本文刊发于《现代电影技术》2026年第4期
专家点评
陈 军
研究员
北京电影学院智能影像工程学院院长
电影数字水印技术是保障电影内容安全、维护健康市场秩序的技术基础，为电影产业构筑了一道坚固的“防盗门”。随着技术的发展，其未来的演进将围绕着“不可感知性、更强鲁棒性、更全场景覆盖、更高效率、人工智能驱动”等方向展开，尤其是在电影高新技术格式内容日益推广普及的背景下，对“不可感知性”的要求被推向极致，任何微小的画质劣化都不可接受。而从“影院”到“全媒体生命周期”的多场景应用，对鲁棒性提出了更高要求，最终目标是让每帧图像都是一张不可伪造、不可磨灭的“数字身份证”，从而实现对各类攻击的根本性免疫。《单帧非盲视频数字水印嵌入和检出技术研究与应用》一文正是聚焦于上述问题，提出了一种基于离散小波变换（DWT）的单帧非盲视频水印方法。该方法设计了在每帧图像中嵌入完整水印信息的非盲水印方案，并给出了具体的嵌入与检出流程。文章实验部分涵盖了画质损伤的主观与客观评估、视频流与摄录场景下的鲁棒性测试，以及人工智能生成内容（AIGC）标识应用验证，不仅测试维度丰富，而且指标设置合理。该研究为电影版权保护及AIGC标识等新兴场景提供了切实可行的技术路径，具有较高的行业参考价值。现有方案依赖原始载体进行检出，未来可持续探索盲水印与非盲水印的协同工作机制。
项目信息
中国电影科学技术研究所（中央宣传部电影技术质量检测所）基本科研业务费项目“单帧非盲电影视频数字水印嵌入和检出技术研究”（2024⁃DKS⁃7）。
作者简介
周令非
中国电影科学技术研究所（中央宣传部电影技术质量检测所）高级工程师，主要研究方向：数字电影技术。
马鸿悦
中国电影科学技术研究所（中央宣传部电影技术质量检测所）工程师，主要研究方向：数字电影技术。
摘要
随着大众版权保护意识的增强，针对短视频内容传播与单帧图像溯源的实际需求愈加急迫。为满足多场景数字水印应用需求，本文结合非盲数字水印技术的高效性、高检出率与强鲁棒性特点，以及单帧视频数字水印特有的抗帧域攻击能力，提出了一种单帧非盲视频数字水印解决方案。通过测试验证评估，该方法在保持画质损伤难以察觉的前提下，展现出良好的鲁棒性，能够有效满足短视频、电影版权保护，AIGC标识等领域的应用需求。
关键词
数字水印；单帧视频数字水印；非盲数字水印；版权保护
1
引言
电影视频数字水印是院线电影盗版溯源的有效技术手段。近年来有关部门对院线电影版权保护工作高度重视，多次开展电影版权保护专项行动[1]，依托数字水印技术对盗录样本进行追踪溯源，及时有效地遏制了院线电影的盗版传播[2]。但在数字内容产业爆发式发展的当下，伴随着云制作[3]、短视频、人工智能生成内容（AIGC）技术的快速发展，电影制作素材泄露、未经著作权人许可擅自剪辑盗用[4,5]、AIGC技术的不规范使用等问题日益显现。随着大众版权保护意识的增强，业内对电影拍摄制作素材、电影内容相关短视频等时长仅为数秒的视频进行确权或溯源、对AIGC生成的图片或视频进行标记[6]的需求非常强烈。考虑到高价值内容经常被盗摄者通过社交媒体的图片传播，版权方甚至希望仅通过单帧截图就能成功提取数字水印。
上述应用需求的变化，本质上是媒体融合向纵深发展，内容传播呈现碎片化、多终端、跨平台特征的必然结果。在这一宏观趋势下，数字内容版权保护技术已从单一的院线电影溯源工具，逐步演变为支撑文化内容安全的关键共性技术，其自主可控水平也日益受到重视。由于已广泛应用的电影长视频水印方案仅在合适的视频帧中嵌入水印，难以保证在短视频或单帧截图的视频帧中一定存在水印，更难以保证水印检出的正确率，因此无法满足短视频和单帧截图溯源的需求，亟需一种既能有效抵抗帧域攻击，又能在碎片化场景下稳定提取水印信息的视频数字水印（以下简称“视频水印”）解决方案。本文提出的单帧非盲水印方法，正是面向上述技术与产业双重背景开展的一项技术探索。
