VideoCaption
视频的文本摘要(标注),输入一段视频,通过深度学习网络和人工智能程序识别视频主要表达的意思
Video summary with text, input a video output a txt decribing the video.
本程序总共包含3个模块:
(1). 视频读取与关键帧提取模块
(2). Image caption模块(通过训练一个CNN feature extracter + LSTM网络)
(3). Text summary模块
依赖包:
python3, numpy, opencv, pytorch, jieba分词, textrank4zh, tdqm, opencc, gensim
预训练的模型文件:
Image caption模块的模型文件和Text summary模型文件,链接:
模型文件链接
使用方法:
python videoCaption.py video_file
脚本运行效果截图:(测试的视频是薛之谦的《演员》mv)-
算法主要步骤和脚本文件详解:
(1).Short Detector模块:
通过opencv读入视频流,使用3帧间差法:计算相邻2帧的直方图帧间一阶差分和二阶差分算子,然后根据阈值判断是否切换镜头,保存镜头所在的帧ID即可。
视频文件较大也可以,程序会将视频文件通过流的方式逐步读入内存。
(2). Image Caption模块:
本模块将深度卷积神经网络和深度循环神经网络结合