一种图像水印检测方法、装置及电子设备与流程

本申请涉及互联网技术领域，尤其涉及一种图像水印检测方法、装置及电子设备。

背景技术：

随着移动互联网的发展，视频业务已然成为当今各类平台的重点业务。为了保护视频版权，不同的视频制作方往往会在上传之前，将自己制作的视频素材嵌入水印。各类平台作为视频的提供方，在对视频素材进行展示之前，需要对视频素材是否正确嵌入水印进行审核——通常审核其是否嵌入了合适尺寸的水印。目前的水印检测方法通常为检测人员借助人眼进行检测，由于受到测试人员主观因素和个人能力影响，检测结果的准确率较低。

因此，亟需一种能够提高图像水印检测准确率的技术方案。

技术实现要素：

本申请实施例提供了一种图像水印检测方法、装置及电子设备，用以解决现有技术中水印检测准确率低的问题。

本申请实施例还提供一种计算机可读存储介质，用以解决现有技术中水印检测准确率低的问题。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，提出了一种图像水印检测方法，所述方法包括：

获取待测图像的特征向量和水印的特征向量；

确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

第二方面，提出了一种图像水印检测装置，所述装置包括：

获取模块，用于获取待测图像的特征向量和水印的特征向量；

确定模块，用于确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

计算模块，用于在所述第一特征向量的数量大于预设数量阈值时，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

判定模块，用于根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

第三方面，提出了一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：

获取待测图像的特征向量和水印的特征向量；

确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

获取待测图像的特征向量和水印的特征向量；

确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

由以上本申请实施例提供的技术方案可见，本申请实施例提供的方案至少具备如下一种技术效果：通过获取待测图像和水印的特征向量，进而对特征向量进行匹配，确定出待测图像的特征向量中与水印的特征向量匹配的第一特征向量。匹配出的第一特征向量组成与水印相似的图像区域，当第一特征向量的数量大于预设数量阈值时，可以理解为在待测图像中初步识别出水印。通过特征向量的匹配来识别水印可以避免待测图像中其他因素的干扰，能够提高水印检测的准确率。初步识别出水印后，计算图像区域在待测图像中的面积占比，当面积占比小于预定面积占比阈值时，可以理解为识别出的水印在待测图像中面积占比合适，进而确定待测图像中正确嵌入水印。在水印检测中，结合水印的面积占比是否准确的判断，可以进一步提高水印检测的准确率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请实施例提供的一种图像水印检测方法的实现流程示意图；

图2是本申请实施例中获取图像特征向量的详细流程示意图；

图3是本申请实施例中确定第一特征向量的详细流程示意图；

图4是本申请实施例中计算图像区域在待测图像中的面积占比的详细流程示意图；

图5是本申请实施例中计算图像区域在待测图像中的位置坐标的详细流程示意图；

图6是本申请实施例提供的一种电子设备的结构示意图；

图7是本申请实施例提供的一种图像水印检测装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了解决水印检测方案的准确率低的问题，本申请实施例提供一种图像水印检测方法及装置，该方法和装置的执行主体可以是终端设备也可以是服务器。

下面详细介绍本申请一个或多个实施例中的图像水印检测方法，该方法的实现流程示意图如图1所示，包括下述步骤：

步骤102、获取待测图像的特征向量和水印的特征向量。

待测图像为在图像水印检测中，检测其是否正确嵌入水印的图像，可以是互联网中上传的图片，用于检测图片中是否正确嵌入水印，也可以是将视频解码拆帧的图像帧，通过检测图像帧中是否正确嵌入水印，进而判断视频中是否正确嵌入水印。

水印为在图像水印检测中，表征水印图像的标准图像，可以理解为，在水印中只包括水印的图像。在图像水印检测时，需要检测的目标水印为已知水印图像，检测出待测图像中包含水印，即表示待测图像中包含有水印图像。

