基于轮廓检测的视频帧定位与片段截取技术问询

先看你提供的视频帧：

要实现检测到符合条件的轮廓时记录帧号，并截取该帧前后2帧的视频片段，需要在你现有代码基础上添加帧计数、区间记录和视频截取逻辑，以下是完整实现：

关键修改点 #

• 新增帧计数器跟踪当前帧编号
• 检测到轮廓时计算需要保留的帧范围（前2帧到后2帧，处理边界避免越界）
• 收集所有需要截取的区间（合并重叠区间避免重复）
• 最后根据区间提取视频片段

完整代码 #

import cv2
import numpy as np

# 初始化视频捕获，替换为你的视频路径
cap = cv2.VideoCapture("your_video.mp4")
# 获取视频基础属性
fps = cap.get(cv2.CAP_PROP_FPS)
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

# 初始化变量
frame_num = 0
capture_ranges = []
# 假设你使用MOG2背景检测器，可根据实际调整参数
bg_subtractor = cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=40)
threshold_val = 50  # 替换为你的实际阈值

# 第一阶段：遍历视频，标记需要截取的帧范围
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break

    # 你的原有图像处理逻辑
    frame[frame <= threshold_val] = 0
    mask = bg_subtractor.apply(frame)
    _, mask = cv2.threshold(mask, 254, 255, cv2.THRESH_BINARY)
    contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    res = cv2.bitwise_and(frame, frame, mask=mask)

    # 检测符合面积要求的轮廓
    detected = False
    for cnt in contours:
        if cv2.contourArea(cnt) > 100:  # 面积阈值，可调整
            cv2.drawContours(frame, [cnt], -1, (0,255,0), 2)
            detected = True

    # 若检测到轮廓，记录前后2帧的范围（处理边界）
    if detected:
        start = max(0, frame_num - 2)
        end = min(total_frames - 1, frame_num + 2)
        # 避免添加重叠或相邻的重复范围
        if not capture_ranges or start > capture_ranges[-1][1]:
            capture_ranges.append((start, end))

    frame_num += 1

cap.release()

# 合并重叠/相邻的区间（可选，减少重复截取）
merged_ranges = []
for s, e in capture_ranges:
    if not merged_ranges:
        merged_ranges.append((s, e))
    else:
        last_s, last_e = merged_ranges[-1]
        if s <= last_e + 1:
            merged_ranges[-1] = (last_s, max(last_e, e))
        else:
            merged_ranges.append((s, e))

# 第二阶段：根据标记的范围截取视频片段
cap = cv2.VideoCapture("your_video.mp4")
fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # 编码格式，可根据需求调整

for idx, (start_frame, end_frame) in enumerate(merged_ranges):
    # 跳转到目标起始帧
    cap.set(cv2.CAP_PROP_POS_FRAMES, start_frame)
    # 创建视频写入器
    out = cv2.VideoWriter(f"clip_{idx+1}.mp4", fourcc, fps, (frame_width, frame_height))
    
    current = start_frame
    while current <= end_frame:
        ret, frame = cap.read()
        if not ret:
            break
        out.write(frame)
        current += 1
    
    out.release()

cap.release()
cv2.destroyAllWindows()

说明 #

1. 帧计数：用frame_num变量逐帧递增，准确跟踪当前处理的帧编号
2. 边界处理：计算截取范围时用max(0, ...)和min(total_frames-1, ...)避免超出视频帧范围
3. 区间合并：如果多个检测帧的截取范围重叠或相邻，合并成一个连续区间，避免生成多个重复片段
4. 视频写入：使用cv2.VideoWriter将指定帧范围写入新视频文件，编码格式可根据需求调整（如'avc1'对应H.264）

注意事项 #

• 替换代码中的"your_video.mp4"为你的实际视频文件路径
• 根据你的场景调整threshold_val、轮廓面积阈值（>100）和背景检测器的参数
• 如果需要实时处理并保存片段，可以在检测到轮廓时直接开始写入，无需先收集区间，但要注意处理起始边界

内容的提问来源于stack exchange，提问作者Rohit