Python使用PyAV提取視頻關(guān)鍵幀的實踐

更新時間：2022年08月04日 10:31:30 作者：文藝醬Jayce

本文主要介紹了Python使用PyAV提取視頻關(guān)鍵幀的實踐，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

1.軟件環(huán)境??

Windows10 教育版64位
Python 3.6.3
PyAV 8.0.3

2.問題描述??

在提取視頻文件的關(guān)鍵內(nèi)容時，手動查看會非常耗時。即使你快進視頻，一個小時的視頻也需要超過10分鐘；通常，一秒鐘的視頻包含24幀圖像。如果你能捕獲視頻中的關(guān)鍵幀（key frame，你可以把它理解成論文里面的摘要，看完關(guān)鍵幀就知道這個視頻主要在講什么了），尤其是在長時間拍攝類似鏡頭的場景中，對圖像進行重復(fù)數(shù)據(jù)消除將有助于過濾掉大多數(shù)噪聲幀，并最大程度地提取視頻的核心內(nèi)容。

隨著短視頻越來越流行，視頻的內(nèi)容分析與文本的內(nèi)容分析一樣重要。然而，如果每個分析師都想看每一段視頻，那就需要太多時間。即使使用快進功能，節(jié)省的時間仍然不夠。此外，由于人為疏忽，內(nèi)容分析會出現(xiàn)錯誤和遺漏。相較于基于文本的內(nèi)容分析，會發(fā)現(xiàn)一個主要的區(qū)別：查看文本內(nèi)容可以一目十行，并且沒有強制的前后時間線。相反，觀看流媒體必須消耗流媒體的長度。然后我們會有一個問題：我們能一目了然地看到流媒體嗎？事實上，視頻流中的大量信息是冗余的，并且信息量非常低。信息量僅集中在一個關(guān)鍵幀（也稱為信息幀或I幀）圖片中。如果你把這些圖片一張一張地放在面前，你也可以做到像文本內(nèi)容一樣一目十行，減少人為疏忽。

關(guān)于視頻的相關(guān)概念可以看一下這個博客：
音視頻pts、dts基本概念及理解

那么有沒有什么方法能夠高效的提取視頻的關(guān)鍵幀呢

3.解決方法??

當然有啦，這就是我們今天的主角——PyAV：

在這里插入圖片描述

PyAV 是 FFmpeg 的Pythonic 綁定，其目標是提供FFmpeg 底層庫的所有功能。 PyAV 通過容器、流、數(shù)據(jù)包、編解碼器和幀直接和精確地訪問視頻媒體。同時，它能夠方便的和其他庫進行對接，并幫助您從其他包（例如 Numpy 和 Pillow）獲取和修改數(shù)據(jù)，提取視頻關(guān)鍵幀就更不在話下了！
不廢話了，直接上代碼：

'''
===========================================
  @author:  jayce
  @file:    extract_video_keyframes_av.py         
  @time:    2022/4/11   21:42 
===========================================
'''

import av
import os
import shutil

path_to_video = r'E:\Code\Python\extract_video_keyframes\test video.mp4'
output_dir = r'E:\Code\Python\extract_video_keyframes\pyav'


# # 提取全部幀
# container = av.open(path_to_video)
#
# for frame in container.decode(video=0):
#     frame.to_image().save(r'E:\Code\Python\比例尺鑒定\20220410比例尺鑒定\extract_video_keyframes\pyav\frame-%04d.png' % frame.index)


def extract_video_keyframes(path_to_video, output_dir):
    try:
        os.makedirs(output_dir, exist_ok=True)
        # 提取關(guān)鍵幀
        with av.open(path_to_video) as container:
            # 表示我們只想查看關(guān)鍵幀
            stream = container.streams.video[0]
            stream.codec_context.skip_frame = 'NONKEY'
            for frame in container.decode(stream):
                print(frame)
                # 使用frame.pts的原因是frame.index對skip_frame沒有意義,因為關(guān)鍵幀是從所有的幀中抽取中獨立的圖像，而pts顯示的就是這些獨立圖像的index；
                # DTS（Decoding Time Stamp）：即解碼時間戳，這個時間戳的意義在于告訴播放器該在什么時候解碼這一幀的數(shù)據(jù)。
                # PTS（Presentation Time Stamp）：即顯示時間戳，這個時間戳用來告訴播放器該在什么時候顯示這一幀的數(shù)據(jù)。
                frame.to_image().save(os.path.join(output_dir, 'temporary-image-{:04d}.png'.format(frame.pts)))
    except Exception as e:
        print('Program error occurred:{}'.format(repr(e)))


if __name__ == "__main__":
    extract_video_keyframes(path_to_video, output_dir)
    # shutil.rmtree(output_dir)