CN114302252A - 视频去除水印的方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种视频去除水印的方法、装置、计算机设备及存储介质。本申请应用于视频处理技术领域，其包括：若接收到视频水印去除指令，则获取用户上传的视频帧，并根据预设识别标记从视频帧中识别出水印区域；根据水印区域及视频帧生成水印掩膜图；获取第一视频帧，并基于水印掩膜图，通过预设图像修复模型对第一视频帧的水印区域进行修复以得到当前修复值；获取下一视频帧，将下一视频帧作为当前视频帧，并计算当前视频帧与第一视频帧之间的相似度；若相似度值大于预设阈值，则根据当前修复值对当前视频帧进行修复；返回执行步骤四直至预设结束视频帧为止。本申请实施例不仅可提高视频去除水印的的效率，而且还能减轻帧间闪烁的请求。

Description

视频去除水印的方法、装置、计算机设备及存储介质

技术领域

本发明实施例涉及视频处理技术领域，尤其涉及一种视频去除水印的方法、装置、计算机设备及存储介质。

背景技术

随着多媒体技术的快速发展，大量的视频文件被生产出来，在一些视频文件中，制作者为了进行广告宣传或是出于对视频的版权进行保护以及侵权行为跟踪等，往往会以水印标记这些视频。但这些被水印标记了的视频往往会降低观众的观看体验，此外对于视频传播者来说，也不希望传播视频的同时，将其他人的水印作为视频内容的一部分进行传播。因此，在视频处理中，产生了一项去除视频水印的技术。目前去水印的方式主要有像素模糊化、插值填充以及修复填充等方式，但视频去除水印的效率较低，且容易出现帧间闪烁。

发明内容

本发明实施例提供了一种视频去除水印的方法、装置、计算机设备及存储介质，旨在解决现有视频去除水印的效率较低及容易出现帧间闪烁的问题。

第一方面，本发明实施例提供了一种视频去除水印的方法，其包括：

若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；

根据所述水印区域及所述视频帧生成水印掩膜图；

获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；

获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；

若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；

返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

进一步地，若所述相似度值不大于所述预设阈值，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧。

进一步地，创建一张与所述视频帧相同尺寸大小的掩膜图，并将所述掩膜图的像素初始化为第一预设值；将所述掩膜图中所述水印区域的像素设置为第二预设值以得到水印掩膜图。

进一步地，将所述水印掩膜图及所述第一视频帧输入预设图像修复模型以对所述水印区域进行修复得到当前修复值，其中，所述预设图像修复模型是根据预设样本库对DeepFillV2算法进行训练得到的。

进一步地，从预设样本库中获取待去水印的视频，并将所述待去水印的视频作为目标数据集；将所述目标数据集按预设比例分为训练数据集及验证数据集；将所述训练数据集输入DeepFillV2算法模型进行训练直至预设训练次数为止；将所述验证数据集输入训练后的所述DeepFillV2算法模型以得到去水印的视频；根据所述去水印的视频及所述验证数据集中的待去水印的视频计算去水印的准确率，并判断所述准确率是否超过预设值；若所述准确率超过所述预设值，则将训练后的所述DeepFillV2算法模型作为所述图像修复模型。