2
相关技术概述
2.1 基于离散小波变换的数字水印技术
目前大多数视频水印技术为基于变换域的方法，其中离散小波变换（Discrete Wavelet Transformation, DWT）因其变换方式简单，在频域和时域都具有表征信号局部特征的能力[7]，且可抵抗多种干扰攻击，因此成为应用较为广泛的一种变换方法。早期基于DWT的水印方法较为简单直接，在DWT处理后通过更改系数的方式将水印信息嵌入其中，如Wang等[8]以自适应的方式筛选DWT频段并嵌入水印信息；后来则结合了奇异值分解（Singular Value Decomposition, SVD）[9,10]、离散余弦变换（Discrete Cosine Transform, DCT）[11,12]等变换方法，进一步提高了水印的不可见性和鲁棒性。
2.2 盲水印与非盲水印
根据视频水印检出流程是否需要原始载体信息，可将水印分为盲水印与非盲水印两类[13,14]。盲水印在水印检出时不需要任何额外信息，通过分析水印载体本身即可得到水印信息，这类方法为了保证水印的鲁棒性，一般水印算法的复杂度较高，嵌入和检出速度较慢；非盲水印在水印检出时需以原始载体为参考，通过比较等方式获得嵌入的水印信息，这类方法因在检出流程中有原始载体作为辅助，能以更低的算法复杂度和实施成本换来足够的鲁棒性和检出效率。因此相较于盲水印，非盲水印可在单位时间内提供更高的嵌入与检出效率、提取成功率和抗攻击鲁棒性，更适合单帧水印嵌入和检出应用。
2.3 长视频水印与单帧视频水印
根据待嵌入视频载体的长度，可将视频水印分为长视频水印和单帧视频水印，其主要区别在于可嵌入水印的“空间”大小不同。长视频载体的帧数多，且同一镜头内可有较多的重复帧，这使水印嵌入位置可在较长时长内的多个视频帧中进行灵活选择。一方面为降低算法复杂度、提高嵌入和检出效率，可选择仅在部分视频帧中嵌入水印[15]，如Dutta等[16]选择在预测编码帧（Predictive⁃coded Frame, P帧）中嵌入水印；Das等[17]通过光度分析的方法，提取视频关键帧并嵌入水印；梁钰承等[18]对视频帧进行分组，筛选出隐秘帧并嵌入水印。另一方面也可为了提高鲁棒性和水印信息容量，更加充分地利用同一镜头视频帧的重复性，可选择将水印信息嵌入一段视频中，即每帧视频仅嵌入一部分水印信息，如刘欣怡[19]设计了一种水印分组嵌入方法，将水印信息嵌入至不同的帧，有效提高了水印容量和鲁棒性。
长视频充裕的水印嵌入“空间”保证了水印具有较高的技术性能，但是也面临着帧插入、帧删除、帧速率转换等帧域的同步攻击问题[20]。这些攻击在较短的片段和单帧视频截图中尤为常见，会严重扰乱视频的时序完整性，从而导致无法识别水印嵌入位置，降低水印检出率。因此对于短视频、单帧视频截图溯源的需求，更为有效的办法就是单帧视频水印，即在原始视频的每帧图像中都嵌入完整的水印信息。该方式的优势在于可有效抵抗剪辑、截图等带来的同步攻击，但也提高了对水印嵌入速度、鲁棒性和检出成功率的要求。因此我们选择单帧非盲水印作为解决方案，在原始视频的每一帧都嵌入水印，同时在检出时以原始视频为参考，该方式综合了非盲水印和单帧视频水印的优势，既可保证水印的鲁棒性、不可见性等性能，又可满足单帧截图即可溯源的应用需求。
3
本文方法
