如何在視頻中提取關鍵幀?

在視頻處理中,提取關鍵幀是一項常見的任務。下面將介紹如何基于FFmpeg和Python,結合OpenCV庫來實現從視頻中提取關鍵幀的功能。

實現思路

  1. 使用FFmpeg獲取視頻的關鍵幀時間戳:FFmpeg是一個強大的視頻處理工具,可以通過命令行獲取視頻中關鍵幀的時間戳信息。
  2. 使用OpenCV根據時間戳提取關鍵幀:OpenCV是一個廣泛使用的計算機視覺庫,可以根據視頻的時間戳讀取相應的幀。

代碼實現

import cv2
import subprocess
import redef get_keyframe_timestamps(video_path):"""使用FFmpeg獲取視頻中關鍵幀的時間戳:param video_path: 視頻文件的路徑:return: 關鍵幀的時間戳列表"""# 構建FFmpeg命令command = ['ffmpeg','-i', video_path,'-skip_frame', 'nokey','-vsync', '0','-frame_pts', '1','-loglevel', 'verbose','-f', 'image2','-']try:# 執行FFmpeg命令并捕獲輸出result = subprocess.run(command, capture_output=True, text=True, check=True)output = result.stderr# 使用正則表達式提取關鍵幀的時間戳timestamps = re.findall(r'pts_time:([\d.]+)', output)timestamps = [float(ts) for ts in timestamps]return timestampsexcept subprocess.CalledProcessError as e:print(f"FFmpeg命令執行出錯: {e.stderr}")return []def extract_keyframes(video_path, output_folder):"""根據關鍵幀的時間戳提取關鍵幀并保存到指定文件夾:param video_path: 視頻文件的路徑:param output_folder: 保存關鍵幀的文件夾路徑"""# 打開視頻文件cap = cv2.VideoCapture(video_path)if not cap.isOpened():print("無法打開視頻文件")return# 獲取關鍵幀的時間戳timestamps = get_keyframe_timestamps(video_path)for i, ts in enumerate(timestamps):# 設置視頻的播放位置到關鍵幀的時間戳cap.set(cv2.CAP_PROP_POS_MSEC, ts * 1000)ret, frame = cap.read()if ret:# 保存關鍵幀到指定文件夾output_path = f"{output_folder}/keyframe_{i}.jpg"cv2.imwrite(output_path, frame)print(f"保存關鍵幀 {output_path}")# 釋放視頻捕獲對象cap.release()if __name__ == "__main__":video_path = "your_video.mp4"  # 替換為實際的視頻文件路徑output_folder = "keyframes"  # 替換為實際的輸出文件夾路徑extract_keyframes(video_path, output_folder)

代碼解釋

  1. get_keyframe_timestamps函數

    • 使用FFmpeg命令獲取視頻中關鍵幀的時間戳信息。
    • 通過正則表達式從FFmpeg的輸出中提取關鍵幀的時間戳。
  2. extract_keyframes函數

    • 打開視頻文件。
    • 調用get_keyframe_timestamps函數獲取關鍵幀的時間戳。
    • 根據時間戳設置視頻的播放位置,并讀取關鍵幀。
    • 將關鍵幀保存到指定的文件夾中。

使用方法

  1. 確保已經安裝了FFmpeg和OpenCV庫。
  2. 將代碼中的video_path替換為實際的視頻文件路徑。
  3. 將代碼中的output_folder替換為實際的輸出文件夾路徑。
  4. 運行代碼,即可從視頻中提取關鍵幀并保存到指定文件夾。

注意事項

  • 請確保FFmpeg的可執行文件已經添加到系統的環境變量中,否則可能會出現命令執行失敗的問題。
  • 提取的關鍵幀將以keyframe_0.jpg, keyframe_1.jpg, … 的格式保存到指定的文件夾中。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/70788.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/70788.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/70788.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

九、數據治理架構流程

一、總體結構 《數據治理架構流程圖》(Data Governance Architecture Flowchart) 水平結構:流程圖采用水平組織,顯示從數據源到數據應用的進程。 垂直結構:每個水平部分進一步劃分為垂直列,代表數據治理的…

