[发明专利]一种水印检测、视频处理方法和相关设备

说明书

本发明实施例公开了一种水印检测、视频处理方法和相关设备，该水印检测方法包括：在原始图像数据中、针对水印检测目标区域；从目标图像数据中、针对水印提取目标图像特征，目标图像数据为原始图像数据中位于目标区域中的图像数据；确定参考图像数据的参考图像特征，参考图像数据中具有标记指定类别的水印；将目标图像特征与参考图像特征进行比较，以在所述原始图像数据中检测该类别中的水印。通过配置不同类别下水印的参考图像特征，可以召回不同类别的水印，在增加水印的类别的情况下，增加相应类别下水印的参考图像特征即可，从而支持水印类别的灵活扩展。

技术领域

本发明实施例涉及水印处理的技术，尤其涉及一种水印检测、视频处理方法和相关设备。

背景技术

随着互联网信息时代的发展，越来越多的公司、组织和个人选择在互联网上分享图像、视频，为了保护版权，通常会在图像、视频上打上水印标志。

由于水印的频繁出现，在某些场合中，以来水印进行相应的业务处理，此时，需要在图像、视频中检测水印。

现有的水印检测方法可以分为以下两大类：

(1)、基于手工特征的水印检测方法

利用滑窗法、selective search(选择性搜索)等方法生成候选区域，然后利用SIFT(Scale-invariant feature transform，尺度不变特征转换)、HOG(Histogram ofOriented Gradient，方向梯度直方图)等手工设计的特征提取方法对候选区域提取特征，最后通过SVM(Support Vector Machine，支持向量机)等分类器对特征进行分类。

这类方法需要生成大量的候选区域，冗余度高，因此，检测速度较慢；由于水印外观多种多样，手工设计的特征提取方式难以覆盖全面，导致检测精度较差。

(2)、基于深度特征的水印检测方法

将图像输入到深度卷积神经网络中提取特征，然后使用较少的卷积层或全连接层对特征进行分类。

这类方法利用大量带有水印的训练集对深度卷积神经网络进行训练，使其具有强大的拟合特性，可以直接从原始图像中提取到目标特征，相比于基于手工特征的方法，在速度和精度上都有较大提升。

但是，这类方法一般对训练集中已有的类别检测效果较好，当水印的类别增加时，需要更新训练集并重新训练，灵活性较差。

发明内容

本发明实施例提供一种水印检测、视频处理方法和相关设备，以解决在水印的类别增加时、水印检测的灵活性差的问题。

第一方面，本发明实施例提供了一种水印检测方法，包括：

在原始图像数据中、针对水印检测目标区域；

从目标图像数据中、针对水印提取目标图像特征，所述目标图像数据为所述原始图像数据中位于所述目标区域中的图像数据；

确定参考图像数据的参考图像特征，所述参考图像数据中具有标记指定类别的水印；

将所述目标图像特征与所述参考图像特征进行比较，以在所述原始图像数据中检测所述类别中的水印。

第二方面，本发明实施例还提供了一种视频处理方法，包括：

从视频数据中提取原始图像数据；

在所述原始图像数据中、针对水印检测目标区域；

从目标图像数据中、针对水印提取目标图像特征，所述目标图像数据为所述原始图像数据中位于所述目标区域中的图像数据；

确定参考图像数据的参考图像特征，所述参考图像数据中具有水印；