摘要
随着盗版行为的日益猖獗，视频作为最高效且普遍的信息传播载体，逐渐成为了盗版者所觊觎的主要目标。因此如何解决视频版权的保护问题变得越发重要。其中视频水印技术因其鲁棒性和不可感知性成为版权保护的重要方法。然而现有大多数的视频水印算法或是受限于传统算法无法应对新的视频攻击手段，或是只对单帧图像进行水印嵌入，导致视频中的冗余空间不能被很好的利用，并且在抵抗帧域攻击方面的能力有待提高。因此本文针对现有视频水印算法在抵抗帧域攻击方面的不足，结合了深度学习与传统算法提出了两种新的算法：基于帧域攻击训练的鲁棒视频水印算法和基于特征点筛选机制的分组鲁棒视频水印算法。在此基础上，本文设计并开发了基于嵌入式开发板的视频水印嵌入与提取系统，为视频版权保护提供应用平台。 本文的主要工作和创新点如下： （1）针对目前多数视频水印算法缺乏抵抗帧域攻击的能力，本文提出了一种基于帧域攻击训练的鲁棒视频水印算法。首先，在深度学习网络中添加了帧域攻击层，该攻击层将水印视频输入到含有帧域攻击的噪声攻击模块中进行攻击训练，其中的帧域攻击训练包括删除部分视频帧的帧删除攻击，以及复制部分视频帧的帧复制攻击。其次，在此基础上增加了图像失真中的Dropout攻击层，即重组原视频帧和水印视频帧像素块的失真攻击，以及高斯噪声攻击层。最后，对于遮挡部分视频区域的攻击加入了遮挡攻击层。实验结果表明该水印算法不仅提高了在单一攻击尤其是帧域攻击上的鲁棒性，还能够抵抗多种混合攻击，并且水印视频的视觉效果也有一定的提升。 （2）针对常见的视频水印算法通常会对所有视频帧未经筛选，即全帧嵌入同类水印，本文提出了一种基于特征点筛选机制的分组鲁棒视频水印算法。首先，设计了逻辑回归分类器用于对输入的视频帧进行筛选，将合适的视频帧应用特征点检测算法，对嵌入区域进行细分块。其次，提出了一种水印分组模式，即，将水印信息进行分割重组，每个分组中包括了起始帧标志位、分组子水印帧数和水印信息总位数的帧头模板，以及含有组内子帧水印序号和子水印信息的多个子帧水印。最后，分别将帧头模板和子帧水印以分组的模式循环嵌入到起始帧和子帧中。这种水印分组模式在提取阶段对识别到的起始帧，以投票制挑选出正确帧头模板，凭借帧头模板对应找到符合要求的子帧水印，并且有选择地重组为正确水印信息。实验结果表明，该水印算法能够实现水印容量的扩大与单帧水印内容的差异化，并且针对帧率转换攻击具有良好的鲁棒性。 （3）针对视频版权保护的实际需求以及大量数据处理的计算要求，本文将所提出的算法进行整合，结合嵌入式开发板，利用开发板的实时性和轻量级设计开发了视频水印嵌入与提取系统。该系统能够同步完成多个视频的水印嵌入和提取，为版权拥有者提供了灵活多样的水印嵌入与提取方式。通过该系统，版权拥有者可以自主设计水印信息，并将其嵌入到原创视频中，从而实现对视频版权的保护。在必要时，系统还能准确提取出视频中的水印信息，为维护版权提供有力支持。
NETL