初探本地DeepSeek VL + Typescript + FFMPEG：提取视频关键帧分析内容

 

初探本地DeepSeek VL + Typescript + FFMPEG：提取视频关键帧分析内容

前言

随着人工智能和计算机视觉技术的发展，利用图像识别来分析视频内容已经成为现实。本文的主要目标是：

• 使用 ffmpeg 从视频中提取关键帧图片；
• 基于 DeepSeek VL 1.3B 本地大模型对视频帧进行目标检测与识别（例如特定物体或人物）；
• 实现流式传输分析结果，确保实时反馈；
• 提供终止分析操作的机制，防止资源浪费；

环境要求

• Typescirpt 5+
• Nodejs 20+
• Python 3.8+
• 安装FFMPEG
• 部署DeepSeek VL本地大模型

项目演示（视频未加速）

使用的显卡是英伟达RTX 4070Ti-O12G

技术实现

前端部分

实现思路

1. 用户在界面上传视频
2. 后端分析视频然后逐一提取视频的每一帧保存为本地图片
3. 准备好参数，发送请求给DeepSeek VL API
4. 获取DeepSeek VL API数据，返回到前端

视频关键帧提取

本项目中视频的关键帧提取是视频分析的基础。关键帧是指视频中能够代表某一时间段内容的图像。通过提取关键帧，可以将视频处理的复杂度降低到图像处理的层面，从而显著提高处理效率。

在我们的实现中，使用了FFmpeg库来提取视频的关键帧。

具体步骤如下：

1. 视频时长获取：通过FFmpeg获取视频的总时长，确定需要提取的关键帧数量。
2. 关键帧提取：按固定时间间隔（例如每秒提取一帧）从视频中提取关键帧，并将其保存到指定路径。

相关代码如下：

async function getVideoDuration(videoFilePath: string): Promise<number | undefined> {
  return new Promise((resolve, reject) => {
    ffmpeg.ffprobe(videoFilePath, (error, metadata) => {
      if (error) reject(error);
      const format = metadata.format;
      resolve(format.duration);
    });
  });
}

async function getVideoKeyframeImg(params: GetVideoKeyframeImgParams): Promise<string> {
  const { videoFilePath, seek, imgOutputPath } = params;
  const imgFileOutputPath = `${imgOutputPath}/${seek}.png`;
  return new Promise((resolve, reject) => {
    ffmpeg(videoFilePath)
      .seekInput(seek)
      .output(imgFileOutputPath)
      .outputOptions(['-frames:v 1'])
      .on('end', () => resolve(imgFileOutputPath))
      .on('error', err => reject(err))
      .run();
  });
}

接口部分

使用开源深度视觉语言（VL）模型：DeepSeek-VL

DeepSeek VL 是一个支持图像分析和目标检测的深度学习模型。它能够对输入的图像进行分析，并返回检测到的目标及其位置信息。在实现中，DeepSeek VL 用于分析提取的关键帧，判断其中是否包含特定的物体或人物。

由于DeepSeek-VL没有提供API接口访问，如有需要请到DeepSeek-VL-Fork自取

1. 按照DeepSeek-VL说明部署完成
2. 修改app_deepseek_rest_api.py文件图片访问路径：

   
   filePath = "C:\\Users\\Administrator\\Code\\video-finder\\public\\images\\"
    

3. 运行脚本

   
   python .\deepseek_vl\serve\app_deepseek_rest_api.py
    

实际应用场景与扩展

通过视频我们可以看到DeepSeek-VL分析图片的速度还是非常之快的，由于DeepSeek-VL暂不支持特定格式返回，所以有很多应用场景是无法做到的。比如：

• 监控视频中的异常行为检测；
• 视频内容的自动摘要及标签提取；
• 实时视频流的内容检索；
• 等等

总结

本项目简单初探一下如何利用 ffmpeg 与 DeepSeek VL 技术，对视频文件进行关键帧提取和图片的分析。希望本文能为大家提供灵感，在实际项目中更好地应用视频分析技术。