推荐开源项目：Anansi - TV游戏节目爬虫

推荐开源项目：Anansi - TV游戏节目爬虫

pabkvizgenerator Anansi is a computer vision (cv2 and FFmpeg) + OCR (EasyOCR and tesseract) python-based crawler for finding and extracting questions and correct answers from video files of popular TV game shows in the Balkan region. 项目地址: https://gitcode.com/gh_mirrors/pa/pabkvizgenerator

项目介绍

Anansi 是一个基于Python的开源项目，利用计算机视觉（cv2和FFmpeg）和OCR技术（EasyOCR和tesseract）从巴尔干地区流行的电视游戏节目视频文件中提取问题和正确答案。该项目特别针对“Slagalica”和“Pot(j)era”这两档热门电视游戏节目，能够高效地识别并提取出节目中的问题和答案，并将其整理成易于使用的CSV格式。

项目技术分析

核心技术

1. 计算机视觉（cv2和FFmpeg）：

   • 通过OpenCV库处理视频帧，识别特定游戏环节的开始和结束。
   • 使用FFmpeg进行视频文件的读取和处理。

2. OCR技术（EasyOCR和tesseract）：

   • 利用EasyOCR和tesseract对视频帧中的文字进行识别，提取问题和答案。

算法流程

1. 打开视频文件：读取目标视频文件。
2. 寻找游戏开始：通过模板匹配或颜色掩码识别游戏环节的开始。
3. 识别问题和答案帧：监测帧中的变化，找到包含问题和答案的帧。
4. 预处理和OCR：对识别到的帧进行预处理，并通过OCR提取文字。
5. 数据清洗：对提取的文字进行清洗和格式化。
6. 保存结果：将提取的问题和答案保存为CSV文件。

项目及技术应用场景

1. 知识库构建：为Pub Quiz等知识竞赛提供丰富的题库资源。
2. 教育应用：用于教育领域的知识测试和学习材料。
3. 数据分析：对电视节目内容进行数据分析，了解热门话题和知识点。
4. 娱乐应用：开发基于电视节目的互动游戏或应用。

项目特点

1. 高效自动化：自动识别和提取视频中的问题和答案，节省人工时间。
2. 数据丰富：已提取超过24,000个“Slagalica”问题和3,000个“Pot(j)era”问题。
3. 技术先进：结合计算机视觉和OCR技术，识别准确率高。
4. 易于使用：提供详细的安装和使用指南，用户可轻松上手。
5. 开源免费：完全开源，用户可自由使用和修改。

具体实现

Slagalica节目处理

• 游戏规则：在“Slagalica”的“Ko zna zna”环节中，选手需回答10个常识问题。
• 识别游戏开始和结束：通过模板匹配识别游戏环节的开始和结束。
• 帧处理和OCR：监测帧中的蓝色掩码和矩形，提取问题和答案。

Pot(j)era节目处理

• 游戏规则：在“Pot(j)era”的第二个游戏环节中，选手回答问题。
• 识别正确答案：通过绿色框识别正确答案。
• 帧处理和OCR：提取问题和答案并进行OCR处理。

总结

Anansi项目以其高效、准确的技术手段，为用户提供了丰富的电视游戏节目问题和答案资源。无论是用于知识竞赛、教育应用还是数据分析，Anansi都展现了其强大的实用性和广阔的应用前景。欢迎广大开发者和技术爱好者使用和贡献此开源项目，共同丰富知识库资源。

更多详情和使用指南请访问项目GitHub页面。

---

通过本文的介绍，希望能吸引更多用户关注和使用Anansi项目，共同推动开源技术的发展和应用。

pabkvizgenerator Anansi is a computer vision (cv2 and FFmpeg) + OCR (EasyOCR and tesseract) python-based crawler for finding and extracting questions and correct answers from video files of popular TV game shows in the Balkan region. 项目地址: https://gitcode.com/gh_mirrors/pa/pabkvizgenerator