CN111445376B - 视频水印的检测方法、装置、电子设备和存储介质 - Google Patents

视频水印的检测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111445376B
CN111445376B CN202010212767.6A CN202010212767A CN111445376B CN 111445376 B CN111445376 B CN 111445376B CN 202010212767 A CN202010212767 A CN 202010212767A CN 111445376 B CN111445376 B CN 111445376B
Authority
CN
China
Prior art keywords
binarized
video frame
watermark
image
quadrant
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
Application number
CN202010212767.6A
Other languages
English (en)
Other versions
CN111445376A (zh
Inventor
请求不公布姓名
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.)
Wuba Co Ltd
Original Assignee
Wuba 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 Wuba Co Ltd filed Critical Wuba Co Ltd
Priority to CN202010212767.6A priority Critical patent/CN111445376B/zh
Publication of CN111445376A publication Critical patent/CN111445376A/zh
Application granted granted Critical
Publication of CN111445376B publication Critical patent/CN111445376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0065—Extraction of an embedded watermark; Reliable detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请公开了视频水印的检测方法、装置、电子设备及存储介质，所述方法首先从视频文件中获取预设数量的二值化视频帧图像；然后使用二值化水印图像对二值化视频帧图像进行卷积运算，获得二值化视频帧图像中对应最大卷积结果的目标子块；再通过比较水印图像和目标子块对应位置处的二值化像素值，判断二值化视频帧图像是否含有水印；最后根据部分或者全部二值化视频帧图像对应的判断结果，确定该视频文件是否含有水印。本申请方法可以在水印速度运动位置的情况下，实现对视频水印的检测，并具有极低的错误率和漏检率。

Description

视频水印的检测方法、装置、电子设备和存储介质
技术领域
本申请涉及水印检测技术领域，尤其涉及一种视频水印的检测方法、装置、电子设备和存储介质。
背景技术
在视频中嵌入水印，可以防止视频被篡改，标注***，并防止他人盗用视频，达到保护视频版权和版权方利益的效果。例如，在房地产租售信息服务领域，版权方将水印检测服务和水印嵌入服务接入到房源信息平台，当房源信息平台接收到用户(如房产经纪人)上传的房源视频时，版权方通过水印检测服务检测房源视频中是否含有水印，若检测到水印，则确定该视频为盗用视频进而阻止发布，若未检测到水印，则确定该视频非盗用视频，此时，通过水印嵌入服务在该房源视频中嵌入水印后发布。
根据水印在视频中的运动状态可将视频水印分为静态水印和动态水印，静态水印在视频中的位置固定，动态水印随着视频的播放而运动。一种检测动态水印的方法，是在水印运动速度已知的前提下，首先按照一定规则从视频中抽取出多幅画面帧，然后利用Sobel算子(Sobel operator，索贝尔算子)对每帧画面进行梯度计算，得到梯度图像，再将得到的梯度图像按照水印的运动速度进行平移叠加，以增强画面中含有水印的部分，最后使用预先训练好的分类模型预测增强后的图像是否含有水印。
可以看出，上述水印检测方法依赖于水印运动速度，若水印速度未知，则无法进行检测。
发明内容
本申请提供一种视频水印的检测方法、装置、电子设备和存储介质，以解决水印运动速度未知的情况下的水印检测问题。
第一方面，本申请提供一种视频水印的检测方法，所述方法包括：
从视频文件中获取预设数量的二值化视频帧图像；
获取二值化水印图像，以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块；
通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印；
根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印。
进一步，所述获取二值化水印图像包括：
获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；
对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像；
所述从视频文件中获取预设数量的二值化视频帧图像：
从视频文件中获取视频帧序列，所述视频帧序列包括预设数量的视频帧图像；
对所述预设数量的视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；
对所述预设数量的视频帧边缘图像进行二值化处理，得到所述预设数量的二值化视频帧图像。