特征向量为图像所包含的特征点的向量，在图像处理中，特征点可以是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。因此，图像特征点能够反映图像的本质特征，可以用来标识图像中的关键信息。常见的图像特征点提取算法包括：lbp特征提取算法、hog特征提取算法、haar特征提取算法以及sift特征提取算法。其中，lbp特征提取算法是提取图像局部的纹理特征；hog特征提取算法通过计算和统计图像局部区域的梯度方向直方图来构成特征；haar特征提取算法将边缘特征、线性特征、中心特征和对角线特征组合成特征模板；sift特征提取算法是一种检测局部特征的算法。

步骤104、确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量。

经过对图像特征点的提取，待测图像包括多个特征向量。在待测图像的多个特征向量中，与水印的特征向量相匹配的特征向量，可以作为第一特征向量。在对特征向量进行匹配时，是在待测图像的所有特征向量中，寻找和水印的每一个特征向量相匹配的特征向量，因此，匹配出的第一特征向量通常为多个。

步骤106、若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比。

当匹配出的第一特征向量的数量大于预设数量阈值时，即可获取图像区域，图像区域由匹配出的多个第一特征向量确定。由于第一特征向量是和水印的特征向量相匹配的，因此，识别出图像区域可以理解为在待测图像中识别出水印。

获取图像区域后，计算图像区域在待测图像中的面积占比，用于判断图像区域在待测图像中是否面积占比合适。需要说明的是，如果匹配出的第一特征向量的数量小于预设数量阈值，即代表在待测图像中未识别出水印，后续可以不用计算面积占比。

步骤108、根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

当计算出的图像区域面积占比小于预定面积占比阈值时，可以判定图像区域在待测图像中的面积占比是准确的。当图像区域的面积占比准确时，可以确定待测图像中正确嵌入水印。

可以理解，由于待测图像和水印的特征向量可以表征图像的本质特征，因此，将待测图像和水印的特征向量进行匹配，可以准确识别待测图像是否包括水印。通过计算代表水印的图像区域在待测图像中的面积占比，即可判定待测图像中是否正确嵌入水印，进而可以使图像水印检测方法的准确率获得显著提高。

下面结合附图1至图5对本申请实施例提供的图像水印检测方法进行详细的说明。

以下介绍在本申请的一个或多个实施例中，基于sift算法获取待测图像的特征向量和水印的特征向量。由于获取待测图像的特征向量和水印的特征向量的具体方法相同。因此，如图2所示，以下子步骤展示待测图像的特征向量的具体提取过程：

子步骤201、获取待测图像的高斯差分图像金字塔。

图像金字塔是同一图像在不同的分辨率下得到的一组结果，具体步骤可以为：首先对图像进行平滑处理，随后对平滑处理后的待测图片进行降采样，降采样通常为水平、垂直方向的1/2，因此，经过降采样处理后，可以形成金字塔形式的多层图像，每一层的图像是其上一层图像长、高的各一半。

由于在通过降采样获得不同分辨率图像过程中，图像的局部特征难以保持，也就是无法保持特征的尺度不变性。因此，对每一层的图像进行模糊处理，可以获得每一层图像的高斯金字塔。

而高斯差分图像金字塔为多层结构，每层图像使用不同的参数σ进行高斯模糊，使金字塔的每层图像有多张经高斯模糊的图像。降采样时，金字塔上边一组图像的第一张是由其下面一组图像倒数第三张降采样得到。因此，在实际构建高斯差分图像金字塔时，首先构建高斯金字塔，随后将相邻的高斯金字塔相减即可得到高斯差分图像金字塔d(x,y,σ)。

以下介绍高斯金字塔的构建方法。高斯金字塔l(x,y,σ)为同一图像在相同分辨率下，不同模糊程度的一组图像。具体的说，通过不同的高斯核函数g(x,y,σ)对待测图像进行卷积运算，即可得到待测图像的高斯尺度空间l(x,y,σ)，计算公式如下：

l(x，y，σ)＝g(x，y，σ)*i(x，y)

