CN115393756A - 一种基于视觉图像的水印识别方法、装置、设备及介质 - Google Patents

一种基于视觉图像的水印识别方法、装置、设备及介质 Download PDF

Info

Publication number
CN115393756A
CN115393756A CN202210847359.7A CN202210847359A CN115393756A CN 115393756 A CN115393756 A CN 115393756A CN 202210847359 A CN202210847359 A CN 202210847359A CN 115393756 A CN115393756 A CN 115393756A
Authority
CN
China
Prior art keywords
watermark
image
key frame
visual
point
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.)
Withdrawn
Application number
CN202210847359.7A
Other languages
English (en)
Inventor
魏浩佳
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.)
Zhongtian Power Technology Shenzhen Co ltd
Original Assignee
Zhongtian Power Technology Shenzhen 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 Zhongtian Power Technology Shenzhen Co ltd filed Critical Zhongtian Power Technology Shenzhen Co ltd
Priority to CN202210847359.7A priority Critical patent/CN115393756A/zh
Publication of CN115393756A publication Critical patent/CN115393756A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/446—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering using Haar-like filters, e.g. using integral image 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种基于视觉图像的水印识别方法、装置、设备及介质，涉及流速控制的技术领域，包括：获取图像视图信息，然后基于图像视图信息以及预设帧数确定图像视觉帧集合，并对图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，然后判断水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。本申请具有提高水印识别准确度的效果。

Description

一种基于视觉图像的水印识别方法、装置、设备及介质
技术领域
本申请涉及图像识别的技术领域，更具体地，涉及一种基于视觉图像的水印识别方法、系统及储存介质。
背景技术
图像包含了丰富且直观的信息，当前在互联网的社交、购物等领域，都需要大量的图像来给用户传递信息。由于互联网信息的传播极为快速和便携，越来越多的个人和组织选择给自身拥有的图像嵌入水印信息，如在图像部分区域打上商标或网址的水印，以此保护图像信息的所有权。因此，图像信息的提供方在使用图像前，需要对图像进行审核，识别图像中是否含有水印信息，避免出现误用和侵权的行为。
目前，在对图像进行防伪识别时，往往采用人工识别的方式对图像中的水印进行识别，以确认当前获取到的图像的真伪性。但是，随着互联网的飞速发展，图像提供方每天都会利用用户上传、爬虫下载等诸多途径获取大量图像信息，因此图像的总体数量逐渐增加，而且水印在图像中的视觉显著性很低，具有面积小，颜色浅，透明度高等特点，带水印图像与未带水印图像之间的差异往往很小，区分度较低，因此，通过人工识别的方式，难以实现对带水印图片的准确识别，从而存在水印识别的准确度降低的缺陷。
发明内容
为了提高水印识别的准确度，本申请提供一种基于视觉图像的水印识别方法、装置、设备及介质。
第一方面，本申请提供一种基于视觉图像的水印识别的方法，采用如下的技术方案：
一种基于视觉图像的水印识别的方法，包括：
获取图像视图信息，所述图像视图信息用表示多个水印图像的浏览视觉图像信息；
基于图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合；
