《表2 在UTD-MHAD数据库上，现有方法与本文方法的识别率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度运动图和密集轨迹的行为识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

该数据库上的混淆矩阵如图9所示，可以看出本文算法在许多动作下取得不错的识别效果，但对于一些相似动作依然存在误识别，如“向左滑动”与“向右滑动”，“顺时针画圆”与“逆时针画圆”，其中“顺时针画圆”与“逆时针画圆”相识度较高，仅是两者运动方向的不同，导致两者存在0.13～0.25的误识别率。表1对比了不同输入流下对应的识别效果，其中利用轨迹跟踪算法得到的识别率为80.87%；利用VGG-16卷积神经网络训练DMM数据得到的识别率为91.13%；将上述两种输入流得到的特征串联一起输入到线性SVM分类器，得到识别率为92.67%。表2对比了其他识别方法在UTD-MHAD数据集的识别效果，相对于文献[2-3，20]，本文算法分别提升了4.27%、1.47%和6.55%，主要原因是在计算DMM时引入了能量权重，并且从相机视角和采样速度上扩增DMM训练数据，同时融合深度视频序列中深度特征信息和RGB序列的动态运动信息。