《表3 本文方法以及现有方法的识别率》

  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

《基于骨骼关节点投影特征的人体行为识别方法》

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3中为9组实验的平均识别率，以及现有人体行为识别方法的识别率。从结果可以看出，本文提出的基于骨骼关节点投影特征的人体行为识别方法在Test Two和Cross Subject Test中的多组实验中的识别率都超过了Li的方法，原因是Li使用的深度信息包含大量噪声，在提取HOG特征时受到了较大影响，说明本文提出的方法在解决深度数据噪声过多这方面是有效的。但在AS2数据集中，本文的识别率都低于Li的，是因为AS2中存在很多相似的动作，如高处挥手、抓、画叉、画勾和画圆，这些动作中手的运动轨迹和相对身体位置相似，导致累加后子格中的骨骼数量大致相同，说明本文在识别相似动作方面还有待提高。