《表2 不同算法的人群异常行为识别准确率》

  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C3D-GRNN模型的人群异常行为识别算法》

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

为验证本文算法的优越性，选用支持向量机[21]、K近邻分类（KNN）、随机森林[22]，以及普通C3D模型这4种方法对同一实验视频数据进行分类识别，识别准确率和所耗时间分别如表2和表3所示。由表2和表3的结果可知，基于同一样本数据集，该算法不仅识别异常情况的准确率比同类型的其他3种方法明显提升，对同一类异常行为的识别准确度均高于其他3种方法，且都达到90%以上，具有较好的鲁棒性；此外与普通C3D模型相比，无论是准确率还是识别单个样本帧所耗时间都有提升。