为有效平衡水印的不可见性与鲁棒性这对关键矛盾，本文提出一种基于DWT的水印嵌入和检出方法，其流程如图1所示，其中水印嵌入的具体流程如下：
图1 水印嵌入和检出流程
（1）将原始视频帧逐帧解码，获取视频帧序列，对所述视频帧序列中的每一独立图像帧进行DWT处理，得到低频分量LL；
（2）计算LL的中位数，LL中大于等于中位数的值置为1，小于中位数的值置为0，得到仅包含0和1的二值量化矩阵LLT；
（3）对LLT进行分析，寻找中心可翻转模式，中心可翻转模式集如图2所示，在这32种模式中，对中心点进行值的翻转对画质影响较小，按式（1）的方式修改模式中心点的值，得到嵌入水印信息后的LLM；
图2 中心可翻转模式集
其中（i, j）为中心可翻转点的坐标，m为系数，一般m越大，水印的鲁棒性越强，对画质的影响也越强，为保证鲁棒性，一般取m≥1。
（4）用嵌入水印的LLM低频分量替换原始低频分量LL，并进行离散小波逆变换（Inverse Discrete Wavelet Transformation, IDWT），输出添加完水印的完整视频帧。
水印检出的具体流程如下：
（1）将原始视频帧逐帧解码，获取视频帧序列，对所述视频帧序列中的每一单独视频帧进行DWT，得到低频分量LL' ；
（2）计算LL' 的中位数，LL' 中大于等于中位数的值置为1，小于中位数的值置为0，得到仅包含0和1的二值量化矩阵LLT'；
（3）对模板LLT' 进行分析，寻找中心可翻转模式，得到其中心点的值；
（4）对比LL' 和LL的中心可翻转点，若LL' (i, j ) ≥LL(i, j )则当前水印信息为1，反之水印信息为0。
4
实验与结果分析
4.1 画质损伤评估测试
评估方法采用主观评价与多维客观评价综合的方式，评估的视频测试序列为美国电影摄影师协会（American Society of Cinematographers, ASC）的测试短片《使命》（The Mission），即标准评估素材（Standard Evaluation Material II, StEM2）。
主观评价方法参考GY/T 340—2020《超高清晰度电视图像质量主观评价方法双刺激连续质量标度法》[21]，测试序列包含5段能体现清晰度、锐度、色彩还原、运动特性、亮度层次等不同图像质量要素的视频片段。评分共有5个等级，其中最高分为5分，表示画质与源相比无差别；最低分为1分，表示画质与源有明显差别且令人非常不悦。本次测试共有11位观看员参与，评分结果如图3所示。
图3 画质损伤主观评价结果
客观评价的评价指标包含图像质量评级（Picture Quality Rating, PQR）、差分平均意见分（Differential Mean Opinion Score, DMOS）、峰值信噪比（Peak Signal⁃to⁃Noise Ratio, PSNR）、结构相似度（Structural Similarity, SSIM）和视频多方法融合评价（Video Multimethod Assessment Fusion, VMAF）多项评价结果，既包含基于人类视觉系统（HVS）模型的评价指标，又包含基础客观指标，指标间可相互印证，更能综合反映画质效果。此外，本实验还考虑了不同观看环境对视觉效果的影响，测试了基于传统影院投影、高清广播电视、影院LED直显屏等多元观影环境下的指标结果，可用以明确水印的应用场景边界。画质损伤客观评价结果如表1所示，其中最优评分和最差评分分别指测试序列中评分最优和最差的一帧的评分，并根据平均分统一折合为百分制，从而实现对不同项目表现的直接比较和综合评估。
表1 画质损伤客观评价结果
