本文针对机器学习在视频水印中的应用进行了研究,主要是支持向量机与集成学习在其中的应用,首先通过对视频水印常遭受的攻击进行分类,然后根据每一类给出了应有的防范方法,重点分析了视频水印最容易遭受,也是最多的攻击,共谋攻击。对现阶段国内外对抗共谋攻击的研究进行了总结,对典型算法进行了分析,为未来的共谋攻击思路提供了新方向。根据视频是由多帧组成,不同的帧可以根据不同的算法嵌入水印的特性,设计了多水印多算法,以此来提高单一算法鲁棒性弱的缺陷(即是单一算法不可能抵抗所有的攻击),提高视频水印的鲁棒性。有了清晰的分类方法,并有每一种攻击的防范策略,设计出了多种水印算法,分析了集成学习在数字视频水印中的应用前景与契合点,使得设计出智能型地选择出多种水印算法成为可能。然后在此基础上,根据视频的特征,视频的纹理特性,提出了一种基于HVS的视频水印算法,使不可见性与鲁棒性达到最好的折衷,为支持向量机在数字水印中的应用打下了基础。支持向量机是机器学习中的一种有效方法,主要用于分类问题,但是也可以用于回归问题。根据支持向量机与数字水印存在着有效地契合,支持向量机已经应用到图像与音频中,应用到视频中的还太少,本文就根据在图像中嵌入水印的思想,将其应用到了视频中,提供了在视频水印中结合支持向量机嵌入水印的新思路。