视频横屏转竖屏播放-使用人脸识别+目标跟踪实现

视频横屏转竖屏播放

import cv2

import torch

from ultralytics import YOLO

from deep_sort_realtime.deepsort_tracker import DeepSort

from collections import defaultdict

初始化YOLOv8模型

model = YOLO('yolo11n.pt') # 你可以选择其他预训练模型，例如'yolov8s-face.pt'

初始化DeepSORT跟踪器

tracker = DeepSort(max_age=50, n_init=1, nn_budget=100)

打开视频文件

video_path = r'C:\Users\lenovo\Downloads\test.mp4'

video_path = r'不遗憾.mp4'

cap = cv2.VideoCapture(video_path)

获取视频的帧率和尺寸

fps = cap.get(cv2.CAP_PROP_FPS)

width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))

height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

定义输出视频的参数

aspect_ratio = 9 / 16

output_width = int(height * aspect_ratio) # 竖屏宽度

output_height = height # 竖屏高度

fourcc = cv2.VideoWriter_fourcc(*'mp4v')

out = cv2.VideoWriter('output_video2.mp4', fourcc, fps, (output_width, output_height))

output_video 不遗憾竖屏

初始化上一帧的裁切区域

last_crop_x1, last_crop_y1, last_crop_x2, last_crop_y2 = 0, 0, output_width, output_height

维护一个计数器，记录每个跟踪ID的出现次数

track_id_counter = defaultdict(int)

most_common_track_id = 0

count=0

while cap.isOpened():

ret, frame = cap.read()

if not ret:

break

# 检测人脸
results = model(frame)
detections = []

if results[0].boxes:
    for box, conf, cls in zip(results[0].boxes.xyxy, results[0].boxes.conf, results[0].boxes.cls):
        x1, y1, x2, y2 = box.cpu().numpy().astype(int)
        conf = conf.cpu().numpy().item()
        cls = cls.cpu().numpy().item()

detections.append(([x1, y1, x2 - x1, y2 - y1], conf, cls))

        # 只保留类别为人脸的检测框
        if int(cls) == 0:  # 0 是人脸的类别ID
            detections.append(([x1, y1, x2 - x1, y2 - y1], conf, cls))
# 更新跟踪器
tracks = tracker.update_tracks(detections, frame=frame)

# 获取跟踪的目标
tracked_boxes = [(track.track_id, track.to_tlbr()) for track in tracks if track.is_confirmed()]

if tracked_boxes:
            # 更新每个跟踪ID的出现次数
    for track_id, _ in tracked_boxes:
        track_id_counter[track_id] += 1
    
# 检查当前的most_common_track_id是否存在于tracked_boxes
    if most_common_track_id is not None and most_common_track_id not in [track_id for track_id, _ in tracked_boxes]:
        print(f"Most common track ID {most_common_track_id} not found. Selecting new most common track ID.")

        # 从track_id_counter中选择一个仍然存在于tracked_boxes中且出现次数最多的track_id
        valid_track_ids = [track_id for track_id, _ in tracked_boxes]
        valid_track_id_counter = {k: v for k, v in track_id_counter.items() if k in valid_track_ids}
        if valid_track_id_counter:
            most_common_track_id = max(valid_track_id_counter, key=valid_track_id_counter.get)
        else:
            # 如果没有有效的track_id，选择当前帧中出现的第一个track_id
            most_common_track_id = tracked_boxes[0][0]

    # 选择出现次数最多的目标
    print("track_id: ", track_id, " most_common_track_id: ", most_common_track_id)

    for track_id, (x1, y1, x2, y2) in tracked_boxes:
        if track_id == most_common_track_id:
            # 计算人脸中心
            center_x = (x1 + x2) // 2
            center_y = (y1 + y2) // 2
            
            # 计算裁切区域
            crop_width = int(output_height * aspect_ratio)
            half_crop_width = crop_width // 2
            half_output_height = output_height // 2

            # 确保裁剪区域不会超出图像边界
            left = center_x - half_crop_width
            right =center_x + half_crop_width
            bottom = center_y - half_output_height
            top= center_y + half_output_height

            # 如果左边超出边界
            if left <=0:
                left = 0
                right=left+crop_width  # 将右边相应地向左移动
                

            # 如果右边超出边界
            if right >=width:
                right = width
                left = (right - crop_width)  # 将左边相应地向右移动
                

            # 如果顶部超出边界
            if bottom <=0:
                bottom = 0
                top = bottom+output_height  # 将底部相应地向上移动
                

            # 如果底部超出边界
            if top >= height:
                top = height
                bottom= (top - height)  # 将顶部相应地向下移动
                
