《表1 不同方法的异常检测结果》
我们使用原始数据库拆分进行训练和测试,16个类别用于训练,9个数据类别进行测试,本文算法在KTH数据库中识别结果混淆矩阵如图6所示。图中“鼓掌”和“挥手”的混淆度相对较高,原因是鼓掌和挥手的动作相似导致特征相似度高,相似度很高的“跑”、“慢跑”行为之间的混淆度为5%,说明本文方法具有很高的区分度。本文在KTH数据库上与其他现有方法进行了对比实验,所提出的特征检测方法的准确性如表1所示。我们可以观察到:我们的方法的平均识别精度为96.3%,表明我们的方法过程简单且计算负荷相对较低,但与最先进的算法具有相当的性能。
图表编号 | XD0096235900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.05 |
作者 | 谭论正、丁锐 |
绘制单位 | 中山职业技术学院信息工程学院、中山火炬职业技术学院信息工程系 |
更多格式 | 高清、无水印(增值服务) |