尽管在一个实际应用系统中，实时处理是给定的连续捕获的视频的一个关键的标准，然 而大多数基于稀疏的方法不能进行足够快。主要的障碍是以高效率是固有的密集计算来构建 稀疏表示。值得注意是，一个缓慢的过程可能会延迟报警，推迟应对特殊事件。提供以下有

第 2  页 本科毕业设计说明书 关此问题的简要分析相对于一般的稀疏性战略和有效的新框架。它适合监控视频数据的结构， 且测试成本便宜。

综述异常事件检测应用广泛但存在技术盲点，因为对此展开研究。

1。2 异常事件检测的经典方法

计算机视觉中，提出了许多模型，来模拟人类的眼睛如 SaliencyToolBox (STB)、 场效 视觉工具包 (NVT) 等。但 com putational 成本高，合理的结果大多是依赖于参数的选择。 最近提出了简单和快速桥头基于傅里叶变换称为谱残差 (SR)，其中 SR 的振幅频谱用于获 得显著性地图。

在人脸识别技术中，人脸检测部分的方法已经层出不穷，而且针对不同的研究检测需要， 所使用的检测方法也是大有不同。比如参考模板法就是建立一个标准人脸模板，将已检测标 识的人脸和异常目标人脸归入人脸识别库中，采集测试视频图像与模板的匹配，通过计算阈 值来判断异常事件是否发生。还有重点检测方法人脸规则法，则是利用人脸的结构分布特征， 提取特征参数，来进行异常识别和检测。除此之外还有样品学习法、肤色模型法等。

自然场景中的突出地区通常被视为候选人的关注焦点在人类眼中，这是在目标检测中的 关键阶段。在本文中，提出它是相位谱，不振幅谱的傅里叶变换的关键在获得突出区域的位 置。提供一些例子，证明 PFT 可以得到更好的结果，与 SR 和需要较少计算 com-社会科学 以及。此外，PFT 可以很容易扩展从二维傅里叶变换对四元数傅里叶变换 (QFT) 如果每个 像素的值是代表提出一个四元数组成的强度、 颜色、 莫特点的功能。添加的运动维度允许 相位谱来表示，如时空显着性检测中的应用四元相位谱傅立叶变换[3]。

大多数传统的物体检测器需要在订单培养检测特定对象类[1，2，3]，但人类如梦如幻 可以专注于一般的显着对象迅速在的 CLU-羊羔视觉场景没有训练，因为存在的视觉注意机 制。所以，人类可以轻松应对一般的物体检测好，这已被越来越多的研究一个有趣的话题。 Tresiman 提出一种理论它描述了视觉注意有两个阶段。一组基本的视觉特征，如颜色， 运动和边在平行于前注意阶段处理。然后有限容量处理阶段执行像人脸识别等其他更复杂的 操作。在预周到的阶段，这将成为对象人选 DIS-tinctive 功能（例如发光颜色，高速运动等）

将“弹出”自动。

数的计算模型已经提出了以模拟人的视觉注意力。 ITTI 等。提出了一种自下而上的模 式，并内置了一个名为 Neuromor-PHIC 视觉 C ++工具包（NVT）系统。在此之后，下面 Rensink 的理论，瓦尔特推广这种模式顾不上原目标区域和创建 SaliencyToolBox（STB）。他也把它 应用到对象识别任务。然而，高计算成本和可变参数，ETERS 仍然是这些模型的弱点。近日，

本科毕业设计说明书 第 3 页 光谱残余基于傅立叶变换形式的（SR）方法被提出，它不依赖于 PA-rameters，能迅速检测到 显着对象。在此 AP-proach，原始信号和一个平滑的日志振幅频谱之间的差（SR）被计算，

并且然后通过将 SR 到空间域所获得的显着图。所有这些模型上面提到的，如何的一次，只 考虑静态图像。掺入运动到这些模型是一个具有挑战性的任务，促使去 velop 以生成时空显 着图的新方法。