进一步地，若所述准确率未超过所述预设值，则重新设置所述预设比例及所述预设训练次数，并返回执行所述将所述目标数据集按预设比例分为训练数据集及验证数据集的步骤。

进一步地，若接收到预设播放指令，则从所述预设输出队列中获取去水印后的所述视频帧及所述视频帧对应的帧号；根据所述视频帧及所述帧号播放去水印后的视频。

第二方面，本发明实施例还提供了一种视频去除水印的装置，其包括：

识别单元，用于若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；

生成单元，用于根据所述水印区域及所述视频帧生成水印掩膜图；

第一修复单元，用于获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；

计算单元，用于获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；

第二修复单元，用于若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；

执行单元，用于返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。

本发明实施例提供了一种视频去除水印的方法、装置、计算机设备及存储介质。其中，所述方法包括：若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；根据所述水印区域及所述视频帧生成水印掩膜图；获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。本发明实施例的技术方案，通过计算当前视频帧与第一视频帧之间的相似度，当相似度值大于预设阈值时，根据当前修复值对当前视频帧进行修复，由于无需每次都通过预设图像修复模型对当前视频帧进行修复，因此不仅可提高视频去除水印的的效率，而且还能减轻帧间闪烁的情况。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例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为本发明实施例提供的一种视频去除水印的方法的流程示意图；

图2为本发明另一实施例提供的一种视频去除水印的方法的流程示意图；

图3为本发明实施例提供的一种视频去除水印的装置的示意性框图；以及

图4为本发明实施例提供的一种计算机设备的示意性框图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

请参阅图1，图1是本发明实施例提供的视频去除水印的方法的流程示意图。本发明实施例的视频去除水印的方法可应用于终端上，例如手提电脑、台式电脑、笔记本电脑等智能终端设备，通过安装于所述终端上的软件的应用程序来实现所述视频去除水印的方法，以提高视频去除水印的的效率，减轻帧间闪烁的情况。下面对所述视频去除水印的方法进行详细说明。如图1所示，该方法包括以下步骤S100-S150。

S100、若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域。

在本发明实施例中，用户将需要去水印的视频上传至视频去除水印软件，并手动从所述视频的任一视频帧中框选出水印区域，点击去除视频水印按钮，则会触发视频水印去除指令的发送，视频去除水印软件接收所述视频水印去除指令，并根据所述视频水印去除指令获取用户上传的视频，获取到所述视频后，根据预设识别标记从所述视频的框选视频帧中识别出水印区域，其中，预设识别标记为视频去除水印软件的中的标记，该标记可识别出所述水印区域，例如，框选框。需要说明的是，在本发明实施例中，若所述视频帧中的水印是具有时效的，则可在所述视频去除水印软件中设置去水印的时间，例如，假设所述视频时长总共为10min，在前5min的视频帧中有水印，后5min的视频帧中没有水印，可通过设置去水印的时间5min，对前5min的视频帧的水印进行去除即可。

S110、根据所述水印区域及所述视频帧生成水印掩膜图。

在本发明实施例中，根据预设识别标记从所述视频帧中识别出水印区域之后，会根据所述水印区域及所述视频帧生成水印掩膜图。具体地，先创建一张与所述视频帧相同尺寸大小的掩膜图，并将所述掩膜图的像素初始化为第一预设值，其中，所述第一预设值为0；将所述掩膜图中所述水印区域的像素设置为第二预设值以得到水印掩膜图，其中，所述第二预设值为255。可理解地，若所述第一预设值为0，所述第二预设值为255时，所述掩膜图为一张全黑色的图，所述水印掩膜图是在所述掩膜图的基础上将水印区域设置为白色的图。需要说明的是，在本发明实施例中，所述第一预设值及所述第二预设值还可根据需要设置为其它值。

S120、获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值。

在本发明实施例中，根据所述水印区域及所述视频帧生成水印掩膜图之后，可通过ffmpeg库中的函数获取第一视频帧，并将所述水印掩膜图及所述第一视频帧输入预设图像修复模型以对所述水印区域进行修复得到当前修复值，其中，所述预设图像修复模型是根据预设样本库对DeepFillV2算法进行训练得到的。具体地，所述预设图像修复模型的训练过程具体如下：从预设样本库中获取待去水印的视频，并将所述待去水印的视频作为目标数据集；将所述目标数据集按预设比例分为训练数据集及验证数据集，其中，所述预设比例为7:3；将所述训练数据集输入DeepFillV2算法模型进行训练直至预设训练次数为止，其中，预设训练次数为500次；将所述验证数据集输入训练后的所述DeepFillV2算法模型以得到去水印的视频；根据所述去水印的视频及所述验证数据集中的待去水印的视频计算去水印的准确率，并判断所述准确率是否超过预设值；若所述准确率超过所述预设值，则将训练后的所述DeepFillV2算法模型作为所述图像修复模型；若所述准确率未超过所述预设值，则重新设置所述预设比例及所述预设训练次数，并返回执行所述将所述目标数据集按预设比例分为训练数据集及验证数据集的步骤。

