Comment détecter les changements de plan dans les vidéos à l'aide de Python

La détection des changements de plan est essentielle dans le traitement vidéo, où vous devez identifier à quel moment une scène passe à une autre.

Par exemple, lorsqu'un nouvel angle de caméra est utilisé ou qu'une scène fait des transitions, cela est considéré comme un changement de prise de vue. La détection de ces modifications facilite des tâches telles que le résumé vidéo, la segmentation de scènes, etc.

Dans ce didacticiel, nous expliquerons comment implémenter la détection des changements de tir à l'aide de Python et du API Eden AI. Cette API nous permet d'exécuter la détection des changements de tir de manière asynchrone avec un minimum de code.

‍

Qu'est-ce que Détection de changement de prise de vue vidéo?

Détection de changement de prise de vue vidéo annote une vidéo avec des segments générés en détectant des changements brusques de plan dans la vidéo.

Ce processus permet de diviser la vidéo en sections distinctes, ce qui facilite son analyse et son montage.

‍

Comment détecter les changements de prise de vue dans les vidéos

‍

Accédez à l'API Eden AI

1. Inscrivez-vous : Visitez Eden AI et créez un compte gratuitement pour commencer. Une fois inscrit, accédez à la section API pour trouver votre clé API personnelle qui vous donne accès à un large éventail de services d'IA, y compris la détection des changements de tir.

2. Accédez à Technologies vidéo — Connectez-vous et rendez-vous dans la section Technologies vidéo.

3. Sélectionnez Shot Change Detection— À partir de là, sélectionnez Détection de changement de tir option, ou plongez dans des fonctionnalités plus avancées en fonction de vos besoins.

‍

Modèles de test en direct sur Eden AI

Eden AI fournit une plateforme sur laquelle vous pouvez tester différents modèles d'IA avant de les intégrer, ce qui vous permet d'évaluer et de sélectionner le fournisseur qui correspond le mieux à vos besoins.

‍

Implémentation de la détection des changements de tir en Python

‍

Étape 1 : Installation du module Python Requests

Avant de mettre en œuvre la solution, assurez-vous de disposer des Demandes bibliothèque installée en Python. Si vous ne l'avez pas déjà installé, vous pouvez le faire en exécutant :

pip install requests

Ce module est requis pour envoyer des requêtes HTTP à l'API Eden AI.

‍

Explication du code

Nous allons maintenant décomposer le code en deux parties : POSTE et OBTENIR.

POST - Lancer le job

La première étape consiste à lancer le tâche de détection de changement de tir. Vous utilisez un POSTE demande de soumission d'une vidéo à Eden AI pour traitement. Lorsque vous soumettez la tâche, vous spécifiez le fournisseur d'IA que vous souhaitez utiliser (par exemple, Google) et vous fournissez l'URL de la vidéo. Une fois la tâche soumise, Eden AI traite la vidéo et analyse les changements de prise de vue de manière asynchrone.

Récupérer les résultats des tâches

Une fois le traitement terminé, vous pouvez récupérer les résultats à l'aide d'un OBTENIR demande. Au cours de cette phase, vous interrogez l'API Eden AI à l'aide du public_id fourni lors de la soumission de la tâche. Cela vous donnera les résultats de la détection des changements de prise de vue, tels que l'horodatage des changements de prise de vue.

‍

Phase POST (tâche de lancement)

Cette partie du code envoie une demande à Eden AI pour démarrer la tâche de détection du changement de tir.

import requests

# Replace with your actual API Key
headers = {"Authorization": "Bearer {API_KEY}"}

# Replace with the actual URL of your video
json_payload = {
    "providers": "google", 
    "file_url": "🔗 URL of your video"
}

# The URL for launching the shot change detection job
url = "https://api.edenai.run/v2/video/shot_change_detection_async"

# Send the POST request to initiate the job
response = requests.post(url, json=json_payload, headers=headers)

# Get the response and display it
result = response.json()
print(result)

Explication de la phase POST :

• URL : Nous utilisons le point de terminaison https://api.edenai.run/v2/video/shot_change_detection_async pour lancer la tâche de détection du changement de tir.
  
• En-tête d'autorisation : L'en-tête Authorization contient votre clé d'API, qui est requise pour l'authentification avec l'API d'Eden AI.
  
• json_payload : Contient les données nécessaires au lancement de la tâche :
  
  • « providers » : « google » précise que nous voulons utiliser l'IA de Google pour cette tâche.
    
  • « file_url » : « 🔗 URL de votre vidéo » est l'endroit où vous fournissez l'URL de la vidéo que vous souhaitez traiter.
    

Une fois cette demande envoyée, l'API traite la vidéo de manière asynchrone et vous recevrez un public_id pour suivre le travail.

