cat-xierluo/video-screenshot

video-screenshot — 视频截图提取工具

从录屏视频（微信聊天录屏、会议录屏等）中自动抽取关键帧、去重并保存为可用作法律证据的图片文件。独立 Python CLI，无 Django 依赖。

适用场景

• 微信聊天录屏需要提取为逐页截图
• 会议录屏需要提取关键画面作为证据
• 长时间录屏需要去除重复帧，只保留有信息量的画面
• 需要将视频内容转换为可打印、可提交的图片证据

默认工作流

1. 确认输入

确认用户提供的视频文件路径。支持常见视频格式：.mp4 .mov .avi .mkv .webm .flv .wmv .ts

2. 确认参数

默认配置（大多数场景无需调整）：

| 参数 | 默认值 | 说明 | |------|--------|------| | 抽帧策略 | scene | 场景变化检测 | | 场景阈值 | 0.10 | 变化幅度阈值（越小越敏感） | | 定期采样间隔 | 2.0s | 静态画面保底采样（0=禁用） | | 内容区裁剪 | 上 12% / 下 12% / 左右 4% | 排除状态栏、导航栏和边缘黑边后再比较 | | dHash 去重阈值 | 4 | 对内容区计算汉明距离（0=禁用） | | SSIM 阈值 | 0.93 | 结构相似度补充去重（0=禁用） | | 滚动帧合并 | 关闭 | 需显式 --scroll-merge 开启 | | OCR 去重 | 关闭 | 需显式开启 | | 最小时间间隔 | 0.5s | 抑制同一时间段内过密保留帧（0=禁用） | | 复核候选帧 | 关闭 | 需显式 --keep-drop-candidates 开启 | | 最长边像素 | 0 | 保持原始分辨率（可设如 1920 限制尺寸） | | JPEG 质量 | 2 | 最高质量（范围 1-31，越小越清晰） |

详细参数说明见 references/strategy-and-params.md，安装指南见 references/setup.md。

3. 执行抽帧

# 默认：场景检测 + 图像去重
uv run scripts/extract.py -i <视频文件路径>

# 场景检测 + OCR 去重（推荐用于聊天录屏）
uv run scripts/extract.py -i <视频文件路径> --ocr-dedup

# 复合复核模式：保留被算法丢弃的候选帧，供多模态模型回查
uv run scripts/extract.py -i <视频文件路径> --ocr-dedup --keep-drop-candidates

# 固定间隔，每 0.5 秒一帧
uv run scripts/extract.py -i <视频文件路径> -s interval --interval 0.5

# 关键帧提取，不去重
uv run scripts/extract.py -i <视频文件路径> -s keyframe -d 0

# 自定义输出目录
uv run scripts/extract.py -i <视频文件路径> -o /evidence/case_001/

# 更严格的场景检测（更多帧）
uv run scripts/extract.py -i <视频文件路径> --scene-threshold 0.15

# 禁用滚动帧合并（需要逐步滚动全过程时）
uv run scripts/extract.py -i <视频文件路径> --no-scroll-merge

4. 输出说明

输出目录包含：

| 文件 | 说明 | |------|------| | frame_001_00m00s.jpg | 保留帧（序号 + 时间戳命名） | | frame_002_00m03s.jpg | 下一帧 | | _report.json | 元数据报告（输入信息、去重统计、每帧 SHA256） | | _review_candidates/ | 仅在 --keep-drop-candidates 开启时生成，保存被算法丢弃但可复核的候选帧 |

_report.json 可用于证据链追溯，记录了每帧的 SHA256 哈希、捕获时间戳和去重统计；复合模式下还会记录 review.drop_candidates，列明候选帧文件名、丢弃原因和时间戳。

归档目录中的 frames/ 只保留 _report.json 清单内的本次有效帧。每次运行前会清理输出目录中旧的 frame_*.jpg 和本工具报告文件，避免旧帧混入新结果；不会删除其他用户文件。

5. 复合复核模式

当用户担心算法漏掉关键截图，或反馈同一秒内截图过多时，优先使用复合复核模式：

1. 运行 uv run scripts/extract.py -i <视频文件路径> --ocr-dedup --keep-drop-candidates。
2. 如果当前模型或可用工具支持图像输入，检查 _report.json 中 review.drop_candidates 记录的候选帧，重点看 min_gap、quality_*、duplicate_ssim、duplicate_scroll、ocr_duplicate 等原因对应的图片。
3. 视觉复核只做保守补回：候选帧包含新的法律相关内容、金额、身份信息、承诺、关键对话或比已保留帧更清晰时，才建议补回；不要仅因画面略有差异删除已保留帧。
4. 如果当前模型是纯文字模型，跳过视觉复核，并明确说明 _review_candidates/ 已生成但未做图像判断。

抽帧策略

| 策略 | 说明 | 推荐场景 | |------|------|----------| | scene | 场景变化检测，画面有显著变化时提取 | 聊天录屏、操作录屏（默认推荐） | | keyframe | 仅提取视频关键帧（I 帧） | 压缩视频、快速浏览 | | interval | 固定时间间隔提取 | 需要均匀时间采样 | | smart | ffmpeg 智能去重 | 不确定时尝试 |

去重与过滤机制

八级级联去重 + 可选过滤，每一级通过后才进入下一级：

1. SHA256 精确去重 — 完全相同的帧直接跳过
2. 内容区 dHash 感知哈希 — 排除顶部状态栏、底部导航栏和边缘黑边后比较结构
3. 内容区像素差异 — 48×48 灰度缩略图的平均绝对差值
4. SSIM 结构相似度 — 对内容区缩略图计算结构相似度，补充 dHash 漏检
5. 滚动帧合并（需显式开启）— 检测连续帧纵向位移后的重叠区域，只保留代表性画面
6. 内容质量过滤（默认开启）— 自动过滤空白页、启动/控制画面、页面切换过渡帧
7. 模糊帧过滤 — Laplacian 方差低于阈值的帧视为模糊跳过，需 --filter-blur 开启
8. OCR 文本相似度 — 比较最近 4 帧的 OCR 文本（SequenceMatcher + Jaccard），需 --ocr-dedup 开启
9. 复核候选帧保存 — --keep-drop-candidates 保存被前述规则丢弃的候选帧和原因，供多模态复核

依赖

| 依赖 | 版本要求 | 安装方式 | |------|----------|----------| | ffmpeg | ≥ 5.0 | brew install ffmpeg | | Python | ≥ 3.10 | 系统自带或 brew install python | | uv | 最新 | brew install uv | | Pillow | ≥ 10.0 | 自动安装（PEP 723 内联依赖） | | rapidocr-onnxruntime | ≥ 1.0 | pip install rapidocr-onnxruntime（仅 OCR 去重需要） |

与其他技能配合

• pdf：输出帧可组装为 PDF 证据包
• paddle-ocr：需要更高质量的 OCR 内容识别时，用输出帧作为输入
• legal-text-format：帧内容 OCR 后格式化
• video-compressor：抽帧前先压缩视频，减小 I/O 时间

硬约束

• 不修改原视频文件
• 输出图片使用 JPEG 格式，最长边不超过 --max-size 参数
• _report.json 始终生成，确保证据可追溯