《表2 运动奶牛目标检测结果》

  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

目标检测算法的性能主要体现在准确性、鲁棒性、快速性方面[14]，利用本文算法对试验样本进行运动奶牛目标检测，并与GMM、KDE算法进行对比，结果如表2所示，GMM算法的平均前景正检率为80.09%，KDE算法的平均前景正检率为85.09%，本文算法的平均前景正检率为95.65%，表明将无参数化核密度模型应用于运动奶牛目标的准确提取是可行的。由表2可看出，该算法受视频中其他干扰因素（光照、遮挡）的影响较小。上述结果表明，与经典的GMM算法相比，本文算法对于奶牛非结构化养殖环境具有更好的鲁棒性。