Python PyTorch VideoReader用法及代碼示例

本文簡要介紹python語言中 torchvision.io.VideoReader 的用法。

用法:

class torchvision.io.VideoReader(path: str, stream: str = 'video')

參數：

• path(string) -支持格式的視頻文件的路徑

• stream(string,可選的) -所需流的說明符，後跟流 id，格式為 {stream_type}:{stream_id} 。默認為 "video:0" 。當前可用的選項包括['video', 'audio']

細粒度的video-reading API。支持 frame-by-frame 從單個視頻容器中讀取各種流。

示例

以下示例創建一個VideoReader 對象，尋找 2s 點，並返回單個幀：

import torchvision
video_path = "path_to_a_test_video"
reader = torchvision.io.VideoReader(video_path, "video")
reader.seek(2.0)
frame = next(reader)

VideoReader 實現了可迭代的 API，這使得它適合與 itertools 結合使用以進行更高級的閱讀。因此，我們可以在 for 循環中使用 VideoReader 實例：

reader.seek(2)
for frame in reader:
    frames.append(frame['data'])
# additionally, `seek` implements a fluent API, so we can do
for frame in reader.seek(2):
    frames.append(frame['data'])

使用 itertools ，我們可以使用以下代碼讀取 2 到 5 秒之間的所有幀：

for frame in itertools.takewhile(lambda x: x['pts'] <= 5, reader.seek(2)):
    frames.append(frame['data'])

類似地，在2s時間戳之後讀取10幀可以實現如下：

for frame in itertools.islice(reader.seek(2), 10):
    frames.append(frame['data'])

注意

每個流說明符由兩部分組成：流類型(例如‘video’)和唯一的流id(由視頻編碼確定)。這樣，如果視頻容器中包含多個相同類型的碼流，用戶可以隻訪問自己想要的碼流。如果僅傳遞流類型，解碼器將自動檢測該類型的第一個流。

使用 VideoReader 的示例：

視頻 API