【技術實現步驟摘要】
本專利技術涉及視頻水印、版權保護，更具體的說是涉及一種端到端視頻水印方法及系統。
技術介紹
1、現有深度學習的視頻水印算法仍存在一定的局限性。例如，在編碼階段，嵌入水印后的視頻可能會與原始視頻在視覺質量上有明顯的不同，某些情況下甚至能在嵌有水印的載體視頻中直接觀察到水印信息。在解碼階段，在遭受各種攻擊后的視頻中，不能有效提取水印特征，導致水印提取的不夠準確。此外，水印的嵌入容量有待進一步提升。
2、因此，如何提高視頻水印質量和嵌入容量是本領域技術人員亟需解決的問題。
技術實現思路
1、有鑒于此，本專利技術提供了一種端到端視頻水印方法及系統，是一種基于卷積神經網絡的端到端視頻水印方法，提高了視頻水印質量和嵌入容量，并增強了算法魯棒性。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、一種端到端視頻水印方法，包括以下步驟：
4、步驟1：對載體視頻和水印進行預處理，獲得預處理后的載體視頻和水印；
5、步驟2：采用卷積神經網絡對預處理后的載體視頻和水印進行特征提取，將提取的特征進行融合獲得冗余視頻特征，將冗余視頻特征嵌入預處理后的載體視頻中，獲得水印視頻；
6、步驟3：向水印視頻中加入噪聲，獲得噪聲水印視頻；
7、步驟4：對噪聲水印視頻進行去噪和解碼，獲得水印。
8、優選的，步驟1的具體過程為：
9、步驟11：對載體視頻進行裁剪統一化處理，并進行dwt變換，獲得預處理后的載體
10、步驟12：對水印先采用最近鄰插值填充，再執行復制填充方法將水印擴充至載體視頻的尺寸，獲得預處理后的水印。
11、優選的，步驟2的具體過程為：
12、步驟21：提取預處理后的載體視頻的特征，獲得載體視頻特征；
13、步驟22：提取預處理后的水印的特征，獲得水印特征；
14、步驟23：拼接載體視頻特征和水印特征，進行融合，獲得冗余視頻特征；
15、步驟24：將預處理后的載體視頻和冗余視頻特征進行逐點相加，得到水印視頻。
16、優選的，向水印視頻中加入的噪聲包括可微分噪聲或不可微分噪聲；如果加入可微分噪聲，則將水印視頻和可微分噪聲輸入卷積神經網絡，獲得噪聲水印視頻；如果加入不可微分噪聲，將水印視頻和真實噪聲輸入卷積神經網絡，獲得有噪視頻，計算有噪視頻和水印視頻的差值獲得噪聲差值，將噪聲差值與水印視頻相加，獲得噪聲水印視頻。對于剪切攻擊和高斯噪聲等可以直接進行數學微分計算處理的可微分攻擊類型，允許它們直接參與到卷積神經網絡的訓練中；對于視頻壓縮等不可微分計算的攻擊類型，采取間接學習視頻壓縮等不可微分類型攻擊的網絡，如不可微噪聲傳播，首先對于水印視頻增加真實的噪聲，生成真實的含有噪聲視頻。然后計算含有噪聲視頻與原始水印視頻之間的值，記為噪聲差值，最后再將差值與水印視頻相加產生含有噪聲的視頻，雖然這種方法在表面上看起來與直接向水印視頻添加噪聲無異，但關鍵之處在于通過對水印視頻執行加法和減法操作，使得水印視頻具備了可微分性質，能夠使神經網絡進行反向傳播。
17、優選的，步驟4的具體過程包括：
18、步驟41：對噪聲水印視頻進行dwt變換，獲得低維多通道特征視頻；
19、步驟42：對低維多通道視頻進行升維處理，獲得高維多通道特征視頻；
20、步驟43：對高維多通道特征視頻進行降維處理，獲得預處理后的水印；
