Создание таких видеороликов - непростая задача. Я рекомендую использовать Adobe After Effects или другое программное обеспечение для создания видео (с некоторыми сценариями и действиями), если вам не нужно создавать его с помощью одной программы или языка программы.
Затем я отвечу на них ниже, когда вынужно сгенерировать его программно.
Для первого вы должны распознавать лица и кости. Поэтому вы должны использовать OpenCV. (Я рекомендую использовать такие инструменты, как OpenFrameworks или TouchDesigner и т. Д.)
Во-вторых, я не знаю, чего именно вы хотите, но если вы хотите динамически распознать положение бутылки, выдолжны использовать глубокое обучение или другой способ обнаружить его. Тогда вам может понадобиться TensorFlow или OpenCV. (Если вы просто хотите объединить слои, вы можете использовать ffmpeg и т. Д.)
В последнем случае вы должны разбить видеокадр на блоки, тогда вам придется управлять. Я думаю, что есть много способов реализовать это. Я могу использовать OpenFrameworks, TouchDesigner, vvvv или Processing.
Я думаю, что использование ffmpeg для них не рекомендуется. Этот инструмент не лучший для создания сложных видео. Но ffmpeg пойдет на пользу, например, если вы просто объедините два видео с альфа.