基于視頻的天氣類別識別系統(tǒng)

彭旭東，夏士明，孫吉明（.解放軍理工大學(xué)氣象海洋學(xué)院，南京，0；.空軍航空大學(xué)航理系，長春，300）

基于視頻的天氣類別識別系統(tǒng)

彭旭東1，夏士明1，孫吉明2
（1.解放軍理工大學(xué)氣象海洋學(xué)院，南京，211101；2.空軍航空大學(xué)航理系，長春，130022）

針對目前尚未有基于視頻的天氣類別自動識別系統(tǒng)，本文設(shè)計并實現(xiàn)了基于視頻的天氣類別自動識別系統(tǒng)框架。對于給定的一個測試視頻，該系統(tǒng)根據(jù)其場景是否與現(xiàn)有的場景相同，選擇相應(yīng)的分類器進行識別，最終輸出對應(yīng)的天氣類別識別結(jié)果。

天氣類別；自動識別；視頻

1 系統(tǒng)功能

基于視頻的天氣類別識別系統(tǒng)包含數(shù)據(jù)庫管理、特征庫管理和訓(xùn)練識別三部分，如圖1所示。數(shù)據(jù)庫管理包括天氣類別視頻數(shù)據(jù)的采集、天氣類別數(shù)據(jù)庫的構(gòu)建和對數(shù)據(jù)庫的操作（增加新的數(shù)據(jù)、刪除數(shù)據(jù)、查詢數(shù)據(jù)）；特征庫管理包括對靜態(tài)特征的提取、動態(tài)特征的提取和特征庫的操作；訓(xùn)練識別模塊主要對分類器進行訓(xùn)練并對測試數(shù)據(jù)進行識別訓(xùn)練。

2 天氣類別數(shù)據(jù)庫

本文采用海康威視主動攝像機（高清型號DS-2DF7286-A/D/ AF網(wǎng)絡(luò)紅外智能球）進行天氣類別視頻數(shù)據(jù)采集。相機在每天6時、7時、8時、10時、12時、14時、16時和18時這8個時刻開始拍攝半個小時的視頻數(shù)據(jù)。

本文采用C++.Net和OpenCV.2.4.4編寫程序?qū)⒁曨l轉(zhuǎn)化為圖像序列。為了較少數(shù)據(jù)量，同時不丟失視頻的動態(tài)信息，本文每隔一分鐘采樣連續(xù)的100幀圖像作為一組圖像序列。每組圖像序列包含100幀連續(xù)的圖像、一個txt格式的信息文件。信息文件為該組圖像序列的說明文件，包含時間、天氣現(xiàn)象、場景信息以及氣象六要素信息。

目前網(wǎng)上可用于天氣類別識別的數(shù)據(jù)庫較少，典型的是wild和panorama天氣類別數(shù)據(jù)庫。這兩個數(shù)據(jù)庫都是采用固定相機對單一場景進行拍攝，每隔一定時間采樣一幀圖像作為研究對象。

表1所示為不同數(shù)據(jù)庫的比較，主要比較天氣類別數(shù)目、場景數(shù)目以及處理的數(shù)據(jù)類型。本文數(shù)據(jù)庫可研究的天氣類別數(shù)明顯多于wild、panorama數(shù)據(jù)庫，本文數(shù)據(jù)庫包含多個場景，可以研究不同場景下的天氣類別識別問題，另外本文采用視頻作為研究對象，相比圖像數(shù)據(jù)庫，包含更多的信息，尤其適合動態(tài)天氣的識別。

表1 不同數(shù)據(jù)庫的比較

3 天氣類別特征庫

為了區(qū)分不同天氣類別，需要提取反映天氣類別的有效視覺特征，確保來自同一天氣類別樣本的特征非常接近，來自不同天氣類別樣本的特征差異較大。

現(xiàn)有的天氣類別的特征提取大多基于圖像，單幀圖像特征對于動態(tài)天氣（雨雪等）的識別效果不佳，而視頻包含著豐富的運動信息，因此本文基于視頻進行了天氣類別的自動識別觀測，提取了靜態(tài)特征和動態(tài)特征，流程如圖2所示。本文所提的靜態(tài)特征包括功率譜能量、NTSC空間的色度紋理和HSV空間的飽和度紋理特征；動態(tài)特征包括短時自相關(guān)、運動檢測后的紋理和運動檢測后的顏色特征。將本文的天氣類別識別特征與現(xiàn)有的天氣類別識別特征進行比較，實驗發(fā)現(xiàn)本文的特征更有優(yōu)勢，能夠更有效地區(qū)分不同天氣類別。

4 分類識別

特征提取是為了得到模式，而分類器是用來識別模式的數(shù)學(xué)模型，識別模式的直接表現(xiàn)就是對輸入的模式給出其所屬的類別標(biāo)簽。

目前基于視覺的天氣類別分類以SVM分類器為主，通過實驗發(fā)現(xiàn)SVM多分類（導(dǎo)向無環(huán)圖）能夠?qū)ο嗤瑘鼍暗奶鞖忸悇e進行有效識別，但對于不同場景的天氣類別識別能力較弱，而以隨機森林為弱分類器構(gòu)成的AdaBoost強分類器能提高對不同場景的識別能力。因此針對相同場景的天氣類別，采用SVM多分類（導(dǎo)向無環(huán)圖）進行識別，針對不同場景的天氣類別識別問題，本文采用AdaBoost分類器（隨機森林為弱分類器）。

5 小結(jié)

針對目前只有基于圖像的天氣類別數(shù)據(jù)庫，并且場景單一，天氣類別偏少，本文構(gòu)建了基于視頻的天氣類別的數(shù)據(jù)庫。在此基礎(chǔ)上實現(xiàn)了視頻庫管理、特征庫管理、分類器訓(xùn)練等功能。對于給定的測試視頻，根據(jù)其場景是否與現(xiàn)有的場景相同，選擇相應(yīng)的分類器進行識別，便可輸出對應(yīng)的天氣類別識別結(jié)果。

［1］ Narasimhan S G，Wang C，Nayar S K.All the images of an outdoor scene［M］//Computer Vision—ECCV 2002.Springer Berlin Heidelberg， 2002： 148-162.

［2］ Chen Z，Yang F，Lindner A，et al.Howis the weather：Automatic inference from images［C］//Image Processing（ICIP），2012 19th IEEE International Conference on.IEEE， 2012：1853-1856.

Video-based Weather Category Recognition System

Peng Xudong1，Xia Shiming1，Sun Jiming2
（1.Institute of Meteorology and Oceanography，PLA University of Science and Technology，Nanjing，211101；2.Department of Aviation Theory，Aviation University Air Force，Changchun，130022）

There is not a video-based weather category automatic recognition system to date.For this purpose，this study designed and implemented a framework for video-based weather category automatic recognition system.Given a test video， the system can select an appropriate classifier to make recognizing and output corresponding weather type recognition result，depending on whether their scene are coincided with the existing scene.

Weather category；Automatic recognition；Video-based

圖4-1 基于視頻的天氣類別識別系統(tǒng)

圖2 特征提取流程