驗證根據MHoEI的盯梢算法的有效性，這篇文章選擇兩段對比有代表性的視頻進行盯梢功能測驗。Video為單個行人方針從動態到靜態，再從靜態到動態的視頻，Video8為多人盯梢的視頻。兩段視頻分別用Cam shift算法和根據MIHoEI的盯梢算法進行盯梢，盯梢成果如圖3-11, 3-12所示。圖3-11為兩種算法對Video中行人方針的盯梢成果，左圖為選用Camshift算法進行盯梢的試驗圖，右圖為根據MIHoEI算法進行盯梢的試驗圖。圖3-12為兩種算法對Video8中行人方針的盯梢成果，左圖為選用Cam shift算法進行盯梢的試驗圖，右圖為根據MIHoEI算法進行盯梢的試驗圖。從圖3-11可以看出，在近距離區域與中距離區域內，關于動態方針和靜態方針，MIHoEI盯梢算法與Cam shift盯梢算法都可以精確盯梢，但是當行人方針進入遠距離區域時，Camshift算法的盯梢精確度有顯著下降。從圖3-12可以看出，Camshift算法因為選用的盯梢特征和信息有限，在發作遮擋、兼并別離等狀況后無法識別出遮擋前的行人方針，將別離后的單個行人視為新的方針，因此盯梢框色彩發作改變，且根據MHoEI的盯梢算法可以更精確地描寫行人概括。別的，Camshift算法和MIHoEI算法對行人盯梢的速度對比如表3-2所示。從以上表格中可發現，根據MIHoEI的盯梢算法均勻每秒可處理22幀圖畫，而Camshift盯梢算法均勻每秒只能處理18幀圖畫，因此MHoEI算法更能滿意實時性的請求。