌入服务器发出嵌入视频的请求;水印嵌入服务器100根据该请求,对视频帧嵌入水印。水印嵌入服务器100包括视频帧获取单元101:用于获取待处理的视频帧;关键帧选取单元102:用于根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;目标区域获得单元103:用于针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;嵌入单元104:用于将水印嵌入所述关键视频帧的水印嵌入目标区域。
如图1(b)所示,其为本申请提供的一种水印嵌入方法的应用场景的业务实施例示意图。首先,针对视频帧1010进行筛选处理,获得适合加入水印的关键帧1011。然后,在关键帧中进行区域选取,获得水印目标区域1012。最后,在水印嵌入区域中嵌入水印,获得嵌入水印的视频帧1013。
本申请第一实施例提供一种水印嵌入方法,请参看图2,该图为本申请第一实施例的流程图。以下结合图2对本申请第一实施例提供的一种水印嵌入方法进行详细说明。所述方法包括如下步骤:
步骤S202:获取待处理的视频帧。
本步骤用于获取待处理的视频帧。
所述视频帧从待嵌入水印的一段视频中获得,一个视频帧本质上就是一帧图像。
所述水印嵌入方法,还包括:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧。
视频帧的帧数,可以根据实际嵌入的水印容量和视频中每一帧图像的嵌入率来计算得出。例如,嵌入的水印容量一共为40比特,而视频中每一帧最多只可嵌入2比特,那么就需要20个视频帧来进行水印嵌入。
步骤S202:根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
本步骤用于根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
所述尺度不变特征转换(SIFT,Scale-invariant feature transform)是一种计算机视觉的算法。其用来侦测与描述图像中的局部性特征。SIFT特征基于物体上的一些局部的兴趣点,而与图像的大小和旋转无关。SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。
图3提供了采用本实施例提供的选择适合水印嵌入的关键视频帧方法的一个应用系统的示意图。在图3中,首先,获取待嵌入水印信息和类型以及待处理的视频帧构成的视频test.mp4。然后,根据所述水印信息和类型以及视频test.mp4,获得需要嵌入水印的视频帧数。接着,根据所述需要嵌入水印的视频帧数,利用适合水印嵌入的关键帧选取算法从视频test.mp4中获取关键帧。最后,针对所述关键帧进行后续图像区域选择。
所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
根据人类视觉系统(Human Vision System,HVS)可知,人眼对灰度变化剧烈的图像和背景纹理复杂的图像敏感度低,因此,本实施例提出的根据这个两个特征去筛选视频的“关键帧”,来进行水印的嵌入。需要注意的是,这些帧并不一定代表视频的主要语义信息,但是一定是视频中最适合嵌入水印的帧。
所述视频帧的尺度不变特征转换特征点的信息包括视频帧的尺度不变特征转换特征点的数量信息。所述视频帧的尺度不变特征转换特征点的数量信息用于衡量图像的纹理丰富程度。所述视频帧的图像直方图的方差信息,用于衡量图像灰度变化剧烈程度。
所述水印嵌入方法,还包括:
获取所述视频帧的尺度不变特征转换特征点的信息。
所述获取所述视频帧的尺度不变特征转换特征点的信息,包括:
获取所述视频帧在尺度空间上的局部极值点;
针对所述局部极值点进行拟合,确定所述视频帧在尺度空间上的关键点;
确定所述关键点的方向信息以及所述关键点的描述信息;
根据所述关键点的方向信息以及所述关键点的描述信息,确定视频帧的尺度不变特征转换特征点;
针对所述视频帧的尺度不变特征转换特征点进行统计,获取视频帧的尺度不变特征转换特征点的数量信息。
所述确定所述关键点的方向信息以及所述关键点的描述信息,包括:
根据所述关键点的梯度信息,确定所述关键点的方向信息;
根据所述关键点的邻近区域信息,确定所述关键点的描述信息。
上述步骤提供了视频帧中SIFT特征点数目的获取方法。首先,执行尺度空间极值检测,搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。然后,执行关键点定位,在每个候选的位置上,通过一个拟合精细的模型来确定关键点的位置和尺度。关键点的选择依据于它们的稳定程度。接着,执行关键点的方向确定,基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。最后,获得关键点描述,在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。根据以上算法步骤计算出视频帧的所有SIFT特征点,并统计数目。由于SIFT算法是现有技术,这里就不再详细举例说明了。
