通过python从视频片段中检测灯光闪烁的最佳方法答案

【问题标题】：Best way to detect a light blinking from video footage via python通过python从视频片段中检测灯光闪烁的最佳方法
【发布时间】：2016-10-28 01:31:15
【问题描述】：

我有一些视频片段并希望分析光源何时闪烁。光源在同一位置，因此应该易于使用 ROI。

我习惯使用 python，但在视频分析方面不是很强大 - 不太关心格式和技术内容。只是希望找到一种快速的肮脏方式来检测这一点。

我目前的方法是这样的

加载视频
从视频中提取图像以选择区域兴趣（ROI）通过绘制一个矩形（希望有一个简单的模块）
遍历整个视频以检测像素变化在投资回报率中
记录/绘制变化超过阈值的时间

我很确定有人做过类似的事情，所以任何有用的模块、教程或方便的软件的链接都会很棒。谢谢。

【问题讨论】：

标签： python video video-capture video-processing roi

【解决方案1】：

mahotas 可能是分析图像的不错选择。它将图像加载为 numpy 数组，因此选择 ROI 是微不足道的。它还具有内置的阈值方法，计算图片的平均亮度和类似的东西。最后但同样重要的是，mahotas 的文档非常好。

我不知道在 Python 中从视频中提取帧的最佳方法（尽管您可以使用 opencv 之类的方法来完成，但这似乎有点过头了）所以我建议使用一些外部程序，例如 ffmpeg 并使用 @ 调用它987654323@ 模块。此外，快速谷歌搜索给了我this 这可能是合适的。

【讨论】：

【解决方案2】：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# Load the video
cap = cv2.VideoCapture('../data/video/video_test.mp4')

# Extract an image from the video in order to elect region of interest (ROI) by drawing a rectangle
ret, frame = cap.read()

# Draw a rectangle on the image
cv2.rectangle(frame, (100, 100), (300, 300), (255, 0, 0), 2)

# Select the ROI
roi = frame[100:300, 100:300]

# Convert the image to grayscale
roi_gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)

# Create a mask
roi_mask = np.zeros(roi_gray.shape[:2], np.uint8)

# Draw a circle on the mask
cv2.circle(roi_mask, (150, 150), 100, 255, -1)

# Apply the mask to the grayscale image
masked_roi_gray = cv2.bitwise_and(roi_gray, roi_gray, mask=roi_mask)

# Create a threshold to exclude minute movements
threshold = 70

# Apply threshold to the masked grayscale image
_, thresh = cv2.threshold(masked_roi_gray, threshold, 255, cv2.THRESH_BINARY)

# Find changes in the masked grayscale image
_, contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# Draw a circle around the detected changes
for cnt in contours:
    (x, y, w, h) = cv2.boundingRect(cnt)
    cv2.circle(roi, (x + int(w/2), y + int(h/2)), 5, (0, 0, 255), -1)

# Show the image
cv2.imshow('image', frame)

# Wait for a key press
cv2.waitKey(0)

# Destroy all windows
cv2.destroyAllWindows()

【讨论】：