在测试架构中，X 表示测试数据。 {S1, 。 。 。 , SK } 被学习的组合，其中每个 Si ∈ Rp×s(s q)。 Ei 为相应的最小二乘重构误差。最终误差是所有组合中的最小，这种形式可能 会导致检测精度高。

采用公式时效率问题的高测试成本是不可避免的。效率的问题关键类型方法的实际部 署。所述的实时处理需要比当前最快基于稀疏的方法，这是困难的，而不巨大硬件进步快 100

倍。从算法的角度解决这个问题。的方法产生了不俗的性能和超过 400 倍，自然加速稀疏编 码使用 MATLAB 实现。

字典学习也是一种经典的自适应算法。固定字典（DCT）的去噪、分辨效果并不好，常 用于速度要求高的检测[4]。单幅图像字典学习，如 MOD、globally、K-SVD、Online，所有字 典的大小都是 64×256。其中 globally 的训练方法是将训练图像平均分成 10000 块 8×8 的重 叠块，取所有可能的块。K-SVD 和 Online 单幅含噪 lena，噪声标准差为 25。

1。3  主要工作说明

1。3。1  主要研究工作

异常事件检测用于满足不断增长的处理大量监控录像的需求。基于视频的结构固有的冗 余，提出了一种有效的疏结合学习的框架来提高检测异常的速度。通过对稀疏表示理论的研 究，包括其模型的构建和字典学习方法，立足于人脸识别项目，熟悉和使用 MATLAB 来构建一 个科学可行的识别检测模型，检测异常事件的发生。

它实现了在检测阶段不错的性能而不影响结果的质量。在短的运行时间内得到保证，因 为新的方法有效地将原始复杂的问题，用少数无成本小规模的最小二乘法来优化。的方法是 在一个普通台式 PC 上，以每秒 140~150 帧的平均速率使用 MATLAB 计算，得到当转速达到 在基准数据集的检测率[5]。论文网

建议疏结合学习进行检测。随着视频监控高结构冗余，而不是通过寻找由 D 等式一个 s 基础组合编码稀疏。为一组基矢量的可能组合，直接对它编码。这里的每个组合对应一组公 式的字典基地。这种变化，比从每个测试功能它们的对搜索小号碱基的其他，只需要通过评 估最小平方误差寻找最合适的组合。

第 4  页 本科毕业设计说明书

因为只有小规模的最小二乘优化检测与简单的矩阵投影所需这个框架是有效的。在的实 验中，测试是在一小部分的组合中，每个需要在 MATLAB 10-6〜10-7 秒。的方法的有效性 以及通过在组合规模的内在约束稀疏保证。

因此研究方向为基于稀疏表示的异常事件检测，研究内容包括视频图像处理、稀疏矩阵、 稀疏算法、字典学习、MATLAB、模型建立、异常事件检测等方面内容。针对异常事件检测 这一目的，采用稀疏表示理论将目的视频识别解析，使用 MATLAB 软件建立一种图像稀疏检 测模型，从而判断视频图像是否具有异常行为。

1。3。2 论文结构安排

论文共四章，各章内容如下： 第一章是绪论，简单论述了异常事件检测的应用背景，并对其发展过程中出现的主要经

典方法进行了简要讨论，同时对论文的整体构造和研究内容进行了介绍。 第二章介绍了 MATLAB 对视频处理的原理和分类，图像去噪技术，检测与识别。

第三章是文章重要组成部分。首先介绍了稀疏表示理论的基本原理、稀疏编码和矩阵分 析。其次是稀疏组合、基于稀疏表示的算法。第三部分探讨了基于稀疏表示的模型的建立， 字典学习和图像异常的检测。是该课题主要理论基础所在。

第四章根据第三章给出的稀疏表示模型做了进一步的探讨与实验，结合稀疏表示给出了 异常事件检测的模型，通过测试得出实验结果，分析结果，得出结论。 MATLAB基于稀疏表示的异常事件检测方法(4):http://www.youerw.com/jisuanji/lunwen_84802.html