《表2 分类器训练及测试所用时间对比》
从表1数据可以发现,原始的HOG算法的检测率较低,误检率偏高为23%,文献[13]提出的方法在一定程度上提高了检测率,也在一定程度上降低了误检率,但提升检测率的同时误检率也很高,本文的方法的检测率与原始HOG和文献[13]相比有明显提高,并且误检率也达到了一个非常出色的结果,表明在混合高斯进行前景提取时引入时间融合消除参数,可以有效提高检测率。从表2可以看出原始HOG算法训练时间和检测速率非常差,本文所采取的先缩小检测窗口,再采用多尺度提取特征的方法可以有效降低样本训练时间和检测时间,与原始HOG算法相比提高效果明显,较文献[13]方法相比,训练样本速率和检测速率也有一定程度提高。
图表编号 | XD00125605900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.20 |
作者 | 刘翔羽 |
绘制单位 | 安徽理工大学计算机科学与工程系 |
更多格式 | 高清、无水印(增值服务) |