我的目标是从电影预告片中找到标题屏幕。我需要一个服务,我可以在视频中搜索字符串,然后返回带有该字符串的帧。很难理解,有没有这样的东西存在?
例如,对于这部电影,我会扫描“香肠派对”,并检索这个帧:

编辑:我发现,假设我需要将视频分割成1s的间隔并扫描每一张图像(每个视频至少60个呼叫),那么除了成本之外,实际上可以工作的cloudsight api是禁止的@ $.04。
发布于 2016-03-16 02:54:44
我找不到确切的服务,但你可以试着自己做...
ffmpeg -i sausage_party.mp4 -r 1 %04d.png
/usr/local/bin/parallel --no-notice -j 8 \
/usr/local/bin/tesseract -psm 6 -l eng {} {.} \
::: *.png这将从视频文件中每秒提取一帧,然后使用tesseract通过OCR将文本提取到与图像帧同名的文件中(例如,0135.txt。但是,根据所使用的字体和视频文件的质量,您的结果会有很大的不同。
你可能会发现使用像Amazon Mechanical Turk 这样的东西更便宜/更容易,特别是因为OCR很难自动做到这一点。
发布于 2016-07-03 20:11:28
另一种方法是使用OpenCV (docs.opencv.org/3.0-beta/modules/text/doc/text.html).中的场景文本检测和识别模块自行实现此服务您可以查看this video,了解这样的系统是如何运行的。如上所述,准确性将取决于电影标题中使用的字体、视频文件的质量和OCR。
OCR依赖于Tesseract作为底层的光学字符识别系统,但是,您也可以使用OpenCV中的文本检测和本地化功能(docs.opencv.org/3.0-beta/modules/text/doc/erfilter.html)来查找图像中的文本区域,然后使用不同的OpenCV来执行识别。文本检测和本地化阶段可以由very quickly完成,因此实现实时性能主要是选择一个快速的OCR。
https://stackoverflow.com/questions/36018278
复制相似问题