OpenCV：VideoCapture的阅读框将视频推向奇怪的错误位置

Question

（一旦符合条件，我将在这个问题上立即获得500点声望奖励 - 除非问题已经结束。）

一句话的问题

从VideoCapture读取帧会使视频比预期的更进一步。

说明

我需要在特定时间间隔内从100 fps（根据cv2和VLC媒体播放器）视频读取和分析帧。 在下面的最小示例中，我试图读取三分钟视频的前十秒的所有帧。

我正在创建一个cv2.VideoCapture对象，我从中读取帧，直到达到所需的位置（以毫秒为单位）。 在我的实际代码中，每个框架都进行了分析，但这一事实与展示错误无关。

在读取帧后检查VideoCapture的当前帧和毫秒位置会产生正确的值，因此VideoCapture 认为它位于正确的位置 - 但事实并非如此。 保存最后一个读取帧的图像显示我的迭代超过目标时间超过两分钟 。

更奇怪的是，如果我使用VideoCapture.set手动设置捕获的毫秒位置为10秒（读取帧后VideoCapture.get返回相同值）并保存图像，则视频（几乎）正确位置！

演示视频文件

如果您想运行MCVE，则需要demo.avi视频文件。 您可以下载它这里 。

MCVE

这款MCVE经过精心设计和评论。 如果有任何不清楚的地方，请在问题下留言。

如果您使用的是OpenCV 3，则必须使用cv2.替换cv2.cv.CV_所有实例cv2. 。 （对我来说，这两个版本都会出现问题。）

import cv2

# set up capture and print properties
print 'cv2 version = {}'.format(cv2.__version__)
cap = cv2.VideoCapture('demo.avi')
fps = cap.get(cv2.cv.CV_CAP_PROP_FPS)
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('initial attributes: fps = {}, pos_msec = {}, pos_frames = {}'
      .format(fps, pos_msec, pos_frames))

# get first frame and save as picture
_, frame = cap.read()
cv2.imwrite('first_frame.png', frame)

# advance 10 seconds, that's 100*10 = 1000 frames at 100 fps
for _ in range(1000):
    _, frame = cap.read()
    # in the actual code, the frame is now analyzed

# save a picture of the current frame
cv2.imwrite('after_iteration.png', frame)

# print properties after iteration
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('attributes after iteration: pos_msec = {}, pos_frames = {}'
      .format(pos_msec, pos_frames))

# assert that the capture (thinks it) is where it is supposed to be
# (assertions succeed)
assert pos_frames == 1000 + 1 # (+1: iteration started with second frame)
assert pos_msec == 10000 + 10

# manually set the capture to msec position 10010
# note that this should change absolutely nothing in theory
cap.set(cv2.cv.CV_CAP_PROP_POS_MSEC, 10010)

# print properties  again to be extra sure
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('attributes after setting msec pos manually: pos_msec = {}, pos_frames = {}'
      .format(pos_msec, pos_frames))

# save a picture of the next frame, should show the same clock as
# previously taken image - but does not
_, frame = cap.read()
cv2.imwrite('after_setting.png', frame)

MCVE输出

print语句产生以下输出。

cv2版本= 2.4.9.1
初始属性：fps = 100.0，pos_msec = 0.0，pos_frames = 0.0
读取后的属性：pos_msec = 10010.0，pos_frames = 1001.0
手动设置msec pos后的属性：pos_msec = 10010.0，pos_frames = 1001.0

如您所见，所有属性都具有预期值。

imwrite保存以下图片。

first_frame.png

after_iteration.png

after_setting.png

您可以在第二张图片中看到问题。 9:26:15（图中实时时钟）的目标错过了超过两分钟。 手动设置目标时间（第三张图片）将视频设置为（几乎）正确的位置。

我做错了什么，我该如何解决？

到目前为止尝试过

cv2 2.4.9.1 @ Ubuntu 16.04
cv2 2.4.13 @ Scientific Linux 7.3（三台电脑）
cv2 3.1.0 @ Scientific Linux 7.3（三台电脑）

使用创建捕获

cap = cv2.VideoCapture('demo.avi', apiPreference=cv2.CAP_FFMPEG)

和

cap = cv2.VideoCapture('demo.avi', apiPreference=cv2.CAP_GSTREAMER)

在OpenCV 3中（版本2似乎没有apiPreference参数）。 使用cv2.CAP_GSTREAMER需要非常长的时间（运行MCVE大约需要2-3分钟），但两个api-preferences都会产生相同的错误图像。