其中，高斯核函数g(x,y,σ)是通过以下公式计算获得：

高斯函数公式中，σ为尺度空间因子，是高斯正态分布的标准差，反映了图像被模糊的程度，其值越大图像越模糊，对应的尺度也就越大。

随后将相邻的高斯金字塔相减即可得到高斯差分图像金字塔d(x,y,σ)。其定义为：

d(x,y,σ)＝[g(x,y,kσ)-g(x,y,σ)]*i(x,y)＝l(x,y,kσ)-l(x,y,σ)

其中，k为比例因子，如果每层有s张经高斯模糊的图像，则k＝2^1/s。上一组图像的最底层图像是由下一组中尺度为2σ的图像进行降采样得到的。

经过以上运算，即可获取待测图像的高斯差分图像金字塔。

子步骤203、在待测图像的高斯差分图像金字塔中识别极值点，作为待测图像的候选关键点。

极值点为对尺度和选择不变的像素点，对每个像素点和其图像域(同一尺度空间)和尺度域(相邻的尺度空间)的所有相邻像素点进行比较，当其大于(或者小于)所有相邻点时，该点为极值点。也就是说，高斯差分图像金字塔中任一像素点，要和其所在图像的3×3邻域的8个像素点，以及其相邻的上下两层的3×3领域的18个像素点，共26个像素点进行比较。

子步骤205、确定对比度和主曲率满足预设条件的候选关键点为目标关键点。

由于候选关键点是在离散的空间搜索得到的，而离散空间是对连续空间采样得到的结果，因此，可以对候选关键点进行筛选，目的是将低对比度的点和不稳定边缘的相应点去除。其中，边缘不稳定可以通过各候选关键点的主曲率进行体现。

以下介绍通过候选关键点的对比度进行筛选的具体过程：

以候选关键点x示例，其偏移量定义为δx，其对比度为d(x)的绝对值∣d(x)∣，对d(x)应用泰勒展开式：

其中x是d(x)的极值点，对上式求导并令其为0，得到以下结果：

将通过上式计算获得的δx代入到d(x)的泰勒展开式中，则：

若其绝对值大于对比度阈值，确定候选关键点x为目标关键点。

以下介绍通过候选关键点的主曲率进行筛选的具体过程：

由于候选关键点在边缘梯度的方向上主曲率值比较大，而沿着边缘方向则主曲率值较小。因此，候选关键点x的函数d(x)的主曲率与2×2hessian矩阵h的特征值成正比。根据此关系，为了检测候选关键点的主曲率是否在某个阈值tγ以下，如tγ可以为10，只需检测以下算式是否成立：

其中，γ＝α/β表示矩阵h的最大特征值α和最小特征值β的比值，tr(h)为矩阵h的迹，det(h)为矩阵h的行列式。矩阵h表示为：

其中，dxx，dxy，dyy，dyx是候选关键点x的邻域对应位置的差分求得的。

经过以上运算，可以确定对比度和主曲率满足预设条件的候选关键点为目标关键点。

子步骤207、计算目标关键点的主方向，根据主方向确定目标关键点的位置、尺度和方向。

具体的，通过目标关键点的图像金字塔l(x,y,σ)，计算以目标关键点为中心、以3×1.5σ为半径的区域图像中每个点l(x,y,σ)的梯度的模值m(x,y)以及方向θ(x,y)。可通过以下公式计算：

根据计算得到的梯度方向，通过直方图统计目标关键点邻域内像素对应的梯度方向和幅值，直方图的峰值即为目标关键点的主方向。

根据目标关键点的主方向，可以获得目标关键点的位置、尺度和方向，即(x,y,σ,θ)，其中(x,y)为位置坐标，σ为尺度，θ为方向。

经过以上运算，可以确定目标关键点的位置、尺度和方向。

子步骤209、根据目标关键点的位置、尺度和方向，确定目标关键点的特征向量。

具体的，首先以目标关键点为中心，在邻域内将坐标轴旋转θ角度，即将坐标轴旋转为目标关键点的方向，根据新的坐标轴，可获得邻域内像素的新坐标。以目标关键点为中心取8*8大小的窗口，通过直方图计算每个像素的梯度。将窗口平均分为4*4的子窗口，利用高斯模糊方法增加与目标关键点邻近域的权重值、降低目标关键点较远的权重值。

