python3将视频流保存为本地视频文件

本文介绍如何使用Python结合OpenCV库实现视频流的读取与处理,包括视频流的帧数与尺寸获取、视频编码及帧的图像算法应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用python3+opencv3.3.1环境


1、利用opencv中的VideoCapture类获取视频流的链接,通过cv2的方法得到该视频流的帧数和每帧大小。

2、使用VideoWriter类进行视频编码

3、通过VideoCapture的read()方法进行视频流解码成每一帧

4、获取到每一帧frame,我们就可以对该帧做图像算法(例如识别、图像加强、灰度变换等)

import cv2
from matplotlib import pyplot as plt

#通过cv2中的类获取视频流操作对象cap
cap = cv2.VideoCapture('rtsp://admin:passwd@10.130.10.111:554/MPEG-4/ch1/main/av_stream')
#调用cv2方法获取cap的视频帧(帧:每秒多少张图片)
fps = cap.get(cv2.CAP_PROP_FPS)
print(fps)
#获取cap视频流的每帧大小
size = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)),
        int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print(size)

#定义编码格式mpge-4
fourcc = cv2.VideoWriter_fourcc('M', 'P', '4', '2')
#定义视频文件输入对象
outVideo = cv2.VideoWriter('saveDir.avi',fourcc,fps,size)

#获取视频流打开状态
if cap.isOpened():
    rval,frame = cap.read()
    print('ture')
else:
    rval = False
    print('False')

tot=1
c=1
#循环使用cv2的read()方法读取视频帧
while rval:
    rval,frame = cap.read()
    cv2.imshow('test',frame)
    #每间隔20帧保存一张图像帧
    # if tot % 20 ==0 :
    #     cv2.imwrite('cut/'+'cut_'+str(c)+'.jpg',frame)
    #     c+=1
    tot+=1
    print('tot=',tot)
    #使用VideoWriter类中的write(frame)方法,将图像帧写入视频文件
    outVideo.write(frame)
    cv2.waitKey(1)
cap.release()
outVideo.release()
cv2.destroyAllWindows()

结果:


### 实现方案 要从视频流中检测人脸并将人像保存为图像文件,可以基于 OpenCV 提供的功能完成此任务。以下是完整的解决方案。 #### 安装依赖库 首先需要确保已安装 `opencv-python` 和其他可能需要用到的库。如果尚未安装,可以通过以下命令进行安装: ```bash pip install opencv-python ``` #### 代码实现 下面提供了一段 Python 脚本,用于从视频流中检测人脸,并将其裁剪后保存为单独的图像文件: ```python import cv2 import os # 加载预训练的人脸级联分类器 face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') def detect_and_save_faces(video_path, output_dir): # 创建输出目录 if not os.path.exists(output_dir): os.makedirs(output_dir) cap = cv2.VideoCapture(video_path) # 打开视频文件或摄像头 (0 表示默认摄像头) frame_count = 0 face_count = 0 while True: ret, frame = cap.read() if not ret: # 如果无法获取帧,则退出循环 break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 将当前帧转换为灰度图 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) # 进行人脸检测 for i, (x, y, w, h) in enumerate(faces): # 遍历检测到的所有人脸区域 face_image = frame[y:y+h, x:x+w] # 截取人脸部分 # 构造保存路径 save_path = os.path.join(output_dir, f'face_{frame_count}_{i}.jpg') # 保存截取的人脸图像 cv2.imwrite(save_path, face_image) face_count += 1 frame_count += 1 cap.release() # 关闭视频捕获对象 print(f"共检测并保存 {face_count} 张人脸图片") # 设置输入视频路径和输出目录 video_path = "input_video.mp4" output_directory = "./detected_faces" detect_and_save_faces(video_path, output_directory) ``` 上述脚本实现了以下几个功能: - **加载 Haar 特征分类器**:使用 OpenCV 自带的 `haarcascade_frontalface_default.xml` 文件[^1]^。 - **逐帧处理视频**:通过 `cv2.VideoCapture()` 方法读取每一帧数据[^3]^。 - **人脸检测与裁剪**:利用 `detectMultiScale()` 函数定位每张人脸的位置,并从中裁剪出感兴趣的部分[^2]^。 - **保存结果**:将裁剪出来的人脸存储至指定的目标文件夹下。 #### 参数说明 | 参数名 | 描述 | |--------|------| | video_path | 输入视频文件路径;也可以替换为 RTSP 流地址(如海康威视设备)[^4]^。 | | output_dir | 输出人脸图片所在的本地目录 | --- ### 注意事项 1. 若目标源为网络摄像机,请修改 `video_path` 的值为实际 RTSP 地址。 2. 对于某些复杂场景下的误检情况,可通过调整参数优化性能,比如增大 `minNeighbors` 或者缩小 `scaleFactor` 值。 3. 当前算法仅适用于正面朝向的脸部捕捉需求,对于侧颜或其他角度的支持有限。 ---
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值