《表1 不同算法下的客观评判指标对比》

  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

《基于张量核范数与3D全变分的背景减除》

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

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]。