S130、获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度。

在本发明实施例中，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值之后，获取下一视频帧，此时所述下一视频帧为第二视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度，根据相似度值对所述下一视频帧进行处理。

S140、若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复。

在本发明实施例中，计算所述当前视频帧与所述第一视频帧之间的相似度之后，会判断相似度值是否大于预设阈值，若所述相似度值大于所述预设阈值，表明所述当前视频帧与所述第一视频帧较为相似，则根据所述当前修复值对所述当前视频帧进行修复，无需再调用所述预设图像修复模型对所述当前视频帧进行修复，因此可提高视频去除水印的的效率，减轻帧间闪烁的情况。

S150、返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

在本发明实施例中，根据所述当前修复值对所述当前视频帧进行修复之后，返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止，此时，所有视频帧全部已经去除水印，若接收到预设播放指令，则从所述预设输出队列中获取去水印后的所述视频帧及所述视频帧对应的帧号，并根据所述视频帧及所述帧号播放去水印后的视频。需要说明的是，在本发明实施例中，视频帧的总帧数也可通过ffmpeg库中的函数得到。

图2为本发明另一实施例提供的视频去除水印的方法的流程示意图，如图2所示，在本发明实施例中，本实施例的视频去除水印的方法包括步骤S200-S260。其中步骤S200-S250与上述实施例中的步骤S100-S150类似，在此不再赘述。下面详细说明本实施例中所增加的步骤S260。

S260、若所述相似度值不大于所述预设阈值，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧。

在本发明实施例中，计算所述当前视频帧与所述第一视频帧之间的相似度之后，判断相似度值是否大于所述预设阈值，若所述相似度值不大于所述预设阈值，表明所述当前视频帧与所述第一视频帧之间不相似，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧，以对所述第一视频帧进行更新，之后执行步骤S250。

图3是本发明实施例提供的一种视频去除水印的装置200的示意性框图。如图3所示，对应于以上视频去除水印的方法，本发明还提供一种视频去除水印的装置200。该视频去除水印的装置200包括用于执行上述视频去除水印的方法的单元，该装置可以被配置于终端中。具体地，请参阅图3，该视频去除水印的装置200识别单元201、生成单元202、第一修复单元203、计算单元204、第二修复单元205以及执行单元206。

其中，所述识别单元201用于若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；所述生成单元202用于根据所述水印区域及所述视频帧生成水印掩膜图；所述第一修复单元203用于获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；所述计算单元204用于获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；所述第二修复单元205用于若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；所述执行单元206用于返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

在某些实施例，例如本实施例中，所述生成单元202包括创建单元2021及设置单元2022。

其中，所述创建单元2021用于创建一张与所述视频帧相同尺寸大小的掩膜图，并将所述掩膜图的像素初始化为第一预设值；所述设置单元2022用于将所述掩膜图中所述水印区域的像素设置为第二预设值以得到水印掩膜图。

在某些实施例，例如本实施例中，所述第一修复单元203包括修复子单元2031。

其中，所述修复子单元2031用于将所述水印掩膜图及所述第一视频帧输入预设图像修复模型以对所述水印区域进行修复得到当前修复值，其中，所述预设图像修复模型是根据预设样本库对DeepFillV2算法进行训练得到的。

在某些实施例，例如本实施例中，所述修复子单元2031包括第一获取单元20311、划分单元20312、训练单元20313、输入单元20314、判断单元20315、作为单元20316以及返回执行单元20317。