所述水印嵌入方法,还包括:
获取所述视频帧的图像直方图的方差信息。
所述获取所述视频帧的图像直方图的方差信息,包括:
根据所述视频帧中包含的像素的灰度信息,获得所述视频帧的图像直方图;
首先,根据所述视频帧中包含的像素的灰度信息,绘制出所述视频帧的图像直方图;然后,针对所述视频帧的图像直方图进行计算,获取所述视频帧的图像直方图的方差信息。
图像直方图包含丰富的图像细节信息,反映了图像像素点的概率分布情况,它统计了在图像中,每一个像素强度值所对应的像素个数。一般来说,在暗图像中,直方图的分量集中在灰度级较低的一侧。亮图像的直方图分量集中在灰度级值较高的一侧。低对比度的图像具有较窄的直方图,且集中于灰度级的中部,图像相对比较平缓,对应统计直方图的方差大。而高对比度的图像中直方图的分量覆盖了很宽的灰度级范围,对应统计直方图的方差小,图像的灰度变化比较剧烈。
图像直方图的方差计算可以利用频率直方图的方差计算公式来进行:
方差=(中点-平均数)2×频率的和
其中,频率=各长方形面积
由于图像直方图的方差计算为现有技术,这里就不再举例进行详细说明了。
所述根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的图像直方图的方差信息,获取所述视频帧的直方图方差的倒数信息;
针对所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的直方图方差的倒数信息进行加权运算,获得所述视频帧的特征数据;
根据所述视频帧的特征数据,从所述视频帧中选取适合嵌入水印的关键视频帧。
例如,假设载体视频一共有N个视频帧,那么会得到N个二维向量xi=(ai,bi),i=1,...N.,其中,a代表视频帧的SIFT特征点数目,b代表视频帧的图像直方图的方差的倒数。对这N个二维向量进行排序,其排序规则如下:
对于xi=(ai,bi)的两个分量,第一个分量为表征图像纹理丰富程度的指标,由水印纹理丰富相比图像对比度强来说更适合水印的嵌入,因此,可以给ai分配权重0.6,相应的,可以给bi分量的权值为0.4。最后排序的规则为根据下述加权和进行针对视频帧进行排序:
ai*0.6+bi*0.4
在视频帧的排序过程中,可以保留视频帧的帧顺序,最后选取前K帧图像作为嵌入水印的图像帧。
图4给出了采用上述关键帧选取方法的一个应用实例的示意图。从图4中可以看出,首先,根据待嵌入水印信息和视频分辨率计算出需要嵌入的帧数K;然后,针对视频数据计算SIFT特征点数a,以及图像直方图方差的倒数b,进而获得视频数据中,每一帧的二位向量xi;接着,对xi根据定义的排序规则进行排序;最后,选取排序结果获得TopK帧。
这里需要指出,本实施例提供水印嵌入方法,可以同时利用视频帧的SIFT特征点数目和视频帧的图像直方图的方差来选取关键帧。
例如,一段待嵌入水印的视频的参数如下:
该视频的总帧数1456,帧率为25帧/s,视频每帧分辨率为1920*952。对其运用上面的算法,选取其中2帧对算法结果进行分析。
图5(a)是该视频中的一个SIFT特征点数目为3的一个视频帧A,图5(b)是该视频帧的图像直方图。
图6(a)是该视频中的一个SIFT特征点数目为2783的一个视频帧B,图6(b)是该视频帧的图像直方图。
从图5(a)、图5(b)和图6(a)、图6(b)可以看出,图5(a)中由于大片区域为空白区域,如在该区域嵌入水印,会给视频的视觉质量带来较大的损坏,甚至达到肉眼可见。
但在图6(a)中,由于图像纹理比较丰富,图像中基本上没有低频区域,相对图5(a)更加适合嵌入水印。由此也可以验证,本实施例提出的选取适合嵌入水印的关键视频帧的方法的有效性。
本实施例提供水印嵌入方法,还可以利用视频帧的SIFT特征点数目选取关键帧。
如图7(a)、图7(b)所示,其中,图7(a)为一个SIFT特征点的数目为317的视频帧D,图7(b)是视频帧D的图像直方图。
如果只采用SIFT特征点,则得出该图像不适合嵌入水印的结论,因为图像7(a)的图像整体较为平滑。但是,从图像直方图可以看出,图像的灰度变化剧烈,直方图方差较小,使得人眼无法很好的观察到其中的细节,因此其是一幅很适合嵌入水印的图片。所以,在使用纹理特征的同时采用统计直方图方差的倒数作为指标来筛选关键帧的效果更优。
步骤S203:针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域。
