python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python视频相似度

使用Python进行视频相似度比较实例

作者:培根芝士

这篇文章主要介绍了使用Python进行视频相似度比较实例,本文通过汉明距离算法与图片比较等方法对比两个视频流的相似度,文中提供了部分实现代码与解决思路,需要的朋友可以参考下

Python视频相似度比较

1、安装依赖库

pip3 install numpy
pip3 install opencv-python

2、获取图片哈希值

def pHash(img):
	# 缩放图片为32x32灰度图片
	img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
	img = cv2.resize(img, (32, 32), interpolation=cv2.INTER_CUBIC)
	# 创建二维列表
	h, w = img.shape[:2]
	vis0 = np.zeros((h,w), np.float32)
	vis0[:h,:w] = img
	# 二维Dct变换
	vis1 = cv2.dct(cv2.dct(vis0))
	vis1 = vis1[:8, :8]
	# 把二维list变成一维list
	img_list = vis1.flatten().tolist()
	# 计算均值, 得到哈希值
	avg = sum(img_list) * 1. / 64
	avg_list = [0 if i < avg else 1 for i in img_list]
	return avg_list

3、求汉明距离

def hanming_dist(s1, s2):
	return sum([ch1 != ch2 for ch1, ch2 in zip(s1, s2)])

4、输入比较的两个视频流,返回是否相似。

帧相似度>=0.85返回True,否则返回False

def compare(video1: cv2.VideoCapture = None, video2: cv2.VideoCapture =None) -> bool:
	# 获取较短视频的帧数
	min_frame_count = min(video1.get(cv2.CAP_PROP_FRAME_COUNT), 
							video2.get(cv2.CAP_PROP_FRAME_COUNT))
	# 获取视频FPS
	fps1 = video1.get(cv2.CAP_PROP_FPS)
	similar = 0
	frame_cnt = int(min_frame_count / fps1)
	# 截帧
	for _ in range(frame_cnt):
		for _ in range(int(fps1)): # 按视频一间隔1s
			retval1 = video1.grab()
			retval2 = video2.grab()
		if not retval1 or not retval2:
			grab_failure_cnt += 1
			if grab_failure_cnt >= 10:
				raise Exception('Grab failed too much >= {} times, could be endless loop.'.format(10))
		else:
			grab_failure_cnt = 0
		flag1, frame1 = video1.retrieve()
		flag2, frame2 = video2.retrieve()
		# 提phash特征
		if flag1 & flag2:
			phash1 = pHash(frame1)
			phash2 = pHash(frame2)
			# 比较汉明距离
			if hanming_dist(phash1, phash2) < 12:
				similar += 1
	print("similar:", similar/frame_cnt, frame_cnt)
	return similar / frame_cnt

5、调用示例

def compareVideo(srcVideo, dstVideo):
	video1 = cv2.VideoCapture(srcVideo)
	video2 = cv2.VideoCapture(dstVideo)
	return compare(video1, video2)

到此这篇关于使用Python进行视频相似度比较实例的文章就介绍到这了,更多相关Python视频相似度内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文