            # 最终裁剪区域
            crop_x1, crop_y1 = left,bottom 
            crop_x2, crop_y2 = right, top
            

            # 平滑裁切区域的变化
            alpha = 1  # 平滑系数
            crop_x1 = int(alpha * crop_x1 + (1 - alpha) * last_crop_x1)
            crop_x2 = int(alpha * crop_x2 + (1 - alpha) * last_crop_x2)
            crop_y1 = int(alpha * crop_y1 + (1 - alpha) * last_crop_y1)
            crop_y2 = int(alpha * crop_y2 + (1 - alpha) * last_crop_y2)

            # 更新上一帧的裁切区域
            last_crop_x1, last_crop_y1, last_crop_x2, last_crop_y2 = crop_x1, crop_y1, crop_x2, crop_y2

            # 确保裁切区域在有效范围内
            if crop_y1 < crop_y2 and crop_x1 < crop_x2:
                # 裁切视频帧
                cropped_frame = frame[crop_y1:crop_y2, crop_x1:crop_x2]

                # 调整裁切区域的大小以匹配输出尺寸
                cropped_frame = cv2.resize(cropped_frame, (output_width, output_height))

                # 写入输出视频
                out.write(cropped_frame)
            else:
                # 如果裁切区域无效，使用居中裁切
                center_x = width // 2
                center_y = height // 2
                crop_width = int(output_height * aspect_ratio)
                crop_x1 = max(0, center_x - crop_width // 2)
                crop_x2 = min(width, center_x + crop_width // 2)
                crop_y1 = max(0, center_y - output_height // 2)
                crop_y2 = min(height, center_y + output_height // 2)

                # 居中裁切
                cropped_frame = frame[crop_y1:crop_y2, crop_x1:crop_x2]
                cropped_frame = cv2.resize(cropped_frame, (output_width, output_height))
                out.write(cropped_frame)
            break
else:
    # 如果没有检测到人脸，直接调整大小

resized_frame = cv2.resize(frame, (output_width, output_height))

out.write(resized_frame)

    print("count: ",count)
    # 如果没有检测到人脸，使用上一次识别的窗口进行裁切
    if last_crop_x1 < last_crop_x2 and last_crop_y1 < last_crop_y2:
        cropped_frame = frame[last_crop_y1:last_crop_y2, last_crop_x1:last_crop_x2]
        cropped_frame = cv2.resize(cropped_frame, (output_width, output_height))
        out.write(cropped_frame)
    else:
        # 如果上一次的裁切区域无效，使用居中裁切
        center_x = width // 2
        center_y = height // 2
        crop_width = int(output_height * aspect_ratio)
        crop_x1 = max(0, center_x - crop_width // 2)
        crop_x2 = min(width, center_x + crop_width // 2)
        crop_y1 = max(0, center_y - output_height // 2)
        crop_y2 = min(height, center_y + output_height // 2)

        # 居中裁切
        cropped_frame = frame[crop_y1:crop_y2, crop_x1:crop_x2]
        cropped_frame = cv2.resize(cropped_frame, (output_width, output_height))
        out.write(cropped_frame)
count+=1
        # 释放资源

cap.release()

out.release()

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法^1^ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z

重做：Ctrl/Command + Y

加粗：Ctrl/Command + B

斜体：Ctrl/Command + I

标题：Ctrl/Command + Shift + H

无序列表：Ctrl/Command + Shift + U

有序列表：Ctrl/Command + Shift + O

检查列表：Ctrl/Command + Shift + C

插入代码：Ctrl/Command + Shift + K

插入链接：Ctrl/Command + Shift + L

插入图片：Ctrl/Command + Shift + G

查找：Ctrl/Command + F

替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。

输入2次#，并按下space后，将生成2级标题。

以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H~2~O is是液体。

2^10^ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中

使用:----------居左

使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为"智能"印刷标点HTML实体。例如：

TYPE	ASCII
Single backticks	'Isn't this fun?'	'Isn't this fun?'
Quotes	"Isn't this fun?"	"Isn't this fun?"
Dashes	-- is en-dash, --- is em-dash	-- is en-dash, --- is em-dash

创建一个自定义列表

:
Text-to- conversion tool
:
John
:
Luke

如何创建一个注脚

一个具有注脚的文本。^2^

注释也是必不可少的

Markdown将文本转换为 。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

2014-01-07 2014-01-09 2014-01-11 2014-01-13 2014-01-15 2014-01-17 2014-01-19 2014-01-21 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：
张三 李四 王五 你好！李四, 最近怎么样? 你最近怎么样，王五？ 我很好，谢谢! 我很好，谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:
链接 长方形 圆 圆角长方形 菱形

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：
Created with Raphaël 2.3.0 开始 我的操作 确认？ 结束 yes no

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，

继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎

*[HTML]: 超文本标记语言