21、步驟44：對預處理后的水印采用水印預處理的逆方法，提取出水印。
22、優選的，還包括步驟5：對步驟4中獲得的載體視頻進行水印鑒別，依靠三維卷積模塊和平均池化完成特征提取和視頻是否嵌入水印的判斷任務，如果判斷載體視頻嵌入水印則調整步驟2中卷積神經網絡的參數，進一步提高水印視頻和原始視頻之間的視覺質量以及提高連續視頻幀的時間一致性；否則輸出水印，說明此時的水印嵌入效果較好。
23、一種端到端視頻水印系統，包括嵌入端和解碼端，其中嵌入端包括預處理模塊、編碼器和噪聲層，解碼端包括解碼器；
24、嵌入端采集載體視頻和水印；經過預處理模塊對輸入視頻和水印進行預處理，獲得預處理后的載體視頻和水印；編碼器對預處理后的載體視頻和水印進行特征提取，將提取的特征進行融合獲得冗余視頻特征，將冗余視頻特征嵌入預處理后的載體視頻中，獲得水印視頻；噪聲層向水印視頻中加入噪聲，獲得噪聲水印視頻；
25、解碼端接收噪聲水印視頻，經過解碼器的去噪和解碼，獲得水印和載體視頻。
26、優選的，編碼器包括視頻變換層、水印變換層、嵌入層、若干拼接模塊和若干降維模塊；視頻變換層和水印變換層分別包括若干三維卷積模塊；每個三維卷積模塊包括依次連接的三維卷積層、relu激活函數層和批量歸一化層，步長設置為1，填充設置為1，卷積核為3×3×3；視頻變換層提取視頻特征，水印變換層提取水印特征，拼接模塊對視頻特征和水印特征進行拼接，降維模塊將拼接后的特征進行降維處理獲得冗余視頻特征，嵌入層將冗余視頻特征嵌入載體視頻中獲得水印視頻。
27、其中，載體視頻經過三維卷積模塊后將維度為c×t×h×w的特征轉換成維度為d×t×h×w的特征提取出來，作為水印載體，其中，c代表通道數，t代表幀數，h和w分別代表特征高度和寬度，d代表輸出通道數；嵌入水印經過三維卷積模塊后將維度為1×1×h×w的特征轉換成d×t×h×w的水印特征提取出來，作為水印信息，其中通道數c設置為3；通過拼接模塊將d×t×h×w維度的水印載體和水印信息進行拼接，形成2d×t×h×w維度的特征，再通過降維模塊將特征維度降回到原來的d×t×h×w；載體視頻和嵌入水印經過4次特征提取、拼接和降維后，形成冗余視頻特征；嵌入層將載體視頻和冗余視頻特征進行逐點相加，得到含水印特征的水印視頻，嵌入層能夠避免網絡出現梯度消失或梯度爆炸的問題。
28、優選的，解碼器包括視頻變換層、升維模塊、降維模塊和逆變換模塊，其中涉及到的三維卷積塊和特征提取方式與編碼器相同；視頻變換層包括若干三維卷積模塊，每個三維卷積模塊包括依次連接的三維卷積層、relu激活函數層和批量歸一化層；視頻變換層對加入噪聲的噪聲水印視頻進行dwt變換，將rgb三通道轉換成包括低頻、中低頻、高頻在內的12個通道，然后在升維模塊通過4個卷積層的4次卷積過程實現利用4次增加特征通道的方式，將dwt變換后的視頻轉換成一個128通道的特征視頻；降維模塊通過4個卷積層的4次卷積過程實現利用4次減少特征通道的操作，將128通道特征視頻變換成1通道的輸出得到預處理后的水印；逆變換模塊通過水印預處理的逆方法從預處理后的水印中提取出原始的水印。通過增加通道數的方式，網絡可以學習到更多豐富和抽象的特征信息，不僅提升了網本文檔來自技高網...