计算0°、45°、90°、135°、180°、225°、270°、315°方向的梯度累加值，对累加值进行灰度值的归一化，得到待测图像的特征向量。

根据相同的方法，可以获得水印的特征向量。

通过前文所述的子步骤201～子步骤209，可以获取待测图像的特征向量和水印的特征向量。随后，即可确定待测图像的特征向量中与水印的特征向量匹配的第一特征向量。

以下介绍在本申请的一个或多个实施例中，如何确定待测图像的特征向量中与水印的特征向量匹配的第一特征向量，如图3所示，针对水印的每一个特征向量分别执行如下子步骤：

子步骤301、计算该特征向量与待测图像的各特征向量的欧氏距离。

具体的，水印的特征向量通常为多个，在某一次计算中，任意选取水印中的一个特征向量，计算该特征向量和待测图像的各特征向量的欧式距离，也就是说，经计算可以获得由多个欧式距离组成的集合，在本申请的实施例中，称为第一集合。随后，可以在水印的多个特征向量中另外选取一个特征向量，计算新选择的特征向量和待测图像的各特征向量的欧式距离，同样可以获得另一个第一集合。以此类推，可以获得水印中的每一个特征向量和待测图像的各特征向量的第一集合。最终，可以获得水印中所有特征向量和待测图像的各特征向量的多个第一集合。

在一个例子中，水印具有k个特征向量，具体为m1、m2、m3……mk，待测图像具有h个特征向量，具体为n1、n2、n3……nh，首先在水印中选取一个特征向量m1，计算m1和待测图像中各特征向量的欧式距离，即m1和n1的欧式距离d11，m1和n2的欧式距离d12，m1和n3的欧式距离d13……m1和nh的欧式距离d1h，获得的欧式距离为{d11、d12、d13……d1h}，随后计算m2和待测图像中各特征向量的欧式距离，获得的欧式距离为{d21、d22、d23……d2h}，以此类推，最后计算mk和待测图像中各特征向量的欧式距离，获得的欧式距离为{dk1、dk2、dk3……dkh}。

子步骤303、确定欧式距离满足预设距离条件的待测图像的特征向量为第一特征向量。

具体的，计算出水印中的任一特征向量m1和待测图像中各特征向量的欧式距离{d11、d12、d13……d1h}后，将欧式距离满足预设距离条件的待测图像的特征向量确定为第一特征向量，如欧式距离d13满足预设距离条件，由于d13是m1和待测图像中的特征向量n3的欧式距离，因此，待测图像中的特征向量n3即为和m1匹配的第一特征向量。

需要说明的是，每次的匹配过程，欧式距离满足预设距离条件的第一特征向量仅为1个。例如，和m1匹配的待测图像的特征向量为n3，和m2匹配的待测图像的特征向量为n5。某次匹配时，如和水印中的m5进行匹配，也可能没有满足预设距离条件的欧式距离，那么本次匹配为在待测图像的特征向量中，没有和水印中的m5匹配的特征向量。因此，对水印的所有特征向量均完成匹配后，可以生成多个第一特征向量，如{n3、n5、n9……ni}。

以下介绍在本申请的一个或多个实施例中，具体如何确定欧式距离满足预设距离条件的待测图像的特征向量为第一特征向量：

首先，确定待测图像的最小特征向量，其中，最小特征向量为第一集合中欧式距离最小的特征向量，由于获得的第一集合为多个，因此最小特征向量也有多个。具体的说，计算出水印中的任一特征向量m1和待测图像中各特征向量的欧式距离{d11、d12、d13……d1h}后，确定欧式距离最小的待测图像的特征向量为最小特征向量。如，在欧式距离{d11、d12、d13……d1h}中，最小欧式距离为d13，因此，待测图像的特征向量n3为最小特征向量。