分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果；
判断所述水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
通过采用上述技术方案，在对多个水印图像进行水印识别时，获取多个水印图像的图像视图信息，然后根据图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，以确定每个关键帧中的水印信息，判断水印分析结果中是否存在预设异常水印，当存在时，对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息，以便于工作人员根据异常位置信息找到存在异常水印的水印图像，从而提高了水印识别的准确度。
在另一种可能实现的方式中，所述对所述图像视觉帧集合进行分析，得到图像关键帧集合，包括：
获取浏览频率信息，所述浏览频率信息为对所述每个水印图像的浏览频率信息；
基于所述浏览频率信息，确定水印图像是否产生浏览切换，若水印图像产生浏览切换，则将所述图像视觉帧与所述图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧。
通过上述技术方案，在选取图像关键帧时，获取每个水印图像的浏览频率信息，然后根据浏览频率信息确定水印图像是否产生浏览切换，当水印图像产生浏览切换时，则将所述图像视觉帧与图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧，从而有助于提高关键帧选取的精确度。
在另一种可能实现的方式中，所述分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，包括：
基于所述图像关键帧确定第一水印点，所述第一水印点为所述图像关键帧的原始点；
判断所述图像关键帧的水印特征点是否具有深度值和/或与所述第一水印点存在关联；
若所述图像关键帧的水印特征点与所述第一水印点存在关联，则基于所述图像关键帧的水印特征点对所述第一水印点以及共视图进行更新；
若所述图像关键帧的水印特征点具有深度值且与所述第一水印点不存在关联，则基于所述水印特征点构建第二水印点，并将所述第二水印点与所述图像关键帧进行关联绑定；
分别将所述第一水印点以及所述第二水印点与水印点标准进行匹配，得到水印分析结果。
通过采用上述技术方案，在对图像关键帧进行分析时，根据图像关键帧确定第一水印点，然后判断图像关键帧的水印特征点是否具有深度值和/或与第一水印点存在关联，若图像关键帧的水印特征点与第一水印点存在关联，则基于图像关键帧的水印特征点对第一水印点以及共视图进行更新，若图像关键帧的水印特征点具有深度值且与第一水印点不存在关联，则基于水印特征点构建第二水印点，并将所述第二水印点与图像关键帧进行关联绑定，然后分别将第一水印点以及第二水印点与水印点标准进行匹配，得到水印分析结果，从而达到了对图像关键帧中的所有水印图像进行检测识别的效果。
在另一种可能实现的方式中，所述基于所述图像关键帧确定第一水印点，包括：
判断所述图像关键帧是否为初始关键帧；
若是，则提取所述图像视觉帧中具有深度值的水印特征点，并基于所述水印特征点构建水印点，对所述水印点进行初始化，得到第一水印点。
通过采用上述技术方案，在对图像关键帧进行初始化时，判断图像关键帧是否为初始关键帧，当图像关键帧为初始关键帧时，提取图像视觉帧中具有深度值的水印特征点，对水印点进行初始化，得到第一水印点，从而为后续水印图像的识别打下基础。
在另一种可能实现的方式中，所述所述提取所述图像视觉帧中具有深度值的水印特征点，包括：
基于所述图像视觉帧确定图像金字塔，并对所述图像金字塔的每层图像提取水印特征点；
对提取后的所述水印特征点进行均匀化处理，得到具有深度值的水印特征点。
通过采用上述技术方案，在对水印特征点进行提取时，基于图像视觉帧确定图像金字塔，并对图像金字塔的每层图像提取水印特征点，然后对特征点进行均匀化处理，得到具有深度值的水印特征点，从而减少了水印特征点的聚集，提高了水印点的准确性以及实时性。
在另一种可能实现的方式中，所述分别将所述第一水印点以及所述第二水印点与水印点标准进行匹配，之前还包括：
获取水印图像样本，所述水印图像样本包括标准水印图像以及标准水印图像中对应的水印点；
对所述水印图像样本进行卷积处理，得到水印特征信息，并基于所述水印特征信息，创建水印点标准。
通过采用上述技术方案，在创建水印点标准时，首先获取水印图像样本，然后对水印图像样本进行卷积处理，对水印图像样本中多个特征点进行向量化，得到水印特征信息，然后根据水印特征信息穿件水印点标准，从而提高了对第一水印点以及第二水印点的检测准确度。
在另一种可能实现的方式中，获取水印图像样本，之后还包括：
对所述水印图像样本进行去噪处理，并将去噪后的所述水印图像样本进行图像增强处理。
