基于视频的天气类别识别系统

彭旭东，夏士明，孙吉明（.解放军理工大学气象海洋学院，南京，0；.空军航空大学航理系，长春，300）

基于视频的天气类别识别系统

彭旭东1，夏士明1，孙吉明2
（1.解放军理工大学气象海洋学院，南京，211101；2.空军航空大学航理系，长春，130022）

针对目前尚未有基于视频的天气类别自动识别系统，本文设计并实现了基于视频的天气类别自动识别系统框架。对于给定的一个测试视频，该系统根据其场景是否与现有的场景相同，选择相应的分类器进行识别，最终输出对应的天气类别识别结果。

天气类别；自动识别；视频

1 系统功能

基于视频的天气类别识别系统包含数据库管理、特征库管理和训练识别三部分，如图1所示。数据库管理包括天气类别视频数据的采集、天气类别数据库的构建和对数据库的操作（增加新的数据、删除数据、查询数据）；特征库管理包括对静态特征的提取、动态特征的提取和特征库的操作；训练识别模块主要对分类器进行训练并对测试数据进行识别训练。

2 天气类别数据库

本文采用海康威视主动摄像机（高清型号DS-2DF7286-A/D/ AF网络红外智能球）进行天气类别视频数据采集。相机在每天6时、7时、8时、10时、12时、14时、16时和18时这8个时刻开始拍摄半个小时的视频数据。

本文采用C++.Net和OpenCV.2.4.4编写程序将视频转化为图像序列。为了较少数据量，同时不丢失视频的动态信息，本文每隔一分钟采样连续的100帧图像作为一组图像序列。每组图像序列包含100帧连续的图像、一个txt格式的信息文件。信息文件为该组图像序列的说明文件，包含时间、天气现象、场景信息以及气象六要素信息。

目前网上可用于天气类别识别的数据库较少，典型的是wild和panorama天气类别数据库。这两个数据库都是采用固定相机对单一场景进行拍摄，每隔一定时间采样一帧图像作为研究对象。

表1所示为不同数据库的比较，主要比较天气类别数目、场景数目以及处理的数据类型。本文数据库可研究的天气类别数明显多于wild、panorama数据库，本文数据库包含多个场景，可以研究不同场景下的天气类别识别问题，另外本文采用视频作为研究对象，相比图像数据库，包含更多的信息，尤其适合动态天气的识别。

表1 不同数据库的比较

3 天气类别特征库

为了区分不同天气类别，需要提取反映天气类别的有效视觉特征，确保来自同一天气类别样本的特征非常接近，来自不同天气类别样本的特征差异较大。

现有的天气类别的特征提取大多基于图像，单帧图像特征对于动态天气（雨雪等）的识别效果不佳，而视频包含着丰富的运动信息，因此本文基于视频进行了天气类别的自动识别观测，提取了静态特征和动态特征，流程如图2所示。本文所提的静态特征包括功率谱能量、NTSC空间的色度纹理和HSV空间的饱和度纹理特征；动态特征包括短时自相关、运动检测后的纹理和运动检测后的颜色特征。将本文的天气类别识别特征与现有的天气类别识别特征进行比较，实验发现本文的特征更有优势，能够更有效地区分不同天气类别。

4 分类识别

特征提取是为了得到模式，而分类器是用来识别模式的数学模型，识别模式的直接表现就是对输入的模式给出其所属的类别标签。

目前基于视觉的天气类别分类以SVM分类器为主，通过实验发现SVM多分类（导向无环图）能够对相同场景的天气类别进行有效识别，但对于不同场景的天气类别识别能力较弱，而以随机森林为弱分类器构成的AdaBoost强分类器能提高对不同场景的识别能力。因此针对相同场景的天气类别，采用SVM多分类（导向无环图）进行识别，针对不同场景的天气类别识别问题，本文采用AdaBoost分类器（随机森林为弱分类器）。

5 小结

针对目前只有基于图像的天气类别数据库，并且场景单一，天气类别偏少，本文构建了基于视频的天气类别的数据库。在此基础上实现了视频库管理、特征库管理、分类器训练等功能。对于给定的测试视频，根据其场景是否与现有的场景相同，选择相应的分类器进行识别，便可输出对应的天气类别识别结果。

［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

图4-1 基于视频的天气类别识别系统

图2 特征提取流程