《表3 算法实时性指标对比》

  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

《基于自适应无参核密度估计算法的运动奶牛目标检测》

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

本文在核密度估计算法的基础上，针对核密度估计背景建模时需要对采样点周围多帧图像像素进行统计分析导致运算量大的缺点，引入视频关键帧的检测来减少模型的复杂度以满足算法实时性的要求。表3为GMM、KDE、本文算法实时性指标对比结果。由表3可知，GMM算法复杂度高，实时性较差，平均实时性指标为1.36，在第3、4组试验中，受到光照突变的影响，复杂度突然增大。KDE算法平均实时性指标为1.18，而本文算法的平均实时性指标为1.11，且试验中的干扰因素基本对模型实时性没有影响，这表明应用本文算法实现奶牛运动目标的实时提取基本可行。