功能描述:
提取视频文件中的图像然后使用OCR技术识别静态图像中的文本,提取视频文件中的音频然后使用语音识别技术提取其中的文本,如果视频文本或音频文本中包含指定的关键词则进行提示。
代码使用tesseract进行OCR识别视频图像中的文本,然后以百度语音识别为例进行演示,但事实证明百度语音识别效果非常不好,可以进行大规模训练试试能不能提高识别率,或者使用其他识别率更高的平台API。
实现步骤:
1.注册一个百度云账号,然后进入控制台,找到语音技术
2.在左侧展开应用列表,创建新应用
3.返回应用列表,找到刚刚创建的应用,记下图中的三个值
4.安装百度语音识别库
5.安装扩展库moviepy、pillow、pytesseract,安装软件tesseract并把安装路径添加到环境变量Path中,准备好视频文件,编写代码
6.进入cmd环境,切换到包含程序文件和视频文件的文件夹,执行命令,下图中略去了执行过程
执行程序时同时产生“音频文字.txt”和“视频文字.txt”两个文件,其中“音频文字.txt”中的内容实在是惨不忍睹一塌糊涂完全没有使用价值,就不贴图了,好在tesseract的文字识别还不错,视频文字提取效果如下