AI 视频识别前怎么抽帧？用 OpenCV 保存时间位置并检查遗漏

准备把视频交给图片识别模型时，可以先抽取代表帧，并为每张图保留它在视频中的位置。这样模型说到某个场景时，可以回到视频核对。本文做约一秒一帧的入门抽取，识别模型调用需要另行接入。

先确认抽帧会遗漏什么

连续动作、闪过的字幕和短暂小目标可能落在两张抽取帧之间。先明确你想找的是长时间场景还是瞬间事件；后一类不能依赖稀疏抽帧做完整判定。

python -m pip install opencv-python-headless

准备 clip.mp4，保存代码为 sample_frames.py，运行 python sample_frames.py。本地用自行生成的恒定 12 FPS、48 帧测试视频运行了该代码，保存 4 张代表帧；未把这些帧交给 AI 模型识别。

保存帧文件与位置清单

from pathlib import Path
import csv
import math
import cv2

capture = cv2.VideoCapture("clip.mp4")
if not capture.isOpened():
    raise ValueError("clip.mp4 cannot be opened")
fps = capture.get(cv2.CAP_PROP_FPS)
if not math.isfinite(fps) or fps <= 0:
    capture.release()
    raise ValueError("usable FPS metadata is missing")
step = max(1, round(fps))  # about one second for constant-frame-rate video
output = Path("frames")
output.mkdir(exist_ok=True)
index = 0
saved = 0
try:
    with (output / "index.csv").open("w", newline="", encoding="utf-8-sig") as f:
        writer = csv.writer(f)
        writer.writerow(["frame_index", "time_seconds", "time_source", "file"])
        while True:
            ok, frame = capture.read()
            if not ok:
                break
            if index % step == 0:
                ms = capture.get(cv2.CAP_PROP_POS_MSEC)
                reliable_value = math.isfinite(ms) and (ms > 0 or index == 0)
                seconds = ms / 1000 if reliable_value else index / fps
                source = "decoder" if reliable_value else "fps_estimate"
                name = f"frame_{index:06d}.jpg"
                if not cv2.imwrite(str(output / name), frame):
                    raise OSError("frame file was not written")
                writer.writerow([index, round(seconds, 3), source, name])
                saved += 1
            index += 1
finally:
    capture.release()
print("decoded_frames", index, "saved_frames", saved, "fps", fps)

代码每次解码一帧，按约一秒的帧步长选图。解码器提供的时间值写作 decoder；取不到正时间值时才按 FPS 估算，并标记 fps_estimate，不把估算当成精确时间。

如何检查输入到输出的对应

index.csv 的数据行数应与 saved_frames 和本批生成的图片数量一致。抽查开头、中间、结尾的图，回到播放器附近时间确认画面相符。

若视频帧率可变，按固定帧步长抽取不能保证精确一秒间隔；若帧解码中断，也不能把循环结束当成整段视频无损读取。对照播放器的完整时长和结尾，必要时换能读取实际时间戳的处理路线。

交给识别模型时保留哪些字段

保留原视频编号、frame_index、time_seconds、time_source 和图片路径。模型回答中的事件只对应它实际看到的帧，不概括成整个视频必然没有其他事件。

重复运行前选择新的 frames 输出目录或保存上一批清单，否则旧图片可能留在目录中干扰数量核对。需要覆盖短事件时减小步长并检查成本与信息遗漏，不能只增加模型提示词。

资料与适用范围

本文依据 2026 年 10 月 1 日读取的项目资料编写。安装后请记录实际依赖版本；版本升级时先用小样本核对接口和输出。

• OpenCV 官方视频教程：VideoCapture、逐帧读取及释放