译者注：本文以一段自打24小时耳光的视频为例子，介绍了若何应用均值哈希算法来检查反复视频帧。以下是译文。

有人在网上上传了一段视频，他打了本身24个小时的耳光。他真的┞封么做了吗?看都不消看，肯定没有!

我要测验测验应用的哈希算法称为均值哈希(aHash)。在网上能找到很多的信息，它的处理过程一般是如许的：降低图像分辨率，转换为灰度图，然后取哈希值。经由过程降低分辨率，我们可以清除噪声的影响。然而，我们冒着相邻帧可能会被标记为反复帧的风险，因为它们是类似的。经由过程调剂分辨率可以稍稍解决这个问题。

前几天，我浏览YouTube的时刻，看到了一段异常风行的视频。在视频里，一小我声称本身要持续打脸24小时。视频的长度就是整整的24小时。我跳着看完了这个视频，确切，他就是在打本身的脸。很多评论都嗣魅这个视频是捏造的，我也是这么想的，但我想肯定则个结论。

筹划

写一个法度榜样来检测视频中是否有轮回。我之前大年夜来没有效Python处理过视频，所以这对我来说有点难度。

初次测验测验

看一个视频就像是在快速地翻看图片，这也是应用python攫取视频数据的方法。我们看到的每个“图片”都是视频的一个帧。在视频播放时，它是以每秒30帧的速度进行播放。

在视频数据中，每一帧都是一个巨大年夜的数组。该数组经由过程指定命量的红、绿、蓝进行混淆来告诉我们每个地位膳绫强个像素的色彩。我们想看看视频中是否有多个帧出现了多次，有一个办法，就是计算我们看到的每一帧的次数。

我用两个字典类型的变量来进行计数。一个跟踪我已经看到的帧，另一个跟踪所有完全雷同的帧。当我逐个浏览每一帧时，起首检查以前是否看过这一帧。如不雅没有，则把这一帧添加到我已看过的帧字典中(见下面的seen_frames)。如不雅以前看过这一帧，则将它添加到另一个字典(dup_frames)的列表中，这个字典包含了其他一模一样的帧。

代码如下：

def find_duplicates():   
 
    # 载入视频文件   
 
    filename = 'video.mp4'   
 
    vid = imageio.get_reader(filename,  'ffmpeg')   
 
    all_frames = vid.get_length()   
 
   
 
    # 反复的帧保存在这里   
 
    seen_frames = {}   
 
    dup_frames = {}   
 
   
 
    for x in range(all_frames):   
 
        # 获取单个帧   
 
        frame = vid.get_data(x)   
 
   
 
        # 取帧的哈希值   
 
        hashed = hash(frame.tostring())   
 
   
 
        if seen_frames.get( hashed, None):   
 
            # 如不雅之前看到过这一帧，则添加到dup_frames中具有雷同的哈希值的帧列表中   
 
            dup_frames[hashed].append(x)   
	
			
 1/3    1 2 3 下一页 尾页
	
			

　　推荐阅读
　　从零开始使用TensorFlow建立简单的逻辑回归模型
            
            TensorFlow 是一个基于 python 的机械进修框架。在 Coursera 上进修了逻辑回归的课程内容后，想把在 MATLAB 中实现了的内容用 TensorFlow 从新实现一遍，当做进修 Python 和框架的敲门砖。>>>详细阅读


本文标题：如何用Python检测伪造的视频
地址：http://www.17bianji.com/lsqh/35965.html
 1/2    1