掃描視頻文本字符串？

Question

我的目標是從電影預告片中找到標題屏幕。我需要一個服務，可以在視頻中搜索字符串，然後使用該字符串返回幀。很晦澀難懂，有這樣的事情嗎？

例如對於這部電影，我會掃描「香腸黨」，並檢索該框架：

編輯：我發現cloudsight api這實際上除了成本的工作令人望而卻步@假設我需要$ .04每次通話將視頻分成1秒的間隔並掃描每個圖像（每個視頻至少60個電話）。

Answer 1

沒有確切的服務，我能找到，但你可以嘗試自己做...

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 

這提取一幀第二從視頻文件，然後使用正方體通過提取文本OCR到與圖像幀名稱相同的文件中（例如，0135.txt。但是，根據所使用的字體和視頻文件的質量，您的結果將會發生很大的變化）

您可能會發現它更便宜/更簡單使用類似Amazon Mechanical Turk的東西，尤其是因爲OCR將很難做到這一點omatically。

Answer 2

另一個選項可能是您自己使用OpenCV中的場景文本檢測和識別模塊（docs.opencv.org/3.0-beta/modules/text/doc/text.html）來實現此服務。你可以看看this video以瞭解這樣一個系統如何運作。如上所述，準確度取決於電影標題中使用的字體，視頻文件的質量和OCR。

OpenCV依賴於Tesseract作爲底層的OCR，或者，您可以使用OpenCV中的文本檢測和本地化功能（docs.opencv.org/3.0-beta/modules/text/doc/erfilter.html）來查找文字區域，然後使用不同的OCR來執行識別。文本檢測和本地化階段可以完成very quickly因此實現實時性能將主要是選擇一個快速OCR的問題。