《表4 数据集使用不用特征的结果》

  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

《基于深度时空特征卷积-池化的视频人群计数方法》

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给出不同方法在两个数据集上的对比结果，相比现有方法，本文的方法获得了更好的准确度和顽健性，原因在于:建立在前景分割基础上的人群计数方法受光照、人群密集程度、背景复杂度等的影响，对分块、面积计算等方法的使用也明显受限，准确度难以保证；特征提取是影响人群计数方法的重要步骤，提取视频的深度时空特征并对其进行有效编码是提升特征判别能力的有效方法，这是本文方法与对比方法最根本的区别。实验中给出使用不用特征时的MAE和MSE值，具体见表4。可以看出，使用时空特征能够更好地挖掘视频帧数据间表示视频时空要素发展变化趋势、规律以及本质属性的时空耦合、时空相关与时空异质特征，与单一特征相比具有更好的可靠性。本文中提取的深度时空特征具有更好的自主辨识能力和内容描述能力，对光照、背景变化、遮挡等的顽健性好；特征提取难度小，避免了前景分割这一复杂操作，且计算过程简单具有更好的适应性。