trackVideo 🗾

Le das una URL de YouTube (vídeos de paseos/conducción por Japón) y te dice en qué zona se grabó, con un mapa interactivo de las pistas visuales que encontró: matrículas de coche, teléfonos de carteles, códigos postales y nombres de tiendas/estaciones.

Todo gratis y local: sin API keys ni servicios de pago (yt-dlp + ffmpeg + Tesseract OCR + Nominatim/OpenStreetMap).

Instalación (macOS)

brew install ffmpeg tesseract tesseract-lang
python3 -m venv venv
./venv/bin/pip install -r requirements.txt

Uso desde el teléfono (recomendado)

./venv/bin/python app.py

Imprime dos direcciones; abre la de http://192.168.x.x:8756 en el móvil (misma Wi-Fi que el Mac). Pega el link de YouTube, elige rápido/normal/a fondo y espera: verás el progreso en vivo y al terminar salta al mapa. En iPhone puedes "Añadir a pantalla de inicio" para tenerlo como app. La portada lista todos los análisis anteriores.

Uso por línea de comandos

./venv/bin/python trackvideo.py "https://www.youtube.com/watch?v=XXXX"
open output/XXXX/map.html

También funciona con un vídeo local: ./venv/bin/python trackvideo.py video.mp4

Opción	Por defecto	Qué hace
--frames N	24	fotogramas nítidos a analizar
--max-queries N	25	tope de consultas a Nominatim (1/segundo, su política)
--no-geocode	—	solo pistas directas (matrículas/teléfonos), sin internet extra
--keep-video	—	conserva el .mp4 en output/_downloads/ (la web siempre lo hace)

Cómo funciona

1. Descarga el vídeo (máx. 1080p). Si ya se descargó antes, usa la caché — repetir bajadas provoca bloqueos 403 temporales de YouTube.
2. Selección inteligente: muestrea ~1 fotograma/segundo (barato), divide el vídeo en N tramos y de cada tramo elige el fotograma más nítido (mayor tamaño JPEG = más detalle = menos desenfoque de movimiento). Solo esos ~24 pasan al OCR, que es lo lento.
3. OCR japonés+inglés (horizontal y vertical) con Tesseract.
4. Pistas, de más a menos fiables:
   • código postal 〒xxx-xxxx (peso 4)
   • matrícula — topónimo + números de placa (peso 3)
   • teléfono de cartel — 06=Osaka, 075=Kioto… (peso 3)
   • título del vídeo geocodificado (peso 2.5)
   • mención de un topónimo sin pinta de matrícula (peso 1.2)
   • lugar leído por OCR y confirmado en OpenStreetMap (peso 1) — solo se acepta si el nombre en OSM contiene literalmente el texto leído
5. La zona estimada es el grupo de pistas con más peso en un radio de ~60 km; una sola pista débil no basta.

Qué genera

En output/<id_del_video>/:

• map.html — mapa Leaflet: cada pista es un punto de color con la foto del fotograma y enlace al minuto exacto en YouTube; círculo verde = zona estimada. Sirve también para ver por qué zonas pasa el vídeo.
• report.md — tabla cronológica de pistas.
• evidence.json — datos en crudo.
• frames/ — los fotogramas analizados.

Límites honestos

• El OCR de texto pequeño o en movimiento falla; con 24 fotos se capturan los carteles grandes. Si salen pocas pistas, usa "a fondo" (96 fotos).
• Las matrículas se leen mejor en vídeos de conducción (salen de frente).
• Si el vídeo no muestra texto (naturaleza, interiores), no hay magia posible.
• output/_downloads/ acumula los vídeos descargados: bórralo cuando ocupe mucho.

App en el teléfono (Android)

La app está instalada como PWA (icono verde "trackVideo"). El servidor del Mac arranca solo al encender (LaunchAgent com.tonyhanma.trackvideo, log en output/server.log).

• Con cable USB: si la app no carga, ejecuta ./phone.sh (recrea el túnel adb reverse).
• Sin cable (misma Wi-Fi): conecta el teléfono a la Wi-Fi de casa y usa http://<IP-del-Mac>:8756. La primera vez macOS preguntará si permites conexiones entrantes a Python — di que sí.