python如何使用opencv提取光流详解
目录
前言
提取帧
提取flow光流
环境配置
结果
总结
前言光流flow特征中包含了一个视频当中运动相关的信息，在视频动作定位当中光流特征使用的比较多，所以记录一下提取光流特征的方法。
使用的方法是TVL1方法，最终提取的光流图片还可以配合I3D模型进行特征的提取。光流的计算先需要将视频一帧一帧提取出来，然后再通过连续两帧之间的差异进行计算。
提取帧提取视频的帧的算法如下：
其中video_list.txt中写的是视频的名字，也就是告诉程序需要将那些视频提取帧:
videos中存放视频，与video_list.txt中写的视频名字对应
import cv2
import numpy as np
import os
import multiprocessing
video_root = 'video_list.txt'
root = 'videos'
out_root = 'frames'
suffix = '.jpg'
def save_image(root, vid_name, num, image):
file_name = os.path.join(root, vid_name, str(num) + suffix)
# print(file_name)
cv2.imwrite(file_name, image)
def process(vid_path, preffix):
videoCapture = cv2.VideoCapture(vid_path)
i = 0
while True:
success, frame = videoCapture.read()
if success:
i = i + 1
save_image(out_root, preffix, i, frame)
# print('save image vid name: ', file_name, '; frame num: ', i)
else:
break
def main(root):
if not os.path.exists(out_root):
os.mkdir(out_root)
# path_list = os.listdir(root)
path_list = []
#### 读取txt中视频信息 ####
with open(video_root, 'r') as f:
for id, line in enumerate(f):
video_name = line.strip().split()
path_list.append(video_name[0])
pool = multiprocessing.Pool(processes=4)
for file_name in path_list:
path = os.path.join(root, file_name)
preffix = file_name.split('.')[0]
dir_name = os.path.join(out_root, preffix)
if not os.path.exists(dir_name):
os.mkdir(dir_name)
pool.apply_async(process, args=(path, preffix))
# process(path,preffix)
pool.close()
pool.join()
if __name__ == '__main__':
main(root)
print("finish!!!!!!!!!!!!!!!!!!")
运行完这个程序就能将需要提取的视频帧放在frames对应的目录下。
提取光流使用了opencv模块，主要通过上面提取的视频帧进行计算，光流计算使用cpu资源比较多，所以会计算很长时间。
光流提取的代码如下：
import cv2
import os
import numpy as np
import glob
import multiprocessing
###### 使用frames帧进行 flow光流计算
video_root = 'video_list.txt'
root = 'frames'
out_root = 'flow'
def cal_for_frames(video_path):
# print(video_path)
frames = glob.glob(os.path.join(video_path, '*.jpg'))
frames.sort()
flow = []
prev = cv2.imread(frames[0])
prev = cv2.cvtColor(prev, cv2.COLOR_BGR2GRAY)
for i, frame_curr in enumerate(frames[1:]):
curr = cv2.imread(frame_curr)
curr = cv2.cvtColor(curr, cv2.COLOR_BGR2GRAY)
tmp_flow = compute_TVL1(prev, curr)
flow.append(tmp_flow)
prev = curr
return flow
def compute_TVL1(prev, curr, bound=15):
TVL1 = cv2.optflow.DualTVL1OpticalFlow_create()
flow = TVL1.calc(prev, curr, None)
assert flow.dtype == np.float32
flow = (flow + bound) * (255.0 / (2 * bound))
flow = np.round(flow).astype(int)
flow[flow >= 255] = 255
flow[flow <= 0] = 0
return flow
def save_flow(video_flows, flow_path):
if not os.path.exists(flow_path):
os.mkdir(os.path.join(flow_path))
for i, flow in enumerate(video_flows):
cv2.imwrite(os.path.join(flow_path, str(i) + '_x.jpg'), flow[:, :, 0])
cv2.imwrite(os.path.join(flow_path, str(i) + '_y.jpg'), flow[:, :, 1])
def process(video_path, flow_path):
flow = cal_for_frames(video_path)
save_flow(flow, flow_path)
def extract_flow(root, out_root):
if not os.path.exists(out_root):
os.mkdir(out_root)
# dir_list = os.listdir(root)
dir_list = []
### 读取txt中视频信息
with open(video_root, 'r') as f:
for id, line in enumerate(f):
video_name = line.strip().split()
preffix = video_name[0].split('.')[0]
dir_list.append(preffix)
pool = multiprocessing.Pool(processes=4)
for dir_name in dir_list:
video_path = os.path.join(root, dir_name)
flow_path = os.path.join(out_root, dir_name)
# flow = cal_for_frames(video_path)
# save_flow(flow,flow_path)
# print('save flow data: ',flow_path)
# process(video_path,flow_path)
pool.apply_async(process, args=(video_path, flow_path))
pool.close()
pool.join()
if __name__ == '__main__':
extract_flow(root, out_root)
print("finish!!!!!!!!!!!!!!!!!!")
环境配置
提取光流时需要使用到cv2.optflow.DualTVL1OpticalFlow_create()，这玩意安装有时候会有版本问题，所以安装的opencv-python和pencv-contrib-python最好版本相同
pip install opencv-python==4.1.2.30
pip install opencv-contrib-python==4.1.2.30
结果
最终flow光流图和提取的帧之间如下图所示，可以看到一些梳头发的动作变化。
记录一下光流特征提取的算法，方便自己之后进行使用。
代码仓库：https://github.com/zhou-ning/pytorch-i3d
到此这篇关于python如何使用opencv提取光流的文章就介绍到这了,更多相关python opencv提取光流内容请搜索软件开发网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软件开发网！
