Das deutsche Python-Forum

Als erstes kurz was zu mir. Ich hab vor ein Jahr versucht in den Semesterferien mit Python anzufangen zu programmieren, hab dann allerdings schnell wieder aufgegeben. Hab seit einiger Zeit eine Idee die ich gerne verwirklichen würde. Ich bin mir unsicher ob diese überhaupt so wie ich es mir vorstelle umsetzbar ist.
Meine Idee:
Ich würde gerne die Sprechzeit der Gäste eines Podcasts herausfinden. Der Podcast besteht aus zwei Personen die mit Hilfe von zwei Kameras gefilmt werden. Spricht einer der Gäste wird die jeweilige Kamera die auf die sprechende Person fällt benutzt. Der Hintergrund der beiden Personen ist unterschiedlich. Nun würde ich gerne herausfinden wie viel Sprechzeit jede einzelne Person hat indem das Programm sich einen kleinen Bereich im Hintergrund der sprechenden Person sich anschaut und den Durchschnitt bildet. Damit würde das Programm jeden Frame analysieren und man hätte Daten über die Zeit in der eine Kameraposition und damit automatisch auch in der der jeweilige Gast gesprochen hat.
Nun weiß ich weder ob das ganze so überhaupt umsetzbar ist geschweige denn in Python. Vielleicht gibt es auch schon so was ähnliches.
Mein Ziel wäre es gleich mehrere Videos durch das Programm automatisch analysieren zu lassen.
Danke im Voraus

Wie immer bei Bilderkennung sind Worte wohlfeil, Bilder machen den entscheidenden Unterschied. Grundsaetzlich kann man mit Python und OpenCV mehr oder minder alles machen, was mit Bilderkennung geht. Wenn man allerdings keine Ahung von Programmierung hat, wird's natuerlich eng.

Wollte nur wissen ob es prinzipiell möglich ist was ich mir da so vorstelle. Mein Plan war mir die Sachen anzueignen während ich an dem Projekt arbeite.

Wie gesagt, kann man aus Dürren Worten nicht abschließend beurteilen. Poste Videos oder aussagekräftige Bilder. Und „währenddessen aneignen” kann klappen. Muss aber nicht. Sowas erfordert sehr intensive Auseinandersetzung.