数字水印是一种有效的数字产品保护和数据安全维护技术,是知识产权保护和数字多媒体防伪的有效手段并成为多媒体信号处理领域的研究热点。但是当前的研究主要集中在静止的图像水印方面。而对动态的视频水印的研究却不多。因此本文将支持向量机应用到数字水印领域,给出了一种基于支持向量机的视频水印算法。本文首先综述了数字水印的基本原理,概述了数字水印的分类方法和特性,并对其中的视频水印进行较深入的研究,归纳了数字水印(含视频)的性能测评方法。对水印预处理中的置乱部分列举了Arnold,采样,混沌等三种不同的置乱方式。根据其优缺点选择Arnold作为水印的预处理的置乱算法。其次,研究了支持向量机的理论,对结构风险最小化归纳原理进行了阐述。分析了支持向量回归机(SVR)中的核函数,对常用的核函数进行了概述,同时对当前学界流行的几种支持向量机模型展开了研究。然后,根据视频图像的邻域像素之间具备很强的相关性这一内在的特征,把支持向量机用于视频水印,可以用回归型支持向量机来寻求一种能够描述这种关系的最佳模型,因而本文用到了一种基于ε-支持向量回归机数字水印算法。该算法分为两个部分,水印嵌入和水印提取部分。在水印的嵌入部分,首先对载体图片进行Arnold置乱以增强其安全性能并对载体视频进行分割,利用欧式帧差法选择其中的关键帧,对其进行分块计算方差以确定嵌入位置。再使用回归型支持向量机建立邻域像素之间的关系模型进行回归预测。通过对模型输出值与中心像素值的比较完成水印的嵌入；在水印的提取部分,根据邻域像素值和与方差建立一个支持向量机模型,利用该模型输出与嵌入位置像素值之间的大小关系提取出水印。最后,为了验证该算法的有效性,利用MATLAB进行了实验仿真,实验结果表明,该算法具有较强的不可见性,且针对各种噪音攻击及帧压缩、剪切等具有良好的鲁棒性。