《表2 各种方法在不同情况下的准确率》

  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

《基于视频深度学习的铁路周界入侵检测算法研究》

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

为了验证算法在不同条件下的有效性，在铁路周界视频数据集中进行测试.图7分别为不同方法在相机抖动（第1行）、动态背景（第2行）、间歇运动（第3行）情况下的检测结果.结果显示，本文提出的方法鲁棒性最好，在相机抖动和动态背景时无误检，在间歇运动时无漏检.3种情况下的准确率如表2所示，动态背景情况下样本均为反例，故无法计算精确率和F-measure.