本步骤用于针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域。
在步骤S202中,获得了适合嵌入水印的关键视频帧。但是,部分情况下,所选取出的关键帧也并非所有区域均适合嵌入水印。一张自然拍摄的图像中,必定存在纹理比较丰富的区域和纹理不是非常丰富的区域,为了提高水印的不可感知性,图像的纹理丰富区域提取就显得尤为重要。
为了才能够整体上快速理解本步骤,请参考图8,其为采用本实施例提供的关键帧视频帧的水印嵌入目标区域的一个应用系统的示意图。从图8中可以看出,首先根据候选区域提取方法,从关键视频帧中获取候选区域,然后从候选区域中根据水印信息和图像嵌入率要求以及SIFT特征点数目筛选水印嵌入区域。为了更加清晰地显示图8中从关键视频帧中获取候选区域的过程,图9提供了线框图的局部示意图。在图9中,901、902、903等三个矩形框是待嵌入水印的候选区域。可以看出,相对于902以及903,901具有更加复杂的纹理特征,也即901具有更多的SIFT特征点数目。由于人眼对于纹理复杂的图像敏感度较低,因此,可以将901作为筛选出的水印嵌入区域。在901嵌入水印,不会影响用户的视觉体验。
所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域,包括:
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
首先,进行图像候选区域提取。所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域,包括:
针对所述关键视频帧进行区域分割,获得所述关键视频帧的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
通过对大量自然图像的分析发现,往往纹理丰富区域基本均有物体存在,因此,本实施例首先选取出一系列的候选区域,再计算这些区域的特征点个数,根据特征点个数以及区域的大小对候选区域进行筛选和排序。候选区域提取算法首先使用分割手段将图像分割为若干个小区域,再通过使用颜色,纹理,大小等多种策略来对各个小区域进行合并,从而得到候选物体区域集合,该集合为regions={(x1,y1,w1,h1),(x2,y2,w2,h2),...,(xn,yn,wn,hn)}。
然后,根据水印信息和图像嵌入率的要求,获得所述关键视频帧的水印嵌入区域的最小区域面积信息。
所述确定所述关键视频帧的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述关键视频帧的水印嵌入区域的最小区域面积信息。
无论是空域水印还是频域水印,如果水印的嵌入率超过了图像的要求,则会严重降低图像的视觉质量。因此对于被嵌入水印的区域大小有一定的要求,根据水印信息容量和嵌入率要求,可以计算出最小被嵌入水印的图像区域大小,最小区域面积为Smin。
最后,根据最小区域面积信息以及各区域的SIFT特征点数目对所述regions集合进行筛选。
所述针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
确定所述关键视频帧的水印嵌入区域的最小区域面积信息;
根据所述最小区域面积信息,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
所述根据所述最小区域面积,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
根据所述最小区域面积,针对所述候选区域进行筛选,获得待嵌入水印的第一候选区域;
获得所述第一候选区域的尺度不变特征转换特征点的数量信息和所述第一候选区域的面积信息;
根据所述第一候选区域的尺度不变特征转换特征点数目信息和所述第一候选区域的面积信息中的至少一种,针对所述第一候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
根据Smin,对regions集合中每个region进行筛选,面积小于Smin的则丢弃。对于剩下的regions,分别计算每个区域的SIFT特征点数目和区域的面积,至此,每个区域有两个特征——纹理丰富度和大小。需要做说明的是,嵌入水印的区域面积越小,水印抗剪切性越高,水印的鲁棒性越高。所以此时,根据用户是对水印的不可感知性要求更高还是鲁棒性要求更高来选择是利用特征点数据还是区域面积来对区域的合适程度进行排序,从而选择合适的区域。
请参考图10,其为获取目标区域的示意图。在图10中,假设待嵌入水印信息容量和嵌入率要求计算出最小的嵌入区域面积为600pixel大小,根据上述步骤进行处理,得出候选区域,利用Smin筛选后的区域,根据特征点数目进行排序筛选出的推荐水印嵌入区域结果.