其中，所述第一获取单元20311用于从预设样本库中获取待去水印的视频，并将所述待去水印的视频作为目标数据集；所述划分单元20312用于将所述目标数据集按预设比例分为训练数据集及验证数据集；所述训练单元20313用于将所述训练数据集输入DeepFillV2算法模型进行训练直至预设训练次数为止；所述输入单元20314用于将所述验证数据集输入训练后的所述DeepFillV2算法模型以得到去水印的视频；所述判断单元20315用于根据所述去水印的视频及所述验证数据集中的待去水印的视频计算去水印的准确率，并判断所述准确率是否超过预设值；所述作为单元20316用于若所述准确率超过所述预设值，则将训练后的所述DeepFillV2算法模型作为所述图像修复模型；所述返回执行单元20317用于若所述准确率未超过所述预设值，则重新设置所述预设比例及所述预设训练次数，并返回执行所述将所述目标数据集按预设比例分为训练数据集及验证数据集的步骤。

在某些实施例，例如本实施例中，所述视频去除水印的装置200还包括第三修复单元207、第二获取单元208以及播放单元209。

其中，所述第三修复单元207用于若所述相似度值不大于所述预设阈值，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧；

所述第二获取单元208用于若接收到预设播放指令，则从所述预设输出队列中获取去水印后的所述视频帧及所述视频帧对应的帧号；所述播放单元209用于根据所述视频帧及所述帧号播放去水印后的视频。

本发明实施例的视频去除水印的装置200的具体实现方式与上述视频去除水印的方法相对应，在此不再赘述。

上述视频去除水印的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。

请参阅图4，图4是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备300为终端，终端可以是台式电脑、手提电脑、平板电脑等具有通信功能的电子设备。

参阅图4，该计算机设备300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括存储介质303和内存储器304。

该存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时，可使得处理器302执行一种视频去除水印的方法。

该处理器302用于提供计算和控制能力，以支撑整个计算机设备300的运行。

该内存储器304为存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种视频去除水印的方法。

该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备300的限定，具体的计算机设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现如下步骤：若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；根据所述水印区域及所述视频帧生成水印掩膜图；获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

在某些实施例，例如本实施例中，处理器302在实现所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度步骤之后，具体实现还包括如下步骤：若所述相似度值不大于所述预设阈值，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧。

在某些实施例，例如本实施例中，处理器302在实现所述根据所述水印区域及所述视频帧生成水印掩膜图步骤时，具体实现如下步骤：创建一张与所述视频帧相同尺寸大小的掩膜图，并将所述掩膜图的像素初始化为第一预设值；将所述掩膜图中所述水印区域的像素设置为第二预设值以得到水印掩膜图。

在某些实施例，例如本实施例中，处理器302在实现所述基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值步骤时，具体实现如下步骤：将所述水印掩膜图及所述第一视频帧输入预设图像修复模型以对所述水印区域进行修复得到当前修复值，其中，所述预设图像修复模型是根据预设样本库对DeepFillV2算法进行训练得到的。

在某些实施例，例如本实施例中，处理器302在实现所述根据预设样本库对DeepFillV2算法进行训练得到所述预设图像修复模型步骤时，具体实现如下步骤：从预设样本库中获取待去水印的视频，并将所述待去水印的视频作为目标数据集；将所述目标数据集按预设比例分为训练数据集及验证数据集；将所述训练数据集输入DeepFillV2算法模型进行训练直至预设训练次数为止；将所述验证数据集输入训练后的所述DeepFillV2算法模型以得到去水印的视频；根据所述去水印的视频及所述验证数据集中的待去水印的视频计算去水印的准确率，并判断所述准确率是否超过预设值；若所述准确率超过所述预设值，则将训练后的所述DeepFillV2算法模型作为所述图像修复模型；若所述准确率未超过所述预设值，则重新设置所述预设比例及所述预设训练次数，并返回执行所述将所述目标数据集按预设比例分为训练数据集及验证数据集的步骤。