通过采用上述技术方案，在获取水印图像样本后，由于初始的水印图像样本在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，因此需要使用去噪技术对水印图像样本进行去噪，以便于减少水印图像样本中噪声，使得水印图像样本信息更加准确，然后将去噪后的水印图像样本进行图像增强处理，改善水印图像样本的视觉效果，使得水印图像样本的图像更加的清晰，达到了提高水印图像样本识别度的效果。
第二方面，本申请提供一种基于视觉图像的水印识别的装置，采用如下的技术方案：
一种基于视觉图像的水印识别的装置，包括：
信息获取模块，获取获取图像视图信息，所述图像视图信息用表示多个水印图像的浏览视觉图像信息；
确定分析模块，用于基于图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合；
图像分析模块，用于分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果；
水印判断模块，用于判断所述水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
通过采用上述技术方案，在对多个水印图像进行水印识别时，获取多个水印图像的图像视图信息，然后根据图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，以确定每个关键帧中的水印信息，判断水印分析结果中是否存在预设异常水印，当存在时，对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息，以便于工作人员根据异常位置信息找到存在异常水印的水印图像，从而提高了水印识别的准确度。
在一种可能的实现方式中，所述确定分析模块在对所述图像视觉帧集合进行分析，得到图像关键帧集合时，具体用于：
获取浏览频率信息，所述浏览频率信息为对所述每个水印图像的浏览频率信息；
基于所述浏览频率信息，确定水印图像是否产生浏览切换，若水印图像产生浏览切换，则将所述图像视觉帧与所述图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧。
在另一种可能的实现方式中，所述图像分析模块在分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果时，具体用于：
基于所述图像关键帧确定第一水印点，所述第一水印点为所述图像关键帧的原始点；
判断所述图像关键帧的水印特征点是否具有深度值和/或与所述第一水印点存在关联；
若所述图像关键帧的水印特征点与所述第一水印点存在关联，则基于所述图像关键帧的水印特征点对所述第一水印点以及共视图进行更新；
若所述图像关键帧的水印特征点具有深度值且与所述第一水印点不存在关联，则基于所述水印特征点构建第二水印点，并将所述第二水印点与所述图像关键帧进行关联绑定；
分别将所述第一水印点以及所述第二水印点与水印点标准进行匹配，得到水印分析结果。
在另一种可能的实现方式中，所述图像分析模块在基于所述图像关键帧确定第一水印点时，具体用于：
判断所述图像关键帧是否为初始关键帧；
若是，则提取所述图像视觉帧中具有深度值的水印特征点，并基于所述水印特征点构建水印点，对所述水印点进行初始化，得到第一水印点。
在另一种可能的实现方式中，所述图像分析模块在提取所述图像视觉帧中具有深度值的水印特征点时，具体用于：
基于所述图像视觉帧确定图像金字塔，并对所述图像金字塔的每层图像提取水印特征点；
对提取后的所述水印特征点进行均匀化处理，得到具有深度值的水印特征点。
在另一种可能的实现方式中，所述装置还包括：样本获取模块以及样本处理模块，其中，
所述样本获取模块，用于获取水印图像样本，所述水印图像样本包括标准水印图像以及标准水印图像中对应的水印点；
所述样本处理模块，用于对所述水印图像样本进行卷积处理，得到水印特征信息，并基于所述水印特征信息，创建水印点标准。
在另一种可能的实现方式中，所述装置还包括：样本优化模块，其中，
样本优化模块，用于对所述水印图像样本进行去噪处理，并将去噪后的所述水印图像样本进行图像增强处理。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面任一种可能的实现方式所示的一种基于视觉图像的水印识别的方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括：存储有能够被处理器加载并执行实现第一方面任一种可能的实现方式所示的一种基于视觉图像的水印识别的方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1. 通过采用上述技术方案，在对多个水印图像进行水印识别时，获取多个水印图像的图像视图信息，然后根据图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，以确定每个关键帧中的水印信息，判断水印分析结果中是否存在预设异常水印，当存在时，对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息，以便于工作人员根据异常位置信息找到存在异常水印的水印图像，从而提高了水印识别的准确度；
