快速识别视频水印的方法及其装置制造方法及图纸

本发明专利技术涉及快速识别视频水印的方法，包括以下：进行视频水印识别模型的训练，得到视频水印识别模型；获取目标视频，将目标视频进行截图得到的目标图片作为第一图片；对所述第一图片进行预处理得到第二图片；将所述第二图片输入所述视频水印识别模型，输出识别得到的水印。本发明专利技术通过预建立视频水印识别模型，并对待输入的图片进行预处理加快识别速度，最终完成视频水印的识别，本发明专利技术采用的方法运行速度快，能够快速的对视频水印进行识别。能够快速的对视频水印进行识别。能够快速的对视频水印进行识别。

【技术实现步骤摘要】
快速识别视频水印的方法及其装置


[0001]本专利技术涉及图像处理
，尤其涉及快速识别视频水印的方法及其装置。

技术介绍

[0002]所谓数字水印是向数据多媒体(如图像、声音、视频信号等)中添加某些数字信息以达到文件真伪鉴别、版权保护等功能。嵌入的水印信息隐藏于宿主文件中，不影响原始文件的可观性和完整性。
[0003]数字水印过程就是向被保护的数字对象(如静止图像、视频、音频等)嵌入某些能证明版权归属或跟踪侵权行为的信息，可以是作者的序列号、公司标志、有意义的文本等等。
[0004]在施加了视频水印后，往往在后续需要对其进行智能识别，当今市场的视频水印识别技术往往识别时间较长，无法快速对视频水印进行识别。

