Python+FFmpeg提取大疆无人机MP4内嵌mov_text遥测SRT字幕并做完整性校验

作者：RS迷途小书童

博客地址：https://rsran.blog.csdn.net/

标签：大疆 DJI Python ffmpeg SRT字幕 无人机遥测 M3TD 航测

文章目录

1. 前言
2. 原理说明
3. 环境与依赖准备
4. 完整Python源码
5. 代码运行输出示例
6. nb_frames元数据字段说明
7. [流索引说明，‑map 0:3含义](#流索引说明，‑map 0:3含义)
8. 适用范围与局限性
9. 总结

1. 前言

大疆M3TD、M300等工业无人机录制MP4视频时，文件内部封装多路数据流：H.264视频流、djmd元数据流、dbgi二进制遥测流、mov_text(tx3g)内嵌字幕流。

mov_text字幕轨道存储可读SRT格式遥测信息，包含GPS经纬度、相对/绝对海拔、云台姿态、焦距、变焦系数等传感器数据。在航测、摄影测量、无人机航迹解算、视频‑POS匹配场景中经常需要导出该字幕。

直接使用ffmpeg可以导出SRT，但很多使用者无法判断导出后的SRT文件是否完整。本套Python脚本基于ffprobe+ffmpeg实现三件事：

1. 读取MP4容器、视频流元信息：时长、平均帧率；
2. 获取元数据中标注的视频总帧数、字幕轨道总帧数nb_frames；
3. 导出SRT字幕，统计磁盘上SRT真实字幕条目，与元数据标注帧数做比对，完成完整性校验。

校验逻辑：当元数据字幕轨道帧数 = SRT实际条目数，代表字幕完整导出。

2. 原理说明

1. 调用ffprobe（ffmpeg自带工具）读取MP4元数据，输出JSON结构化结果，解析得到容器时长、视频流时长、帧率、nb_frames；
2. 调用ffmpeg，通过‑map指定mov_text字幕流，直接输出标准SRT字幕文件；
3. 遍历生成的SRT文件，统计字幕序号行数量，得到真实字幕条目；
4. 将元数据标注帧数与实际SRT条目对比，完成完整性校验。

nb_frames：Number of frames，存储在MP4 moov盒子内的元数据字段，仅读取文件头部即可获取，不需要解码整个视频。

3. 环境与依赖准备

1. Python 3.7+（Conda虚拟环境同样支持，仅使用标准库json、subprocess，无需pip安装第三方包）
2. FFmpeg完整构建包，必须同时包含ffmpeg.exe与ffprobe.exe

下载地址：https://www.gyan.dev/ffmpeg/builds/

解压后使用bin目录下可执行文件，填写完整绝对路径到代码。
测试机型：DJI M3TD，其他支持内嵌mov_text字幕的大疆工业机型均可适配。

4. 完整Python源码

# -*- coding: utf-8 -*-
"""
@Time：2026/10/07 20:02
@Auth：RS迷途小书童
@File：DJ SRT Extracting.py
@IDE：PyCharm
@Purpose：大疆无人机视频 SRT字幕日志提取
@Web：博客地址: [https://rsran.blog.csdn.net/](https://rsran.blog.csdn.net/)
@Attention：
    1.依赖ffmpeg.exe，下载地址：[https://www.gyan.dev/ffmpeg/builds/](https://www.gyan.dev/ffmpeg/builds/)
    2.注意核对视频帧数和SRT字幕轨道帧数是否一致
"""
import json
import subprocess

def parse_fraction(s: str):
    if s is None or str(s).strip() in ("", "N/A"):
        return None
    s = str(s).strip()
    if "/" in s:
        a, b = s.split("/")
        return float(a) / float(b)
    else:
        return float(s)


def get_video_info(ffmpeg_exe: str, video_path: str):
    ffprobe_exe = ffmpeg_exe.replace("ffmpeg.exe", "ffprobe.exe")
    cmd = [
        ffprobe_exe,
        "-v", "error",
        "-print_format", "json",
        "-show_format",
        "-show_streams",
        video_path
    ]
    proc = subprocess.run(cmd, capture_output=True, encoding="utf-8", errors="ignore")
    if proc.returncode != 0:
        print("⚠️获取视频元信息失败：", proc.stderr)
        return None
    try:
        raw = json.loads(proc.stdout)
    except json.JSONDecodeError:
        print("⚠️ffprobe JSON解析失败")
        return None

    streams = raw.get("streams", [])
    video_stream = None
    subtitle_stream = None
    for st in streams:
        idx = st.get("index")
        codec_type = st.get("codec_type")
        tag_string = st.get("codec_tag_string", "")
        if idx == 0 and codec_type == "video":
            video_stream = st
        if codec_type == "subtitle" and tag_string == "tx3g":
            subtitle_stream = st

    if video_stream is None:
        return None

    container_dur = parse_fraction(raw["format"].get("duration"))
    video_dur = parse_fraction(video_stream.get("duration"))
    avg_fps = parse_fraction(video_stream.get("avg_frame_rate"))

    video_meta_frames = None
    sub_meta_frames = None
    nbf_vid = video_stream.get("nb_frames")
    if nbf_vid and nbf_vid != "N/A":
        video_meta_frames = int(nbf_vid)

    if subtitle_stream is not None:
        nbf_sub = subtitle_stream.get("nb_frames")
        if nbf_sub and nbf_sub != "N/A":
            sub_meta_frames = int(nbf_sub)

    return {
        "container_duration_sec": round(container_dur, 3) if container_dur else None,
        "video_stream_duration_sec": round(video_dur, 3) if video_dur else None,
        "avg_fps": round(avg_fps, 3) if avg_fps else None,
        "video_meta_total_frames": video_meta_frames,
        "subtitle_meta_nb_frames": sub_meta_frames
    }


def count_srt_entries(srt_file_path: str) -> int:
    count = 0
    try:
        with open(srt_file_path, "r", encoding="utf-8") as f:
            for line in f:
                line_strip = line.strip()
                if line_strip.isdigit():
                    count += 1
    except FileNotFoundError:
        return 0
    return count


