06-04 05:24 阅读 130

opencv 分类白天与夜景视频的方法

最近有个数据需要分类处理，是一批含有白天跟夜晚的视频数据，需要进行区分开来，本文就来实现，感兴趣的可以了解一下

简诉

最近有个数据需要分类处理，是一批含有白天跟夜晚的视频数据，需要进行区分开来，单个视频严格是只有一个场景的，比如说白天整个视频就一定是白天，因为数据量有些大，几千个视频，所以就使用代码简单区分下，最后运行结果还可以，准确率百分之80十多，当然本批数据不用太严格，所以代码区分完全够了。

最初先测试9个视频，100%分类正确。

在这里插入图片描述

在进行多次阈值预设后，选取一个比较合适的阈值进行处理，准确率大概86%左右。

import cv2

import numpy as np

import os,time

import shutil

def GetImgNameByEveryDir(file_dir,videoProperty):  

    FileNameWithPath = [] 

    FileName         = []

    FileDir          = []

    for root, dirs, files in os.walk(file_dir):  

        for file in files:  

            if os.path.splitext(file)[1] in videoProperty:  

                FileNameWithPath.append(os.path.join(root, file))  # 保存图片路径

                FileName.append(file)                              # 保存图片名称

                FileDir.append(root[len(file_dir):])               # 保存图片所在文件夹

    return FileName,FileNameWithPath,FileDir

def img_to_GRAY(img,pic_path):

    #把图片转换为灰度图

    gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    #获取灰度图矩阵的行数和列数

    r,c = gray_img.shape[:2]

    piexs_sum=r*c #整个图的像素个数

    #遍历灰度图的所有像素

    #灰度值小于60被认为是黑

    dark_points = (gray_img < 60)

    target_array = gray_img[dark_points]

    dark_sum = target_array.size #偏暗的像素

    dark_prop=dark_sum/(piexs_sum) #偏暗像素所占比例

    if dark_prop >=0.60: #若偏暗像素所占比例超过0.6,认为为整体环境黑暗的图片

        return 1

    else:

        return 0

if __name__ =='__main__':

    path="C:\\Users\\Administrator\\Desktop\\cut_video"

    new_path=path+"\\DarkNight"

    if not os.path.exists(new_path):

        os.mkdir(new_path)

    FileName,FileNameWithPath,FileDir=GetImgNameByEveryDir(path,'.mp4')

    for i in range(len(FileNameWithPath)):

        video_capture = cv2.VideoCapture(FileNameWithPath[i])

        video_size = (int(video_capture.get(cv2.CAP_PROP_FRAME_WIDTH)),int(video_capture.get(cv2.CAP_PROP_FRAME_HEIGHT)))

        total_frames = int(video_capture.get(cv2.CAP_PROP_FRAME_COUNT))

        video_fps = int(video_capture.get(5))

        start_fps=2*video_fps #从2秒开始筛选

        end_fps=6*video_fps #6秒结束

        avg_fps=end_fps-start_fps #总共fps

        video_capture.set(cv2.CAP_PROP_POS_FRAMES, start_fps) #设置视频起点

        new_paths=new_path+"\\"+FileName[i]

j=0

        count=0

        while True:

            success,frame = video_capture.read()

            if success:

                j += 1

                if(j>=start_fps and j <= end_fps):

                    flag=img_to_GRAY(frame,FileNameWithPath[i])

                    if flag==1:

                        count+=1

                elif(j>end_fps):

                    break

            else:

                break

        print('%s,%s'%(count,avg_fps))

        if count>int(avg_fps*0.48): #大于fps50%为黑夜

            print("%s,该视频为黑夜"%FileNameWithPath[i])

            video_capture.release() #释放读取的视频，不占用视频文件

            time.sleep(0.2)

            shutil.move(FileNameWithPath[i],new_paths)

        else:

            print("%s,该视频为白天"%FileNameWithPath[i])

到此这篇关于opencv 分类白天与夜景视频的方法的文章就介绍到这了,更多相关opencv 分类白天与夜景视频内容请搜索脚本之家以前的文章

您可能感兴趣的文章:

原文链接：https://blog.csdn.net/Cxk___/article/details/111647910