1、数据集简述：

       虽然有主流庞大的COCO、VOC数据集，但是科研人员仍需要特殊领域要求的数据集，所以采用人工实地采集的方式进行收集数据集图像；通过拍照收集图像过于繁琐，所以通常是将摄像头无规则的移动旋转以及远近拉缩，进而录制视频；再通过视频抽帧的方式得到大量的图像，再将这些图像进行人工标注处理。

        博主通过一个水下录制视频为例子，当这类图像在网上鲜有存在时，要求有关技术人员进行实拍采集，下图即为采集得到的视频。

        为了避免不符合项目要求的数据增强，博主要求技术人员在录制视频时最大程度地让摄像头进行移动、旋转以及远近调节等；这样抽帧后的图像更具有泛化性。

2、代码介绍：

下面是采用以帧数为间隔的方法进行视频抽帧，博主个人认为这样子的方式调节间隔更加方便，更符合个人习惯。

import cv2
from PIL import Image
import numpy as np


cap = cv2.VideoCapture("D:/Download/ANMR0005.mp4")  # 获取视频对象
isOpened = cap.isOpened  # 判断是否打开
# 视频信息获取
fps = cap.get(cv2.CAP_PROP_FPS)

imageNum = 0
sum=0
timef=15  #隔15帧保存一张图片

while (isOpened):

    sum+=1

    (frameState, frame) = cap.read()  # 记录每帧及获取状态

    if frameState == True and (sum % timef==0):

        # 格式转变，BGRtoRGB
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        # 转变成Image
        frame = Image.fromarray(np.uint8(frame))

        frame = np.array(frame)

        # RGBtoBGR满足opencv显示格式
        frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

        imageNum = imageNum + 1
        fileName = 'D:/Download/video_image/image' + str(imageNum) + '.jpg'  # 存储路径
        cv2.imwrite(fileName, frame, [cv2.IMWRITE_JPEG_QUALITY, 100])
        print(fileName + " successfully write in")  # 输出存储状态

    elif frameState == False:
        break

print('finish!')
cap.release()

3、代码效果：

pycharm运行py文件后结果框显示的内容：

视频抽帧得到的图像保存至指定的文件夹：

抽帧得到的图片示例：

4、相关说明：

①本代码依据录制视频、对opencv的理解以及大佬的项目代码灵感进行编写；

大佬的项目代码地址

②本数据集属于私人闭源，不公开。