Analyse, and convert video into useful data.


Keywords
android, ocr, opencv, python, video
License
MIT
Install
pip install stagesep2==0.2.6

Documentation

该项目处于低活跃状态,建议使用 https://github.com/williamfzc/stagesepx

stagesep2

PyPI - Python Version PyPI version Build Status Maintainability


Analyse, and convert video into useful data.

原理

stagesep2 的两个核心功能:

  • ocr(tesseract)
  • 图像识别(opencv)

视频是由一系列连续的图片(帧)组成的,通过逐帧分析,我们能够从视频中提取出流程相关信息。理论上,每一帧都存在能够区分它与其他帧的标识,可能是文字或图像。

例如,我们需要测试 从桌面启动chrome,打开amazon 的速度:

  • 在操作前,我们在主页。主页上会有特定的文字与图像(例如chrome icon)
  • 在操作时,页面会有特定的变化(例如chrome icon变暗,或出现点击位置反馈)
  • 在操作后(chrome启动后),页面发生切换,页面上的文字与图像都会发生改变(例如amazon logo出现)

那么,我们可以通过两个方面来进行检测。首先是通过标志性图片:

可以看到,在 0.2s 时chrome图标被点击,在 0.96s 时amazon图标正式出现。再看看文字的:

{
	"result_id": "c2e5116c-462b-11e9-9ed2-005056c00008",
	"video_name": "./videos/demo1.mp4",
	"frame_id": 24,
	"current_time": 0.96,
	"ocr": ["PO", "/", "1dX00d", "¥", ":", "00Xv00Yv00", "", "ESRRGRERSize0.0215", ":", "27dSlsB", "(", "ayhttps", "/", "/", "www", ".", "amazon", ".", "comQO", "°", "oa", "\"", "", "Ney", ",", "DepartmentsListsDealsVideoMusic", "©", "DelivertoChinaWeshipinternationallyWe", "'", "reshowingyouitemsthatshiptoChina", ".", "Toseeiemsthatshiptoadifferentcountrychangeyourgetiveryaddres5AdditionallanguagesettingsareavailableSomecontentmaybeauto", "-", "translatedCHANGETHEADDRESSrs", "", "~", "Shopwith100%", "ConfidenceonAmazonLJ", "", ")", "SigninforthebestexperienceCoO00", "@"],
	"match_template": {
		"amazon": {
			"min": -0.4684264361858368,
			"max": 0.6224471926689148
		},
		"chrome": {
			"min": -0.4022962152957916,
			"max": 0.7294253706932068
		},
		"chrome_clicked": {
			"min": -0.6132965087890625,
			"max": 0.7038567066192627
		}
	},
	"trend": {
		"previous": 0.8785946933890821,
		"first": 0.8719320065296263,
		"last": 0.5842399940047383
	}
}

节选 0.96s 的检测结果,可以发现在该时刻amazon网页上的相关字样开始出现,与图片检测的结果是一致的。

通过对这些阶段进行分析,得到每个阶段及帧对应的时间戳,我们就能够准确地知晓视频每个阶段发生的事情。你的视频FPS越高,数据会越精确。

目的

值得注意的是,在性能测试范畴内,fps的稳定性是非常重要的。而目前软件录制手段实际上并不稳定,容易造成结果不准确的问题。如果用于生产环境,建议使用硬件方式(例如外置摄像头)。

全平台的 性能测试/有效性验证 方案

  • 渲染内容是否符合期望
  • 渲染性能

为什么介入图像识别

UI

现阶段的UI测试大多属于纯代码层面的行为,而对于控件是否真的渲染成为我们希望的样子我们并不知晓。

性能

在常规速度类性能测试中通常通过提前埋点进行测试,一般会有两个问题:

  • 具有侵入性(需要改动源码)
  • 对于界面相关的场景不适用(并不知道界面是否已经被真正渲染出来)

图像识别在测试中的应用

一般来说,通过图像识别来进行测试分为三个步骤:

  • 图像/视频 采集

    • 这个部分通常由高速摄像机或稳定帧率的外置相机进行拍摄,得到固定帧率的视频
    • 软件录制是不靠谱的,很容易出现帧率不稳定的情况。而如果时间与帧数不能精确对应的话数据会失真
  • 视频处理

    • 提取视频中的信息,输出成为我们需要的形式
    • 也是整个流程最关键的部分
  • 数据分析

    • 将视频处理的结果进行分析,得到结论或生成报告

该项目将承载视频处理的部分,将录制好的视频解析成开发者需要的格式。

使用

目前支持两种使用方式:

  • docker(推荐)
  • python包

官方示例 开始吧。

相关内容

依赖

旧版本

Bug与建议

欢迎通过 issue 告知,或直接发起 PR 加入 :)

协议

MIT