《表1 不同方法的异常检测结果》

  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

《一种高效人体行为特征提取方法》

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

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。