从图3和表1结果可以看出，本文水印方案的画质主观和客观测试的评分均可达到较高的水平，通过本方法嵌入水印后的视频片段与源视频片段在画质方面的差别很小，可达到视觉无损的等级，不影响视频的观看效果和价值。
参考表1最右列的某长视频水印方案[22]的画质损伤评分结果可以发现，本文提出的单帧水印方法在银幕尺寸大、观看距离远的普通影院环境中对画质的损伤更小，但随着画面亮度的提高，其易被感知的画质损伤略大于长视频水印方案，并在VMAF、SSIM和PSNR等更偏向客观损伤分析的指标中表现略逊于长视频方案。
4.2 鲁棒性测试
参考数字电影倡导组织（DCI）《数字电影系统规范》V1.4.5[23]中相关要求，以及T/CSMPTE 24—2023《点播影院放映数字水印技术要求和测量方法》[24]中的测试用例和测试方法，对本文方法进行了面向视频流和摄影机摄录的鲁棒性测试。鲁棒性测试同样使用StEM2短片作为测试序列，为模拟实际应用场景，如无特殊标注，所有单项测试的被测视频文件均为24 FPS、10 MB/s码率的H.264压缩文件。
单帧水印方案在测试序列的全部44,640帧画面中共嵌入了44,640个完整的水印负载，作为对比的长视频水印方案则在全部44,640帧中共嵌入了131个完整的水印负载。
4.2.1 视频流鲁棒性测试
面向视频流的原生鲁棒性测试，主要可用于模拟和衡量视频水印技术在模拟/数字电视盗播、网络流媒体点播/直播等不涉及光学和复杂综合攻击时的表现。本文使用图像处理器对嵌入水印的视频逐项开展包括二次量化、压缩编码、图像降噪、旋转、裁切、遮挡等常见攻击，并对各攻击后的样本进行水印提取。测试架构见图4，测试结果见表2。
图4 视频流鲁棒性测试架构
表2 视频流鲁棒性测试结果
由测试结果可知，在面向视频流的鲁棒性测试中，经过旋转、裁切、二次量化等常见攻击后，单帧水印方案得益于每帧画面都添加水印这一优势，其可正确提取的负载数量远大于长视频水印方案，往往是后者的几百倍，检测结果更为可信。特别是在低码率压缩的几项测试中，单帧方案更是弥补了长视频水印无法正确提取的短板。
4.2.2 摄录鲁棒性测试
面向摄影机摄录的鲁棒性测试，主要用于模拟和衡量视频水印技术在影院盗摄、视频会议窃密等通过光学相机摄录后的鲁棒性性能，考虑到摄录设备和摄录角度带来的光学失真、显示设备和成像设备带来的动态范围和色彩失真，以及摄录设备的帧同步失真和压缩包编码等因素，其水印成功提取的难度更大。测试先使用摄影机摄录嵌入水印的视频，再使用图像处理器对其进行二次量化、压缩编码、图像降噪、旋转、裁切、遮挡等单项常见攻击，以及使用智能手机的全自动模式进行综合攻击，并对各攻击后的样本进行水印提取，测试架构见图5，测试结果见表3。
图5 摄录鲁棒性测试架构
表3 摄录鲁棒性测试结果
由测试结果可知，在基于摄影机摄录视频源的各项单项攻击中，虽然长视频水印方案凭借其在压缩编码关键帧添加强度大的特点，在大部分测试中的正确负载存活率高于单帧水印方案，但和上文面向视频流的鲁棒性测试一样，单帧水印方案凭借更高的嵌入频率，最终可正确提取的水印负载数量仍然百倍于长视频水印方案，提取结果的可信度更高。单帧水印方案更是在部分长视频水印无法成功提取的低码率压缩测试中完成了可信的成功提取。
4.3 AIGC标识应用测试
参照全国信息安全标准化技术委员会发布的TC260⁃PG⁃20233A《网络安全标准实践指南—生成式人工智能服务内容标识方法》（以下简称“TC260⁃PG⁃20233A”）3.3章节中对人工智能生成图片和视频添加隐式水印标识的技术要求，在生成后的图片和视频中添加水印，对本文方法在AIGC标识上的应用功能进行了测试验证。