2. 通过采用上述技术方案，在获取水印图像样本后，由于初始的水印图像样本在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，因此需要使用去噪技术对水印图像样本进行去噪，以便于减少水印图像样本中噪声，使得水印图像样本信息更加准确，然后将去噪后的水印图像样本进行图像增强处理，改善水印图像样本的视觉效果，使得水印图像样本的图像更加的清晰，达到了提高水印图像样本识别度的效果。
附图说明
图1是本申请实施例的一种基于视觉图像的水印识别的方法的流程示意图；
图2是本申请实施例的一种基于视觉图像的水印识别的装置的结构示意图；
图3是本申请实施例的电子设备的结构示意图；
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于视觉图像的水印识别的方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：
步骤S10，获取图像视图信息。
其中，图像视图信息用表示多个水印图像的浏览视觉图像信息。
具体地，在对图像视图信息进行获取时，可通过拍摄设备进行采集，也可以将其图像文件保存至电脑中进行播放获取，在本申请实施例中不做限定。
步骤S11，基于图像视图信息以及预设帧数确定图像视觉帧集合，并对图像视觉帧集合进行分析，得到图像关键帧集合。
具体地，图像视觉帧集合为当前时间内按照预设帧数对多个水印图像的水印图像浏览的视图，其中，预设帧数为60FPS。图像关键帧集合则为当前时间内的每个水印图像的视图。视觉帧与关键帧的区别在于，视觉帧是每时每刻都在产生，而关键帧是将局部相近的多个视觉帧中找到最具有代表性的一个视觉帧。
具体地，一段动画，从本质上讲就是一段时间内连续播放的一定数量的画面。每一张画面，我们管它叫做“视觉帧”。至于为什么叫做“视觉帧”，是因为这些画面包含了时间和位置的变化关系，一定时间内连续快速播放若干个帧，就成了人眼中所看到的动画。同样时间内，播放的视觉帧数越多，画面看起来越流畅，即从多个视觉帧中挑选关键帧，并将关键字进行组合播放。
具体地，生成图像关键帧的优点在于：
相近帧之间信息冗余度很高，关键帧是取局部相近帧中最有代表性的一帧，可以降低信息冗余度。举例来说，摄像头放在原处不动，普通帧还是要记录的，但关键帧不会增加。
关键帧选择时还会对图片质量、特征点质量等进行考察，在Bundle Fusion、RKDSLAM等RGB-D SLAM相关方案中常常用普通帧的深度投影到关键帧上进行深度图优化，一定程度上关键帧是普通帧滤波和优化的结果，防止无用的或错误的信息进入优化过程而破坏定位建图的准确性
步骤S12，分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果。
对于本申请实施例来说，对图像关键帧的分析在于提取图像关键帧中水印特征。
步骤S13，判断水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
在本申请实施例中，按照对图像关键帧检测的顺序，确定存在异常水印的图像的异常位置信息，其中，预设异常水印包括颜色异常以及样式异常等。
在本申请实施例中，在对多个水印图像进行水印识别时，获取多个水印图像的图像视图信息，然后根据图像视图信息以及预设帧数确定图像视觉帧集合，并对图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，以确定每个关键帧中的水印信息，判断水印分析结果中是否存在预设异常水印，当存在时，对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息，以便于工作人员根据异常位置信息找到存在异常水印的水印图像，从而提高了水印识别的准确度。
本申请实施例的一种可能的实现方式，步骤S11具体包括步骤S111（图中未示出）以及步骤S112（图中未示出），其中，
步骤S141，获取浏览频率信息，浏览频率信息为对每个水印图像的浏览频率信息。
步骤S142，基于浏览频率信息，确定水印图像是否产生浏览切换，若水印图像产生浏览切换，则将图像视觉帧与图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧。
具体地，基于浏览频率信息判断是否需要对当前视觉帧进行处理，例如：浏览频率信息为1秒切换一次水印图像，判断当前时间都否过了1秒，若过了，则表示当前图像视觉帧切换至下一待处理图像视觉帧，否则该图像视觉帧作为待处理视觉帧进行进一步处理。
本申请实施例的一种可能的实现方式，步骤S12（图中未示出）具体包括步骤S121（图中未示出）、步骤S122（图中未示出）、步骤S123（图中未示出）、步骤S124（图中未示出）以及步骤S125（图中未示出），其中，
