隐写技术是用于秘密通信的一种方式,随着人们越来越青睐于视频形式的信息交流,以视频为载体的信息隐藏技术将在版权保护、军事通信等领域有巨大的应用需求。视频原始数据量巨大,所以我们平常见到的视频几乎都是经过压缩的。高效率视频编码（High Efficiency Video Coding,HEVC）自2013年发布以来就以其较高的压缩效率受到了广泛的关注,并且经过近几年的发展,被应用到许多产品中,因此基于HEVC编码标准研究视频信息隐藏算法具有重要意义。本文提出了一种基于预测单元（Predict Unit,PU）划分模式的高性能HEVC视频隐写算法,可以根据实际需要传递秘密信息的多少来选择对应的信息嵌入层次。该算法以8×8和16×16尺寸的编码单元（Coding Unit,CU）中的PU划分模式为载体嵌入需要传递的秘密信息,通过菱形编码技术极大地提升有限种类的PU对信息的表达能力,能在一个8×8和16×16的CU中分别嵌入1.79比特和2.32比特的二进制信息。与目前最新和经典的HEVC视频隐写算法相比,所提出的隐写算法在极大地提高了嵌入容量的同时对压缩视频的视觉质量和比特率的影响均控制在一个较低的程度。在视频信息隐藏领域中,嵌入容量、视觉质量、比特率变化是衡量算法优劣的三个基本指标。但信息嵌入通常会改动HEVC原本选定的最优压缩参数,是以牺牲压缩视频的视觉质量和比特率为代价完成的。本文开拓性地将卷积神经网络（Convolutional Neural Network,CNN）引入到信息隐藏领域,用卷积神经网络替换HEVC编码中I帧的环路滤波器,解决了嵌入容量、视觉质量、比特率之间的基本矛盾问题。实验结果表明,与默认的HEVC相比,信息嵌入使得压缩视频的峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）平均下降了0.06d B,比特率平均上升了3.47%。CNN的引入有效地提升了隐写视频的视觉质量,甚至比原始HEVC的视频PSNR高出了0.16d B,比特率上升由原来的3.47%降低为2.98%。可见本文引入的卷积神经网络在不影响算法嵌入容量的同时,有效地提升了隐写视频视觉质量,降低了对比特率的影响,为提升隐写算法的整体性能开拓了一个新的思路。最后,本文进一步评测了算法的安全性和计算复杂度,所提出的隐写算法对基于PU划分模式的两种检测算法均具有较强的抗隐写分析能力,而且算法具有较低的计算复杂度。