当直接使用ffmpeg读取帧时（ ffmpeg 本教程），会生成正确的输出图像。

import numpy as np
import subprocess as sp
import pylab

# video properties
path = './demo.avi'
resolution = (593, 792)
framesize = resolution[0]*resolution[1]*3

# set up pipe
FFMPEG_BIN = "ffmpeg"
command = [FFMPEG_BIN,
           '-i', path,
           '-f', 'image2pipe',
           '-pix_fmt', 'rgb24',
           '-vcodec', 'rawvideo', '-']
pipe = sp.Popen(command, stdout = sp.PIPE, bufsize=10**8)

# read first frame and save as image
raw_image = pipe.stdout.read(framesize)
image = np.fromstring(raw_image, dtype='uint8')
image = image.reshape(resolution[0], resolution[1], 3)
pylab.imshow(image)
pylab.savefig('first_frame_ffmpeg_only.png')
pipe.stdout.flush()

# forward 1000 frames
for _ in range(1000):
    raw_image = pipe.stdout.read(framesize)
    pipe.stdout.flush()

# save frame 1001
image = np.fromstring(raw_image, dtype='uint8')
image = image.reshape(resolution[0], resolution[1], 3)
pylab.imshow(image)
pylab.savefig('frame_1001_ffmpeg_only.png')

pipe.terminate()

这会产生正确的结果！ （正确的时间戳9:26:15）

frame_1001_ffmpeg_only.png：

附加信息

在评论中，我被要求提供我的cvconfig.h文件。 我似乎只在/opt/opencv/3.1.0/include/opencv2/cvconfig.h下有cv2版本3.1.0的这个文件。

这里是此文件的粘贴。

如果有帮助，我可以使用VideoCapture.get提取以下视频信息。

亮度0.0
对比0.0
convert_rgb 0.0
暴露0.0
格式0.0
fourcc 1684633187.0
fps 100.0
frame_count 18000.0
frame_height 593.0
frame_width 792.0
获得0.0
色调0.0
模式0.0
openni_baseline 0.0
openni_focal_length 0.0
openni_frame_max_depth 0.0
openni_output_mode 0.0
openni_registration 0.0
pos_avi_ratio 0.01
pos_frames 0.0
pos_msec 0.0
整改0.0
饱和度0.0

Answer 1

您的视频文件数据仅包含1313个非重复帧（即每秒7到8帧的持续时间）：

$ ffprobe -i demo.avi -loglevel fatal -show_streams -count_frames|grep frame
has_b_frames=0
r_frame_rate=100/1
avg_frame_rate=100/1
nb_frames=18000
nb_read_frames=1313        # !!!

使用ffmpeg转换avi文件报告16697个重复帧（由于某种原因，添加了10个额外的帧，并且16697 = 18010-1313）。

$ ffmpeg -i demo.avi demo.mp4
...
frame=18010 fps=417 Lsize=3705kB time=03:00.08 bitrate=168.6kbits/s dup=16697
#                                                                   ^^^^^^^^^
...

BTW，因此转换后的视频（ demo.mp4 ）没有讨论的问题，即OpenCV正确处理它。

在这种情况下，复制帧实际上不存在于avi文件中，而是每个复制帧由重复前一帧的指令表示。 这可以检查如下：

$ ffplay -loglevel trace demo.avi
...
[ffplay_crop @ 0x7f4308003380] n:16 t:2.180000 pos:1311818.000000 x:0 y:0 x+w:792 y+h:592
[avi @ 0x7f4310009280] dts:574 offset:574 1/100 smpl_siz:0 base:1000000 st:0 size:81266
video: delay=0.130 A-V=0.000094
    Last message repeated 9 times
video: delay=0.130 A-V=0.000095
video: delay=0.130 A-V=0.000094
video: delay=0.130 A-V=0.000095
[avi @ 0x7f4310009280] dts:587 offset:587 1/100 smpl_siz:0 base:1000000 st:0 size:81646
[ffplay_crop @ 0x7f4308003380] n:17 t:2.320000 pos:1393538.000000 x:0 y:0 x+w:792 y+h:592
video: delay=0.140 A-V=0.000091
    Last message repeated 4 times
video: delay=0.140 A-V=0.000092
    Last message repeated 1 times
video: delay=0.140 A-V=0.000091
    Last message repeated 6 times
...

在上面的日志中，具有实际数据的帧由以“ [avi @ 0xHHHHHHHHHHH] ”开头的行表示。 “ video: delay=xxxxx AV=yyyyy ”消息表示最后一帧必须再显示xxxxx秒。

cv2.VideoCapture()跳过这样的重复帧，只读取具有真实数据的帧。 这是来自opencv的2.4分支的相应（但略微编辑） 代码 （注意，BTW，在ffmpeg下使用，我通过在gdb下运行python并在CvCapture_FFMPEG::grabFrame上设置断点来CvCapture_FFMPEG::grabFrame ）：