步骤S204:将水印嵌入所述关键视频帧的水印嵌入目标区域。
本步骤用于将水印嵌入所述关键视频帧的水印嵌入目标区域。
所述水印嵌入方法,还包括:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧;
所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据视频帧的尺度不变特征转换特征点的数量信息,从所述视频帧中选取所述第一数量的适合嵌入水印的关键视频帧。
例如,嵌入的水印容量一共为40比特,而视频中每一帧最多只可嵌入2比特,那么就需要20个视频帧来进行水印嵌入。
为了更好的使得本方案使用于视频水印嵌入和单帧图像水印嵌入,本方案还设计了用户界面。请参见图11-13。首先用户利用图11提供的用户界面A选择进行视频水印嵌入还是单帧图像水印嵌入。如果选择视频水印嵌入,则从本地选择待嵌入水印的视频,该客户端会自动解析出视频的分辨率以及总帧数,并且根据输入的水印信息和需要嵌入的帧数K选取出最适合嵌入的视频帧,并在这些视频帧中找到最适合嵌入水印的区域,最后将Top3帧的区域选取结果展示出来,如图12所示。如果用户选择单帧图像水印嵌入,则使用图12提供的用户界面进行处理。
在上述的实施例中,提供了一种水印嵌入方法,与之相对应的,本申请还提供一种水印嵌入装置。请参看图14,其为本申请的一种水印嵌入装置实施例的流程图。由于本实施例,即第二实施例,基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供的一种水印嵌入装置,包括:
获取单元1401,用于获取待处理的视频帧;
选取单元1402,用于根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
获得单元1403,用于针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;
嵌入单元1404,用于将水印嵌入所述关键视频帧的水印嵌入目标区域。
本实施例中,所述选取单元,具体用于:
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
本实施例中,所述水印嵌入装置,还包括信息获取单元,所述信息获取单元用于:
获取所述视频帧的尺度不变特征转换特征点的数量信息。
本实施例中,所述信息获取单元,还用于:
获取所述视频帧在尺度空间上的局部极值点;
针对所述局部极值点进行拟合,确定所述视频帧在尺度空间上的关键点;
确定所述关键点的方向信息以及所述关键点的描述信息;
根据所述关键点的方向信息以及所述关键点的描述信息,确定视频帧的尺度不变特征转换特征点;
针对所述视频帧的尺度不变特征转换特征点进行统计,获取视频帧的尺度不变特征转换特征点的数量信息。
本实施例中,所述信息获取单元,还用于:
根据所述关键点的梯度信息,确定所述关键点的方向信息;
根据所述关键点的邻近区域信息,确定所述关键点的描述信息。
本实施例中,所述水印嵌入装置,还包括方差信息获取单元,所述方差信息获取单元用于:
获取所述视频帧的图像直方图的方差信息。
本实施例中,所述方差信息获取单元,具体用于:
根据所述视频帧中包含的像素的灰度信息,获得所述视频帧的图像直方图;
针对所述视频帧的图像直方图进行计算,获取所述视频帧的图像直方图的方差信息。
本实施例中,所述选取单元,还用于:
根据所述视频帧的图像直方图的方差信息,获取所述视频帧的直方图方差的倒数信息;
针对所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的直方图方差的倒数信息进行加权运算,获得所述视频帧的特征数据;
根据所述视频帧的特征数据,从所述视频帧中选取适合嵌入水印的关键视频帧。
本实施例中,所述获得单元,具体用于:
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
本实施例中,所述获得单元,还用于:
针对所述关键视频帧进行区域分割,获得所述关键视频帧的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
本实施例中,所述获得单元,还用于:
确定所述关键视频帧的水印嵌入区域的最小区域面积信息;
根据所述最小区域面积信息,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
本实施例中,所述获得单元,还用于:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述关键视频帧的水印嵌入区域的最小区域面积信息。
本实施例中,所述获得单元,还用于:
根据所述最小区域面积,针对所述候选区域进行筛选,获得待嵌入水印的第一候选区域;
获得所述第一候选区域的尺度不变特征转换特征点的数量信息和所述第一候选区域的面积信息;
根据所述第一候选区域的尺度不变特征转换特征点数目信息和所述第一候选区域的面积信息中的至少一种,针对所述第一候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
本实施例中,所述水印嵌入装置,还包括视频帧获得单元,所述视频帧获得单元用于:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧;
所述选取单元,还用于:
根据视频帧的尺度不变特征转换特征点的数量信息,从所述视频帧中选取所述第一数量的适合嵌入水印的关键视频帧。
本申请第三实施例提供一种视频帧的选取方法,请参考图15,其为本申请第三实施例提供一种视频帧的选取方法的流程图。由于本实施例已经在第一实施例中进行了详细说明,这里仅做简要说明。
所述选取方法,包括:
步骤S1501:获取待处理的视频帧。
步骤S1502:根据所述视频帧的尺度不变特征转换特征点的信息和/或所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
本申请第四实施例提供一种水印嵌入区域的选取方法,请参考图16,其为本申请第四实施例提供一种视频帧的选取方法的流程图。由于本实施例已经在第一实施例中进行了详细说明,这里仅做简要说明。
所述选取方法,包括:
步骤S1601:获取待嵌入水印的载体对象。
所述载体对象,可以为视频帧,也可以为图像。
步骤S1602:将所述载体对象进行区域分割,获得所述载体对象的子区域。