【技術保護點】
1.一種端到端視頻水印方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟1的具體過程為：
3.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟2的具體過程為：
4.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，向水印視頻中加入的噪聲包括可微分噪聲或不可微分噪聲；如果加入可微分噪聲，則將水印視頻和可微分噪聲輸入卷積神經網絡，獲得噪聲水印視頻；如果加入不可微分噪聲，將水印視頻和真實噪聲輸入卷積神經網絡，獲得有噪視頻，計算有噪視頻和水印視頻的差值獲得噪聲差值，將噪聲差值與水印視頻相加，獲得噪聲水印視頻。
5.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟4的具體過程包括：
6.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，還包括步驟5：對步驟4中獲得的載體視頻進行水印鑒別，如果判斷載體視頻嵌入水印，則調整步驟2中卷積神經網絡的參數，否則輸出水印。
7.一種端到端視頻水印系統，其特征在于，采用權利要求1-6任一項所述的一種端
8.根據權利要求7所述的一種端到端視頻水印系統，其特征在于，編碼器包括視頻變換層、水印變換層、嵌入層、若干拼接模塊和若干降維模塊；視頻變換層和水印變換層分別包括若干三維卷積模塊；每個三維卷積模塊包括依次連接的三維卷積層、ReLu激活函數層和批量歸一化層；視頻變換層提取視頻特征，水印變換層提取水印特征，拼接模塊對視頻特征和水印特征進行拼接，降維模塊將拼接后的特征進行降維處理獲得冗余視頻特征，嵌入層將載體視頻和冗余視頻特征進行逐點相加獲得水印視頻。
9.根據權利要求7所述的一種端到端視頻水印系統，其特征在于，解碼器包括視頻變換層、升維模塊、降維模塊和逆變換模塊，視頻變換層包括若干三維卷積模塊，每個三維卷積模塊包括依次連接的三維卷積層、ReLu激活函數層和批量歸一化層；視頻變換層對噪聲水印視頻進行DWT變換，將RGB三通道轉換成12個通道，通道劃分為低頻、中低頻和高頻；升維模塊通過4個卷積層將DWT變換后的視頻轉換成一個128通道的特征視頻；降維模塊通過4個卷積層將128通道特征視頻變換成1通道的輸出得到預處理后的水印；逆變換模塊通過水印預處理的逆方法從預處理后的水印中提取出原始的水印。
10.根據權利要求7所述的一種端到端視頻水印系統，其特征在于，還包括鑒別器，鑒別器包括4個三維卷積塊、1個自適應平均池化層、1個全連接層和1個Sigmoid激活函數層；其中，三維卷積塊提取輸入視頻的時間特征和空間特征，自適應平均池化層用于簡化卷積后提取的特征，全連接層將池化后的特征進行整合得出視頻得分，Sigmoid激活函數層用于將全連接后的視頻得分映射到0到1之間，得出載體視頻不含水印的概率，如果概率大于設定閾值則判斷載體視頻嵌入水印，否則判斷載體視頻沒有嵌入水印。
...【技術特征摘要】
1.一種端到端視頻水印方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟1的具體過程為：
3.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟2的具體過程為：
4.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，向水印視頻中加入的噪聲包括可微分噪聲或不可微分噪聲；如果加入可微分噪聲，則將水印視頻和可微分噪聲輸入卷積神經網絡，獲得噪聲水印視頻；如果加入不可微分噪聲，將水印視頻和真實噪聲輸入卷積神經網絡，獲得有噪視頻，計算有噪視頻和水印視頻的差值獲得噪聲差值，將噪聲差值與水印視頻相加，獲得噪聲水印視頻。
5.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，步驟4的具體過程包括：
6.根據權利要求1所述的一種端到端視頻水印方法，其特征在于，還包括步驟5：對步驟4中獲得的載體視頻進行水印鑒別，如果判斷載體視頻嵌入水印，則調整步驟2中卷積神經網絡的參數，否則輸出水印。
7.一種端到端視頻水印系統，其特征在于，采用權利要求1-6任一項所述的一種端到端視頻水印方法，包括嵌入端和解碼端，其中嵌入端包括預處理模塊、編碼器和噪聲層，解碼端包括解碼器；
8.根據權利要求7所述的一種端到端視頻水印系統，其特征在于，編碼器包括視頻變換層、水印變換層、嵌入層、若干拼接模塊和若干降維模塊；視頻變換層和水印變換層分別包括若干三維卷積模塊；每個三維卷積模塊...
【專利技術屬性】
技術研發人員：張珍珍，楊瀟，李子臣，丁海洋，于麗芳，李禎禎，
申請(專利權)人：北京印刷學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。