步骤S121，基于图像关键帧确定第一水印点，第一水印点为图像关键帧的原始点。
步骤S122，判断图像关键帧的水印特征点是否具有深度值和/或与第一水印点存在关联。
步骤S123，若图像关键帧的水印特征点与第一水印点存在关联，则基于图像关键帧的水印特征点对第一水印点以及共视图进行更新。
步骤S124，若图像关键帧的水印特征点具有深度值且与第一水印点不存在关联，则基于水印特征点构建第二水印点，并将第二水印点与图像关键帧进行关联绑定。
步骤S125，分别将第一水印点以及第二水印点与水印点标准进行匹配，得到水印分析结果。
具体地，新的关键帧（记为
Figure RE-DEST_PATH_IMAGE001
）已与前一关键帧（记为
Figure RE-DEST_PATH_IMAGE002
）进行了水印特征点匹配，记
Figure RE-383877DEST_PATH_IMAGE001
中的某特征点为
Figure RE-DEST_PATH_IMAGE003
,
Figure RE-661537DEST_PATH_IMAGE003
有如下几种情况：
1.
Figure RE-254323DEST_PATH_IMAGE003
在
Figure RE-931423DEST_PATH_IMAGE002
中有匹配特征点，且该匹配特征点有关联的第一水印点(记为
Figure RE-DEST_PATH_IMAGE004
),则以
Figure RE-637474DEST_PATH_IMAGE001
和
Figure RE-538565DEST_PATH_IMAGE003
对
Figure RE-593546DEST_PATH_IMAGE004
进行关联和更新，并对共视图进行更新。
2.
Figure RE-871075DEST_PATH_IMAGE003
在
Figure RE-884162DEST_PATH_IMAGE002
中有匹配特征点，该匹配特征点没有关联的第一水印点，但有关联的第一水印点
Figure RE-DEST_PATH_IMAGE005
,则将
Figure RE-565941DEST_PATH_IMAGE001
加入
Figure RE-336582DEST_PATH_IMAGE005
的观测关键帧中，若也没有关联的第一水印点，但
Figure RE-417802DEST_PATH_IMAGE003
具有深度值，则
Figure RE-285395DEST_PATH_IMAGE003
可以构建为第二水印点。
本申请实施例的一种可能的实现方式，步骤S121具体包括步骤S1211（图中未示出）以及步骤S1212（图中未示出），其中，
步骤S1211，判断图像关键帧是否为初始关键帧。
步骤S1212，若是，则提取图像视觉帧中具有深度值的水印特征点，并基于水印特征点构建水印点，对水印点进行初始化，得到第一水印点。
具体地，提取图像视觉帧中特征点的方法包括：Harris、ORB、SURF、SIFT等，在选用上述特征点的基础上，本申请实施例中，还增加了构建图像金字塔和特征点均匀化两个步骤，旋转主方向信息用于两图像间的特征点匹配，最终得到基于特征点构建的第一水印点。
本申请实施例的一种可能的实现方式，步骤S1212具体包括步骤Sa（图中未示出）以及步骤Sb（图中未示出），其中，
步骤Sa，基于图像视觉帧确定图像金字塔，并对图像金字塔的每层图像提取水印特征点。
具体地，对视觉帧图像进行多级缩放，例如原图480*640分辨率，作为第0层图像，经过1.2比例缩放得到400*533分辨率的第1层图像，333*444分辨率的第2层图像，依次缩放所得各层图像构成该视觉帧的图像金字塔，可根据工程设置对应的缩放比例和金字塔层数，对每层图像进行特征点提取。图像金字塔是对当前视觉帧的更加完备的描述，其用处为:在距离目标物体较近处获取的视觉帧图像,记为帧1，距离目标物体较远处获取的视觉帧图像，记为帧2，那么很有可能在帧1和帧2的原始图像或者图像金字塔同层级图像中无法匹配到目标物体的特征点，而在帧1的高层级图像与帧2的低层级图像中可以匹配到目标物体的特征点，通俗理解就是近景缩小后更容易和远景匹配上。
步骤Sb，对提取后的水印特征点进行均匀化处理，得到具有深度值的水印特征点。
具体地，一般图像提取特征点后很容易出现特征点聚集现象，直接生成水印点，会给位姿计算带来很大的误差，这里对其进行均匀化处理，减少特征点聚集。如：480*640分辨率的图像，可以划分为10*10共100个区域，每个区域为48*64分辨率，选取每个区域最优的10个特征点。划分区域的方式和区域最优特征点个数可根据工程需要进行配置。
本申请实施例的一种可能的实现方式，步骤S125（图中未示出）之前还包括步骤S251（图中未示出）以及步骤S1252（图中未示出），其中，
步骤S251，获取水印图像样本，水印图像样本包括标准水印图像以及标准水印图像中对应的水印点。
步骤S252对水印图像样本进行卷积处理，得到水印特征信息，并基于水印特征信息，创建水印点标准。
