python是一款功能强大的数据分析工具，我们在平时的工作和生活中经常会用到。但是你知道如何使用python来提取视频中的素材吗？小编今天跟大家分享的就是如何使用python简单快速地提取电影中的片段，学会之后，能够省去我们剪辑的麻烦哦。

以下内容来源： Python的乐趣

作者： 一粒米饭

在上一篇中实现了基于人脸识别提取人物片段的功能，但是在实践过程中发现，如果是一部电影，那么提取到的片段太多了。为了找女神的电影片段，还要在辣么多剪辑中苦苦手工筛选，这个不是一个优秀的程序员应该做的。

经过一番实践和探索，发现了一个强大的库，叫做face_recognition。

本菜鸟也尝试过用opencv识别出图像，通过图像指纹计算出相似度，抑或通过图片向量的余弦相似度计算，奈何实现复杂，效果也不如face_recognition，只好弃暗投明。

1. face_recognition介绍

face_recognition使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild benchmark）上的准确率高达 99.38%。

项目地址：https://github.com/ageitgey/face_recognition#face-recognition

官方介绍了face_recognition以下基本功能：

1.1 找出图片中的人脸

1.2 找到并且控制图像中的脸部特征

1.3 识别图片中的人脸

在本文中使用的就是它的第三个功能识别图片中的人脸。

2. face_recognition的安装使用

face需要依赖于dlib，dlib的安装参考How to install dlib v19.9 or newer from github on macOS and Ubuntu

face_recognition的使用需要基于Python3.3以上或Python2.7，操作系统为MacOS或Linux（Windows不提供官方支持）。安装命令如下：

$ pip install face_recognition

安装完成后可以在命令行使用face_recognition或在Python中调用。以在Python中“识别女神李一桐”为例，其过程如下：

1. 初始化，导入face_recognition，加载一张李一桐的脸部图片；
2. 加载对比图片，读取图片后进行编码；
3. 对比，将已知图片和对比图片用compare_faces方法进行对比并得到结果。

Python代码如下：

import face_recognition

# 初始化
picture_of_liyitong = face_recognition.load_image_file("yilitong.jpg")
liyitong_encoding = face_recognition.face_encodings(picture_of_liyitong)[0]

# 加载对比图片
unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]

# 用`compare_faces`方法继续对比得到结果，
# 值得注意的是第一个参数是一个列表，可以传多个图片参数进行对比
results = face_recognition.compare_faces([liyitong_encoding], unknown_face_encoding)

if results[0] == True:
    print("图片中包含女神")
else:
    print("未找到女神!")

3. 女神视频提取

提取女神视频的过程与之前《从视频中自动提取人物的视频片段》的思路类似。

1.1. 获取图片，用moivepy读取视频，用iter_frames方法从中获取图片帧；

1.2. 标记时间点，利用opencv识别图片中的人物并标记人物出现的起始时间点和结束时间点，并将这些时间点放到到一个列表中。

1.3. 视频截取，用moivepy将上一步中标记的时间片段从视频中截取出来，最后筛选出需要的视频片段即可。

只是将上面第二步中“用opencv识别图片中的人物”改为“用face_recognition进行对比”。代码实现如下：

from moviepy.editor import VideoFileClip
from moviepy.video.io.ffmpeg_tools import ffmpeg_extract_subclip
import face_recognition


def contain_godness(img, godness_encoding):
    face_locations = face_recognition.face_locations(img)
    is_godness = False
    for (top_right_y, top_right_x, left_bottom_y,left_bottom_x) in face_locations:
        unknown_image = img[top_right_y-50:left_bottom_y+50, left_bottom_x-50:top_right_x+50]
        unknown_encoding = face_recognition.face_encodings(unknown_image)
        if unknown_encoding:
            results = face_recognition.compare_faces([godness_encoding], unknown_encoding[0])
            print(results)
            is_godness = results[0]
    return is_godness


def find_durations(clip, godness_encoding):
    """
        从视频中搜索女神片段
    """

    duration_list = []  # 存储片段时间列表
    start_time = 0      # 记录片段开始时间, 以毫秒为单位
    end_time = 0        # 记录片段结束时间, 以毫秒为单位
    last_index = 0
    for i, img in enumerate(clip.iter_frames(fps=20)):
        print(i)
        flag = contain_godness(img, godness_encoding)
        if flag and start_time == 0:
            start_time = i / 20
            last_index = i
        if start_time > 0 and not flag:
            end_time = i / 20
            duration_list.append([start_time, end_time])
            
            # 重置开始时间和结束时间
            start_time = end_time = 0
    
    # 打印片段时间列表并返回
    print(duration_list)
    return duration_list
        

if __name__ == "__main__":
    filename = "demo.mp4"
    clip = VideoFileClip(filename)
    godness_image = face_recognition.load_image_file("godness.png")
    godness_encoding = face_recognition.face_encodings(godness_image)[0]

    durations = find_durations(clip, godness_encoding)
    for d in durations:
        start_t, end_t = d
        ffmpeg_extract_subclip(filename, start_t, end_t)