1.一种在图像动画化过程中进行信息的隐写方法，其特征在于，包括以下步骤：

构建用于信息隐藏的网络架构，所述网络架构包括生成器、解码器与鉴别器；

根据生成器、解码器与鉴别器的损失函数进行对抗训练，得到训练后的生成器、解码器与鉴别器；

发送端将自然世界图像与待隐藏信息输入训练后的生成器，得到动画化的隐写图像，所述生成器包括动画模块、信息采集模块与隐写块，自然世界图像与待隐藏信息分别经过动画模块与信息采集模块处理，两个输出在通道维度连结后输入隐写块，输出动画化的隐写图像；

发送端将动画化的隐写图像通过公共信道进行传输；

接收端通过公共信道获取动画化的隐写图像，将动画化的隐写图像输入训练后的解码器，解码器输出待隐藏信息；

所述生成器包括两侧输入，一侧输入为自然世界图像，另一侧输入为待隐藏信息，所述自然世界图像输入侧结构包括：两个卷积块、下采样块、卷积块、深度分离块、下采样块、卷积块、八个倒置残差块、卷积块、上采样块、深度分离块、卷积块、上采样块、两个卷积块、标准卷积和Tamh激活块、混合卷积块，所述待隐藏信息输入侧结构包括隐写上采样块，两侧输出在通道维度连结后输入隐写块，输出动画化的隐写图像；

所述卷积块包括标准卷积、实例归一化和LRelu激活，所述上采样块包括上采样和深度分离块，所述隐写上采包括3组转置卷积加LRelu激活加实例归一化，所述混合卷积块包括标准卷积、LRelu激活和实例归一化，所述深度分离块包括深度可分离卷积、实例归一化、LRelu激活和卷积块，所述倒置残差块包括卷积块、深度可分离卷积、实例归一化、LRelu激活和标准卷积、实例归一化，所述下采样块包括下采样和两个深度分离块。

2.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述生成器和解码器预先存储在发送端和接收端。

3.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述隐写块包括三组标准卷积加LRelu激活加实例归一化。

4.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述解码器输入为动画化的隐写图像，输出为待隐藏信息，解码器包括三组标准卷积。

5.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述鉴别器输入为动画化的隐写图像或真实动画图像，输出为该图像是否为动画化的隐写图像，鉴别器包括标准卷积、LRelu激活、两组标准卷积加LRelu激活加标准卷积加实例归一化加LRelu激活、标准卷积、实例归一化、LRelu激活、标准卷积。

6.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述生成器和解码器的总损失函数 为：其中，为生成器的处理过程，为解码器的处理过程，为鉴别器的处理过程，为真实世界图像， 为动画图像的灰度图， 、 、 、 、 分别为10、1.5、3、30、1，为内容损失， 为灰度风格损失， 为颜色重建损失。

7.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述鉴别器的总损失函数 为：其中，为动画图像，为平滑后的动画图像灰度图。

8.根据权利要求1所述的一种在图像动画化过程中进行信息的隐写方法，其特征在于，所述根据生成器、解码器与鉴别器的损失函数进行对抗训练，具体训练过程包括：将生成器和鉴别器的学习率分别设置为0.0002和0.0004，训练轮数为70，批量大小设置为6，使用Adam优化器进行优化，将真实世界的图像作为内容图像，内容图像和秘密信息输入生成器得到隐写图像，同时将隐写图像和真实动画图像输入鉴别器进行对抗训练。