《表1 分类精度：一种运动目标轨迹提取方法》

  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

《一种运动目标轨迹提取方法》

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

在实验中，本文训练的卷积神经网络模型仅对轿车、行人、公共汽车进行了分类，分类精度见表1。训练环境为Ubuntu16.04，Caffe框架，GPU型号为NVIDIA GTX TitanX，运行内存12GB。输入到卷积神经网络的样本共5 000张，其中包括训练样本4 500张，测试样本500张。当目标所占最小矩形框像素数（以下简称为目标所占像素）在900（30×30）像素以上时，目标识别率为95%，当目标所占像素在400～900像素时，目标识别率为84%，当目标所占像素在400（20×20）像素以下时，并不能较好地识别出目标。分类和定位效果如图5所示。