ffmpeg, ffplay, ffprobe用法

1. 使用ffmepg

用法举例:ffmpeg -i input.avi -b:v 640k output.ts
将input.avi专码成output.ts,并设置视频的码率为640kbs
详细使用说明(英文):http://ffmpeg.org/ffmpeg.html

2. 使用ffplay

详细使用说明(英文):http://ffmpeg.org/ffplay.html


3. 使用ffprobe

简介:用于查看文件格式的应用程序。
详细使用说明(英文):http://ffmpeg.org/ffprobe.html

先测试一个aac格式的音频文件(wavinflag.aac),结果如下:
  1. hwh@Mountain:~/ffmpeg/ffmpeg-2.1.4/doc/examples$ ffprobe wavinflag.aac  
  2. ffprobe version 2.1.4 Copyright (c) 2007-2014 the FFmpeg developers  
  3.   built on Mar  7 2014 15:39:45 with gcc 4.7 (Ubuntu/Linaro 4.7.2-2ubuntu1)  
  4.   configuration:  
  5.   libavutil      52. 48.101 / 52. 48.101  
  6.   libavcodec     55. 39.101 / 55. 39.101  
  7.   libavformat    55. 19.104 / 55. 19.104  
  8.   libavdevice    55.  5.100 / 55.  5.100  
  9.   libavfilter     3. 90.100 /  3. 90.100  
  10.   libswscale      2.  5.101 /  2.  5.101  
  11.   libswresample   0. 17.104 /  0. 17.104  
  12. [aac @ 0xa55c820] Estimating duration from bitrate, this may be inaccurate  
  13. Input #0, aac, from 'wavinflag.aac':  
  14.   Duration: 00:03:51.27, bitrate: 122 kb/s  
  15.     Stream #0:0: Audio: aac, 44100 Hz, stereo, fltp, 122 kb/s  



aac:Advanced Audio Coding。一种专为声音数据设计的文件压缩格式,与Mp3不同,它采用了全新的算法进行编码,更加高效,具有更高的“性价比”。利用AAC格式,可使人感觉声音质量没有明显降低
的前提下,更加小巧。;
44100 Hz:表示一秒钟采样44100次即采样精度,常见的还有22050 Hz等。
stereo:表示立体声(就是有2个声道);
fltp:AV_SAMPLE_FMT_FLTP格式的数据( float, 4bit , planar);
122 kb/s:222kbps就是每秒钟有122k的信息量。码率越高,文件所含的信息量就越大,音质就越高。
播放时间(00:03:51.27):我们可以用“总播放时间=文件大小*8/比特率”粗略计算播放时间。
该文件大小为:3535748B
比特率为:122kb/s,即数据传输时单位时间传送的数据位数,一般我们用的单位是kbps即千位每秒。
那么播放时间 = (3235748 * 8)/122000 ~ 231秒。


再测试一个视频文件(start.avi),结果如下:
  1. hwh@Mountain:~/ffmpeg/ffmpeg-2.1.4/doc/examples$ ffprobe start.avi  
  2. ffprobe version 2.1.4 Copyright (c) 2007-2014 the FFmpeg developers  
  3.   built on Mar  7 2014 15:39:45 with gcc 4.7 (Ubuntu/Linaro 4.7.2-2ubuntu1)  
  4.   configuration:  
  5.   libavutil      52. 48.101 / 52. 48.101  
  6.   libavcodec     55. 39.101 / 55. 39.101  
  7.   libavformat    55. 19.104 / 55. 19.104  
  8.   libavdevice    55.  5.100 / 55.  5.100  
  9.   libavfilter     3. 90.100 /  3. 90.100  
  10.   libswscale      2.  5.101 /  2.  5.101  
  11.   libswresample   0. 17.104 /  0. 17.104  
  12. [avi @ 0x9877820] non-interleaved AVI  
  13. Input #0, avi, from 'start.avi':  
  14.   Duration: 00:00:10.55, start: 0.000000, bitrate: 1838 kb/s  
  15.     Stream #0:0: Video: msvideo1 (CRAM / 0x4D415243), rgb555le, 352x288, 20 tbr, 20 tbn, 20 tbc  
  16.     Stream #0:1: Audio: mp3 (U[0][0][0] / 0x0055), 44100 Hz, stereo, s16p, 320 kb/s  



这里有2个流,视频流和音频流,音频流我们就略过了,直接看视频流。
msvideo1:表示微软是视频格式。
rgb555le:表示颜色标准,常见的还有yuv420p等。
352x288:视频尺寸。
tbr, tbn, tbc:25 tbr代表帧率;1200k tbn代表文件层(st)的时间精度,即1S=1200k,和duration相关;50 tbc代表视频层(st->codec)的时间精度,即1S=50,和strem->duration和时间戳相关
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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