具体地，卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。卷积网络执行的是有监督训练，所以其样本集是由形如：（输入向量，理想输出向量）的向量对构成的。所有这些向量对，都应该是来源于网络即将模拟的系统的实际“运行”结果。它们可以是从实际运行系统中采集来的。在开始训练前，所有的权都应该用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态，从而导致训练失败；“不同”用来保证网络可以正常地学习。
本申请实施例的一种可能的实现方式，步骤S1251（图中未示出）之后还包括步骤S253（图中未示出），其中，
步骤S253，对水印图像样本进行去噪处理，并将去噪后的水印图像样本进行图像增强处理。
具体地，噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。常见的图像噪音有加性噪音、乘兴噪音、量化噪音以及“椒盐”噪音。加性嗓声和图像信号强度是不相关的，例如：图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声；乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，例如：飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒等等；量化嗓声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异；“椒盐”噪音，例如：图像切割引起的即黑图像上的白点，白图像上的黑点噪声，在变换域引入的误差，使图像反变换后造成的变换噪声
上述实施例从方法流程的角度介绍一种基于视觉图像的水印识别的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于视觉图像的水印识别的装置，具体详见下述实施例。
本申请实施例提供一种基于视觉图像的水印识别的装置，如图所示，该基于视觉图像的水印识别的装置20具体可以包括：信息获取模块21、确定分析模块22、图像分析模块23以及水印判断模块24，其中，
信息获取模块21，获取获取图像视图信息，图像视频信息用表示多个水印图像的浏览视觉图像信息；
确定分析模块22，用于基于图像视图信息以及预设帧数确定图像视觉帧集合，并对图像视觉帧集合进行分析，得到图像关键帧集合；
图像分析模块23，用于分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果；
水印判断模块24，用于判断水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
本申请实施例的一种可能的实现方式，确定分析模块23在对图像视觉帧集合进行分析，得到图像关键帧集合时，具体用于：
获取浏览频率信息，浏览频率信息为对每个水印图像的浏览频率信息；
基于浏览频率信息，确定水印图像是否产生浏览切换，若水印图像产生浏览切换，则将图像视觉帧与图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧。
本申请实施例的另一种可能的实现方式，图像分析模块23在分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果时，具体用于：
基于图像关键帧确定第一水印点，第一水印点为图像关键帧的原始点；
判断图像关键帧的水印特征点是否具有深度值和/或与第一水印点存在关联；
若图像关键帧的水印特征点与第一水印点存在关联，则基于图像关键帧的水印特征点对第一水印点以及共视图进行更新；
若图像关键帧的水印特征点具有深度值且与第一水印点不存在关联，则基于水印特征点构建第二水印点，并将第二水印点与图像关键帧进行关联绑定；
分别将第一水印点以及第二水印点与水印点标准进行匹配，得到水印分析结果。
本申请实施例的另一种可能的实现方式，图像分析模块23在基于图像关键帧确定第一水印点时，具体用于：
判断图像关键帧是否为初始关键帧；
若是，则提取图像视觉帧中具有深度值的水印特征点，并基于水印特征点构建水印点，对水印点进行初始化，得到第一水印点。
本申请实施例的另一种可能的实现方式，图像分析模块23在提取图像视觉帧中具有深度值的水印特征点时，具体用于：
基于图像视觉帧确定图像金字塔，并对图像金字塔的每层图像提取水印特征点；
对提取后的水印特征点进行均匀化处理，得到具有深度值的水印特征点。
本申请实施例的另一种可能的实现方式，装置20还包括：样本获取模块以及样本处理模块，其中，
样本获取模块，用于获取水印图像样本，水印图像样本包括标准水印图像以及标准水印图像中对应的水印点；
样本处理模块，用于对水印图像样本进行卷积处理，得到水印特征信息，并基于水印特征信息，创建水印点标准。
本申请实施例的另一种可能的实现方式，装置20还包括：样本优化模块，其中，
样本优化模块，用于对水印图像样本进行去噪处理，并将去噪后的水印图像样本进行图像增强处理。
