3D视频因能提供真实的视觉感受而广受青睐,便捷的互联网和成熟的多媒体技术,高效的推广了多媒体应用。用户在享受多媒体服务的同时,也面临着非法复制、伪造、篡改等行为造成的版权纠纷问题,给3D视频的商业化发展带来了巨大的考验。视频水印技术因可以较好解决这类问题,受到学者和商家的重视,成为当前的研究热点。由于3D视频数据异常庞大,为降低对带宽和存储的要求,高效视频编码(High Efficient Video Coding,HEVC)标准再次扩展,得到立体视频编码标准(3D-HEVC)。多种新编码方式的加入使3D-HEVC有了可观的压缩比,然而随着冗余信息有效减少,编码复杂度大幅增加,增加了设计视频水印算法的难度,已有的图像和视频水印算法不能有效运用于3D视频中。针对3D视频面临的问题和新标准的编码特性,本文提出两种视频水印算法:(1)深度图帧内抗重编码的视频零水印算法。经实验测试,深度图边缘区域像素差值有较强的抗重编码能力。根据此特性,首先,将深度图不重叠分割成64×64大小块;其次,采用上下、左右、左上右下、左下右上四种方式将每块均分成两个区域,根据两区域像素的平均值计算每种方式下的梯度值;最后,取四种方式下的最大梯度值和阈值比较,映射得到特征序列,与混沌置乱后的测试图片异或,生成零水印。此算法在不同QPs(Quantization Parameters)(25、30、35、40)值的重编码下,五个测试序列受攻击前后水印序列的相似度在92%以上,证明算法抗重编码能力较强,也能较好抵抗视频传输中常见的噪声攻击。(2)基于纹理复杂度和运动方向的视频水印算法。首先,用灰度共生矩阵和梯度矩阵统计分析I帧后,将分析结果作为阈值选出P帧和B帧中纹理复杂度较高的8×8CU;其次,选择预测模式为对称分割的块作为水印的嵌入块,结合同位纹理块的运动矢量分量大小来确定嵌入水印的位置;最后,通过调制当前块的运动矢量搜索范围或修改区域最优运动矢量大小来嵌入水印。本算法在不同视频序列下的平均嵌入容量达到613(bit/frame),不同QPs(25、30、35、40)值重编码攻击下的平均误码率为13.31%,PSNR值平均下降仅为0.0075dB,对合成视点质量几乎无影响,且具有较好的鲁棒性。