导读:最近接到了师哥请求,让我帮他分析出20W手语视频数据中的不正常数据。所谓不正常数据:就是那些帧数基本差不多,但帧率很低而导致视频时长过长,从而无法播放的视频数据。这些数据的特征如果被特征器提取然后用于训练模型的话,会影响模型识别性能。
通过设置字典:{视频名称、帧数、帧率、帧长}这四个属性,用以存放提取到的视频信息数据。以下仅展示提取到的部分视频信息:
以115 文件夹的视频数据为例:
根据提取的视频信息数据研究分析发现:错误数据的frame_rate 小于1,而正常数据frame_rate 通常大于1;正常视频数据的frame_length 峰值几乎没有变化,但错误数据的frame_length 峰值通常很高;虽然有些视频数据frame_length 超过(10s ~ 12s,视具体视频语句而定) 后存在冗余,但它仍然是正常数据。
由图可以看出:帧率变化比较明显,所以用它可以更好地识别出错误数据
综上:错误数据 frame_rate < 1; 冗余数据 frame_length > (10~12),通过字典属性进行过滤,这样就可以很好地分析出错误数据和冗余数据啦!
具体代码如下:
# coding = 'utf-8'
import os
import cv2
import sys
import numpy as np
import pandas as pd
from openpyxl import Workbook
from openpyxl.styles import Font, colors, PatternFill
# 定义获取视频文件夹视频信息函数
def getVideoInfo(path):
# 获取视频文件夹下所有视频文件
video_list = os.listdir(path)
video_list.sort()
for i in range(len(video_list)):
print('--------------------------节点检查------------------------')
video_path = f'/XXX/{video_list[i]}/'
# 建立视频文件信息字典
dict = {'video_name':[],'frame_num':[],'frame_rate':[],'frame_length':[]}
for video in os.listdir(video_path):
# 获取视频文件名称
video_name = video.split('.')[0]
dict['video_name'].append(video_name)
cap = cv2.VideoCapture(f'{video_path}{video}')
# while (cap.isOpened()):
# ret, frame = cap.read()
# ------检查每一个视频是否成功打开----------
if (cap.isOpened()):
print ('视频打开成功')
else:
print ('视频打开失败')
break
# 获取视频帧数
frame_num = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
dict['frame_num'].append(frame_num)
# 获取视频帧率
frame_rate = cap.get(cv2.CAP_PROP_FPS)
dict['frame_rate'].append(frame_rate)
# 获取视频帧长
frame_length = frame_num / frame_rate
dict['frame_length'].append(frame_length)
# 释放视频流
cap.release()
# cap.destroyAllWindows()
# 视频信息存至DataFreme
data = pd.DataFrame(dict)
data.to_csv(f'/XXX/{video_list[i]}_info.csv',index=False,header=False )
print(f'{video_list[i]}'+'.csv'+'保存成功')
# 根据视频信息提取错误数据信息
data1 = data[data['frame_rate']<1]
# 将帧率小于1的视频信息存至CSV文件
data1 = pd.DataFrame(data1)
data1.to_csv('/XXX/Error_Info.csv',index=False,header=False )
print('Error_Info.csv'+'保存成功')
# 定义主函数
if __name__ == '__main__':
# 一级文件夹路径
path = "/XXX/dataset/" # 一级文件
video_info = getVideoInfo(path)
以上“XXX”是自己数据集路径,需要根据相应环境做出修改。
最后补充一下,本人研一小白菜,欢迎大佬们指正,也欢迎同行们交流!