进一步，所述通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印，包括：
根据所述预设水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数，所述预设象限包括象限A、象限B、象限C和象限D，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0；
判断是否每个象限落入的像素点个数均符合所述象限预设的个数范围；
如果每个象限落入的像素点个数均符合所述象限预设的个数范围，则确定所述二值化视频帧图像含有水印；
如果至少一个象限落入的像素点个数不符合所述象限预设的个数范围，则确定所述二值化视频帧图像不含有水印。
进一步，所述根据部分或全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印，包括：
如果所述视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定所述视频文件不含有水印；
如果所述视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定所述视频文件含有水印；
其中，m和n均为预设的检测阈值，1≤n＜m＜所述预设数量。
进一步，所述以二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，包括：
分别将所述二值化水印图像和所述二值化视频帧图像转换成水印矩阵和视频帧矩阵；
以所述水印矩阵为卷积核，按照预设的移动方向和步长对所述视频帧矩阵进行卷积运算，得到卷积结果矩阵。
第二方面，本申请还提供一种视频水印的检测装置，所述装置包括：
获取模块，用于从视频文件中获取预设数量的二值化视频帧图像，以及获取二值化水印图像；
卷积模块，用于以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块；
判断模块，用于通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印；
确定模块，用于根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印。
进一步，所述获取模块包括：
第一获取单元，用于获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像；所述从视频文件中获取预设数量的二值化视频帧图像：
第二获取单元，用于从视频文件中获取视频帧序列，所述视频帧序列包括预设数量的视频帧图像；对所述预设数量的视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；对所述预设数量的视频帧边缘图像进行二值化处理，得到所述预设数量的二值化视频帧图像。
进一步，所述判断模块包括：
统计单元，用于根据所述预设水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数，所述预设象限包括象限A、象限B、象限C和象限D，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0；
判断单元，用于判断是否每个象限落入的像素点个数均符合所述象限预设的个数范围；如果每个象限落入的像素点个数均符合所述象限预设的个数范围，则确定所述二值化视频帧图像含有水印；如果至少一个象限落入的像素点个数不符合所述象限预设的个数范围，则确定所述二值化视频帧图像不含有水印。
进一步，所述确定模块具体用于：
如果所述视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定所述视频文件不含有水印；
如果所述视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定所述视频文件含有水印；
其中，m和n均为预设的检测阈值，1≤n＜m＜所述预设数量。
进一步，所述卷积模块包括：
矩阵转换单元，用于分别将所述二值化水印图像和所述二值化视频帧图像转换成水印矩阵和视频帧矩阵；
卷积运算单元，用于以所述水印矩阵为卷积核，按照预设的移动方向和步长对所述视频帧矩阵进行卷积运算，得到卷积结果矩阵。
第三方面，本申请还提供一种电子设备，包括：
存储器，用于存储程序指令；
处理器，用于调用并执行所述存储器中的程序指令，以实现第一方面所述的方法。
第四方面，本申请还提供一种存储介质，所述存储介质中存储有计算机程序，当第二方面所述的装置的至少一个处理器执行所述计算机程序时，所述装置执行第一方面所述的方法。
由以上技术方案可知，本申请实施例提供一种视频水印的检测方法、装置、电子设备及存储介质，所述方法首先从视频文件中获取预设数量的二值化视频帧图像；然后使用二值化水印图像对二值化视频帧图像进行卷积运算，获得二值化视频帧图像中对应最大卷积结果的目标子块；再通过比较二值化水印图像和目标子块对应位置处的二值化像素值，判断该二值化视频帧图像是否含有水印；最后根据部分或者全部二值化视频帧图像对应的判断结果，确定该视频文件是否含有水印。本申请方法可以在水印速度运动位置的情况下，实现对视频水印的检测，并具有极低的错误率和漏检率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请根据一示例性实施例示出的视频水印的检测方法流程图；
图2为本申请根据一示例性实施例示出的视频水印的检测装置框图；
图3为本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，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，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