技术实现思路

[0005]本专利技术的目的是为了至少解决现有技术的不足之一，提供快速识别视频水印的方法及其装置。
[0006]为了实现上述目的，本专利技术采用以下的技术方案，
[0007]具体的，提出快速识别视频水印的方法，包括以下：
[0008]进行视频水印识别模型的训练，得到视频水印识别模型；
[0009]获取目标视频，将目标视频进行截图得到的目标图片作为第一图片；
[0010]对所述第一图片进行预处理得到第二图片；
[0011]将所述第二图片输入所述视频水印识别模型，输出识别得到的水印。
[0012]进一步，具体的，所述视频水印识别模型的训练，包括以下，
[0013]在模型训练阶段，使用coco数据集作为基础数据训练集，
[0014]从coco数据集中每次随机读取四张图片；
[0015]分别对四张图片进行翻转、缩放、色域变化操作；
[0016]操作完成之后再将得到的图片按照第一张图片摆放在左上，第二张图片摆放在左下，第三张图片摆放在右下，第四张图片摆放在右上四个方向位置摆好；
[0017]利用矩阵的方式将四张图片它固定的区域截取下来，然后将它们拼接起来，拼接成一张新的图片；
[0018]通过自适应锚框计算，训练网络在初始锚框的基础上输出预测框，并计算预测框和真实框的交集，计算两者差距，再反向更新，迭代网络参数，从而得到最终的水印真实框坐标。
[0019]进一步，具体的，所述预处理操作包括以下，
[0020]对所述第一图片，假定第一图片的长宽为l、w进行归一化处理将待检测图片统一缩放到一个标准尺寸l1*w1进行预测；
[0021]在进行缩放时，用将缩放后的长、宽分别对应除以原始图片的长、宽得到两个缩放系数即l/l1与w/w1，选取两个缩放系数中小的缩放系数作为最终缩放系数；
[0022]将原始图片的长、宽分别乘以最终缩放系数得到缩放后的长、宽，分别为l*min[l/l1，w/w1]、w*min[l/l1，w/w1]；
[0023]计算实际需要填充的高度h，
[0024]h＝|l*min[l/l1，w/w1]‑
w*min[l/l1，w/w1|，
[0025]通过调用numpy中np.mod取余数的方式对h进行处理，得到第一像素值，则以所述第一像素值的一半作为图片高度两端需要填充的数值。
[0026]进一步，具体的，所述视频水印识别模型的结构，包括以下，
[0027]水印深度模型神经网络的结构以原始608*608*3的图像输入Focus结构，采用切片操作，先变成304*304*12的特征图，再经过一次32个卷积核的卷积操作，最终变成304*304*32的特征图，抽取识别图片特征的骨干网络从多个单核，转变成多个多个单核下连接不同小核来把图片特征维度降低。
[0028]进一步，具体的，将目标视频进行截图得到的目标图片，包括以下，
[0029]对目标视频抽取前、中、后进行抽取，得到不同时间帧的5张图片作为目标图片，所述目标图片的规格为720
×
1280。
[0030]本专利技术还提出快速识别视频水印的装置，包括：
[0031]视频水印模型建立模块，用于进行视频水印识别模型的训练，得到视频水印识别模型；
[0032]获取目标视频，将目标视频进行截图得到的目标图片作为第一图片；
[0033]预处理模块，用于对所述第一图片进行预处理得到第二图片；
[0034]水印识别模块，用于将所述第二图片输入所述视频水印识别模型，输出识别得到的水印。
[0035]进一步，具体的，所述预处理模块包括，
[0036]归一化模块，用于对所述第一图片进行归一化处理将待检测图片统一缩放到一个标准尺寸416*416进行预测；
[0037]黑边填充模块，用于对归一化处理后的第一图片进行黑边填充得到第二图片。
[0038]本专利技术还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述快速识别视频水印的方法的步骤。
[0039]本专利技术的有益效果为：
[0040]本专利技术提出快速识别视频水印的方法，通过预建立视频水印识别模型，并对待输入的图片进行预处理加快识别速度，最终完成视频水印的识别，本专利技术采用的方法运行速度快，能够快速的对视频水印进行识别。
附图说明
[0041]通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
[0042]图1所示为本专利技术快速识别视频水印的方法的流程图；
[0043]图2所示为本专利技术快速识别视频水印的方法的第一实施例的第一作用原理图；
[0044]图3所示为本专利技术快速识别视频水印的方法的第一实施例的第二作用原理图；
[0045]图4所示为本专利技术快速识别视频水印的方法的第一实施例的第三作用原理图。
具体实施方式
[0046]以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
[0047]参照图1，实施例1，本专利技术提出快速识别视频水印的方法，包括以下：
[0048]步骤110、进行视频水印识别模型的训练，得到视频水印识别模型；
[0049]步骤120、获取目标视频，将目标视频进行截图得到的目标图片作为第一图片；
[0050]步骤130、对所述第一图片进行预处理得到第二图片；
[0051]步骤140、将所述第二图片输入所述视频水印识别模型，输出识别得到的水印。
[0052]具体的，本实施例在施行时，同样每个短视频平均大小是3M，每个视频抽取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.快速识别视频水印的方法，其特征在于，包括以下：进行视频水印识别模型的训练，得到视频水印识别模型；获取目标视频，将目标视频进行截图得到的目标图片作为第一图片；对所述第一图片进行预处理得到第二图片；将所述第二图片输入所述视频水印识别模型，输出识别得到的水印。2.根据权利要求1所述的快速识别视频水印的方法，其特征在于，具体的，所述视频水印识别模型的训练，包括以下，在模型训练阶段，使用coco数据集作为基础数据训练集，从coco数据集中每次随机读取四张图片；分别对四张图片进行翻转、缩放、色域变化操作；操作完成之后再将得到的图片按照第一张图片摆放在左上，第二张图片摆放在左下，第三张图片摆放在右下，第四张图片摆放在右上四个方向位置摆好；利用矩阵的方式将四张图片它固定的区域截取下来，然后将它们拼接起来，拼接成一张新的图片；通过自适应锚框计算，训练网络在初始锚框的基础上输出预测框，并计算预测框和真实框的交集，计算两者差距，再反向更新，迭代网络参数，从而得到最终的水印真实框坐标。3.根据权利要求2所述的快速识别视频水印的方法，其特征在于，具体的，所述预处理操作包括以下，对所述第一图片，假定第一图片的长宽为l、w进行归一化处理将待检测图片统一缩放到一个标准尺寸l1*w1进行预测；在进行缩放时，用将缩放后的长、宽分别对应除以原始图片的长、宽得到两个缩放系数即l/l1与w/w1，选取两个缩放系数中小的缩放系数作为最终缩放系数；将原始图片的长、宽分别乘以最终缩放系数得到缩放后的长、宽，分别为l*min[l/l1，w/w1]、w*min[l/l1，w/w1]；计算实际需要填充的高度h，h＝|l*min[l/l1，w/w1]
‑
w*min[l/l1，w/w1|，通过调用numpy中np.mod取余...

【专利技术属性】
技术研发人员：李森和，
申请(专利权)人：广州坚和网络科技有限公司，
类型：发明
国别省市：