对于语义分割推论，我想提取视频的帧并通过网络运行它们，而无需使用OpenCV的VideoCapture之类的东西（在this question中回答）：
vidcap = cv2.VideoCapture('testvideo.mp4')
原因是我不想安装该软件包，该软件包有点沉重，只能从视频中获取帧。
我目前要做的是使用ffmpeg通过以下方式从视频中获取帧：
ffmpeg -i testvideo.mp4 frames/%05d.png
然后加载帧，执行推断并保存结果。我见过像ffmpeg-python这样的软件包，其中包含有关如何将视频加载到numpy数组中的示例，但我还没能正常工作。