Python を使用してビデオから字幕を抽出する

1.ガイドパッケージ

import base64
import os
import cv2
import requests
import aip
from aip import AipOcr

1.cv2エラー

解決策: Anaconda Prompt を開き、pip install opencv-python と入力して、インストールを待ちます。

aip エラー
の解決策: pip install Baidu-aip
anaconda パッケージを使用File–> Settings–>Project Interpreter in pycharm

Anacondad のインストールパスで python.exe を見つければ問題ありません。

2. ビデオを分析する

動画から10フレーム間隔で写真を撮る

def VLink():
	video_path = 'D:/Resource/MaxFish.mp4'  # 视频地址
	images_path = 'D:/Resource/images/'  # 图片输出文件夹
	interval = 10  # 每间隔10帧取一张图片
    num = 1
    vid = cv2.VideoCapture(video_path)#打开这个视频
    while vid.isOpened():
        is_read, frame = vid.read()  #按帧读取视频  frame是读取图像  is_read是布尔值。文件读取到结尾返回FALSE
        if is_read:
            file_name =  num
            cv2.imwrite(images_path + str(file_name) + '.jpg', frame)
            cv2.waitKey(1)  
            num += 1
        else:
            break

結果：
ここに画像の説明を挿入

3.字幕を傍受する

写真の字幕部分を切り取る

def tailor(path1,path2,begin ,end,step_size):
    for i in range(begin,end,step_size):
        fname1 = path1%str(i)
        print(fname1)
        img = cv2.imread(fname1)  #像素
        print(img.shape)
        cropped = img[650:720, 300:1024]  # 裁剪坐标为[y0:y1, x0:x1]
        imgray = cv2.cvtColor(cropped, cv2.COLOR_BGR2GRAY)
        thresh = 200
        ret, binary = cv2.threshold(imgray, thresh, 255, cv2.THRESH_BINARY)  
        binary1 = cv2.bitwise_not(binary)  
        cv2.imwrite(path2 % str(i), binary1)

cropped = img[650:720, 300:1024]这里的截取可能因为照片的大小不同而不同，可以编辑照片，看一下适合字幕截取的位置。例如：

マウスを通して
マウスの動きによって傍受された画像の位置を知る。
結果：ここに画像の説明を挿入

第四に、絵を分析する

画像を分析し、サブタイトルを取得して、TXT ファイルに保存します。
1、

def subtitle(fname,begin,end,step_size):
    array =[] #定义一个数组用来存放words
    for i in range(begin,end,step_size): 
        fname1 = fname % str(i)   #字幕image D:/Resource/images/img_subtitle/100.jpg
         with open(fname1, 'rb') as fp:
        image =  base64.b64encode(fp.read())
        try:
            results = requestApi(image)["words_result"] #调用requestApi函数，获取json字符串中的words_result
            for item in results:
                print(results)
                array.append(item['words'])
        except Exception as e:
            print(e)
    text=''
    result = list(set(array))  # 去重
    result.sort(key=array.index) # 排序
    for item in result:
        text +=item+'\n'

2、

# 定义一个函数，用来访问百度API，
def requestApi(img):
    general_word_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
    params = {
    
    "image": img,
              "language_type": "CHN_ENG"}
    access_token = '24.80669db308b385e6f913e40b3fe604d1.2592000.1651237616.282335-25877315'
    request_url = general_word_url + "?access_token=" + access_token
    headers = {
    
    'content-type': 'application/x-www-form-urlencoded'}
    response = requests.post(request_url, data=params, headers=headers)
    results = response.json()
    return results

Baidu Smart Cloud:
URL: https://login.bce.baidu.com
ここに画像の説明を挿入

クリックしてアプリケーションを作成し、名前を書き込めば作成は成功です。

ここでは、API キーと秘密キーを確認できます。取得するには、これら 2 つのパラメーターを使用する必要があります。

左側のナビゲーションバーにある技術文書をクリックしてください----> API ドキュメント----->一般的なシーンのテキスト認識------>標準バージョンを選択して
ここに画像の説明を挿入
、アクセスの取得方法を教えてください。トークン。
リンクをコピー: https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=mGAOwUKl42RM93TAWEmHZ3ff&client_secret=RGlbvPF49FGpqLiMVhFow1xfXp4EAvWAA&

ここでの grant_type は client_credentials
client_id === API Key
client_secret == Secret Keyとして固定されています

ここに画像の説明を挿入
自分で適用した API キーとシークレットキーを置き換え、Enter キーを押して access_token を取得するだけです

。
コード内で access_token を見つけたい場合。次のようになります。

def get_access_token():
    url = 'https://aip.baidubce.com/oauth/2.0/token'
    data = {
    
    
        'grant_type': 'client_credentials',  # 固定值
        'client_id': 'eFGwDIb*******HucbnPr',  # API Key
        'client_secret': 'XPxWT2L********PFVCKS6PVih'  # Secret Key
    }
    res = requests.post(url, data=data)
    res = res.json()
    print(res)
    access_token = res['access_token']
    return access_token

問題: KeyError: 'words_result'
解決策:

(1) Baidu Smart Cloud に入り、クリックして無料のリソースを受け取ります
ここに画像の説明を挿入

(2) 入場後、一般的なシーン認識を行い、「すべて」を選択して受け取ります (ここでは、既に受け取っているため、表示されません) (3) 受け取り後、元の場所に戻ります先ほどインターフェースを開き、
ここに画像の説明を挿入
「資源リスト」を確認すると、受け取った資源が表示されます。

ここに画像の説明を挿入
(4) 使用後もこの状況が続く場合は、https: //aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic
?access_token=24.80669db308b385e6f913e40b3fe604d1.2592000.1651237616.282335-25877322 を検索してください

。 17ですと実名認証が可能になり、通話回数が増えます。

3.
D:/Resource/配下にsubtitle.txtを作成し、抽出した字幕を書き込みます。

#创建文本
def text_create( msg):
    full_path = "D:/Resource/subtitle.txt"  # 也可以创建一个.doc的word文档
    file = open(full_path, 'w',encoding='utf-8')
    file.write(msg)
    file.close()

ここに画像の説明を挿入

五、主な機能

if __name__ == '__main__':
    path1 = 'D:/Resource/images/%s.jpg'  # 视频转为图片存放的路径（帧）
    path2 = 'D:/Resource/images/img_subtitle/%s.jpg'  # 图片截取字幕后存放的路径
    print("""
           1..裁剪视频
           2.图片裁剪
           3.提取字幕
           """)
    choose = input()
    begin = 100
    end = 1000
    step_size = 10
    if choose == '1': #视频中提取图片
       VLink()
    if choose == '2': #提取字幕
        tailor(path1, path2, begin, end, step_size)
    if choose == '3':  #提取字
        subtitle(path2, begin, end, step_size)

参考：https://blog.csdn.net/qq_39783601/article/details/105748486