在数字水印领域，使用水印嵌入算法将水印图像嵌入到视频文件中，可以防止视频被篡改，标注***，并防止他人盗用视频，达到保护视频版权和版权方利益的效果。然而，如果水印嵌入算法被视频盗用方破解，则意味着视频中的水印会被盗用方完美消除。
动态水印嵌入算法是静态水印嵌入算法被盗用方破解后的研究产物。动态水印的运动速度是破解水印嵌入算法的关键。由于使用同一嵌入算法得到的所有视频文件的水印运动速度均相同，因此若盗用方获得一个视频的水印运动速度并破解该视频所使用的水印嵌入算法，相当于破解了所有视频使用的水印嵌入算法，从而使得批量处理视频得以实现。
为了进一步提高水印嵌入算法的抗攻击能力，一种水印嵌入算法在对每个无水印视频进行水印嵌入处理时，随机产生水印运动速度值，用以完成对该视频的水印嵌入，使得到的每个水印视频的水印运动速度均不同，进而阻止盗用方进行破解。
然而，不同水印视频中水印运动速度的随机化虽能阻止盗用方破解嵌入算法，但同时也给水印检测技术带来障碍。这是因为，现有的水印检测方法是在水印运动速度已知的前提下，首先按照一定规则从视频中抽取出多幅画面帧，然后利用Sobel算子对每帧画面进行梯度计算，得到梯度图像，再将得到的梯度图像按照水印的运动速度进行平移叠加，以增强画面中含有水印的部分，最后使用预先训练好的分类模型预测增强后的图像是否含有水印。也就是说，现有的水印检测方法依赖于水印运动速度，若水印运动速度未知，则无法进行检测。
为了在水印运动速度未知的情况下，实现对视频水印的检测，本申请实施例提供一种视频水印的检测方法，图1为该方法的一个示例性实施例流程图，如图1所示，该方法可以包括：
步骤100，从视频文件中获取预设数量的二值化视频帧图像。
在步骤100中，首先对待检测的视频文件进行抽帧，抽取的帧数为预设数量N，抽取出的N帧视频帧图像构成视频帧序列。在一些实施例中，m＜N＜50，其中，m为预先设置的第一检测阈值；然后对每一幅视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；再对每一视频帧边缘图像进行二值化处理，得到预设数量的二值化视频帧图像。
步骤200，获取二值化水印图像，以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块。
水印图像即为本申请方法的检测目标，本申请方法的目的即，检测视频文件中是否该水印图像。
作为可能的实现方式，获取二值化水印图像具体包括：首先获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；然后对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像。
需要说明的是，实现边缘检测处理的方法有很多，例如基于搜索和基于零交叉的边缘检测算法。其中，基于搜索的边缘检测方法首先计算边缘强度，通常用一阶导数表示，例如梯度模，然后估计边缘的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘，通常用拉普拉斯算子或非线性微分方程的零交叉点。由于实现边缘检测处理的方法以为本领域技术人员所公知，因此本申请不予赘述。
在这些实施例中，通过对水印图像和视频帧图像进行边缘检测处理，可以在保留图像重要的结构属性基础上，剔除不相关的信息，大幅度地减少数据计算量。
以边缘化视频帧图像为例，对上述二值化操作的一种实现予以说明。首先采用平均值法将边缘化视频帧图像灰度化，得到灰度视频帧图像，然后采用阈值法对灰度视频帧图像进行二值化处理，即：以预设阈值T为边界，把灰度视频帧图像的像素值分布分为两个部分，若某像素点的像素值大于等于T，则令该像素点的二值化像素值为1，若某像素点的像素值小于T，则令该像素点的二值化像素值为0，从而得到像素值为0或1两种取值的二值化视频帧图像，其中，预设阈值T可以为128。
在步骤200中，对于每一二值化帧视频帧图像，通过图像卷积提取二值化视频帧图像的特征，意在根据特征提取结果(卷积结果)确定二值化视频帧图像中的与二值化水印图像最为相似的部分。
具体实现时，首先分别将二值化水印图像和二值化视频帧图像转换成水印矩阵和视频帧矩阵；然后以水印矩阵为卷积核，按照预设的移动方向和步长对视频帧矩阵进行卷积运算，得到卷积结果矩阵，卷积结果矩阵包括多个卷积结果，每个卷积结果对应视频帧图像中的一个子块；最后选择与最大卷积结果对应的子块为目标子块。
示例性地，假设水印图像大小a×b、经矩阵变换得到的水印矩阵为[a×b](a行b列的矩阵)，视频帧图像大小为x×y，经矩阵变换得到的视频帧矩阵为[x×y](x行y列的矩阵)。以[a×b]为卷积核、1为移动步长对[x×y]进行卷积运算，得到卷积结果矩阵为[(y-b+1)×(x-a+1)]。卷积结果矩阵包含(y-b+1)×(x-a+1)个元素，每个元素为一个卷积结果，每一个卷积结果对应视频帧图像中的一个子块。由于卷积结果的大小表征了水印图像与卷积结果对应子块的相似程度，并且(y-b+1)×(x-a+1)个卷积结果中最大卷积结果对应的子块与水印图像最为相似，因此选择与最大卷积结果对应的子块为目标子块。
步骤300，通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印。
本实施例中，二值化水印图像与目标子块在对应位置处的像素点组成像素对，为了便于区分与说明，本申请将像素对中属于水印图像的像素点称为第一像素点，将像素对中属于目标子块的像素点成为第二像素点。
具体可以按照如下方式，判断视频帧图像是否含有水印：
预先根据第一像素点和第二像素点四种可能的组合方式，划分出四个预设象限，分别为象限A、象限B、象限C和象限D，其中，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，即第一像素点和第二像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，即第一像素点和第二像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，即第一像素点和第二像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0，即第一像素点和第二像素点的二值化像素值分别为0和0。