（1）图片隐式水印
使用单帧水印添加工具对一张人工智能生成的图片添加包含ID“ABCDE12345”和时间戳“2025⁃05⁃12⁃03:00”的水印信息，再按照上述指南对图片隐式水印的技术要求“含有隐式水印的原始生成图片应满足任意连续50%以上面积且分辨率大于等于 384×384 的切片均包含完整标识信息”，使用自制工具对添加水印后的图片进行50%以上连续面积的随机裁切，测试10次。
（2）视频隐式水印
使用单帧水印添加工具对一段人工智能生成的1分钟视频添加包含ID“ABCDE12345”和时间戳“2025⁃05⁃12⁃05:15”的水印信息，再按照上述指南对视频隐式水印的技术要求“含有隐式水印标识的原始生成视频应满足任意连续5秒以上视频内容中均包含完整标识信息”，任意截取5秒内容，测试10次。
最后对攻击后的AIGC图片和短视频进行水印提取，均可得到正确的水印负载信息。由测试结果可知，本文单帧数字水印可满足TC260⁃PG⁃20233A中对人工智能生成内容所用隐式水印的技术要求。
5
结语
在媒体融合、内容碎片化、云化和智能化进程不断深化的背景下，本文针对短视频、单帧截图溯源、AIGC标识的需求，综合非盲水印效率高、检出率高、鲁棒性高的优点及单帧视频水印可有效抵抗帧域攻击的优点，设计了一种基于DWT的单帧非盲视频水印方法，并对其画质损伤情况、鲁棒性进行了测试。测试结果表明，本文提出方法对画质影响较小且鲁棒性强，即使面对社交媒体常见的截图等碎片化传播方式，仍可保持水印信息的完整提取。
本文方法弥补了电影长视频水印需要较长样本才能成功提取的短板，可将画质损伤小、鲁棒性强的电影数字水印技术应用至虚拟现实电影、影视数字资产、高清电视、网络直播、视频会议、数字藏品、AIGC标识、安防监控等泛媒体领域，拓展了电影数字水印技术的应用边界。
未来可进一步探索盲水印与非盲水印的协同嵌入机制，结合区块链技术实现水印负载的可信存证与校验，拓展单帧水印在AIGC标识、数字资产确权等场景中的应用深度，持续推动数字水印技术在文化内容治理中的体系化应用。
参考文献
（向下滑动阅读）
[1] 张晨.坚决打赢银幕背后的版权保卫战[N].法治日报,2025⁃05⁃08(006).DOI:10.28241/n.cnki.nfzrb.2025.003087.
[2] 姬政鹏.多部门严厉打击院线电影盗录盗播行为[N].中国电影报,2023⁃02⁃08(003).DOI:10.28064/n.cnki.ncdyb.2023.000117.
[3] 张海悦,王萃,刘达.电影分布式跨域协同制作与传统后期制作流程对比分析[J].现代电影技术,2020(12):19⁃23，40.
[4] 汪靖雯,王勇.电影解说类短视频热潮兴起的原因与隐忧[J].新闻传播,2025(13):60⁃63.
[5] 孙宁.电影解说短视频作品的侵权问题与应对路径[J].电影文学,2025(12):63⁃67.
[6] 严驰.数字水印赋能人工智能生成内容（AIGC）标识化管理的现状与对策[J].科技管理研究,2025,45(08):181⁃188.
[7] 王慧琴,李人厚.一种基于DWT的彩色图像数字水印算法[J].小型微型计算机系统,2003(02):299⁃302.
[8] WANG H J, SU P C, KUO C C.Wavelet⁃based digital image watermarking[J].Optics Express, 1998, 3(12):491⁃6.DOI:10.1364/OE.3.000491.