在某些实施例，例如本实施例中，处理器302在实现所述返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止步骤之后，具体实现还包括如下步骤：若接收到预设播放指令，则从所述预设输出队列中获取去水印后的所述视频帧及所述视频帧对应的帧号；根据所述视频帧及所述帧号播放去水印后的视频。

应当理解，在本申请实施例中，处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器302还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述视频去除水印的方法的实施例的流程步骤。

所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种视频去除水印的方法，其特征在于，包括：

若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；

根据所述水印区域及所述视频帧生成水印掩膜图；

获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；

获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；

若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；

返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

2.根据权利要求1所述的视频去除水印的方法，其特征在于，所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度之后，还包括：

若所述相似度值不大于所述预设阈值，则基于所述水印掩膜图，通过所述预设图像修复模型对所述当前视频帧的所述水印区域进行修复以得到当前修复值，并将所述当前视频帧作为所述第一视频帧。

3.根据权利要求1所述的视频去除水印的方法，其特征在于，所述根据所述水印区域及所述视频帧生成水印掩膜图，包括：

创建一张与所述视频帧相同尺寸大小的掩膜图，并将所述掩膜图的像素初始化为第一预设值；

将所述掩膜图中所述水印区域的像素设置为第二预设值以得到水印掩膜图。

4.根据权利要求1所述的视频去除水印的方法，其特征在于，所述基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值，包括：

将所述水印掩膜图及所述第一视频帧输入预设图像修复模型以对所述水印区域进行修复得到当前修复值，其中，所述预设图像修复模型是根据预设样本库对DeepFillV2算法进行训练得到的。

5.根据权利要求3所述的视频去除水印的方法，其特征在于，根据预设样本库对DeepFillV2算法进行训练得到所述预设图像修复模型，包括：

从预设样本库中获取待去水印的视频，并将所述待去水印的视频作为目标数据集；

将所述目标数据集按预设比例分为训练数据集及验证数据集；

将所述训练数据集输入DeepFillV2算法模型进行训练直至预设训练次数为止；

将所述验证数据集输入训练后的所述DeepFillV2算法模型以得到去水印的视频；

根据所述去水印的视频及所述验证数据集中的待去水印的视频计算去水印的准确率，并判断所述准确率是否超过预设值；

若所述准确率超过所述预设值，则将训练后的所述DeepFillV2算法模型作为所述图像修复模型。

6.根据权利要求5所述的视频去除水印的方法，其特征在于，所述判断所述准确率是否超过预设值之后，还包括：

若所述准确率未超过所述预设值，则重新设置所述预设比例及所述预设训练次数，并返回执行所述将所述目标数据集按预设比例分为训练数据集及验证数据集的步骤。

7.根据权利要求1所述的视频去除水印的方法，其特征在于，所述返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止之后，还包括：

若接收到预设播放指令，则从所述预设输出队列中获取去水印后的所述视频帧及所述视频帧对应的帧号；

根据所述视频帧及所述帧号播放去水印后的视频。

8.一种视频去除水印的装置，其特征在于，包括：

识别单元，用于若接收到视频水印去除指令，则根据所述视频水印去除指令获取用户上传的视频，并根据预设识别标记从所述视频的视频帧中识别出水印区域；

生成单元，用于根据所述水印区域及所述视频帧生成水印掩膜图；

第一修复单元，用于获取第一视频帧，并基于所述水印掩膜图，通过预设图像修复模型对所述第一视频帧的所述水印区域进行修复以得到当前修复值；

计算单元，用于获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度；

第二修复单元，用于若相似度值大于预设阈值，则根据所述当前修复值对所述当前视频帧进行修复；

执行单元，用于返回执行所述获取下一视频帧，将所述下一视频帧作为当前视频帧，并计算所述当前视频帧与所述第一视频帧之间的相似度的步骤，直至预设结束视频帧为止。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的视频去除水印的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的视频去除水印的方法。

Images