论文部分内容阅读
针对传统的摄像头异常干扰识别方法识别种类单一,由预测闪烁而引起的识别准确率和可靠性低、泛化能力不强的问题,提出一种基于滚动预测平均算法的摄像头异常干扰识别方法。在自建的异常干扰图像训练集上微调ImageNet预训练的ResNet50,训练出用于摄像头异常干扰的图像分类与识别模型,在该模型的基础上运用滚动预测平均算法,以在线或离线的方式实现摄像头异常干扰视频的分类与识别。测试集实验结果表明,该方法能够正确识别出正常、遮挡、模糊和摄像头旋转视频,识别准确率达到了95%,充分验证了该方法的可行性和有效性。