# SRT提取主函数：视频信息、提取、验证
def extract_dji_mov_text_srt(ffmpeg_exe: str, video_path: str, out_srt: str):
    vid_info = get_video_info(ffmpeg_exe, video_path)
    if vid_info is not None:
        print("-----------------视频元数据信息【ffprobe读取】-----------------")
        print(f"MP4容器总时长(sec): {vid_info['container_duration_sec']}")
        print(f"视频流实际时长(sec): {vid_info['video_stream_duration_sec']}")
        print(f"平均帧率(fps): {vid_info['avg_fps']}")
        print(f"元数据标注视频总帧数: {vid_info['video_meta_total_frames']}")
        print(f"元数据标注字幕轨道帧数: {vid_info['subtitle_meta_nb_frames']}")
        print("-----------------视频元数据信息【ffprobe读取】-----------------\n")

        cmd = [
            ffmpeg_exe,
            "-i", video_path,
            "-map", "0:3",
            "-y",
            out_srt
        ]
        proc = subprocess.run(cmd, capture_output=True)
        if proc.returncode == 0:
            print(f"✅ 执行完毕，输出文件路径：{out_srt}")
            real_srt_count = count_srt_entries(out_srt)
            print(f"📄 磁盘上srt文件实际字幕条目数：{real_srt_count} 条")
        else:
            print("❌ ffmpeg执行出错")
            print(proc.stderr.decode("utf8", errors="ignore"))


if __name__ == "__main__":
    # 修改为你本机实际路径
    FFMPEG_EXE = r"D:\ffmpeg-9.0-full_build\bin\ffmpeg.exe"
    INPUT_VIDEO = r"D:\Work Data\DJI_video.mp4"
    OUTPUT_SRT = r"D:\Work Data\output.srt"
    extract_dji_mov_text_srt(FFMPEG_EXE, INPUT_VIDEO, OUTPUT_SRT)

5. 代码运行输出示例

-----------------视频元数据信息【ffprobe读取】-----------------
MP4容器总时长(sec): 343.777
视频流实际时长(sec): 343.777
平均帧率(fps): 29.97
元数据标注视频总帧数: 10303
元数据标注字幕轨道帧数: 10303
-----------------视频元数据信息【ffprobe读取】-----------------

✅ 执行完毕，输出文件路径：D:\Work Data\无人机视频三维可视化\示例数据\ffmpeg_python_out.srt
📄 磁盘上srt文件实际字幕条目数：10303 条

当元数据字幕轨道帧数与SRT实际条目相等，代表字幕完整导出。

6. nb_frames元数据字段说明

nb_frames是MP4文件moov盒子内记录的帧计数字段：

1. ffprobe仅读取文件头部元数据，不需要解码视频即可拿到该数值；
2. 视频流nb_frames代表元数据记录的视频总帧；
3. 字幕流nb_frames代表元数据记录的mov_text字幕总帧；
4. 本脚本把元数据值和磁盘SRT真实条目做比对，作为完整性校验依据。

注意：部分固件、部分视频，元数据中nb_frames字段可能为空，此时无法依靠该字段校验。

7. 流索引说明，‑map 0:3含义

DJI M3TD生成MP4内部流排布：

索引	流类型	说明
0:0	video	H.264主视频流
0:1	data	djmd大疆元数据
0:2	data	dbgi完整二进制遥测流
0:3	subtitle	mov_text(tx3g)内嵌字幕流，提取目标
0:4	video	MJPEG缩略图流

‑map 0:3：选取输入文件0的索引为3的字幕流输出。

⚠️不同机型、固件版本流索引可能发生变化。如果报错找不到字幕流，执行下面命令查看全部流信息，确认tx3g字幕流真实index。

ffprobe -v error -print_format json -show_streams "你的视频.mp4"

8. 适用范围与局限性

✅ 适用场景

• 大疆工业无人机录制、开启内嵌字幕的MP4视频；
• 需要导出mov_text内嵌SRT遥测，用于航迹分析、视频POS匹配、摄影测量预处理；
• 需要对导出SRT做自动化完整性校验。

❌ 局限性

1. mov_text字幕的采样率受机型固件设置决定；
2. ffmpeg无法解析dbgi私有二进制遥测流；
3. 个别固件版本MP4，字幕流索引不是0:3，需要手动修改map参数；
4. 部分视频元数据不存在nb_frames字段，无法做帧数比对校验。

9. 总结

1. 脚本完成：读取MP4元信息、ffmpeg导出mov_text字幕、统计SRT真实条目、元数据‑实际条目比对校验；
2. 完整性判断标准：字幕轨道元数据帧数等于SRT实际条目数，说明字幕完整；
3. mov_text字幕提供可读的GPS、姿态、焦距信息，适合快速解析；如需更高频率原始遥测，可使用SD卡原始日志或研究dbgi流解析。

---

如果文章对你有帮助，欢迎点赞收藏，问题可在评论区交流。

博客地址：https://rsran.blog.csdn.net/

CSDN标签：

大疆 DJI Python ffmpeg SRT字幕 无人机遥测 M3TD 航测