《表5 DHA数据集上的性能比较Tab.5 Performance comparison on DHA datasets》

  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

《采用PHOG融合特征和多类别Adaboost分类器的行为识别》

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

在该数据集上，将本文算法分别与文献[8]提出的DDHMI、DLRDMHI和文献[25]提出的DDHMI+HBM+GIST，以及文献[10]提出的AMEI、MEnI、MHI和MEI方法进行了对比实验，性能比较结果如表5所示。由表可见，本文提出基于AMEI和EMEI的PHOG融合特征的识别性能要优于其它方法，且使用多类别LUT-Real Adaboost分类器的识别率达到97.6%，高于其它使用SVM分类器的结果。