Docker 搭建 Gitlab 服務器 (完整詳細版)

參考 Docker 搭建 Gitlab 服務器 (完整詳細版)_docker gitlab-CSDN博客 Docker 安裝 (完整詳細版)_docker安裝-CSDN博客 Docker 日常命令大全(完整詳細版)_docker命令-CSDN博客 1、Gitlab鏡像 # 查找Gitlab鏡像 docker search gitlab # 拉取Gitlab鏡像 docker pull gitlab/g…

Spring MVC 框架學習筆記:從入門到精通的實戰指南

目錄 1. Spring MVC 概述 2. Spring MVC 項目搭建 3. Spring MVC 執行流程 4. Spring MVC RequestMapping 注解 5. Spring MVC 獲取請求參數 6. Spring MVC 常見注解 7. Spring MVC 響應處理 8. Spring MVC SSM 整合 9. Spring MVC 作用域傳參 10. Spring MVC 上傳 1…

RK3568開發筆記-AD7616調試筆記

目錄 前言 一、AD7616介紹 高分辨率 高速采樣速率 寬模擬輸入范圍 集成豐富功能 二、原理圖連接 三、設備樹配置 四、內核驅動配置 五、AD芯片測試 總結 前言 在嵌入式數據采集領域,將模擬信號精準轉換為數字信號至關重要。AD7616 作為一款性能卓越的 16 位模數轉換器…

【對話推薦系統】Towards Topic-Guided Conversational Recommender System 論文閱讀

Towards Topic-Guided Conversational Recommender System 論文閱讀 Abstract1 Introduction2 Related Work2.1 Conversation System2.2 Conversational Recommender System2.3 Dataset for Conversational Recommendation 3 Dataset Construction3.1 Collecting Movies for Re…

ASP.NET Core 8.0學習筆記(二十八)——EFCore反向工程

一、什么是反向工程 1.原則:DBFirst 2.反向工程:根據數據庫表來反向生成實體類 3.生成命令:Scaffold-DbContext ‘連接字符串’ 字符串示例: Server.;DatabaseDemo1;Trusted_Connectiontrue; MultipleActiveResultSets true;Tru…

springcloud和dubbo的區別

Spring Cloud和Dubbo作為微服務架構中非常流行的兩個框架,它們在多個方面存在顯著的區別。以下是對兩者區別的詳細分析: 1. 初始定位和生態環境 Spring Cloud:定位為微服務架構下的一站式解決方案,依托于Spring平臺,…

【大模型LLM】DeepSeek LLM Scaling Open-Source Language Models with Longtermism

深度探索LLM:以長期主義擴展開源語言模型 0.論文摘要 開源大語言模型(LLMs)的快速發展確實令人矚目。然而,以往文獻中描述的擴展規律得出了不同的結論,這為LLMs的擴展蒙上了一層陰影。我們深入研究了擴展規律&#…

C#快速調用DeepSeek接口,winform接入DeepSeek查詢資料 C#零門檻接入DeepSeek C#接入DeepSeek源代碼下載

下載地址<------完整源碼 在數字化轉型加速的背景下&#xff0c;企業應用系統對智能服務的需求日益增長。DeepSeek作為先進的人工智能服務平臺&#xff0c;其自然語言處理、圖像識別等核心能力可顯著提升業務系統的智能化水平。傳統開發模式下&#xff0c;C#開發者需要耗費大…

Qt常用控件之多行輸入框QTextEdit

多行輸入框QTextEdit QTextEdit 是一個多行輸入框控件&#xff0c;支持富文本和 markdown 格式&#xff0c;當文本內容超出編輯框的范圍時能自動提供滾動條。 QPlainTextEdit 是只支持富文本格式的多行輸入框&#xff0c;屬性和使用上與 QTextEdit 幾乎沒有區別。 QTextEdit屬…

VC++零基礎入門之系列教程 【附錄E MFC快速參考指南】

附錄E MFC快速參考指南 E.1 創建窗口 使用M F C CWnd wnd; W n d . C r e a t e E x ( E xSt y l e , C l a s s N a m e , Wi n d o w N a m e , S t y l e , x , y, Wi d t h , H e i g h t , P a r e n t , M e n u , P a r a m ) ; 使用A P I HWND hwnd=::CreateWi n d …