bool CvCapture_FFMPEG::grabFrame()
{
    ...
    int count_errs = 0;
    const int max_number_of_attempts = 1 << 9; // !!!
    ...
    // get the next frame
    while (!valid)
    {
        ...
        int ret = av_read_frame(ic, &packet);
        ...        
        // Decode video frame
        avcodec_decode_video2(video_st->codec, picture, &got_picture, &packet);
        // Did we get a video frame?
        if(got_picture)
        {
            //picture_pts = picture->best_effort_timestamp;
            if( picture_pts == AV_NOPTS_VALUE_ )
                picture_pts = packet.pts != AV_NOPTS_VALUE_ && packet.pts != 0 ? packet.pts : packet.dts;
            frame_number++;
            valid = true;
        }
        else
        {
            // So, if the next frame doesn't have picture data but is
            // merely a tiny instruction telling to repeat the previous
            // frame, then we get here, treat that situation as an error
            // and proceed unless the count of errors exceeds 1 billion!!!
            if (++count_errs > max_number_of_attempts)
                break;
        }
    }
    ...
}

Answer 2

简而言之：我在使用OpenCV 2.4.13的Ubuntu 12.04机器上重现了您的问题，注意到您的视频中使用的编解码器（FourCC CVID）似乎相当陈旧（根据2011年的这篇文章 ），并在转换视频后编解码器MJPG（又名M-JPEG或Motion JPEG）你的MCVE工作。 当然，Leon（或其他人）可能会发布OpenCV修复程序，这可能是您案例的更好解决方案。

我最初尝试使用转换

ffmpeg -i demo.avi -vcodec mjpeg -an demo_mjpg.avi

和

avconv -i demo.avi -vcodec mjpeg -an demo_mjpg.avi

（两者也在16.04盒子上）。 有趣的是，两者都产生了“破碎”的视频。 例如，当使用Avidemux跳到第1000帧时，没有实时时钟！ 此外，转换后的视频只有原始大小的1/6，这很奇怪，因为M-JPEG是一种非常简单的压缩。 （每帧都是独立的JPEG压缩。）

使用Avidemux将demo.avi转换为M-JPEG，可以生成MCVE工作的视频。 （我使用Avidemux GUI进行转换。）转换后视频的大小约为原始大小的3倍。 当然，也可以使用Linux上更好支持的编解码器进行原始录制。 如果您需要跳转到应用程序中视频中的特定帧，M-JPEG可能是最佳选择。 否则，H.264压缩得更好。 两者都得到了很好的支持，我的经验和我见过的唯一代码直接在网络摄像头上实现（仅限高端的H.264）。

Answer 3

如你所说 ：

当直接使用ffmpeg读取帧时（相当于本教程），会生成正确的输出图像。

这是正常的，因为你定义了一个framesize = resolution[0]*resolution[1]*3

然后在读取时重用它： pipe.stdout.read(framesize)

所以在我看来你必须更新每个：

_, frame = cap.read()

至

_, frame = cap.read(framesize)

假设分辨率相同，最终代码版本将为：

import cv2

# set up capture and print properties
print 'cv2 version = {}'.format(cv2.__version__)
cap = cv2.VideoCapture('demo.avi')
fps = cap.get(cv2.cv.CV_CAP_PROP_FPS)
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('initial attributes: fps = {}, pos_msec = {}, pos_frames = {}'
      .format(fps, pos_msec, pos_frames))

resolution = (593, 792) #here resolution 
framesize = resolution[0]*resolution[1]*3 #here framesize

# get first frame and save as picture
_, frame = cap.read( framesize ) #update to get one frame
cv2.imwrite('first_frame.png', frame)

# advance 10 seconds, that's 100*10 = 1000 frames at 100 fps
for _ in range(1000):
    _, frame = cap.read( framesize ) #update to get one frame
    # in the actual code, the frame is now analyzed

# save a picture of the current frame
cv2.imwrite('after_iteration.png', frame)

# print properties after iteration
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('attributes after iteration: pos_msec = {}, pos_frames = {}'
      .format(pos_msec, pos_frames))

# assert that the capture (thinks it) is where it is supposed to be
# (assertions succeed)
assert pos_frames == 1000 + 1 # (+1: iteration started with second frame)
assert pos_msec == 10000 + 10

# manually set the capture to msec position 10010
# note that this should change absolutely nothing in theory
cap.set(cv2.cv.CV_CAP_PROP_POS_MSEC, 10010)

# print properties  again to be extra sure
pos_msec = cap.get(cv2.cv.CV_CAP_PROP_POS_MSEC)
pos_frames = cap.get(cv2.cv.CV_CAP_PROP_POS_FRAMES)
print ('attributes after setting msec pos manually: pos_msec = {}, pos_frames = {}'
      .format(pos_msec, pos_frames))

# save a picture of the next frame, should show the same clock as
# previously taken image - but does not
_, frame = cap.read()
cv2.imwrite('after_setting.png', frame)