步骤S1603:根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
步骤S1604:根据所述载体对象的水印嵌入区域的最小区域面积信息、所述候选区域的尺度不变特征转换特征点数量信息以及所述候选区域的面积信息中的至少一种,针对所述候选区域进行筛选,获得水印嵌入区域。
本实施例中,所述水印嵌入区域的获得方法,还包括:
确定所述载体对象的水印嵌入区域的最小区域面积信息。
本实施例中,所述确定所述载体对象的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述载体对象的水印嵌入区域的最小区域面积信息。
本申请第五实施例提供一种水印嵌入方法。在第一实施例中,需要嵌入水印的载体对象为视频帧,载体对象也可以为时间连续的图像。由于本实施例与第一实施例非常相近,这里仅做简要说明。所述水印嵌入方法包括:
获取待处理的时间连续的图像;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述图像中选取适合嵌入水印的关键图像;
针对所述关键图像帧进行区域选取,获得所述关键图像的水印嵌入目标区域;
将水印嵌入所述关键图像的水印嵌入目标区域。
本申请第六实施例提供一种电子设备,包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行本申请第一实施例、第三实施例、第四实施例以及第五实施例中任意一项所述方法。
本申请第七实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行本申请第一实施例、第三实施例、第四实施例以及第五实施例中任意一项所述方法。
此外,本申请还提供一种水印嵌入方法,包括:获取待处理的视频帧;根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;接受对所述水印嵌入候选区域中目标区域的选择;将水印嵌入所述目标区域。
其中,所述接受对所述水印嵌入候选区域中目标区域的选择,具体包括接收用户针对候选区域中特定区域的选择,将选择的区域作为目标区域,例如,若候选区域包括如图9所示的区域901、902和903,可以将901和903作为目标区域。又如,可以根据候选区域中纹理特征复杂度等特点,给出个区域的纹理复杂度量化或大致量化表示,由用户选择哪个或哪些区域作为目标区域。在提取水印时,可以根据加入水印时记录的目标区域坐标,在目标区域中提取,或者对关键视频帧中的每一个候选区域,逐一提取,嵌入水印的目标区域可提取出水印,提取失败的区域视为没有嵌入水印。
本申请上述的水印嵌入方法,可以用于水印嵌入服务。例如,可以根据待嵌入水印的请求用户的等级或是否付费等属性,提供相对应相应的水印嵌入服务,例如,若用户为高等级或高付费用户,针对该用户的嵌入水印请求,可以通过在关键视频帧选择和/或区域选取时,提高选择或选取阈值(或门槛),从而提高嵌入水印的安全性;反之,则降低选择或选取的阈值,提供相对较低的安全性的水印嵌入方法。
此外,本申请还提供一种水印提取方法,包括:获取待处理的视频帧;根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取待提取水印的关键视频帧;针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印提取目标区域;在所述目标区域中提取水印。
其中,选择关键视频帧和关键视频帧中区域选取,与前述嵌入水印实施例中,关键视频帧选择和关键视频帧中区域选取相同,在此不再赘述。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本发明权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (24)
1.一种水印嵌入方法,其特征在于,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;
将水印嵌入所述关键视频帧的水印嵌入目标区域。
2.根据权利要求1所述的水印嵌入方法,其特征在于,所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
3.根据权利要求2所述的水印嵌入方法,其特征在于,还包括:
获取所述视频帧的尺度不变特征转换特征点的数量信息。
4.根据权利要求3所述的水印嵌入方法,其特征在于,所述获取所述视频帧的尺度不变特征转换特征点的数量信息,包括:
获取所述视频帧在尺度空间上的局部极值点;
针对所述局部极值点进行拟合,确定所述视频帧在尺度空间上的关键点;
确定所述关键点的方向信息以及所述关键点的描述信息;
根据所述关键点的方向信息以及所述关键点的描述信息,确定视频帧的尺度不变特征转换特征点;
针对所述视频帧的尺度不变特征转换特征点进行统计,获取视频帧的尺度不变特征转换特征点的数量信息。
5.根据权利要求4所述的水印嵌入方法,其特征在于,所述确定所述关键点的方向信息以及所述关键点的描述信息,包括:
根据所述关键点的梯度信息,确定所述关键点的方向信息;
根据所述关键点的邻近区域信息,确定所述关键点的描述信息。
6.根据权利要求2所述的水印嵌入方法,其特征在于,还包括:
获取所述视频帧的图像直方图的方差信息。
7.根据权利要求6所述的水印嵌入方法,其特征在于,所述获取所述视频帧的图像直方图的方差信息,包括:
根据所述视频帧中包含的像素的灰度信息,获得所述视频帧的图像直方图;
针对所述视频帧的图像直方图进行计算,获取所述视频帧的图像直方图的方差信息。
8.根据权利要求2所述的水印嵌入方法,其特征在于,所述根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据所述视频帧的图像直方图的方差信息,获取所述视频帧的直方图方差的倒数信息;
针对所述视频帧的尺度不变特征转换特征点的数量信息以及所述视频帧的直方图方差的倒数信息进行加权运算,获得所述视频帧的特征数据;
根据所述视频帧的特征数据,从所述视频帧中选取适合嵌入水印的关键视频帧。
9.根据权利要求1所述的水印嵌入方法,其特征在于,所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域,包括:
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
