Как найти временную метку из видеофайла, который был снят для отслеживания объекта

Question

То, что я сделал : у меня есть входное видео с камеры наблюдения, которая имеет метки времени в центре вверху. Я использовал приведенный ниже код, чтобы вырезать только те изображения, в которых есть движение. Используя эти клипы, я позже преобразовал их в видео. Входное видео 26fps.

Что я хочу : Проблема сейчас в том, что я в самом коде хочу иметь возможность сохранять временные метки изображений, которые имеют движение, в файле Excel.

Почему я хочу это : у нас было программное обеспечение, в котором после загрузки видео наблюдения за день (с точностью до 24 часов) оно отображало бы метку времени в «виджете метки времени» (потому что каждый день мы будем загружать видео круглосуточно: 00 минут: 00 секунд). Теперь, если мне удастся получить временную метку перемещений в отдельном файле excel / csv, я смогу написать небольшой код, чтобы он работал с нашим программным обеспечением.

#cv2.__version__ = 4.0.0
#python = 3.6
import numpy as np
import cv2
import pandas as pd

cap = cv2.VideoCapture("/media/1104.mp4")
frames_count, fps, width, height = cap.get(cv2.CAP_PROP_FRAME_COUNT), cap.get(cv2.CAP_PROP_FPS), cap.get(
    cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT)

width = int(width)
height = int(height)
print(frames_count, fps, width, height)


sub = cv2.createBackgroundSubtractorMOG2()  # create background subtractor
# information to start saving a video file
ret, frame = cap.read()  # import image
ratio = 1.0  # resize ratio
image = cv2.resize(frame, (0, 0), None, ratio, ratio)  # resize image
width2, height2, channels = image.shape
#video = cv2.VideoWriter('movement_counter.avi', cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'), fps, (height2, width2), 1)
ctr=0

while True:
    ret, frame = cap.read()  # import image
    if not ret: #if vid finish repeat
        frame = cv2.VideoCapture("/media/1104.mp4")
        continue
    if ret:  # if there is a frame continue with code
        image = cv2.resize(frame, (0, 0), None, ratio, ratio)  # resize image
        #image=cv2.resize((1200,780),Image.ANTIALIAS)
        cv2.imshow("image", image) #@
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # converts image to gray
        cv2.imshow("gray", gray) #@
        fgmask = sub.apply(gray)  # uses the background subtraction
        cv2.imshow("fgmask", fgmask) #@
        # applies different thresholds to fgmask to try and isolate cars
        # just have to keep playing around with settings until cars are easily identifiable
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))  # kernel to apply to the morphology
        closing = cv2.morphologyEx(fgmask, cv2.MORPH_CLOSE, kernel)
        cv2.imshow("closing", closing) #@
        opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)
        cv2.imshow("opening", opening) #@
        dilation = cv2.dilate(opening, kernel)
        cv2.imshow("dilation", dilation) #@
        retvalbin, bins = cv2.threshold(dilation, 220, 255, cv2.THRESH_BINARY)  # removes the shadows
        cv2.imshow("retvalbin", retvalbin) #@
        # creates contours
        # cv2.imshow('bins',bins)
        contours, hierarchy = cv2.findContours(bins, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        minarea = 600
        # max area for contours, can be quite large for buses
        maxarea = 50000
        # vectors for the x and y locations of contour centroids in current frame
        cxx = np.zeros(len(contours))
        cyy = np.zeros(len(contours))

        for i in range(len(contours)):  # cycles through all contours in current frame
            if hierarchy[0, i, 3] == -1:  # using hierarchy to only count parent contours (contours not within others)
                area = cv2.contourArea(contours[i])  # area of contour
                if minarea < area < maxarea:  # area threshold for contour
                    # calculating centroids of contours
                    cnt = contours[i]
                    M = cv2.moments(cnt)
                    cx = int(M['m10'] / M['m00'])
                    cy = int(M['m01'] / M['m00'])
                    if cx>250:
                        print ("cont",cx,cy)
                        #image = image.resize((1200,780),Image.ANTIALIAS)
                        image=cv2.resize(image,(1200, 780), interpolation = cv2.INTER_CUBIC)
                        cv2.imwrite('night_/Test_gray'+str(ctr)+'.jpg', image, [(cv2.IMWRITE_JPEG_QUALITY), 70])
                        ctr+=1 

                    # gets bounding points of contour to create rectangle
                    # x,y is top left corner and w,h is width and height
                    x, y, w, h = cv2.boundingRect(cnt)
                    # creates a rectangle around contour
                    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
                    # Prints centroid text in order to double check later on
                    cv2.putText(image, str(cx) + "," + str(cy), (cx + 10, cy + 10), cv2.FONT_HERSHEY_SIMPLEX,.3, (0, 0, 255), 1)
                    cv2.drawMarker(image, (cx, cy), (0, 255, 255), cv2.MARKER_CROSS, markerSize=8, thickness=3,line_type=cv2.LINE_8)
    cv2.imshow("countours", image)
    key = cv2.waitKey(20)
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()