使用Python结合FFmpeg实现视频自动切镜头

前言：

做了很长一段时间的抖音电商，带货的短视频都是混剪出来的，想实现一个能够程序化生成带货视频的程序，这篇文章就用来解决第一个问题，也就是将下载好的素材进行镜头细分割。

一、准备工作

代码是使用Python编写的，需要用到的库有 Numpy、OpenCV-Python，使用 pip 直接安装即可：

# 使用清华大学镜像源安装速度更快
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

二、实现思路

1、通过 openCV 读取帧画面，转换成小尺寸灰度图像，并计算帧画面的哈希值

2、计算出两帧画面的汉明距离，如超过一定的阈值，则说明当前帧为两个镜头的关键帧

3、将帧索引转换成00:00:00.000的时间戳。

4、调用ffmpeg，将视频按对应的时间戳分段切开保存为视频文件

三、函数实现

计算帧图像哈希值

# 计算帧的哈希值
def frame_to_fingerprint(frame):

    # 将图像缩放为 8x8 的尺寸
    frame = cv2.resize(frame, (8, 8), interpolation=cv2.INTER_AREA)

    # 转换为灰度图
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算图像的均值
    average = numpy.mean(gray)

    # 将像素值大于均值的设为 1，其他设为 0
    binary = numpy.where(gray > average, 1, 0)

    # 返回指纹
    return binary.flatten()

计算两帧画面的汉明距离

# 计算两个帧画面的汉明距离
def compare_fingerprints(fingerprint1, fingerprint2):

    distance = numpy.count_nonzero(fingerprint1 != fingerprint2)

    # 计算相似度
    similarity = 1.0 - (distance / len(fingerprint1))

    return similarity

帧索引转换成时间戳

# 根据帧速率将帧索引转时间戳，参数一为帧索引，参数二为帧速率
def frames_to_time(frameIndex, frame_rate):
    millis, milliseconds = divmod(frameIndex, frame_rate)
    seconds, millis = divmod(frameIndex, frame_rate)
    minutes, seconds = divmod(seconds, 60)
    hours, minutes = divmod(minutes, 60)

    return ("%02d:%02d:%02d.%d" % (hours, minutes, seconds, int(millis / frame_rate * 1000)))

ffmpeg的调用方式

ffmpeg -i "文件名" -map 0 -c copy -an -f segment -segment_times 分段时间戳 -reset_timestamps 1 "Out%02d.mp4"

四、总结

至此，就实现了镜头自动分割的功能，切出来的视频文件长这个样子：

最后附上完整代码：切割镜头.py