基于背景的雨天场景分析

徐琴，罗明利，唐戟

（1.西华大学，成都 610039；2.成都东软学院，成都 611844）

基于背景的雨天场景分析

徐琴1，罗明利1，唐戟2

（1.西华大学，成都 610039；2.成都东软学院，成都 611844）

实际的运动目标检测中，经常遇到背景的干扰，如雨天场景。原有的一些运动目标检测算法不能直接用于解决该类问题。分析雨天场景的特征，并通过动态背景进行背景建模，然后选择稳定最长长度来对像素点的稳定性进行描述。希望为以后雨天场景下的运动目标检提供数据支持。

雨天场景分析；动态背景；稳定帧

0 引言

运动目标检测是视频监控的一项重要的预处理工作，可是恶劣的天气严重影响了运动目标检测的结果。这些恶劣的天气包括了雨、雾、雪、沙尘以及光照变化等。根据天气因素的视觉效果和物理属性，可以将其分为动态的因素（雨、雪等）和静态的因素（雾、霾、烟等）。由于雨、雪的运动迅速和分布随机特征，它们对整个场景的影响是非常直观的，雨的透明效果会使视频像素点变得模糊，雪的不透明会使视频像素点被遮挡，这大大增加了雨雪天气下的运动目标检测的难度。

本文首先分析了雨天场景的特性，在这基础上，用基于动态背景的方式对视频进行背景建模。为了能更全面地展现雨天场景的特征，我们对比了下雨场景和非下雨场景，并选择最长稳定帧来对下雨场景和非下雨场景的稳定性进行描述，最终得到了下雨场景的特征。

1 雨天场景的特征

1.1 雨对单个像素点灰度值的影响

选取一个小雨视频中下雨位置的某一个像素点，绘制该点连续200帧的灰度时序图，如图1。

由图1分析可知小雨场景中，雨滴的数量并不是大范围的，同一点的灰度值变化有时会出现较大的起伏，这是因为小雨中，雨滴的下落速度较快，所以一般情况下雨滴只占一个像素点的位置。大多时候比较平稳，灰度值变化是散乱的，这是下雨场景中雨滴的随机性分布所致。

图1 小雨场景中某像素点的灰度时序图

1.2 树叶对单个像素点灰度值的影响

为了全面分析雨天视频的特征，雨天场景中的其他影响因素是必不可少的，以下分析树叶和地面灰度值的变化。

选取雨天视频中树叶位置某个像素点，绘制该点连续200帧的灰度时序图，如图2。

由图2可以看出，在小雨视频中，树叶对像素点灰度值的影响是非常显著的，时序图中灰度值数据有时突高有时突低，起伏很大，这表现出树叶的晃动极大地影响了像素点的灰度值，而且这种变化不存在任何规律，受环境中风速、雨速等因素影响，这为我们分析雨天场景带来很大的困难。从后面的实验结果我们可以分析出，即使是非雨天的视频，树叶的晃动也是造成视频图像不稳定的重要因素。

图2 小雨场景中树叶某像素点的灰度时序图

1.3 雨天视频中地面单个像素点灰度值变化

选取雨天视频中地面位置某个像素点，绘制该点连续200帧的灰度时序图，如图3。

图3 小雨场景中地面某像素点的灰度时序图

由图3可以看出，雨天视频中地面灰度值有小幅度波动，波动频率较大，虽然灰度值的变化不是很大，但是也可直观地分析出，由于下雨时雨滴下落到地面引起地面灰度值变化，这种影响是随机的、不规律的，这也是雨天场景中视频像素不稳定的一个重要因素。

2 基于动态背景的雨天场景分析

2.1 动态背景的稳定性判断条件

为了能更好地适应视频中环境的变化，在判断动态背景稳定性时，我们将像素点第k（k＞254）帧的值与它前面255帧的值进行比较，如果满足以下条件则判定当前帧该像素点为稳定：

