《表2 分类器训练及测试所用时间对比》

  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

《基于混合高斯的行人检测模型》

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

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。