《表1 人体步态检测算法在0°、45°和90°方向分割效果》
注:斜体表示最优结果。
从图9可以看出,图9(b)背景差分得到的人体图噪声比较少,但是人体非常不完整。图9(c)高斯模型法得到的人体图噪声在图9(b)(c)(d)三者中最多,人体的完整度也高于背景差分图,不足之处在于上半部分存在背景更新时一直遗留的大块噪声,主要表现在头部后方,这是由于人体在背景中相对移动的距离较短。图9(d)是通过CodeBook算法得到的人体图,相对图9(b)(c) 而言,其步态轮廓比前两者更完整,噪声介于图9(b)(c) 之间,不足之处是对太阳照射下的人体阴影难以削减,可以看到大片阴影。图9(e)为FCN-8S模型的图像语义分割,对人体全局信息把握不错,但对细节处理不足。图9(f)为COB模型的图像语义分割,分割出的人体轮廓存在缺失,其中手、鞋和脸部存在严重缺失。图9(g)为图像语义分割DConv模型,较图9(e)(f) 两种图像语义分割模型更细致一些,整体和细节都分割得不错,但是出现了断层和断裂,在原图RGB中可以看出断裂处是地板砖的黑色缝隙,该缝隙造成了算法误分割,误将其当做了遮挡物。图9(h)是本文提出的RPGNet人体分割算法,对细节和全局信息处理很精确,轮廓完整度较前6种大,误分割概率比前6种小,很好地处理了“远小近大”、人体相对背景移动缓慢问题。表1是50个样本的7种人体运动检测算法在0°、45°和90°方向的分割效果。
图表编号 | XD0082905900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.16 |
作者 | 支双双、赵庆会、唐琎 |
绘制单位 | 西安工程大学工程训练中心、中南大学信息科学与工程学院、中南大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |