《表1 本文算法在行人视频下选择不同相似度量阈值的准确率》

  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

《基于颜色布局描述子的改进ViBe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

对基于汽车行驶的视频，同样用本文算法做相同的实验，在汽车测试视频中，视频1、2是汽车在城市主城区正常行驶的视频；视频3、4是在汽车在高架桥上行驶的测试视频；视频5、6是汽车在高速公路上行驶的测试视频。当相似度量阈值为a=0.62，b=0.67时，检测准确率最大值为92.8%，最小值为40%，该阈值适用于汽车测试视频4，但对于其他测试视频效果并不理想；相似度量阈值为a=0.72，b=0.78时，检测结果准确率最大值为93.3%，最小值为52.8%，在6段测试视频中，仅对视频4有不错的效果，不适用于测试视频中所有的场景。与上一组实验相同，当相似量度阈值为a=0.67，b=0.72时，检测结果的准确率高且稳定。由两组实验可知在室外场景下，本文算法选择相似度量阈值为a=0.67，b=0.72时，可是使本文算法的准确率性能达到最优。同时运动目标速度不同而选取的阈值相同进一步证明了本文算法的准确率只与相似量度阈值有关，运动目标的运动速度并不影响相似量度阈值的选择。经过两组实验测试表明本文所选取的阈值a=0.67，b=0.72在不同的运动目标的运动速度下具有良好的稳定性。