然后根据所述预设水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数。
再分别判断每个象限落入的像素对个数均是否符合该象限预设的个数范围，如果每个象限落入的像素对个数均符合该象限预设的个数范围，则确定该二值化视频帧图像含有水印，如果至少一个象限落入的像素对个数不符合该象限预设的个数范围，则确定该二值化视频帧图像不含有水印。
步骤400，根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印。
具体的，如果视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定视频文件不含有水印；如果视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定视频文件含有水印；其中，m和n均为预设的检测阈值，m为第一检测阈值，n为第二检测阈值，1≤n＜m＜N(预设数量)。
具体实现时，将视频帧序列中每个视频帧图像对应的判断结果保存在数组S中，数组S中判断结果的排列顺序与视频帧序列中视频帧图像的排列顺序相匹配。在此基础上，依次读取数组S中保存的判断结果，如果读取到第m个判断结果(即第m帧视频帧图像对应的判断结果)时，仍未读取到含有水印的结果，说明视频帧序列中前m帧视频帧图像均不含有水印，此时停止读取，并认为该视频文件不含有水印，如果在读取到第m个判断结果之前，就已经读取到n个含有水印的结果，则在读取到第n个含有水印的结果时，停止读取，并认为该视频文件含有水印；如果读取到第m个判断结果时，已经读取到含有水印的结果但数量不足n，则继续读取第m+1个判断结果，直到读取到至少n个含有水印的结果时，停止读取，并认为该视频文件含有水印。
使用1859个含水印视频和1860个无水印视频作为测试样本，对本申请实施例提供的视频水印检测方法进行测试，测试结果如表1所示：
表1
测试样本 总数量 检测含水印数量 检测不含水印数量 错误率 漏检率
含水印视频 1859 1776 83 0 4.47％
无水印视频 1000 4 1856 0.20 0
其中，对漏检的情况进行排查发现，导致漏检的主要原因是视频过于模糊。
从表1所示测试结果可以看出，本申请提供的视频水印检测方法具有极低的错误率和漏检率。
由以上实施例可知，本申请实施例提供一种视频水印的检测方法，首先从视频文件中获取预设数量的二值化视频帧图像；然后使用二值化水印图像对二值化视频帧图像进行卷积运算，获得二值化视频帧图像中对应最大卷积结果的目标子块；再通过比较二值化水印图像和目标子块对应位置处的二值化像素值，判断该二值化视频帧图像是否含有水印；最后根据部分或者全部二值化视频帧图像对应的判断结果，确定该视频文件是否含有水印。本申请方法可以在水印速度运动位置的情况下，实现对视频水印的检测，并具有极低的错误率和漏检率。
根据上述实施例提供的视频水印的检测方法，本申请实施例还提供一种视频水印的检测装置，如图2所示，该装置可以包括：
获取模块210，用于从视频文件中获取预设数量的二值化视频帧图像，以及获取二值化水印图像；卷积模块220，用于以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块；判断模块230，用于用于通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印；确定模块240，用于用于根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印。
在一些实施例中，获取模块包括：第一获取单元，用于获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像；所述从视频文件中获取预设数量的二值化视频帧图像：第二获取单元，用于从视频文件中获取视频帧序列，所述视频帧序列包括预设数量的视频帧图像；对所述预设数量的视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；对所述预设数量的视频帧边缘图像进行二值化处理，得到所述预设数量的二值化视频帧图像。
在一些实施例中，所述判断模块包括：统计单元，用于根据所述预设水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数，所述预设象限包括象限A、象限B、象限C和象限D，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0；判断单元，用于判断是否每个象限落入的像素点个数均符合所述象限预设的个数范围；如果每个象限落入的像素点个数均符合所述象限预设的个数范围，则确定所述二值化视频帧图像含有水印；如果至少一个象限落入的像素点个数不符合所述象限预设的个数范围，则确定所述二值化视频帧图像不含有水印。
在一些实施例中，所述确定模块具体用于：如果所述视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定所述视频文件不含有水印；如果所述视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定所述视频文件含有水印；其中，m和n均为预设的检测阈值，1≤n＜m＜所述预设数量。
在一些实施例中，所述卷积模块包括：矩阵转换单元，用于分别将所述二值化水印图像和所述二值化视频帧图像转换成水印矩阵和视频帧矩阵；卷积运算单元，用于以所述水印矩阵为卷积核，按照预设的移动方向和步长对所述视频帧矩阵进行卷积运算，得到卷积结果矩阵。
图3为本申请实施例提供的电子设备的硬件结构示意图。如图3所示，该电子设备，可以包括：存储器301，用于存储程序指令；处理器302，用于调用并执行所述存储器中的程序指令，以实现上述视频水印的检测方法。
