从视频中检测和分类文本

Question

我正在尝试使用ICDAR2015数据集，这是从视频文件问题进行的文本检测和分类。我之前从事过静态图像上的文本检测和分类问题研究，但从未从事视频数据工作。

是否有一些库/工具可以帮助我从视频中截取不同帧的图像？ 谢谢。

Answer 1

只要视频未加密，根据您使用的平台，屏幕抓取帧的方式有很多。

鉴于你的问题域与域您的经验，OpenCV的一个开源计算机视觉库可能是一个很好的匹配：

• http://opencv.org

的doucmention包括例子来捕捉视频帧：

• http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_video_display/py_video_display.html

例如形成上面的教程，从文件中读出的视频：

import numpy as np 
import cv2 

cap = cv2.VideoCapture('vtest.avi') 

while(cap.isOpened()): 
    ret, frame = cap.read() 

    //Do whatever work you want on the frame here - in this example 
    //from the tutorial the image is being converted from one colour 
    //space to another 
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 

    //This displays the resulting frame - you may or may not not need 
    //this for your case 
    cv2.imshow('frame',gray) 
    if cv2.waitKey(1) & 0xFF == ord('q'): 
     break 

cap.release() 
cv2.destroyAllWindows()