[发明专利]一种基于视频的天气现象识别方法

说明书

技术领域

本发明涉及天气现象识别方法，属于大气探测中地面气象观测技术领域，具体地说是一种基于视频的天气现象识别方法。

背景技术

天气现象是指发生在地面和地面以上的大气或与大气相关的物理过程，是地面气象观测的重要内容。目前温度、湿度、风向、风速、气压和降雨量等常规气象要素已实现自动探测，但对雨、雪、雾等天气现象类型的观测仍以人工观测为主，存在着主观性较强、观测频次低、成本开销大和观测范围受限等弊端。本发明利用固定式监控摄像机捕获的视频中丰富视觉信息，研究对晴、多云、雨、雪、雾等天气现象的检测与识别，探索基于视频的离线分类器训练和在线天气现象识别方法，实现对常见天气现象的自动识别。

在天气现象对视觉效果影响研究领域，根据大气中悬浮粒子大小和类型将其分为静态天气现象和动态天气现象。其中，静态天气现象是指大气中粒子较少或时空变化相对稳定的粒子对环境光产生衰减和折射效应，主要包括晴、雾、多云天气，这类天气对图像和视频质量影响相对较为稳定，主要表现为图像的模糊退化；而动态天气现象是指大气中的不稳定介质在大气中运动，对环境光产生衰减和折射效应，主要包括雨、雪天气现象，这些天气对图像的退化效果主要表现在运动模糊、点噪声或运动迹线噪声等方面。由于在成像过程中大气粒子大小、粒子数量、运动速度、相机曝光时间和光照环境的不同，各类天气现象所表现出来的退化效果也不尽相同。因此，识别和研究不同环境和条件下的天气现象成为当前研究的难点之一。

为了准确识别天气现象并对其有效分类，文献1Martin Roser,Frank Moosmann.Classification of weather situations on single color images.IEEE Intelligent Vehicles Symposium,2008:798-803基于HSI空间直方图等特征，识别驾驶辅助系统的图像中存在的晴、小雨和大雨现象，但识别的天气现象类别数较少；文献2Xunshi Yan,Yupin Luo,Xiaoming Zheng.Weather recognition based on images captured by vision system in vehicle.Proceedings of the 6th International Symposium on Neural Network:Advance in Neural Networks,2009,vol 3:390-398中分析了车载设备的图像数据的梯度与HSV空间直方图，结合道路信息对路途中晴天、雨天和多云三类天气状况进行识别，但他们研究背景局限在智能交通应用范围内，捕获的图像内容单一，且特征的选取与识别类别均已预先设定；文献3Li Shen,Ping Tan.Photometric stereo and weather estimation using internet images.2009IEEE Conference on Computer Vision and Pattern Recognition:1850-1857对互联网上同一场景不同视角的图像进行SIFT变换，并建立对应的光照模型，根据光线角度估计当时的场景天气，但他们的模型只根据光照变化对晴天和多云两类天气状况进行了识别；文献4李骞,范茵,张璟,李宝强.基于室外图像的天气现象识别方法.计算机应用.2011,vol 31(6),pp.1621-1626中提取单幅室外图像对比度等视觉特征，采用SVM分类器对晴、雾、多云和雨等天气进行识别，准确率达到70％左右；文献5Xudong Zhao,Peng Liu,Jiafeng Liu,Xianglong Tang.Feature extraction for classification of different weather conditions.Front.Electr.Electron.Eng.China 2011,6(2):339–346中提出了采用相关性的方法对图像序列的某个选定区域进行特征提取来区分动态天气和静态天气，该方法很容易对强度较大的雨雪动态天气与晴、雾、多云等静态天气进行区分，但对于强度较小的雨雪天气的区分能力较弱。此外，国内外部分气象仪器厂商近年来也推出了一些视频天气现象仪，尝试利用图像色度和形态信息识别露霜等现象，而雨雪等天气的识别仍主要依靠主动天气现象传感器(如散射仪)。上述方法大多只针对单幅图像进行天气现象识别研究，分类效果受成像设备参数、环境光照变化、场景中物体运动等因素影响，单次识别结果差异较大，识别准确率较低，尤其是对场景中雨雪等动态天气现象识别难度较大，并且天气现象类别偏少，难以满足应用需求。