本实施例中，处理器和存储器可通过总线或其他方式连接。处理器可以是通用处理器，例如中央处理器、数字信号处理器、专用集成电路，或者被配置成实施本发明实施例的一个或多个集成电路。存储器可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘。
具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有计算程序，当视频水印检测装置的至少一个处理器执行所述计算机程序时，视频水印检测装置执行本申请视频水印检测方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于装置、电子设备及存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (10)

1.一种视频水印的检测方法，其特征在于，所述方法包括：
从视频文件中获取预设数量的二值化视频帧图像；
获取二值化水印图像，以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块；
通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印；
根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印；
所述通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印，包括：
根据所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数，所述预设象限包括象限A、象限B、象限C和象限D，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0；判断是否每个象限落入的像素点个数均符合所述象限预设的个数范围；如果每个象限落入的像素点个数均符合所述象限预设的个数范围，则确定所述二值化视频帧图像含有水印；如果至少一个象限落入的像素点个数不符合所述象限预设的个数范围，则确定所述二值化视频帧图像不含有水印。
2.根据权利要求1所述的方法，其特征在于，所述获取二值化水印图像包括：
获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；
对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像；
所述从视频文件中获取预设数量的二值化视频帧图像：
从视频文件中获取视频帧序列，所述视频帧序列包括预设数量的视频帧图像；
对所述预设数量的视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；
对所述预设数量的视频帧边缘图像进行二值化处理，得到所述预设数量的二值化视频帧图像。
3.根据权利要求2所述的方法，其特征在于，所述根据部分或全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印，包括：
如果所述视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定所述视频文件不含有水印；
如果所述视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定所述视频文件含有水印；
其中，m和n均为预设的检测阈值，1≤n＜m＜所述预设数量。
4.根据权利要求2所述的方法，其特征在于，所述以二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，包括：
分别将所述二值化水印图像和所述二值化视频帧图像转换成水印矩阵和视频帧矩阵；
以所述水印矩阵为卷积核，按照预设的移动方向和步长对所述视频帧矩阵进行卷积运算，得到卷积结果矩阵。
5.一种视频水印的检测装置，其特征在于，所述装置包括：
获取模块，用于从视频文件中获取预设数量的二值化视频帧图像，以及获取二值化水印图像；
卷积模块，用于以所述二值化水印图像为卷积核对所述二值化视频帧图像进行卷积运算，得到卷积结果矩阵，确定所述二值化视频帧图像中的目标子块，所述卷积结果矩阵包括至少一个卷积结果，每个所述卷积结果对应所述二值化视频帧图像中的一个子块，所述目标子块为与所述卷积结果矩阵中最大卷积结果对应的子块；
判断模块，用于通过比较所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，判断所述二值化视频帧图像是否含有水印；
确定模块，用于根据部分或者全部所述二值化视频帧图像对应的判断结果，确定所述视频文件是否含有水印；
所述判断模块包括：
统计单元，用于根据所述二值化水印图像和所述目标子块对应位置处的像素点的二值化像素值，统计落入到各个预设象限的像素点个数，所述预设象限包括象限A、象限B、象限C和象限D，所述象限A中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和1，所述象限B中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和1，所述象限C中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为1和0，所述象限D中所述二值化水印图像和所述目标子块在对应位置处的像素点的二值化像素值分别为0和0；
判断单元，用于判断是否每个象限落入的像素点个数均符合所述象限预设的个数范围；如果每个象限落入的像素点个数均符合所述象限预设的个数范围，则确定所述二值化视频帧图像含有水印；如果至少一个象限落入的像素点个数不符合所述象限预设的个数范围，则确定所述二值化视频帧图像不含有水印。
6.根据权利要求5所述的装置，其特征在于，所述获取模块包括：
第一获取单元，用于获取水印图像，对所述水印图像进行边缘检测处理，得到边缘化水印图像；对所述边缘化水印图像进行二值化处理，得到所述二值化水印图像；所述从视频文件中获取预设数量的二值化视频帧图像：
