# PySceneDetect 视频拆分服务

## 🎯 概述

基于PySceneDetect的简单视频拆分服务，提供自动场景检测和视频拆分功能。

## 🚀 特性

### ✅ 核心功能
- **自动场景检测**: 使用PySceneDetect智能检测场景变化
- **视频拆分**: 按场景自动拆分视频为多个文件
- **多种检测器**: 支持Content和Threshold检测器
- **灵活配置**: 可调节检测阈值和参数
- **详细分析**: 提供场景分析而不拆分视频

### ✅ 输出格式
- **视频文件**: 每个场景生成独立的MP4文件
- **场景信息**: JSON格式的详细场景信息
- **统计数据**: 处理时间、场景数量等统计

## 📦 安装依赖

```bash
# 安装PySceneDetect
pip install scenedetect[opencv]

# 或者安装完整版本
pip install scenedetect[opencv,docs,progress_bar]
```

## 🔧 使用方法

### 1. 作为Python模块使用

#### 基本使用
```python
from python_core.services.video_splitter import VideoSplitterService

# 创建服务实例
splitter = VideoSplitterService(output_base_dir="./output")

# 分析视频（不拆分）
analysis = splitter.analyze_video("video.mp4", threshold=30.0)
print(f"检测到 {analysis['total_scenes']} 个场景")

# 拆分视频
result = splitter.split_video("video.mp4", threshold=30.0)
if result.success:
    print(f"成功拆分为 {result.total_scenes} 个场景")
    print(f"输出目录: {result.output_directory}")
```

#### 高级使用
```python
# 自定义检测器和参数
scenes = splitter.detect_scenes(
    video_path="video.mp4",
    threshold=25.0,
    detector_type="content"  # 或 "threshold"
)

# 使用预检测的场景进行拆分
result = splitter.split_video(
    video_path="video.mp4",
    scenes=scenes,
    output_dir="./custom_output",
    filename_template="scene_{scene_number:03d}.mp4"
)
```

### 2. 命令行使用

#### 分析视频
```bash
# 基本分析
python python_core/services/video_splitter.py analyze video.mp4

# 自定义阈值
python python_core/services/video_splitter.py analyze video.mp4 --threshold 25.0

# 使用不同检测器
python python_core/services/video_splitter.py analyze video.mp4 --detector threshold
```

#### 拆分视频
```bash
# 基本拆分
python python_core/services/video_splitter.py split video.mp4

# 自定义参数
python python_core/services/video_splitter.py split video.mp4 \
    --threshold 30.0 \
    --detector content \
    --output-dir ./my_output \
    --output-base ./base_dir
```

## 📊 输出格式

### 视频文件
```
output_directory/
├── scene_001.mp4    # 第一个场景
├── scene_002.mp4    # 第二个场景
├── scene_003.mp4    # 第三个场景
└── scenes_info.json # 场景信息文件
```

### 场景信息JSON
```json
{
  "input_video": "/path/to/input.mp4",
  "output_directory": "/path/to/output",
  "detection_settings": {
    "threshold": 30.0,
    "detector_type": "content"
  },
  "scenes": [
    {
      "scene_number": 1,
      "start_time": 0.0,
      "end_time": 15.5,
      "duration": 15.5,
      "start_frame": 0,
      "end_frame": 372
    }
  ],
  "output_files": [
    "/path/to/output/scene_001.mp4"
  ],
  "total_scenes": 3,
  "total_duration": 45.2,
  "processing_time": 12.3,
  "created_at": "2025-07-11T20:15:30"
}
```

## ⚙️ 配置参数

### 检测器类型
- **content**: 基于内容变化检测（推荐）
- **threshold**: 基于亮度阈值检测

### 阈值设置
- **低阈值 (10-20)**: 高敏感度，检测更多场景变化
- **中阈值 (25-35)**: 平衡敏感度，适合大多数视频
- **高阈值 (40-50)**: 低敏感度，只检测明显变化

### 文件名模板
- `scene_{scene_number:03d}.mp4`: scene_001.mp4, scene_002.mp4
- `{video_name}_part_{scene_number}.mp4`: video_part_1.mp4
- `segment_{scene_number:02d}.mp4`: segment_01.mp4