‍

Phase GET (récupérer les résultats des tâches)

Une fois la tâche terminée, vous pouvez récupérer les résultats à l'aide du public_id fourni dans la réponse.

import requests

# Replace with your actual API Key
headers = {"Authorization": "Bearer {API_KEY}"}

# Replace with the actual public_id from the POST request
public_id = "849cec9a-381a-4ed4-9a75-c76053e9c01c"

# The URL for retrieving job results
url = f"https://api.edenai.run/v2/video/shot_change_detection_async/{public_id}/"

# Send the GET request to retrieve the results
response = requests.get(url, headers=headers)

# Get the response and display it
result = response.json()
print(result)

Explication de la phase GET :

• URL : Ici, nous utilisons le point de terminaison https://api.edenai.run/v2/video/shot_change_detection_async/{public_id}/ où {public_id} est l'identifiant reçu de la requête POST.
  
• En-tête d'autorisation : Comme dans la requête POST, vous devez transmettre votre clé API pour l'authentification.
  
• Demande GET : La requête GET récupère les résultats de la détection du changement de tir. Les résultats sont renvoyés dans un format JSON qui contient les détails des changements de prise de vue détectés.

‍

Interprétation des résultats

Une fois la tâche terminée, les résultats de la requête GET contiendront des informations importantes, telles que :

• prises de vue : Liste des prises de vues détectées, généralement représentées par des horodatages indiquant où un changement de prise de vue se produit.
  
  
• statut : État de la tâche, indiquant si elle est terminée ou en cours de traitement.
  
  
• erreur : S'il y a eu une erreur pendant le processus, il fournira des détails sur ce qui s'est mal passé.
  
  

Exemple de sortie :

{
  "status": "completed",
  "shots": [
    {"start": 12.5, "end": 15.0},
    {"start": 23.0, "end": 27.0},
    {"start": 45.0, "end": 48.0}
  ]
}

prises de vue : Voici les horodatages des changements de prise de vue. Par exemple, le premier changement de tir commence à 12,5 s et se termine à 15,0 s.

‍

Gestion des tâches de détection des changements de prise de vue vidéo

‍

Pour une meilleure gestion des tâches de détection des changements de plans vidéo, Eden AI propose des étapes facultatives supplémentaires :

1. Détection des changements de plan vidéo - Répertorier les tâches
   Demande GET :
   https://api.edenai.run/v2/video/shot_change_detection_async/ Cette étape vous permet de récupérer la liste de toutes les tâches lancées pour la détection des changements de tir. À l'aide de l'identifiant unique de chaque tâche, vous pouvez ensuite vérifier son statut et ses résultats. Vous pouvez consulter l'intégralité documentation ici.
   

1. Détection des changements de plan vidéo - Supprimer des tâches
   Supprimer la demande :
   https://api.edenai.run/v2/video/shot_change_detection_async/Ce terminal vous permet de supprimer des tâches, ce qui vous permet de gérer et de nettoyer facilement les tâches terminées ou inutiles. Vous pouvez consulter l'intégralité documentation ici.

En tirant parti de ces étapes facultatives, vous pouvez gérer et suivre plus efficacement vos tâches de détection des changements de plan vidéo.

‍

Pourquoi Eden AI est le meilleur outil pour la détection des changements de tir

Eden AI propose une solution robuste de détection des changements de tir présentant plusieurs avantages.

‍

Plusieurs options de fournisseurs

Eden AI propose une sélection de fournisseurs d'IA, vous offrant la flexibilité nécessaire pour détecter les deepfakes à l'aide de différents modèles.

Haute précision

‍Les modèles de détection des changements de tir utilisés par Eden AI sont entraînés sur de vastes ensembles de données et conçus pour fournir des résultats fiables.

Facilité d'intégration

Eden AI simplifie l'intégration de la détection des changements de tir dans vos applications grâce à des exemples de code Python clairs et simples.

Sécurité et confiance

‍La plateforme Eden AI donne la priorité à la sécurité et à la confidentialité des données, garantissant ainsi une gestion sécurisée des données relatives à vos images.

‍

Conclusion

Dans ce guide, nous avons appris à détecter les changements de plan dans les vidéos à l'aide de Python et de l'API de détection des changements de plan d'Eden AI.

En utilisant l'approche en deux phases des requêtes POST et GET, nous pouvons facilement automatiser le processus de détection des changements de tir sans avoir à gérer différents modèles ou plateformes d'IA.

Grâce à l'API facile à intégrer d'Eden AI, vous pouvez rationaliser les flux de travail de traitement vidéo et vous concentrer davantage sur des tâches créatives et percutantes.

Questions fréquentes sur la détection de les changements de plan dans les vidéos à l'aide de Python