《表1 不同算法下的客观评判指标对比》
注:加粗数据代表最优值,加下划线数据代表次优值。
将本文算法与其他5种算法进行对比,其评判指标recall、precision和F值见表1。从表1可以看出,本文算法的recall值基本上高于其他5种算法,基本上处于最优的情况。因此,本文算法在前景背景分离中有较高的查准率,对运动目标有较为准确的提取效果。表1中文献[4]算法的precision值在一些视频上比本文算法占有一定的优势,虽然Ho RPCA、IALM-RPCA、TRPCA-TNN和KBR-RPCA算法的precision值有比本文算法高的情况,但由于recall只能反映丢失运动目标内部信息的相关性,precision只能反映丢失目标外部信息的相关性,且两者指标值有时会出现矛盾的情况,因此采用它们的调和平均值F值来综合判断提取效果更准确。本文算法的F值均处于最优或次优的情况,因此本文算法在提取前景上有较高的准确率,且对前景的误判较小。另外,表1给出了5种对比算法与本文算法的运行耗时,看出本文算法在运行耗时方面占有一定的优势,虽然运行耗时高于IALM-RPCA和TRPCA-TNN,但在客观评判指标F值上均优于上述两种算法(表1)。并且不同于文献[4],本文算法把视频当作张量来整体处理,故节约了内存,运行耗时上优于文献[4]。
图表编号 | XD00222680600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.10 |
作者 | 陈利霞、班颖、王学文 |
绘制单位 | 桂林电子科技大学数学与计算科学学院、广西高校数据分析与计算重点实验室(桂林电子科技大学)、桂林电子科技大学数学与计算科学学院、广西高校数据分析与计算重点实验室(桂林电子科技大学)、桂林电子科技大学计算机与信息安全学院 |
更多格式 | 高清、无水印(增值服务) |