《表1 UMN数据集下AUC值比较》

  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

《一种基于局部拓扑与l_(1/2)范数的解析字典分类的人群事件检测》

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

首先分别提取每帧视频维度为9的相互作用力直方图特征（HOIF），然后提取每帧视频分块后得到的梯度方向直方图特征（HOG），其中每帧图像分成5×4个图像块，每个图像块上提取维度为8的HOG特征，因此每帧视频的HOG特征为160维，融合HOIF特征后每帧视频的总特征维度为169。为了证明特征融合的优越性，本文将融合后的“HOIF+HOG”特征与单独提取HOIF特征、HOG特征进行实验比较，图4~图6反映了这3种不同提取方式下的算法性能。为了证明本文提出算法的有效性，分别与当前一些基于稀疏编码的人群异常检测算法进行了对比，表1显示了对比结果。由结果可知，本文提出的算法在3个场景中均能达到较高的准确度，且与传统的稀疏表示算法K-SVD相比，本文的算法拥有更高的计算效率。