12 / 17
Селективно-ковариационный метод локализации, классификации и отслеживания людей…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6
65
Метрика
eucl
D
являясь более быстрой, также показала лучшее качество
классификации. При использовании этой метрики удалось правильно класси-
фицировать 87,5 % пар. Дальнейшие тесты проводились с использованием мет-
рики
.
eucl
D
На рис. 9 приведены результаты сравнения 16 классификаторов, основан-
ных на функциях признаков, представляющих собой все возможные комбина-
ции четырех цветовых схем
А
и четырех пространственных схем
B
. Результаты
тестирования классификаторов на приведенном рисунке сгруппированы по
цветовой схеме
A
.
Рис. 9.
Сравнение качества классификации для рассматриваемых функций признаков
Тестирование показало, что среди функций признаков, основанных на цве-
товой схеме
,
HSV
A
наилучший результат у функции
HSV Deriv
A B
—
88,2 % верно
классифицированных пар.
Наилучший результат из функций признаков, основанных на
,
RGB
A
позво-
лила получить схема
RGB RadialGrid
A B
— 91,1 % верно классифицированных пар.
Среди функций признаков на основе
5
RGBHist
A
и
9
RGBHist
A
лучший результат у
функции признаков
5
RGBHist Radial
A B
— 94,6 %. Отметим, что результаты тестирова-
ния показали нецелесообразность увеличения размерности более 5 в схеме
.
RGBHistN
A
На рис. 10 приведены сводные результаты сравнения функций признаков,
где для каждой цветовой схемы указан наилучший результат, который удалось
получить при ее применении.
Применение предложенной маски, выбор подходящей метрики и примене-
ние разработанной в настоящей работе функции признаков позволили полу-
чить качество классификации в 94,6 % на достаточно сложной тестовой выбор-
ке, что почти на 20 % процентов лучше изначального классификатора (75 %),