《表1 不同行人再识别算法比较》

  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

《俯视深度头肩序列行人再识别》

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

注:加粗字体为每行最优值；“-”表示相关文献中没有给出该指标值。

为了验证本文算法的有效性，将本文算法与俯视角深度与颜色直方图特征（top view depth and color histogram，TVDH）（Paolanti等，2018）、步态能量图（gait energy image，GEI）（Han和Bhanu，2006）、步态能量体积（gait energy volume，GEV）（Sivapalan等，2011）、深度梯度直方能量图（depth gradient histogram energy image，DGHEI）（Hofmann等，2012）、Gabor局部二值模式（Gabor local binary pattern，GLBP）、Gabor局部导数模式（Gabor local derivative pattern，GLDP）（Imani和Soltanizadeh，2019）在TVPR数据集、TDPI-L数据集和TDPI-B数据集上进行实验。所有实验均在MATLAB R2016a平台上完成，机器配置为3.10 GHz Intel（R）Pentium（R）CPU G3240，8 GB RAM，结果如表1和图7所示。由于TVDH算法没有提供源代码和给出部分指标的具体数值，所以在表1中缺失数据。从表1和图7可以看出:本文算法在识别性能上与其他算法相比有很强的优势，但在平均耗时上比最快的GEI算法平均慢37 ms。