第二获取单元，用于从视频文件中获取视频帧序列，所述视频帧序列包括预设数量的视频帧图像；对所述预设数量的视频帧图像进行边缘检测，得到预设数量的视频帧边缘图像；对所述预设数量的视频帧边缘图像进行二值化处理，得到所述预设数量的二值化视频帧图像。
7.根据权利要求6所述的装置，其特征在于，所述确定模块具体用于：
如果所述视频帧序列中前m帧视频帧图像对应的二值化视频帧图像均不含有水印，则确定所述视频文件不含有水印；
如果所述视频帧序列中至少n帧视频帧图像对应的二值化视频帧图像含有水印，则确定所述视频文件含有水印；
其中，m和n均为预设的检测阈值，1≤n＜m＜所述预设数量。
8.根据权利要求6所述的装置，其特征在于，所述卷积模块包括：
矩阵转换单元，用于分别将所述二值化水印图像和所述二值化视频帧图像转换成水印矩阵和视频帧矩阵；
卷积运算单元，用于以所述水印矩阵为卷积核，按照预设的移动方向和步长对所述视频帧矩阵进行卷积运算，得到卷积结果矩阵。
9.一种电子设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用并执行所述存储器中的程序指令，以实现权利要求1-4任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当权利要求5-8任一项所述的装置的至少一个处理器执行所述计算机程序时，所述装置执行权利要求1-4任一项所述的方法。
CN202010212767.6A 2020-03-24 2020-03-24 视频水印的检测方法、装置、电子设备和存储介质 Active CN111445376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010212767.6A CN111445376B (zh) 2020-03-24 2020-03-24 视频水印的检测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010212767.6A CN111445376B (zh) 2020-03-24 2020-03-24 视频水印的检测方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111445376A CN111445376A (zh) 2020-07-24
CN111445376B true CN111445376B (zh) 2023-08-18

Family

ID=71652459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010212767.6A Active CN111445376B (zh) 2020-03-24 2020-03-24 视频水印的检测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111445376B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102141B (zh) * 2020-09-24 2022-04-08 腾讯科技（深圳）有限公司 水印的检测方法、装置、存储介质以及电子设备
CN112419132B (zh) * 2020-11-05 2024-06-18 广州海外扛把子网络科技有限公司 视频水印检测方法、装置、电子设备及存储介质
CN114513680B (zh) * 2021-12-28 2023-04-28 上海瑞家信息技术有限公司 一种视频处理方法、设备、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1567353A (zh) * 2003-06-13 2005-01-19 上海师范大学 一种在二值图像上嵌入水印以及提取水印的方法
US6983056B1 (en) * 1999-08-06 2006-01-03 International Business Machines Corporation Method and device for embedding and detecting watermarking information into a black and white binary document image
EP2410726A2 (en) * 2004-02-02 2012-01-25 Nippon Telegraph And Telephone Corporation Digital watermark detection apparatus, method and program
CN106096668A (zh) * 2016-08-18 2016-11-09 携程计算机技术（上海）有限公司 带水印图像的识别方法及识别***
CN106331746A (zh) * 2016-09-19 2017-01-11 北京小度互娱科技有限公司 用于识别视频文件中的水印位置的方法和装置
CN110532871A (zh) * 2019-07-24 2019-12-03 华为技术有限公司 图像处理的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6795565B2 (en) * 2001-03-08 2004-09-21 Sony Corporation Method to detect watermark resistant to resizing and translation
US9218638B2 (en) * 2012-03-27 2015-12-22 Infosys Limited Method, system, and computer-readable medium for embedding and extracting a watermark in a video