其中，阈值Y=5或10。

2.2 定义稳定最长长度均值

在判断的过程中，对于一个像素点的第k帧前的255帧，如果其中有一个点不稳定则定义为稳定打断。从开始判断的帧数到被打断的帧数，我们可以得出一个连续稳定长度：LN×M（z），并且下一次统计从稳定打断的下一帧开始，其中z表示打断次数，（N+1=height）表示像素值的总行数，（M+1=width）像素值的总列数。对于同一个像素点，我们可以计算出最长稳定长度max（LN×M（z）），那么，稳定最长长度的均值Z（LN×M（z））为：

2.3 动态判断稳定性

稳定性是区别下雨场景和非下雨场景的重要特征。为了能更加直观地观看两种场景稳定性的不同，我们通过灰度图像来展示。如图4、图5和图6所示。灰度图是将稳定最长长度的均值经过压缩并逆序显示的结果。

图4 Y=5时的视频稳定最长度灰度图

图5 Y=10时的视频稳定最长度灰度图

图6 Y=20时的视频稳定最长度灰度图

3 结果分析

3.1 不同阈值的情况

对于以上得出的图像结果，我们可以直观地看出，在不同阈值的情况下，随着阈值的增大，稳定点数量也增加，对于阈值的选择需要适当，由图4可以看出，由于阈值（Y=5）过小，在下雨场景中，基本全图都是不稳定点，这对于一个小雨场景的视频是不太合乎实际的，而我们从图5和图6中可以看出Y=10、Y=20的情况则能够比较明显地描述出雨天的场景。

3.2 下雨和非下雨视频图像特征

从以上分析我们可以看出，不论Y的取值如何，都能够得到基于背景分析的特征，即非下雨天的稳定图像总会出现一直稳定的区域，这不会随着阈值取值的变化而变化，在除去了树叶和车辆等运动物体的影响外，我们仍然能够看出雨天场景全图存在的不稳定现象，而且在视频中雨线比较明显的地方我们能够在稳定灰度图中看到明显的雨线。

4 结语

本文分析了雨天场景的特征，并通过动态背景进行背景建模，然后选择稳定最长长度来对像素点的稳定性进行描述。希望为以后雨天场景下的运动目标检提供数据支持。

[1] 胡巍，何小海.基于FCM的雨天视频图像复原[J].通信技术，2012，03（45）:75～77

[2] 于仕琪.OpenCV教程（基础篇）[M].北京：航空航天大学出版社，2007

[3] Rafae1 C.Gonza1ez,Richard E.Woods.Digita1 Image Processing[F].北京：电子工业出版社，2011

[4] Stauffer C,Grimson W E L.Adaptive Background Mixture Mode1s for Rea1-Time Tracking[C].Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Los A1amitos:IEEE Computer Society Press,1999,2:246～252

[5] 朱志超，李斌，方帅．一种雨景视频图像的复原方法[J]，合肥工业大学学报：自然科学版，2011，34（07）：1011～1014

[6] Barnum P C,Narasimhan S G,Kanade T.Ana1ysis of Rain and Snow in Frequency Space.Internationa1 Journa1 of Computer Vision, 2010,86（2-3）:256～274

[7] 胡巍，何小海.基于FCM的雨天视频图像复原[J].通信技术，2012，03（45）:75～77

Rainy Scenario Analysis Based on Background

XU Qin1，LUO Ming-1i1，TANG Ji2
（1.Xihua University，Chengdu 610039；2.Chengdu Neusoft University，Chengdu 611844）

In practica1 motion target detection,there a1ways meet with the interference of background,such as a rainy day.Some of the origina1 motion target detection a1gorithms cannot be direct1y used to so1ve the prob1em.Ana1yzes the characteristics of the rainy scenario,and through dynamic background mode1ing background,and describes the se1ection of the 1ongest 1ength to the stabi1ity of the pixe1s.Wishes it can provide data support for motion target detection under the rainy scenario.

Rainy Scenario Ana1ysis;Dynamic Background;Stab1e Frame

1007-1423（2015）05-0074-04

10.3969/j.issn.1007-1423.2015.05.016

徐琴（1990-），女，四川内江人，硕士研究生，研究方向为数字图像处理

罗明利（1990-），女，四川达州人，硕士研究生，研究方向为数字图像处理

唐戟（1986-），女，四川中江人，在职硕士研究生，研究方向为数字图像处理

2015-01-05修改日期：2015-01-20