[9] BEGUM M, SHORIF S B, UDDIN M S, et al.Image Watermarking Using Discrete Wavelet Transform and Singular Value Decomposition for Enhanced Imperceptibility and Robustness[J].Algorithms, 2024, 17(1).DOI:10.3390/a17010032.
[10] 叶天语.DWT⁃SVD域全盲自嵌入鲁棒量化水印算法[J].中国图象图形学报,2012,17(06):644⁃650.
[11] WANG C, MA Y, WANG X.Double random number encryption blind watermarking technique based on DWT⁃DCT domain[J].Optoelectronics Letters, 2024, 20(10):614⁃622.DOI:10.1007/s11801-024-3203-5.
[12] RANA M S, HASAN M M, SHUVA S K S.Digital Watermarking Image Using Discrete Wavelet Transform and Discrete Cosine Transform with Noise Identification[C] // 2022 2nd International Conference on Intelligent Technologies (CONIT). Hubli: IEEE, 2022: 1⁃4.
[13] 王佳敏.基于深度学习的抗屏摄鲁棒水印方法研究[D].西安：西安理工大学,2024.DOI:10.27398/d.cnki.gxalu.2024.000485.
[14] 何春辉,葛斌,徐浩,等.版权保护视角下的图像水印处理技术综述[J/OL].计算机技术与发展,1⁃10[2025⁃08⁃01].https://doi.org/10.20165/j.cnki.ISSN1673-629X.2025.0072.
[15] 王洋.数字水印技术在视频内容管理上的应用[C]//中国电子学会有线电视综合信息技术分会,中国电子学会广播电视技术分会.第32届中国数字广播电视与网络发展年会暨第27届国际广播电视技术讨论会论文集（CCNS&ISBT 2024）.国家广播电视总局监管中心,2024:505⁃509.DOI:10.26914/c.cnkihy.2024.032953.
[16] DUTTA T, GUPTA H P.An Efficient Framework for Compressed Domain Watermarking in P Frames of High⁃Efficiency Video Coding (HEVC)--Encoded Video[J].ACM Transactions on Multimedia Computing Communications and Applications, 2017, 13(1):1⁃24.DOI:10.1145/3002178.
[17] DAS S, BANERJEE M, CHAUDHURI A.An improved video key⁃frame extraction algorithm leads to video watermarking[J].International Journal of Information Technology, 2018.DOI:10.1007/s41870-017-0054-3.
[18] 梁钰承,钮可,李军,等. 基于混合DWT⁃DCT与帧分组的视频双域水印算法[J].网络与信息安全学报,2025,11(01):106⁃128.
[19] 刘欣怡.抗帧域攻击的鲁棒视频水印技术研究与实现[D].杭州：杭州电子科技大学,2024.DOI:10.27075/d.cnki.ghzdc.2024.001194.
[20] 王翌妃,周杨铭,钱振兴,等.鲁棒视频水印研究进展[J].中国图象图形学报,2022,27(01):27⁃42.
[21] 超高清晰度电视图像质量主观评价方法双刺激连续质量标度法:GY/T 340—2020[S].北京:国家广播电视总局,2020.
[22] 马鸿悦,周令非.基于FPGA的电影视频数字水印实时嵌入系统设计[J].现代电影技术,2025(08):37⁃43.
[23] Digital Cinema System Specification⁃Version 1.4.5(build 0c325a2)[EB/OL].（2024⁃05⁃29）[2025⁃08⁃15]. https://www.dcimovies.com/dci-specification.
[24] 点播影院放映数字水印技术要求和测量方法: T/CSMPTE 24—2023[S].北京:中国电影电视技术学会，2023.
期刊导读 |《现代电影技术》2026年第4期
贾云鹏等：创意影像生产中的可控视频生成技术路径及应用研究
中国电影电视技术学会电影创新技术奖交流会在京成功举办
热门跟贴