Bilibili数据分析｜视频特征提取 B站为例

本文将介绍一段用于处理视频文件并提取其亮度、对比度、颜色等信息的代码。首先，我们将对需求进行分析，然后介绍代码的主要功能，接着对代码进行详细解析，最后给出注意事项以及完整代码。

需求分析

随着多媒体技术的发展，视频数据的处理需求越来越广泛。在处理视频数据时，我们需要获取视频的各种属性，如亮度、对比度、颜色等。本代码的主要目的就是从给定的视频文件中提取这些信息，并将结果保存为CSV文件。

功能介绍

本代码具有以下功能：

1. 读取视频文件，并获取其基本属性，如帧数、宽度、高度等。
2. 对视频进行逐帧处理，计算每一帧的亮度、对比度、颜色等信息。
3. 将处理结果按秒进行分组，并计算每秒的平均值。
4. 将处理结果保存为CSV文件。

主要代码介绍

1. 首先，通过 cv2 库读取视频文件，并获取视频的基本属性，如帧数、宽度、高度等。

2. 设定跳帧处理策略，以减少处理时间并降低计算负担。在这里，我们设置每5帧进行一次处理。

3. 使用for循环逐帧处理视频，获取每一帧的亮度、对比度、颜色等信息。

   • 将每一帧从BGR色彩空间转换为灰度色彩空间和HSV色彩空间。
   • 计算每一帧的亮度均值、最大值和最小值。
   • 计算每一帧的对比度和饱和度均值。
   • 计算每一帧的纹理信息。
   • 计算每一帧的颜色熵。

4. 将处理结果保存到data_list中。

5. 将data_list转换为pandas数据帧，并按照秒进行分组，计算每秒的平均值。

6. 将处理结果保存为CSV文件。

7. 使用线程池（ThreadPoolExecutor）并发处理多个视频文件，提高处理速度。

关键代码

在本节中，我们将重点介绍上述代码中的关键部分。

读取视频文件

首先，我们需要读取视频文件，并获取其基本属性。这里，我们使用 cv2.VideoCapture 类来读取视频文件，并通过 cv2.CAP_PROP_* 系列属性获取视频的帧数、宽度、高度等。

cap = cv2.VideoCapture(video_path)

fps = cap.get(cv2.CAP_PROP_FPS)
total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

计算亮度、对比度和颜色信息

对于每一帧，我们首先将其从BGR色彩空间转换为灰度色彩空间和HSV色彩空间。

frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

接着，我们计算每一帧的亮度均值、最大值和最小值。

brightness_mean = np.mean(frame)
brightness_max = np.max(frame)
brightness_min = np.min(frame)

然后，计算每一帧的对比度和饱和度均值。

contrast = np.std(frame_gray)
saturation_mean = np.mean(hsv[:, :, 1])

为了获取纹理信息，我们使用Laplacian算子对灰度图像进行处理，并计算其均值。

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
laplacian = cv2.Laplacian(gray, cv2.CV_64F)
texture = np.mean(laplacian)

最后，计算每一帧的颜色熵。首先，我们将图像分为三个通道（蓝色、绿色、红色），然后计算每个通道的直方图，并对其进行归一化。接着，计算颜色熵。

b, g, r = cv2.split(frame)
hist_b = cv2.calcHist([b],