然后判断最小特征向量的欧式距离是否小于预定距离阈值，若最小特征向量的欧式距离小于预定距离阈值，则确定该最小特征向量为第一特征向量。需要说明的是，预定距离阈值可以是预先设定的阈值，即固定值，也可以是根据实际计算过程获得的阈值，即变化值。如，预定距离阈值可以为欧式距离中，和最小欧式距离最接近的次小欧式距离的7/10。举个例子，在水印的特征向量m1和待测图像的各特征向量的欧式距离{d11、d12、d13……d1h}中，最小欧式距离为d13，次小欧式距离为d15，当d13＜d15*0.7时，确定n3为与水印的特征向量m1匹配的第一特征向量。

可以理解，通过水印中的任一特征向量与待测图像的各特征向量的欧氏距离，可以在待测图像的各特征图像中，获取和水印中的任一特征向量最相似的特征向量。经过该匹配过程，可以在待测图像的各特征向量中，获取和水印最相似的特征向量的集合。

在待测图像的特征向量中，获取与水印的特征向量匹配的第一特征向量，完成所有匹配后，获取的所有第一特征向量可以组成一个集合，为了和前文提到的第一集合相区别，由第一特征向量组成的集合称为第二集合。该集合包括多个第一特征向量。随后判定集合中包含的第一特征向量的数量是否大于预设数量阈值。若大于预设数量阈值，则该集合可以确定图像区域，也就是说，图像区域为待测图像中和水印相匹配的图像。

在一个例子中，完成所有匹配后，获取的第一特征向量的集合为{n3、n5、n9……ni}，该集合包括的特征向量的数量为x，假设水印的特征向量的总数为10，如果x大于设定值6，即可判定x大于预设数量阈值。

以下介绍在本申请的一个或多个实施例中，若第一特征向量的数量大于预设数量阈值，如何计算图像区域在待测图像中的面积占比，如图4所示，具体包括如下子步骤：

子步骤401、确定所述图像区域在待测图像所属图像坐标系中的位置坐标。

具体的，可将图像区域通过变换矩阵进行映射，根据映射图的位置坐标，确定图像区域在待测图像所属图像坐标系中的位置坐标。

以下介绍在本申请的一个或多个实施例中，如何计算第一特征向量确定的图像区域在待测图像所属图像坐标系中的位置坐标，如图5所示，具体包括如下子步骤：

子步骤501、根据待测图像和图像区域的特征向量，确定待测图像和图像区域的特征点矩阵。

待测图像的特征向量表征待测图像中的关键点，图像区域的特征向量表征图像区域的关键点。因此，可以根据待测图像和图像区域的特征向量，转化得到待测图像和图像区域的特征点矩阵，也就是说，待测图像的特征点矩阵包括待测图像的关键点，图像区域的特征点矩阵包括图像区域的关键点。

子步骤503、确定待测图像和图像区域的特征点矩阵之间的变换矩阵。

具体的，首先基于待测图像和图像区域的特征点矩阵，确定两者之间的第一变换矩阵；随后基于待测图像的宽和高，生成待测图像四个顶点的矩阵n1；之后基于矩阵n1，经第一变换矩阵，生成图像区域四个顶点的矩阵n2。

最后，基于待测图像的矩阵n1和图像区域的矩阵n2，确定待测图像和图像区域的特征点矩阵之间的第二变换矩阵。

子步骤505、利用所述变换矩阵对图像区域的特征点矩阵进行变换，生成与待测图片相同尺寸的映射图。

具体的，第二变换矩阵基于待测图像和图像区域四个顶点的矩阵获取，四个顶点的矩阵表征了图像的尺寸，也就是图像的宽和高。因此，获取第二变换矩阵后，将图像区域的特征点矩阵通过第二变换矩阵，可以映射到与待测图片相同尺寸的空白背景图像中。

