Это, вероятно, зависит от нескольких вещей, но, насколько я могу предвидеть, вы, возможно, действительно хранить метаданные в XML-или реляционной базы данных или какого-либо такого файла, отдельно. Дело в том, чтобы посмотреть спецификацию вашего видеоформата и посмотреть, какой вид видеопотока разрешен, а затем посмотреть, совпадает ли это с каким-то форматом изображения. Другими словами, если вам удастся найти видеоформат, в котором каждый кадр хранится в виде jpeg с включенными метаданными, и вы не против работы/конвертации в/из него, вам просто нужно написать программу, чтобы делать то, что вы хотите отдельные кадры.
ОДНАКО, это может показаться маловероятным результатом, поскольку большинство современных форматов видеопотока, вероятно, имеют некоторые относительно уникальные алгоритмы сжатия, которые конденсируют видеоданные таким образом, что отдельные кадры вообще не существуют в данных, а, скорее, «встроены» во время просмотра/редактирования/и т. д. Даже если это не так, и видео хранится аналогично gif, где каждый кадр технически независим от последнего, метаданные, скорее всего, лишены, чтобы сжать данные, что мало что может.
Короткий ответ: посмотрите и посмотрите, предлагают ли какие-либо видео спецификации то, что вы ищете, но управляете своими ожиданиями.