10.根据权利要求9所述的水印嵌入方法,其特征在于,所述针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域,包括:
针对所述关键视频帧进行区域分割,获得所述关键视频帧的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域。
11.根据权利要求9所述的水印嵌入方法,其特征在于,所述针对所述水印嵌入候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
确定所述关键视频帧的水印嵌入区域的最小区域面积信息;
根据所述最小区域面积信息,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
12.根据权利要求11所述的水印嵌入方法,其特征在于,所述确定所述关键视频帧的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述关键视频帧的水印嵌入区域的最小区域面积信息。
13.根据权利要求11所述的水印嵌入方法,其特征在于,所述根据所述最小区域面积,针对所述候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域,包括:
根据所述最小区域面积,针对所述候选区域进行筛选,获得待嵌入水印的第一候选区域;
获得所述第一候选区域的尺度不变特征转换特征点的数量信息和所述第一候选区域的面积信息;
根据所述第一候选区域的尺度不变特征转换特征点数目信息和所述第一候选区域的面积信息中的至少一种,针对所述第一候选区域进行筛选,获得所述关键视频帧的水印嵌入目标区域。
14.根据权利要求1所述的水印嵌入方法,其特征在于,还包括:
根据水印的容量信息和所述视频帧的嵌入率,获得第一数量的待嵌入水印的视频帧;
所述根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧,包括:
根据视频帧的尺度不变特征转换特征点的数量信息,从所述视频帧中选取所述第一数量的适合嵌入水印的关键视频帧。
15.一种水印嵌入装置,其特征在于,包括:
获取单元,用于获取待处理的视频帧;
选取单元,用于根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
获得单元,用于针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入目标区域;
嵌入单元,用于将水印嵌入所述关键视频帧的水印嵌入目标区域。
16.一种视频帧的选取方法,其特征在于,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息以及所述视频帧的图像直方图的方差信息,从所述视频帧中选取适合嵌入水印的关键视频帧。
17.一种水印嵌入区域的获得方法,其特征在于,包括:
获取待嵌入水印的载体对象;
将所述载体对象进行区域分割,获得所述载体对象的子区域;
根据所述子区域的颜色信息、所述子区域的纹理信息和所述子区域的尺寸信息中的至少一种,针对所述子区域进行合并,获得待嵌入水印的候选区域;
根据所述载体对象的水印嵌入区域的最小区域面积信息、所述候选区域的尺度不变特征转换特征点数量信息以及所述候选区域的面积信息中的至少一种,针对所述载体对象进行筛选,获得水印嵌入区域。
18.根据权利要求17所述的水印嵌入区域的获得方法,其特征在于,还包括:
确定所述载体对象的水印嵌入区域的最小区域面积信息。
19.根据权利要求18所述的水印嵌入区域的获得方法,其特征在于,所述确定所述载体对象的水印嵌入区域的最小区域面积信息,包括:
获取水印的信息容量和水印的嵌入率信息;
根据所述水印的信息容量和所述水印的嵌入率信息,确定所述载体对象的水印嵌入区域的最小区域面积信息。
20.一种水印嵌入方法,其特征在于,包括:
获取待处理的时间连续的图像;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述图像中选取适合嵌入水印的关键图像;
针对所述关键图像帧进行区域选取,获得所述关键图像的水印嵌入目标区域;
将水印嵌入所述关键图像的水印嵌入目标区域。
21.一种电子设备,其特征在于,包括:
处理器;
以及,
存储器,用于存储计算机程序,该设备通过所述处理器运行该计算机程序后,执行如权利要求1-14、16-20任意一项所述方法。
22.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该程序被处理器运行,执行如权利要求1-14、16-20任意一项所述方法。
23.一种水印嵌入方法,其特征在于,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取适合嵌入水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印嵌入候选区域;
接受对所述水印嵌入候选区域中目标区域的选择;
将水印嵌入所述目标区域。
24.一种水印提取方法,其特征在于,包括:
获取待处理的视频帧;
根据所述视频帧的尺度不变特征转换特征点的信息,从所述视频帧中选取待提取水印的关键视频帧;
针对所述关键视频帧进行区域选取,获得所述关键视频帧的水印提取目标区域;
在所述目标区域中提取水印。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910761934.XA CN112396551A (zh) | 2019-08-16 | 2019-08-16 | 一种水印嵌入方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910761934.XA CN112396551A (zh) | 2019-08-16 | 2019-08-16 | 一种水印嵌入方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112396551A true CN112396551A (zh) | 2021-02-23 |
Family
