视频字幕识别（百度AI开放平台OCR | python | opencv）

目标：提取位于视频下方的字幕

机缘：某些要写报告的学习视频太长了orz，弄字幕来参考一下

难点：

1. 调参（不同视频字幕对应参数会不同，但调整不大）
2. 图片相似度比较（哈希算法，有更好的算法但我没用心找）

基本策略：

1. 确定字幕位置
2. 比较截取的两帧字幕是否相同，若相同，则抛弃其中一帧
3. 由于调用的是百度平台，有ocr次数限制（1000次/月），所以将某段时间内字幕合成一张图片后再文字识别

具体代码如下：

1. 定义调用百度开放平台OCR的函数

百度官方的ocr可以选择返回带位置和不带位置的文字识别，所以这里定义两个函数，location_ocr 返回位置，baidu_ocr返回识别出的文字

没有用过百度ocr的朋友需要去申请API Key和API Secret，然后飞桨平台上也有很多关于字幕识别的项目

# --coding: utf-8 --
 
import math
import os
from cv2 import cv2
import requests
import base64
 
 
# 确定字幕位置
def location_ocr(img):
    '''
    构建请求url，获取Access Token，必须参数如下：
    grant_type： 必须参数，固定为client_credentials；
    client_id： 必须参数，应用的API Key；
    client_secret： 必须参数，应用的Secret Key；
    '''
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' \
           + 'API Key' + '&client_secret=' + 'Secret Key'
 
    headers = {
        'Content-Type': 'application/json;charset=UTF-8'
    }
    # 获取token
    res = requests.get(url=host, headers=headers).json()
    url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate'
    data = {}
    da