视频训练数预处理

        往期的博客我们简单的讲了什么是视频数据、会用什么方式加载视频数据并介绍了加载视频数据会用到的工具，这期博客我们开始实际的对视频数据做处理，文章内容：获取视频的信息、加载视频数据做处理、保存视频数据。

获取视频帧数与帧率

        上期博客中讲了图像分辨率和帧率的重要性，也是说明对一些高帧率视频需要做降采样，我们接下来就举个例子说明一下。假设我们有一部视频时长为1小时的影片，我们可以通过属性去观看数据的信息，但这对大规模数据来说并不是一个好的方法，那么我们使用opencv来实现这个功能。

import cv2


if __name__ == "__main__":
    video_path = "视频路径"
    cap = cv2.VideoCapture(video_path)
    # 视频总的帧数
    frame_num = cap.get(7)
    # 图片帧率
    fps = cap.get(5)

    while True:
         ret, frame = cap.read()
         print(f"视频帧率{fps} 视频总帧数{frame_num } 视频分辨率{frame.shape}")

        通过上面的代码我们就可以获取到视频的帧率、帧数、分辨率。其中的帧率、帧数和影片时长是相关的，相关计算公式如下：视频时长 = 视频帧数 / 视频帧率。如果我们的影片帧率较高，假设有60fps，但我们只想要采样20fps，这时候就需要对数据做处理了，相关计算公式如下：跳帧数 = 当前视频帧率 / 目标视频帧率 = 60 / 20 = 3（每间隔三张图片数据做一次采样）

加载视频数据并保存成npy格式

        我们在上面列举了目标采样率的计算方式，接下来我们把它应用上，将数据转换成npy格式进行存储（npy格式加载速度更快）。

import cv2
import numpy as np


if __name__ == "__main__":
    video_path = "视频路径"
    cap = cv2.VideoCapture(video_path)
    # 获取帧率
    fps = int(cap.get(5))
    frame_lists = []
    while True:
        ret, frame = cap.read()
        if not(ret):
            break
        # 对图片数据做缩小，缩小为224*224
        frame = cv2.resize(frame, (224, 224))
        # 将三维数据转换为一维
        frame_array = frame.reshape(-1)
        frame_lists.append(frame_array)
    # 根据视频帧率和目标帧率计算采样周期
    interval = int(fps / 20)
    frame_lists = np.array(frame_lists)[::interval]
    # 保存数据
    np.save("npy文件保存地址", frame_lists)

结尾

        感谢您的观看，觉得写的还可以请帮忙点个赞和收藏！