ID=74603217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910761934.XA Pending CN112396551A (zh) | 2019-08-16 | 2019-08-16 | 一种水印嵌入方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396551A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907433A (zh) * | 2021-03-25 | 2021-06-04 | 苏州科达科技股份有限公司 | 数字水印嵌入方法、提取方法、装置、设备及介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246588A (zh) * | 2008-03-20 | 2008-08-20 | 复旦大学 | 彩色图像超复数空间的自适应水印算法 |
CN102724554A (zh) * | 2012-07-02 | 2012-10-10 | 西南科技大学 | 一种基于场景分割的视频资源语义水印嵌入方法 |
CN102801977A (zh) * | 2012-08-07 | 2012-11-28 | 合肥极光科技股份有限公司 | H.264中基于视频复杂度分析的鲁棒数字水印嵌入方法 |
CN103942778A (zh) * | 2014-03-20 | 2014-07-23 | 杭州禧颂科技有限公司 | 一种主成分特征曲线分析的快速视频关键帧提取方法 |
CN103974144A (zh) * | 2014-05-23 | 2014-08-06 | 华中师范大学 | 一种基于特征尺度变换不变点和微场景检测的视频数字水印方法 |
CN104156909A (zh) * | 2014-09-05 | 2014-11-19 | 西安电子科技大学 | 基于图像内容的鲁棒可逆水印嵌入与检测方法 |
CN104168484A (zh) * | 2014-08-19 | 2014-11-26 | 河海大学 | 一种基于视觉注意机制的视频水印方法 |
CN104281993A (zh) * | 2014-07-29 | 2015-01-14 | 山东科技大学 | 基于可视加密和特征点匹配的抗旋转攻击数字水印方法 |
CN104902282A (zh) * | 2015-06-04 | 2015-09-09 | 深圳市明日空间信息技术有限公司 | 在视频帧上嵌入水印图片的处理方法及装置 |
CN105657431A (zh) * | 2016-02-01 | 2016-06-08 | 杭州当虹科技有限公司 | 一种基于视频帧dct域的水印算法 |
CN106559714A (zh) * | 2016-11-14 | 2017-04-05 | 上海工程技术大学 | 一种面向数字视频版权保护的关键帧提取方法 |
CN106960211A (zh) * | 2016-01-11 | 2017-07-18 | 北京陌上花科技有限公司 | 关键帧获取方法及装置 |
CN107749990A (zh) * | 2017-09-27 | 2018-03-02 | 深圳大学 | 一种基于数字水印的视频版权保护方法及装置 |
CN107911753A (zh) * | 2017-11-28 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 用于在视频中添加数字水印的方法和装置 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
-
2019
- 2019-08-16 CN CN201910761934.XA patent/CN112396551A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246588A (zh) * | 2008-03-20 | 2008-08-20 | 复旦大学 | 彩色图像超复数空间的自适应水印算法 |
CN102724554A (zh) * | 2012-07-02 | 2012-10-10 | 西南科技大学 | 一种基于场景分割的视频资源语义水印嵌入方法 |
CN102801977A (zh) * | 2012-08-07 | 2012-11-28 | 合肥极光科技股份有限公司 | H.264中基于视频复杂度分析的鲁棒数字水印嵌入方法 |
CN103942778A (zh) * | 2014-03-20 | 2014-07-23 | 杭州禧颂科技有限公司 | 一种主成分特征曲线分析的快速视频关键帧提取方法 |
CN103974144A (zh) * | 2014-05-23 | 2014-08-06 | 华中师范大学 | 一种基于特征尺度变换不变点和微场景检测的视频数字水印方法 |
CN104281993A (zh) * | 2014-07-29 | 2015-01-14 | 山东科技大学 | 基于可视加密和特征点匹配的抗旋转攻击数字水印方法 |
CN104168484A (zh) * | 2014-08-19 | 2014-11-26 | 河海大学 | 一种基于视觉注意机制的视频水印方法 |
CN104156909A (zh) * | 2014-09-05 | 2014-11-19 | 西安电子科技大学 | 基于图像内容的鲁棒可逆水印嵌入与检测方法 |
CN104902282A (zh) * | 2015-06-04 | 2015-09-09 | 深圳市明日空间信息技术有限公司 | 在视频帧上嵌入水印图片的处理方法及装置 |
CN106960211A (zh) * | 2016-01-11 | 2017-07-18 | 北京陌上花科技有限公司 | 关键帧获取方法及装置 |
CN105657431A (zh) * | 2016-02-01 | 2016-06-08 | 杭州当虹科技有限公司 | 一种基于视频帧dct域的水印算法 |
CN106559714A (zh) * | 2016-11-14 | 2017-04-05 | 上海工程技术大学 | 一种面向数字视频版权保护的关键帧提取方法 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
CN107749990A (zh) * | 2017-09-27 | 2018-03-02 | 深圳大学 | 一种基于数字水印的视频版权保护方法及装置 |
CN107911753A (zh) * | 2017-11-28 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 用于在视频中添加数字水印的方法和装置 |
