[PYTHON] Accélérer la lecture en spécifiant une trame OpenCV

1.Tout d'abord

Lors de l'utilisation de mp4 avec OpenCV, il y avait un phénomène selon lequel il était lent de spécifier la position du cadre avec set et read. Puisqu'il a fallu trop de temps pour acquérir la vidéo à intervalles réguliers (toutes les 0,5 seconde), les contre-mesures sont décrites ci-dessous. (Si vous avez d'autres meilleurs moyens, veuillez me le faire savoir dans les commentaires.)

2. Pour les lecteurs

・ Ceux qui utilisent des données vidéo à des intervalles supérieurs à une image. (Seule la lecture est appropriée pour chaque image)

3. Conclusion

Utilisez grab pour sauter les images inutiles et lire pour obtenir les images requises.

Il a été possible de gagner 36% du temps.

4. Vérification

Objectif de vérification: 　Luis Fonsi - Despacito ft. Daddy Yankee 　720p 30fps Durée de la vidéo 4 minutes 41 secondes

Lors de l'utilisation d'OpenCV :: VideoCapture pour capturer des images toutes les secondes

1. set + read
2. grab + read

Mesurez le temps de traitement de 2 modèles.

Environnement de vérification Windows10 64bit Python 3.6.9 OpenCV 4.1.1 numpy 1.16.5

1. set + read Résultat 10,131 secondes

set+read

import cv2


movie_path = "./movie/Luis Fonsi - Despacito ft. Daddy Yankee.mp4"
video = cv2.VideoCapture(movie_path)

#Obtenez le nombre d'images
frame_count = int(video.get(7))

#fréquence d'images(L'unité de temps d'une image est la milliseconde)Avoir
frame_rate = int(video.get(5))

#Toutes les n secondes
n = 1

#Nombre total d'images acquises
frame_all = int((frame_count / frame_rate) / n)

for i in range(frame_all):  #Tourner par le nombre total d'images acquises
    frame_set = frame_rate * n * i
    if frame_set > frame_count:
        break

    video.set(1, frame_set)
    ret, work_frame = video.read()
    if ret is False:
        break

    #Voici le traitement de la trame

video.release()

set+lire le résultat

         569 function calls in 10.131 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      281    8.791    0.031    8.791    0.031 {method 'set' of 'cv2.VideoCapture' objects}
      281    1.248    0.004    1.248    0.004 {method 'read' of 'cv2.VideoCapture' objects}
        1    0.087    0.087   10.131   10.131 time_check.py:4(test)
        1    0.006    0.006    0.006    0.006 {method 'release' of 'cv2.VideoCapture' objects}
        1    0.000    0.000   10.131   10.131 <string>:1(<module>)
        1    0.000    0.000   10.131   10.131 {built-in method builtins.exec}
        2    0.000    0.000    0.000    0.000 {method 'get' of 'cv2.VideoCapture' objects}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

2. grab + read

Résultat 6,491 secondes

grab+read

import cv2


movie_path = "./movie/Luis Fonsi - Despacito ft. Daddy Yankee.mp4"
video = cv2.VideoCapture(movie_path)

#Obtenez le nombre d'images
frame_count = int(video.get(7))

#fréquence d'images(L'unité de temps d'une image est la milliseconde)Avoir
frame_rate = int(video.get(5))

#Toutes les n secondes
n = 1

#Lire le réglage de l'intervalle
read_interval = int((frame_rate * n) - 1)

for i in range(frame_count):  #Tournez pendant quelques images
    ret = video.grab()
    if ret is False:
        break

    if i % read_interval is 0:
        ret, work_frame = video.read()
        if ret is False:
            break

        #Voici le traitement de la trame

video.release()

grab+lire le résultat

         8437 function calls in 6.491 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     8149    5.154    0.001    5.154    0.001 {method 'grab' of 'cv2.VideoCapture' objects}
      281    1.232    0.004    1.232    0.004 {method 'read' of 'cv2.VideoCapture' objects}
        1    0.098    0.098    6.490    6.490 time_check_set.py:4(test)
        1    0.006    0.006    0.006    0.006 {method 'release' of 'cv2.VideoCapture' objects}
        1    0.000    0.000    6.490    6.490 <string>:1(<module>)
        1    0.000    0.000    6.491    6.491 {built-in method builtins.exec}
        2    0.000    0.000    0.000    0.000 {method 'get' of 'cv2.VideoCapture' objects}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

5. Conclusion

Merci d'avoir regardé jusqu'à la fin. Ce processus est d'environ 3 secondes plus court que la vidéo de 4 minutes, donc je ne pense pas qu'il soit trop gros.

・ Analyser de longues vidéos ・ Scène où les spécifications telles que le serveur de location sont limitées

Ensuite, il semble que cela puisse être plus efficace.