本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中，在对多个水印图像进行水印识别时，获取多个水印图像的图像视图信息，然后根据图像视图信息以及预设帧数确定图像视觉帧集合，并对图像视觉帧集合进行分析，得到图像关键帧集合，然后分别对图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，以确定每个关键帧中的水印信息，判断水印分析结果中是否存在预设异常水印，当存在时，对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息，以便于工作人员根据异常位置信息找到存在异常水印的水印图像，从而提高了水印识别的准确度。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种基于视觉图像的水印识别方法，其特征在于，包括：
获取图像视图信息，所述图像视图信息用表示多个水印图像的浏览视觉图像信息；
基于图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合；
分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果；
判断所述水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
2.根据权利要求1所述的方法，其特征在于，所述对所述图像视觉帧集合进行分析，得到图像关键帧集合，包括：
获取浏览频率信息，所述浏览频率信息为对所述每个水印图像的浏览频率信息；
基于所述浏览频率信息，确定水印图像是否产生浏览切换，若水印图像产生浏览切换，则将所述图像视觉帧与所述图像视觉帧的前一图像关键帧进行比对分析，生成图像关键帧。
3.根据权利要求1所述的方法，其特征在于，所述分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果，包括：
基于所述图像关键帧确定第一水印点，所述第一水印点为所述图像关键帧的原始点；
判断所述图像关键帧的水印特征点是否具有深度值和/或与所述第一水印点存在关联；
若所述图像关键帧的水印特征点与所述第一水印点存在关联，则基于所述图像关键帧的水印特征点对所述第一水印点以及共视图进行更新；
若所述图像关键帧的水印特征点具有深度值且与所述第一水印点不存在关联，则基于所述水印特征点构建第二水印点，并将所述第二水印点与所述图像关键帧进行关联绑定；
分别将所述第一水印点以及所述第二水印点与水印点标准进行匹配，得到水印分析结果。
4.根据权利要求3所述的方法，其特征在于，所述基于所述图像关键帧确定第一水印点，包括：
判断所述图像关键帧是否为初始关键帧；
若是，则提取所述图像视觉帧中具有深度值的水印特征点，并基于所述水印特征点构建水印点，对所述水印点进行初始化，得到第一水印点。
5.根据权利要求4所述的方法，其特征在于，所述提取所述图像视觉帧中具有深度值的水印特征点，包括：
基于所述图像视觉帧确定图像金字塔，并对所述图像金字塔的每层图像提取水印特征点；
对提取后的所述水印特征点进行均匀化处理，得到具有深度值的水印特征点。
6.根据权利要求3所述的方法，其特征在于，所述分别将所述第一水印点以及所述第二水印点与水印点标准进行匹配，之前还包括：
获取水印图像样本，所述水印图像样本包括标准水印图像以及标准水印图像中对应的水印点；
对所述水印图像样本进行卷积处理，得到水印特征信息，并基于所述水印特征信息，创建水印点标准。
7.根据权利要求6所述的方法，其特征在于，获取水印图像样本，之后还包括：
对所述水印图像样本进行去噪处理，并将去噪后的所述水印图像样本进行图像增强处理。
8.一种基于视觉图像的水印识别装置，其特征在于，包括：
信息获取模块，获取获取图像视图信息，所述图像视图信息用表示多个水印图像的浏览视觉图像信息；
确定分析模块，用于基于图像视图信息以及预设帧数确定图像视觉帧集合，并对所述图像视觉帧集合进行分析，得到图像关键帧集合；
图像分析模块，用于分别对所述图像关键帧集合中的每个图像关键帧进行分析，得到水印分析结果；
水印判断模块，用于判断所述水印分析结果中是否存在预设异常水印，若存在，则对存在预设异常水印的图像关键帧进行位置检测，得到异常位置信息。
9.一种电子设备，其特征在于，其包括：
一个或者多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～7任一项所述的基于视觉图像的水印识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述的基于视觉图像的水印识别方法。