## 🎬 使用示例

### 示例1: 电影场景拆分
```python
# 电影通常场景变化明显，使用较高阈值
splitter = VideoSplitterService("./movie_scenes")
result = splitter.split_video(
    "movie.mp4", 
    threshold=35.0,
    detector_type="content"
)
```

### 示例2: 教学视频拆分
```python
# 教学视频场景变化较少，使用较低阈值
splitter = VideoSplitterService("./lecture_segments")
result = splitter.split_video(
    "lecture.mp4",
    threshold=20.0,
    detector_type="content"
)
```

### 示例3: 批量处理
```python
import os
from pathlib import Path

splitter = VideoSplitterService("./batch_output")

video_dir = Path("./videos")
for video_file in video_dir.glob("*.mp4"):
    print(f"处理视频: {video_file}")
    
    result = splitter.split_video(
        str(video_file),
        threshold=30.0
    )
    
    if result.success:
        print(f"✅ 成功: {result.total_scenes} 个场景")
    else:
        print(f"❌ 失败: {result.message}")
```

## 🔍 性能优化

### 处理大文件
```python
# 对于大文件，可以先分析再决定是否拆分
analysis = splitter.analyze_video("large_video.mp4")

if analysis["total_scenes"] > 50:
    print("场景太多，考虑提高阈值")
    # 使用更高的阈值重新检测
    result = splitter.split_video("large_video.mp4", threshold=40.0)
```

### 内存优化
```python
# 处理完一个视频后，可以手动清理
import gc
result = splitter.split_video("video.mp4")
del result
gc.collect()
```

## 🐛 故障排除

### 常见问题

#### 1. PySceneDetect不可用
```
ImportError: PySceneDetect is required for video splitting
```
**解决**: `pip install scenedetect[opencv]`

#### 2. FFmpeg不可用
```
FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg'
```
**解决**: 安装FFmpeg并确保在PATH中

#### 3. 检测不到场景
```
No scenes detected
```
**解决**: 降低threshold值或检查视频内容

#### 4. 输出文件为空
```
Expected output file not found
```
**解决**: 检查FFmpeg版本和编码参数

### 调试技巧

#### 启用详细日志
```python
import logging
logging.basicConfig(level=logging.DEBUG)

# 现在会显示详细的处理信息
result = splitter.split_video("video.mp4")
```

#### 检查中间结果
```python
# 先分析，再拆分
analysis = splitter.analyze_video("video.mp4")
print(f"场景信息: {analysis}")

if analysis["success"]:
    result = splitter.split_video("video.mp4")
```

## 📈 性能基准

### 测试环境
- CPU: Intel i7-8700K
- RAM: 16GB
- 存储: SSD

### 性能数据
| 视频时长 | 分辨率 | 检测时间 | 拆分时间 | 场景数 |
|---------|--------|----------|----------|--------|
| 10秒    | 1080p  | 0.5秒    | 2.0秒    | 3个    |
| 1分钟   | 1080p  | 2.0秒    | 8.0秒    | 8个    |
| 10分钟  | 1080p  | 15秒     | 60秒     | 25个   |

## 🔮 扩展功能

### 自定义检测器
```python
# 可以扩展支持更多检测器类型
class CustomVideoSplitter(VideoSplitterService):
    def detect_scenes_custom(self, video_path, **kwargs):
        # 自定义检测逻辑
        pass
```

### 后处理钩子
```python
def post_process_scene(scene_file):
    """场景文件后处理"""
    # 添加水印、转码等
    pass

# 在拆分后调用
for output_file in result.output_files:
    post_process_scene(output_file)
```

---

*PySceneDetect视频拆分服务 - 简单、高效、可靠！*