《表5 不同背景建模方法检测结果对比》
第3组实验在感兴趣区域约束下,将本文采取的背景建模方法(IAGMM)(Zivkovic和Van Der Heijden,2004)与自适应背景学习(ABL)(McFarlane和Schofield,1995)、模糊高斯模型(LBFG)(Sigari等,2008)、单高斯模型(LBSG)(Benezeth等,2008)以及高斯混合模型(DPZAGMM)(Zivkovic和Schofield,2006)4种经典背景建模方法进行对比。表5展示了使用不同背景建模方法时,车辆检测的结果对比。LBFG和LBSG方法检测率较高,但其检测的准确率远低于其他方法。DPZAGMM方法检测的准确率最高,但其漏检现象较为严重。而本文采用的方法能够平衡车辆的检测率和准确率,有着最好的检测质量。
图表编号 | XD00158086200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 康金忠、王桂周、何国金、王慧慧、尹然宇、江威、张兆明 |
绘制单位 | 武汉大学测绘遥感信息工程国家重点实验室、吉林大学地球探测科学与技术学院、中国科学院空天信息创新研究院、海南省地球观测重点实验室、中国科学院空天信息创新研究院、海南省地球观测重点实验室、吉林大学地球探测科学与技术学院、中国科学院空天信息创新研究院、海南省地球观测重点实验室、中国科学院空天信息创新研究院、海南省地球观测重点实验室、中国科学院空天信息创新研究院、海南省地球观测重点实验室 |
更多格式 | 高清、无水印(增值服务) |