【前端】react+ts 輪播圖的實現

一、場景描述 在很多網站的頁面中都有輪播圖&#xff0c;所以我想利用react.js和ts實現一個輪播圖。自動輪播圖已經在前面實現過了&#xff0c;如&#xff1a;https://blog.csdn.net/weixin_43872912/article/details/145622444?sharetypeblogdetail&sharerId145622444&a…

python與C系列語言的差異總結(4)

如果具有傳統編譯型語言的經驗&#xff0c;大家可能會對是否使用字典而猶豫不決&#xff0c;擔心字典的效率比列表或數組低。事實上Python字典的執行速度已經相當快了。Python語言的許多內部特性都依賴于字典&#xff0c;為提高字典的效率已經投入了大量的心血。Python的所有數…

[Web 安全] 反序列化漏洞 - 學習筆記

關注這個專欄的其他相關筆記&#xff1a;[Web 安全] Web 安全攻防 - 學習手冊-CSDN博客 0x01&#xff1a;反序列化漏洞 — 漏洞介紹 反序列化漏洞是一種常見的安全漏洞&#xff0c;主要出現在應用程序將 序列化數據 重新轉換為對象&#xff08;即反序列化&#xff09;的過程中…

深入理解C語言中的位段

在C語言編程中&#xff0c;我們常常會遇到需要對內存進行精細控制的場景&#xff0c;位段&#xff08;bit - field&#xff09;便是C語言提供的一種強大工具&#xff0c;它允許我們在一個字節或多個字節內對數據進行按位的定義和操作&#xff0c;極大地提高了內存使用效率。 一…

實現使用RBF(徑向基函數)神經網絡模擬二階電機數學模型中的非線性干擾,以及使用WNN(小波神經網絡)預測模型中的非線性函數來抵消遲滯影響的功能

下面將詳細介紹如何實現使用RBF&#xff08;徑向基函數&#xff09;神經網絡模擬二階電機數學模型中的非線性干擾&#xff0c;以及使用WNN&#xff08;小波神經網絡&#xff09;預測模型中的非線性函數來抵消遲滯影響的功能。我們將按照以下步驟進行&#xff1a; 步驟1&#x…

Grouped-Query Attention(GQA)詳解: Pytorch實現

Grouped-Query Attention&#xff08;GQA&#xff09;詳解 Grouped-Query Attention&#xff08;GQA&#xff09; 是 Multi-Query Attention&#xff08;MQA&#xff09; 的改進版&#xff0c;它通過在 多個查詢頭&#xff08;Query Heads&#xff09;之間共享 Key 和 Value&am…

ReentrantLock 用法與源碼剖析筆記

&#x1f4d2; ReentrantLock 用法與源碼剖析筆記 &#x1f680; 一、ReentrantLock 核心特性 &#x1f504; 可重入性&#xff1a;同一線程可重復獲取鎖&#xff08;最大遞歸次數為 Integer.MAX_VALUE&#xff09;&#x1f527; 公平性&#xff1a;支持公平鎖&#xff08;按等…

基于GO語言的車牌識別api技術-港澳車牌文字識別

隨著科技的飛速發展&#xff0c;智能化管理逐漸滲透到我們生活的方方面面。車牌識別技術作為智能交通的重要組成部分&#xff0c;不僅極大提升了交通管理的效率&#xff0c;還為市民出行帶來了更多便利。而港澳地區的車牌識別技術&#xff0c;憑借其高效、精準、快速的特點&…

基于 DeepSeek LLM 本地知識庫搭建開源方案(AnythingLLM、Cherry、Ragflow、Dify)認知

寫在前面 博文內容涉及 基于 Deepseek LLM 的本地知識庫搭建使用 ollama 部署 Deepseek-R1 LLM知識庫能力通過 Ragflow、Dify 、AnythingLLM、Cherry 提供理解不足小伙伴幫忙指正 &#x1f603;,生活加油 我站在人潮中央&#xff0c;思考這日日重復的生活。我突然想&#xff0c…