子步骤507、根据所述映射图中图像区域的位置坐标，获取图像区域在待测图像所属图像坐标系中的位置坐标。

由于该映射图为空白背景，遍历生成的映射图，获取所有像素值不为0的区域。该区域中包含的所有像素点的位置坐标即为图像区域的位置坐标，由于映射图是基于第二变换矩阵获得，因此，即可获取图像区域在待测图像所属图像坐标系中的位置坐标。

可以理解，待测图像和图像区域的特征点矩阵之间的变换矩阵，即可表征图像区域和待测图像在宽和高的维度上的关系，在经该变换矩阵生成的与待测图片相同尺寸的图像区域的映射图中，由于映射图为空白背景，因此，可以获取图像区域在映射图中的位置坐标，该位置坐标符合变换矩阵表征的比例关系，因此，可以图像区域在映射图中的位置坐标，结合比例关系，最终获取图像区域在待测图像所属图像坐标系中的位置坐标。

子步骤403、根据所述位置坐标，计算所述图像区域的尺寸。

其中，图像区域的尺寸可以用图像区域的宽和高表征，通过图像区域的位置坐标，可以计算图像区域的宽度w图和高度h图。

子步骤405、根据所述图像区域的尺寸以及待测图像的尺寸，计算所述图像区域在所述待测图像中的面积占比。

待测图像的尺寸可以通过待测图像的宽和高表征，面积占比可以分别计算图像区域和待测图像的宽度的比例w图/w待，以及图像区域和待测图像的高度的比例h图/h待。

在获取图像区域在待测图像中的面积占比后，可以根据该面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

也就是说，若该面积占比小于预定面积占比阈值，则可以认为图像区域所体现的水印在待测图像中的面积占比合适，当确定水印在待测图像中的面积占比合适，可以最终确定待测图像中正确嵌入水印。

作为一个例子，根据位置坐标可以计算图像区域的宽度w图和高度h图，结合待测图像的宽度w测和高度h测，当w图/w测小于1/3，且h图/h测小于1/2，则可以判定图像区域所体现的水印在待测图像中面积占比合适，可以确定待测图像中正确嵌入水印。

以下介绍在本申请的一个或多个实施例中，在获取待测图像的特征向量和水印的特征向量之前，还可以包括：提取待测视频中的任意图像帧，作为待测图像。

具体的，在提取待测视频的图像帧时，可以连续提取待测视频自视频开头起的预定数量的连续图像帧，作为待测图像，也可以在待测视频中任意提取预定数量的连续图像帧，作为待测图像，还可以对待测视频进行关键帧识别，将识别出的关键帧作为待测图像。

对待测视频中提取的图像帧依次和水印进行图像水印检测，当检测出的包含有水印的图像帧的数量满足预定条件时，如，检测出的包含水印的图像帧的数量/图像帧总数＞80％时，可以确定待测视频中正确嵌入水印。

下面结合具体应用场景，对本说明书提供的图像水印检测过程进行详细描述。

以酷燃视频为例，视频平台接收到视频制作方上传的视频文件，视频平台对该视频文件是否正确嵌入酷燃水印进行检测，具体步骤如下：

步骤一、获取酷燃水印图；

步骤二、将视频文件进行解码拆帧，提取视频自开头起连续10个图像帧v1～v10；

步骤三、对图像帧v1和酷燃水印图进行特征提取，获取图像帧v1和酷燃水印图的特征向量；

步骤四、计算酷燃水印图的每一个特征向量与图像帧v1的各特征向量的欧式距离；

步骤五、在图像帧v1中，获取欧式距离最小的特征向量；

步骤六、当该欧式距离小于预定距离阈值时，确定图像帧v1的该特征向量为与酷燃水印图的某一特征向量匹配；

步骤七、计算图像帧v1中所有匹配成功的特征向量的数量，当数量大于预设的数量阈值时，将匹配成功的特征向量确定图像区域；

步骤八、基于图像区域和图像帧v1的特征向量，计算图像区域在图像帧v1中的位置坐标；

步骤九、基于位置坐标，计算图像区域的宽和高，当图像区域的宽小于图像帧v1的宽的1/3，且图像区域的高小于图像帧v1的高的1/2时，确定图像帧v1正确嵌入酷燃标准水印；