Non-Patent Citations (4)
Title |
---|
杨静静: "一种基于纹理分块和颜色特征的数字水印算法", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
白亚茜等: "基于纹理特征的SIFT 算法改进", 《红外技术》 * |
罗斌等: "基于图像熵分类的移动终端数字水印方法", 《华南理工大学学报(自然科学版)》 * |
高婷: "不可见性与鲁棒性均衡水印算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907433A (zh) * | 2021-03-25 | 2021-06-04 | 苏州科达科技股份有限公司 | 数字水印嵌入方法、提取方法、装置、设备及介质 |
CN112907433B (zh) * | 2021-03-25 | 2023-06-02 | 苏州科达科技股份有限公司 | 数字水印嵌入方法、提取方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11334615B2 (en) | Media fingerprinting and identification system | |
Zheng et al. | Fusion of block and keypoints based approaches for effective copy-move image forgery detection | |
Abdel-Basset et al. | 2-Levels of clustering strategy to detect and locate copy-move forgery in digital images | |
US8175413B1 (en) | Video identification through detection of proprietary rights logos in media | |
US8861884B1 (en) | Training classifiers for deblurring images | |
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
Zheng et al. | Inter-frame video forgery detection based on block-wise brightness variance descriptor | |
GB2493514A (en) | Using a measure of depth to detect if video data derives from a reference video | |
JP2010506323A (ja) | 画像認識のための画像記述子 | |
Kalia et al. | An analysis of the effect of different image preprocessing techniques on the performance of SURF: Speeded Up Robust Features | |
Lian et al. | Content-based video copy detection–a survey | |
Chen et al. | Multi-granularity geometrically robust video hashing for tampering detection | |
CN106033613B (zh) | 目标跟踪方法及装置 | |
CN112396551A (zh) | 一种水印嵌入方法及装置 | |
Agarwal et al. | The advent of deep learning-based image forgery detection techniques | |
CN115035533A (zh) | 一种数据鉴真处理方法、装置、计算机设备及存储介质 | |
Gomez-Nieto et al. | Quality aware features for performance prediction and time reduction in video object tracking | |
Nie et al. | Video fingerprinting based on graph model | |
Su et al. | High-precision matching algorithm for multi-image segmentation of micro animation videos in mobile network environment | |
Ziomek et al. | Evaluation of interest point detectors in presence of noise | |
Yang et al. | Image copy–move forgery detection based on sped-up robust features descriptor and adaptive minimal–maximal suppression | |
Kulkarni et al. | Improvements on sensor noise based on source camera identification using GLCM | |
Yamada et al. | Improved implementation of method for video-watermark detection using smart device | |
Gupta | Urban Land Chang Detection on Remote Sensing Images Based on Local Similarity Siamese Network | |
Fulton et al. | Automated reconstruction of buildings using a hand held video camera |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210223 |