python用opencv将跟踪图片数据集生成视频

1. AIR-MOT数据集

github地址：https://github.com/HeQibin/TGraM
AIR-MOT数据集是一个基于图的多任务建模进行卫星视频中的多目标跟踪、（Multi-Object Tracking, MOT）任务的数据集。在图像领域，多目标跟踪是一个至关重要的任务，它涉及到在动态环境中实时地检测和跟踪多个目标（如车辆、行人等）。

AIR-MOT数据集可能包含了大量的标注视频帧或图像序列，其中每个目标都被精确地标注出来，并提供了目标的类别、位置、尺寸以及可能的轨迹信息。这些数据可以用于训练和评估多目标跟踪算法的性能。

使用AIR-MOT数据集，研究人员可以开发更先进的多目标跟踪算法，以应对卫星视频中的复杂挑战，如目标遮挡、目标之间的交互、动态环境的变化等。通过不断优化算法，可以提高跟踪的准确性和鲁棒性，从而提高卫星视频中可靠目标的跟踪能力。

2. 整体流程

python用opencv将图片数据集生成视频步骤如下：

1. 导入必要的库：

   • cv2：用于处理图片和视频。
   • os：用于处理文件路径。
   • tqdm：用于显示进度条。

2. 设置图片文件夹路径和输出视频文件夹路径：

   image_folder = 'path/to/your/image/folder'
   output_folder = 'path/to/your/output/folder'
   

   这里你需要将 'path/to/your/image/folder' 替换为包含图片文件的文件夹路径，将 'path/to/your/output/folder' 替换为你想要保存输出视频的文件夹路径。

3. 获取图片文件夹中的所有图片文件名，并按文件名排序：

   images = [img for img in os.listdir(image_folder) if img.endswith(".jpg")]
   images.sort()
   

   这行代码获取指定文件夹中以 .jpg 结尾的所有图片文件，并按文件名排序。如果是别的格式的，请自己替换。

4. 初始化视频写入对象：

   video = None
   

   这里初始化了一个视频写入对象 video，用于写入生成的视频。

5. 遍历图片并生成视频：

   for image in tqdm(images, desc="Converting images to videos"):
   

   这是一个循环，遍历所有图片文件。

6. 根据图片的数字前缀创建新的视频文件：

   prefix = image.split('_')[0]
   

   这行代码提取了图片文件名中的数字前缀。这里的前缀是以_来划分，不同的数据集可以换成相关规则。

7. 如果当前视频名称与前缀不一致，创建新的视频写入对象：

   if prefix != current_video_name:
   

   如果当前图片的数字前缀与上一个图片的数字前缀不一致，则表示需要创建新的视频文件。

8. 获取第一张图片的宽度和高度，用于设置视频的尺寸：

   frame = cv2.imread(os.path.join(image_folder, image))
   height, width, layers = frame.shape
   

   这行代码读取第一张图片，并获取其宽度和高度。

9. 将当前图片写入当前视频：

   video.write(cv2.imread(os.path.join(image_folder, image)))
   

   这行代码将当前图片写入当前视频。

10. 完成后释放最后一个视频对象：

    if video is not None:
        video.release()
    

    如果存在视频对象，则释放该对象。

11. 显示完成信息：

    print("所有视频生成完成！")
    

    这行代码打印输出所有视频生成完成的消息。

3. 总体代码

import cv2
import os
from tqdm import tqdm

# 图片文件夹路径和保存视频的路径
image_folder = 'path/to/your/image/folder'
output_folder = 'path/to/your/output/folder'

# 获取图片文件夹中的所有图片文件名，并按文件名排序
images = [img for img in os.listdir(image_folder) if img.endswith(".jpg")]
images.sort()

# 生成视频的编解码器
fourcc = cv2.VideoWriter_fourcc(*'mp4v')

# 初始化一个视频写入对象
video = None
current_video_name = None

# 使用 tqdm 显示进度条
for image in tqdm(images, desc="Converting images to videos"):
    # 根据文件名获取当前图片的数字前缀
    prefix = image.split('_')[0]

    # 如果当前视频名称与前缀不一致，创建新的视频写入对象
    if prefix != current_video_name:
        if video is not None:
            # 完成当前视频的写入并释放对象
            video.release()
        # 创建新的视频文件名
        current_video_name = prefix
        output_video_name = os.path.join(output_folder, f"output_video_{current_video_name}.mp4")
        # 获取第一张图片的宽度和高度，用于设置视频的尺寸
        frame = cv2.imread(os.path.join(image_folder, image))
        height, width, layers = frame.shape
        video = cv2.VideoWriter(output_video_name, fourcc, 10, (width, height))

    # 将当前图片写入当前视频
    video.write(cv2.imread(os.path.join(image_folder, image)))

# 完成后释放最后一个视频对象
if video is not None:
    video.release()

print("所有视频生成完成！")