一种基于深度学习的视频图像透明水印嵌入提取方法技术

本发明专利技术提出了一种基于深度学习的视频图像透明水印嵌入提取方法，包括如下步骤：获取不同场景、不同时间段的视频图像；对视频图像添加透明水印，并生成对应的标签；使用数据增强技术，制作视频图像透明水印数据集；训练深度网络YOLO v3模型，保存训练参数；使用训练好的深度网络YOLO v3模型，识别待提取水印编码图形的水印编码位置、类别信息及类别置信度；整合水印编码图形，生成完整的水印信息。本发明专利技术能够增加视频水印的冗余信息，实现局部、不同光线等不同场景下的恶意拍摄传播时，能够提取水印的完整信息；嵌入的半透明水印抗压缩能力强，在手机拍摄等恶劣条件下传播能够保留水印信息；使用深度学习模型提取水印信息，运算快，较传统算法更鲁棒。

【技术实现步骤摘要】
一种基于深度学习的视频图像透明水印嵌入提取方法
本专利技术涉及视频图像透明水印嵌入提取
，具体涉及一种基于深度学习的视频图像透明水印嵌入提取方法。
技术介绍
随着计算机网络和嵌入式设备的迅速发展，以及人们公共安全意识的增强，监控设备随处可见，监控视频很容易存储、复制、传播，对现场保护、事件复现起到很大的作用。但监控视频、视频图像的恶意传播却越来越受到人们的关注。对视频图像添加可提取水印成为追踪视频图像泄露源的重要手段。视频水印算法一般分为三大类，第一类就是在DCT系数中嵌入水印，第二类是在运动矢量中嵌入水印，第三类是在熵编码后的码字中嵌入水印，但存在以下不足：算法抗压缩性不强，带有水印的视频经过重编码后，其中的水印就会损坏，不利于后续的验证。水印冗余信息不足，水印视频经手机拍摄等传播后，水印信息丢失无法提取。
技术实现思路
为了解决上述问题，本专利技术提出一种基于深度学习的视频图像透明水印嵌入提取方法。为实现以上目的，本专利技术采用的技术方案是：一种基于深度学习的视频图像透明水印嵌入提取方法，包本文档来自技高网...

【技术保护点】
1.一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：包括如下步骤：/n步骤一：获取不同场景、不同时间段的视频图像；/n步骤二：对视频图像添加透明水印，并生成对应的标签；/n步骤三：使用数据增强技术，制作视频图像透明水印数据集；/n步骤四：训练深度网络YOLO v3模型，保存训练参数；/n步骤五：使用训练好的深度网络YOLO v3模型，识别待提取水印编码图形的水印编码位置、类别信息及类别置信度；/n步骤六：整合水印编码图形，生成完整的水印信息。/n

【技术特征摘要】
1.一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：包括如下步骤：
步骤一：获取不同场景、不同时间段的视频图像；
步骤二：对视频图像添加透明水印，并生成对应的标签；
步骤三：使用数据增强技术，制作视频图像透明水印数据集；
步骤四：训练深度网络YOLOv3模型，保存训练参数；
步骤五：使用训练好的深度网络YOLOv3模型，识别待提取水印编码图形的水印编码位置、类别信息及类别置信度；
步骤六：整合水印编码图形，生成完整的水印信息。


2.根据权利要求1所述的一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：所述步骤二中，对视频图像添加透明水印，并生成对应的标签的具体方法为：
步骤a、随机生成水印信息，水印信息是一个六位数字的整形数；
步骤b、对水印信息进行编码，每个数字对应一个水印编码图形，水印信息编码有一个相同的共用的起始水印编码图形；
步骤c、将水印信息编码嵌入到视频图像中，水印编码图形等间距水平平铺，在竖直方向上的距离在视频图像宽度范围内随机产生；
步骤d、生成对应视频图像的标签文件，每行包含一个水印编码图形的信息:类别,起始坐标，长宽。


3.根据权利要求2所述的一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：所述步骤b中，水印编码图形等宽等高，不同的水印编码图形区分度明显，共有11个类别。


4.根据权利要求2所述的一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：所述步骤c中，水印信息编码嵌入到视频图像中的嵌入方式算法为：
i(x,y)＝α*i(x,y)+(1-α)*(255-i(x,y))
其中，i(x,y)表示水印编码图形掩码下坐标(x,y)的像素值，α表示透明度系数，可通过α值来调整透明度程度。


5.根据权利要求2所述的一种基于深度学习的视频图像透明水印嵌入提取方法，其特征在于：所述水印编码图形水平平铺的间距为水印编码图形宽度的一半。


6....

【专利技术属性】
技术研发人员：杨公所，袭喜悦，陆腾，
申请(专利权)人：山东华软金盾软件股份有限公司，
类型：发明
国别省市：山东;37