利用OpenCV 抽取视频的图片,并制作目标检测数据集

1、前言

目标检测中,图片的数据可以从视频中抽取,而OpenCV的VideoCapture可以实现这样的操作

需要的库文件 opencv

pip下载:

复制代码
pip install opencv-contrib-python

更换镜像源下载:

复制代码
pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
复制代码
opencv-python: 只包含opencv库的主要模块. 一般不推荐安装.
opencv-contrib-python: 包含主要模块和contrib模块, 功能基本完整, 推荐安装.
opencv-python-headless: 和opencv-python一样, 但是没有GUI功能, 无外设系统可用.
opencv-contrib-python-headless: 和opencv-contrib-python一样但是没有GUI功能. 无外设系统可用.

2、利用OpenCV 抽取视频的帧图片

这里的代码很简单,具体的可以参考之前的文章:

OpenCV 视频处理(关于摄像头和视频文件的读取、显示、保存等等)-CSDN博客

mp4文件时待提取的视频文件

这里需要提取建立images文件夹,存放提取出来的图片

完整代码:

python 复制代码
import cv2


def image_capture(video_path,save_step,calc_video_info = True):
    video = cv2.VideoCapture(video_path)

    # 打印视频的信息
    if calc_video_info:
        fps = video.get(cv2.CAP_PROP_FPS)       # 视频的帧速率
        frame_num = video.get(cv2.CAP_PROP_FRAME_COUNT)     # 视频的总帧数
        frame_width = int(video.get(cv2.CAP_PROP_FRAME_WIDTH))  # 获取视频文件的帧宽度
        frame_height = int(video.get(cv2.CAP_PROP_FRAME_HEIGHT))  # 获取视频文件的帧高度

        print('Video fps is : ',fps)
        print('Video frame number is : ',frame_num)
        print('Video frame width is : ',frame_width)
        print('Video frame height is : ',frame_height)
        print('Video time is : ',int(frame_num/fps),'s')

    num = 0         # 帧总数
    num_images = 0
    while video.isOpened():
        ret,frame = video.read()
        if not ret:             # 没有读取到图片则退出
            break

        num +=1
        if num % save_step == 0:
            num_images +=1
            cv2.imwrite('./images/'+str(num)+'.jpg',frame)

    print('Total images is :',num_images)
    video.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    root = 'test.mp4'       # 视频文件的路径
    step = 30 # 间隔多少帧读取图像

    image_capture(video_path=root,save_step=step)

结果展示:

这里的帧总数时1564,fps为25,代表一秒展示25张图片,所以总时长就是1564/25=62s

而我们每隔30帧抽取一张图片,因此1564/30 = 52,共抽取52张图片

代码很简单,可以对照注释自行查看即可

3、利用 labelimg 进行目标检测的标注

需要注意的是,labelimg支持python 3.9版本,建议新建虚拟环境:

python 复制代码
conda create -n name python=3.9

安装命令

python 复制代码
pip install labelimg

运行:

具体的可以参考,这里只简单介绍关于图像分类、目标检测和语义分割的Data Annotations_语义分割 annotations-CSDN博客

打开界面:

这里设置图像目录、保持的目录以及yolo保存格式就行了

右键新建边界框即可:

标注好如下:

单个txt文件:

这里面还有一个classes文本

相关推荐
serve the people几秒前
TensorFlow 2.0 手写数字分类教程
人工智能·分类·tensorflow
free-elcmacom几秒前
机器学习高阶教程<7>Transformer原理全景解读:从“序列困境”到“注意力革命”
人工智能·python·机器学习·transformer
才思喷涌的小书虫1 分钟前
DINO-X 视觉模板挑战赛火热报名中
人工智能·目标检测·计算机视觉·ai·数据标注·图像标注·模型定制
AI营销实验室2 分钟前
原圈科技AI CRM系统创新模式深度解析,助力工业B2B企业转型
大数据·人工智能·科技
wxl7812274 分钟前
开源AI记忆工具Cognee深度解析:技术优势、部署实践与实测验证
人工智能·congee 0.5版本·ai记忆·替代rag
不爱吃糖的程序媛5 分钟前
基于Ascend C开发的Vector算子模板库-ATVOSS 技术深度解读
人工智能·算法·机器学习
wheeldown6 分钟前
在CodeRider-Kilo AI助手协助下实现的第一个小游戏——飞机大战
人工智能·产品运营
baby_hua6 分钟前
20251011_Pytorch深度学习(快速预览)
人工智能·pytorch·深度学习
natide7 分钟前
词汇/表达差异-1-编辑距离-莱文斯坦距离-Levenshtein
人工智能·深度学习·自然语言处理·知识图谱
会飞的小新7 分钟前
大语言模型训练全流程(技术深度拆解版)---以DeepSeek为例
人工智能·语言模型·自然语言处理