CN202210847359.7A 2022-07-19 2022-07-19 一种基于视觉图像的水印识别方法、装置、设备及介质 Withdrawn CN115393756A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210847359.7A CN115393756A (zh) 2022-07-19 2022-07-19 一种基于视觉图像的水印识别方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210847359.7A CN115393756A (zh) 2022-07-19 2022-07-19 一种基于视觉图像的水印识别方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115393756A true CN115393756A (zh) 2022-11-25

Family

ID=84117425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210847359.7A Withdrawn CN115393756A (zh) 2022-07-19 2022-07-19 一种基于视觉图像的水印识别方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115393756A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115631192B (zh) * 2022-12-06 2023-03-28 天津三和铁制品有限公司 一种阀门试压机的控制方法、装置、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115631192B (zh) * 2022-12-06 2023-03-28 天津三和铁制品有限公司 一种阀门试压机的控制方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109784181B (zh) 图片水印识别方法、装置、设备及计算机可读存储介质
US11354797B2 (en) Method, device, and system for testing an image
CN110688524B (zh) 视频检索方法、装置、电子设备及存储介质
CN109766925B (zh) 特征融合方法、装置、电子设备及存储介质
WO2015106700A1 (en) Method and apparatus for implementing image denoising
CN108335293B (zh) 图像质量的确定方法及装置
CN112580668B (zh) 一种背景欺诈检测方法、装置及电子设备
US11605156B2 (en) Iterative image inpainting with confidence feedback
CN111027412A (zh) 一种人体关键点识别方法、装置及电子设备
TWI803243B (zh) 圖像擴增方法、電腦設備及儲存介質
CN111882565B (zh) 一种图像二值化方法、装置、设备及存储介质
CN113157956B (zh) 图片搜索方法、系统、移动终端及存储介质
CN115393756A (zh) 一种基于视觉图像的水印识别方法、装置、设备及介质
CN111179270A (zh) 基于注意力机制的图像共分割方法和装置
CN117934254A (zh) 水印处理模型训练方法、水印处理方法、装置和设备
Xue et al. JPEG image tampering localization based on normalized gray level co-occurrence matrix
CN114359352A (zh) 图像处理方法、装置、设备、存储介质及计算机程序产品
CN114091551A (zh) 色情图像识别方法、装置、电子设备及存储介质
CN111753729B (zh) 一种假脸检测方法、装置、电子设备及存储介质
CN115760641B (zh) 基于多尺度特征注意力网络的遥感影像去云雾方法和设备
Li et al. A cascaded algorithm for image quality assessment and image denoising based on CNN for image security and authorization
CN111179245A (zh) 图像质量检测方法、装置、电子设备和存储介质
CN116258873A (zh) 一种位置信息确定方法、对象识别模型的训练方法及装置
CN113298098B (zh) 基础矩阵估计方法及相关产品
CN115004245A (zh) 目标检测方法、装置、电子设备和计算机存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221125

WW01 Invention patent application withdrawn after publication