《表2 本文算法在汽车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

表1、表2是在公共区域监控视频场景中运动目标运动速度不同的情况下，相似度量阈值的选择对准确率的影响。相似度量阈值决定了关键帧的选取，同时也决定了运动目标检测的准确率。经过6组行人测试视频与6组汽车测试视频的实验表明，本文算法对相似度量阈值的选取十分敏感，偏大或偏小都会影响运动目标检测的准确度。其中行人测试视频中的视频1和视频2是在公园里行走的行人的视频；视频3广场上来回行走的人群与骑着自行车的人的视频；视频4、5是校园教学楼走廊上下课的学生，视频6是实验楼大厅行走的研究人员。当本文算法的相似度量阈值选择为a=0.62，b=0.67时，对6组基于行人的室外监控视频进行运动目标检测，得到的准确率最大值为94.4%，最小值为41.1%，虽然在检测视频3时，其准确率大于当a=0.67，b=0.72时对该视频检测的准确度，但是该阈值仅适用于视频3，其他视频的准确度并未有明显优势。当a=0.72，b=0.78时，其检测后的准确率最高94.6%，最低48.4%，该阈值的设定对视频2、6有良好的适应力；但是对于视频5、6选择a=0.67，b=0.72，可以使检测结果准确率更高。实验结果表明，本文算法选取相似量度阈值a=0.67，b=0.72时，在室外行人运动的场景下的运动目标检测准确率更高、更稳定。