步骤十、重复步骤三～步骤九，对图像帧v2～图像帧v10进行水印检测，共检测到9张图像帧正确嵌入酷燃标准水印，因此，确定视频文件正确嵌入酷燃标准水印。

根据实际的水印检测结果显示，本说明书提供的图像水印检测方法具有更高的准确度。

显然本说明书提供的图像水印检测方法也可应用于其他应用场景中，此处不一一列举。本领域普通技术人员在没有做出创造性劳动前提下，将该图像水印检测方法应用于其它应用场景中所获得的所有其它实施例，都属于本申请保护的范围。

以上是对本申请实施例提供一种图像水印检测方法的说明，下面对本申请实施例提供的电子设备进行介绍。

图6是本申请实施例的一个实施例提供的电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industrystandardarchitecture，工业标准体系结构)总线、pci(peripheralcomponentinterconnect，外设部件互连标准)总线或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成图像水印检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

获取待测图像的特征向量和水印的特征向量；

确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

上述如本申请实施例图1所示实施例揭示的图像水印检测方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1的图像水印检测方法，本申请实施例在此不再赘述。

当然，除了软件实现方式之外，本申请实施例的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：

获取待测图像的特征向量和水印的特征向量；

确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

若所述第一特征向量的数量大于预设数量阈值，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

下面对本申请实施例提供的一种图像水印检测装置进行说明。

图7是本申请实施例提供的图像水印检测装置700的结构示意图，该装置700可包括：获取模块701、确定模块702、计算模块703以及判定模块704。

获取模块701，用于获取待测图像的特征向量和水印的特征向量；

确定模块702，用于确定所述待测图像的特征向量中与所述水印的特征向量匹配的第一特征向量；

计算模块703，用于在所述第一特征向量的数量大于预设数量阈值时，计算所述待测图像中由所述第一特征向量确定的图像区域在所述待测图像中的面积占比；

判定模块704，用于根据所述面积占比是否小于预定面积占比阈值，确定待测图像是否正确嵌入水印。

本申请实施例中，图像水印检测装置的具体实施方式有很多种，在一种实施方式中，确定模块702具体包括：欧式距离计算子模块和第一特征向量确定子模块，其中：

欧式距离计算子模块，用于针对所述水印的每一个特征向量，分别计算该特征向量与待测图像的各特征向量的欧氏距离；

第一特征向量确定子模块，用于确定与水印中的任一特征向量的欧式距离满足预设距离条件的待测图像的特征向量为第一特征向量。

在一种实施方式中，第一特征向量确定子模块，具体用于：

确定待测图像的最小特征向量，所述最小特征向量为欧式距离最小的特征向量；

若所述最小特征向量的欧式距离小于预定距离阈值，确定所述最小特征向量为第一特征向量。

在一种实施方式中，图像水印检测装置700还包括：提取模块，用于提取待测视频中的任意图像帧，作为所述待测图像。

可以理解，本申请实施例提供的图像水印检测装置，通过获取待测图像和水印的特征向量，进而对特征向量进行匹配，确定出待测图像的特征向量中与水印的特征向量匹配的第一特征向量。匹配出的第一特征向量组成与水印相似的图像区域，当第一特征向量的数量大于预设数量阈值时，可以理解为在待测图像中初步识别出水印。通过特征向量的匹配来识别水印可以避免待测图像中其他因素的干扰，能够提高水印检测的准确率。初步识别出水印后，计算图像区域在待测图像中的面积占比，当面积占比小于预定面积占比阈值时，可以理解为识别出的水印在待测图像中面积占比合适，进而确定待测图像中正确嵌入水印。在水印检测中，结合水印的面积占比是否准确的判断，可以进一步提高水印检测的准确率。

需要说明的是，图像水印检测装置700能够实现图1的方法实施例的方法，具体可参考图1所示实施例的图像水印检测方法，不再赘述。

总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制时，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。