📘 概述

VideoOCREvaluator 是一个视频OCR评估算子，使用 PaddleOCR 对视频片段进行文字检测和识别。它读取上游提取的视频帧，计算每个片段中文字区域占画面的比例，并将 OCR 分数写回到 video_clips 字段中。

---

🏗️ __init__ 函数

def __init__(
    self,
    figure_root: str = "extract_frames",
    input_video_key: str = "video",
    video_clips_key: str = "video_clips",
    load_num: int = 3,
    batch_size: int = 8,
    num_workers: int = 4,
    gpu_num: int = 0,
    init_distributed: bool = False,
    output_key: str = "video_clips",
    det_model_dir: str = None,
    rec_model_dir: str = None
):
    ...

🧾 __init__ 参数说明

参数名	类型	默认值	说明
figure_root	str	"extract_frames"	提取帧的根目录
input_video_key	str	"video"	输入数据中视频字段名
video_clips_key	str	"video_clips"	输入数据中视频片段字段名
load_num	int	3	每个片段加载的帧数
batch_size	int	8	批处理大小
num_workers	int	4	数据加载工作进程数
gpu_num	int	0	GPU ID（0+ 表示使用GPU，-1 表示CPU）
init_distributed	bool	False	是否初始化分布式训练
output_key	str	"video_clips"	输出字段名（更新后的视频片段）
det_model_dir	str	None	PaddleOCR 检测模型目录路径（可选）
rec_model_dir	str	None	PaddleOCR 识别模型目录路径（可选）

---

⚡ run 函数

def run(
    self,
    storage: DataFlowStorage,
    figure_root: Optional[str] = None,
    input_video_key: Optional[str] = None,
    video_clips_key: Optional[str] = None,
    load_num: Optional[int] = None,
    batch_size: Optional[int] = None,
    num_workers: Optional[int] = None,
    gpu_num: Optional[int] = None,
    init_distributed: Optional[bool] = None,
    output_key: Optional[str] = None,
    det_model_dir: Optional[str] = None,
    rec_model_dir: Optional[str] = None
):
    ...

执行算子主逻辑：从 storage 读取数据表和提取的视频帧，使用 PaddleOCR 检测文字区域，计算文字占比，并写回存储。

🧾 run 参数说明

所有参数均为可选，用于覆盖初始化时的参数。参数说明与 __init__ 相同。

---

🧠 示例用法

from dataflow.utils.storage import FileStorage
from dataflow.operators.core_vision import VideoOCREvaluator

# Step 1: 准备 FileStorage（需要包含 video, video_clips 列）
# 注意：需要先使用 VideoFrameFilter 提取帧
storage = FileStorage(
    first_entry_file_name="data/video_ocr_input.jsonl",
    cache_path="./cache_local",
    file_name_prefix="video_ocr",
    cache_type="jsonl"
)

# Step 2: 初始化算子
evaluator = VideoOCREvaluator(
    figure_root="./cache/extract_frames",
    input_video_key="video",
    video_clips_key="video_clips",
    load_num=3,
    batch_size=8,
    num_workers=4,
    gpu_num=0,  # 使用 GPU 0
    init_distributed=False
)

# Step 3: 执行评估
evaluator.run(
    storage=storage.step()
)

---

🧾 默认输出格式（Output Format）

修改字段：

• video_clips (dict): 更新视频片段字典，为每个 clip 添加 ocr_score 字段

每个片段（clip）新增字段：

字段	类型	说明
ocr_score	float	OCR分数（文字区域占画面的比例，0-1之间，值越高表示文字内容越多）

示例输入：

{
  "video": ["./test/video1.mp4"],
  "video_clips": {
    "clips": [
      {
        "id": "video1_0",
        "frame_start": 0,
        "frame_end": 150,
        "num_frames": 150,
        "height": 720,
        "width": 1280
      }
    ]
  }
}

示例输出：

{
  "video": ["./test/video1.mp4"],
  "video_clips": {
    "clips": [
      {
        "id": "video1_0",
        "frame_start": 0,
        "frame_end": 150,
        "num_frames": 150,
        "height": 720,
        "width": 1280,
        "ocr_score": 0.15
      }
    ]
  }
}

---

🔗 相关链接

• 代码: VideoOCREvaluator
• PaddleOCR: https://github.com/PaddlePaddle/PaddleOCR