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6983056B1 (en) * 1999-08-06 2006-01-03 International Business Machines Corporation Method and device for embedding and detecting watermarking information into a black and white binary document image
CN1567353A (zh) * 2003-06-13 2005-01-19 上海师范大学 一种在二值图像上嵌入水印以及提取水印的方法
EP2410726A2 (en) * 2004-02-02 2012-01-25 Nippon Telegraph And Telephone Corporation Digital watermark detection apparatus, method and program
CN106096668A (zh) * 2016-08-18 2016-11-09 携程计算机技术（上海）有限公司 带水印图像的识别方法及识别***
CN106331746A (zh) * 2016-09-19 2017-01-11 北京小度互娱科技有限公司 用于识别视频文件中的水印位置的方法和装置
CN110532871A (zh) * 2019-07-24 2019-12-03 华为技术有限公司 图像处理的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Guoyin Zhang.A Fragile Watermarking Scheme of Anti-deleting Features for 2D Vector Map.Advanced Hybrid Information Processing.2018,360-368. *

Also Published As

Publication number Publication date
CN111445376A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
CN111445376B (zh) 视频水印的检测方法、装置、电子设备和存储介质
D'Avino et al. Autoencoder with recurrent neural networks for video forgery detection
Tang et al. Adaptive steganalysis against WOW embedding algorithm
Wang et al. A survey of passive image tampering detection
Andriotis et al. JPEG steganography detection with Benford's Law
El-Sayed et al. New edge detection technique based on the shannon entropy in gray level images
Alwan et al. Data embedding based on better use of bits in image pixels
Hou et al. Detection of hue modification using photo response nonuniformity
CN114638777A (zh) 图像瑕疵检测方法、装置、电子设备及介质
CN112788342A (zh) 一种水印信息嵌入方法以及装置
Fadl et al. A proposed accelerated image copy-move forgery detection
CN111652875A (zh) 一种视频伪造检测方法、***、存储介质、视频监控终端
CN110084781A (zh) 基于特征点的监控视频篡改检测的被动取证方法及***
CN112580668A (zh) 一种背景欺诈检测方法、装置及电子设备
KR101803066B1 (ko) 불법 복제된 서적의 통합 식별 시스템 및 방법
Gisolf et al. Common source identification of images in large databases
CN111144425B (zh) 检测拍屏图片的方法、装置、电子设备及存储介质
CN112235305A (zh) 一种基于卷积神经网络的恶意流量检测方法
Guan et al. An effective image steganalysis method based on neighborhood information of pixels
Sari et al. The effect of error level analysis on the image forgery detection using deep learning
Yang et al. Locating secret messages based on quantitative steganalysis
CN101414352B (zh) 信息处理设备和信息处理方法
Mungmode et al. A modified high frequency adaptive security approach using steganography for region selection based on threshold value
Fadl et al. Copy-rotate-move forgery detection based on spatial domain
CN115222699A (zh) 缺陷检测方法和缺陷检测装置及***

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