视频切帧方法怎么选?

核心判断

视频切帧常见有固定时间或固定帧率采样、按编码关键帧或I帧取样、基于相邻内容或运动变化的镜头检测，以及TransNetV2这类学习式边界检测。固定间隔最便宜但会漏短事件；编码帧适合快速预览却由GOP和编码器决定，不等于语义场景；内容检测更贴近镜头变化但要调阈值；学习模型准确度更高也会增加依赖与推理成本。

机制与边界

固定间隔可用ffmpeg的fps或select表达式，先根据目标时间戳解码，再缩放和保存。用select筛pict_type为I的帧，过滤器通常工作在解码后的帧上，所以不能说它无需解码完整视频。ffmpeg还提供skip_frame nokey让解码器丢弃非关键帧，但随机访问仍受容器索引、codec和GOP依赖影响，而且关键帧标志与I-picture概念不要混为一谈。若要均匀覆盖，可按视频时长和最大帧数动态计算间隔。

PySceneDetect是一个场景切换检测工具包，不是单一深度学习模型。其ContentDetector比较相邻帧在HSV等分量上的变化，AdaptiveDetector用滚动平均改善快速运动场景，ThresholdDetector可处理淡入淡出。真正的学习式例子是TransNetV2，它用时空卷积网络识别硬切和渐变转场。内容阈值会把闪光、镜头晃动误报成切换，也可能漏掉缓慢转场，因此需要最短场景长度和后处理。

运动变化采样可用帧差、直方图、光流或特征距离，但运动大不一定信息新，静态字幕页也可能非常重要。面向多模态模型还要在每个镜头选代表帧、保留时间戳，并处理旋转、色彩、可变帧率和重复帧。长视频可先低分辨率检测边界，再对候选时间点精确解码；若直接把所有帧送模型，视觉token和存储会迅速成为瓶颈。

工程验证

先定义目标是摘要、检索、事件检测还是训练数据抽取，再在标注视频上测边界precision、recall、时间容差、事件覆盖和帧冗余。性能侧记录解码帧数、墙钟时间、CPU或GPU利用、输出存储与后续视觉token。对固定间隔、I帧、PySceneDetect各检测器和TransNetV2统一比较，并按快切、渐变、运动、字幕和长静态镜头分桶。抽样可视化失败案例后调阈值，不能只凭抽帧数量判断质量。

若输出用于训练集，还要保存原视频标识、时间戳和切帧配置，避免相邻帧跨训练与测试集合造成近重复泄漏。