صورة غلاف الرسالة/الاطروحة غير متوفرة



العنوان باللغة العربية
منصة الرسائل والاطاريح: اكتشاف كائنات الفيديو وازالة الظل بالاعتماد على الخصائص الاحصائية والمكانية - جامعة بابل
العنوان باللغة الانكليزية
Video Objects Detection and Shadow Removal Based on Statistical and Spatial Features
اسم الطالب باللغتين
محمد قاسم محمد جودة - Mohamed Qasim Mohamed joda
اسم المشرف باللغتين
د. توفيق عبد الخالق عباس الاسدي--Dr. Tawfiq Abdul-Khaleq Abbas Al-Asadi
الخلاصة
إن أنظمة المراقبة بالفيديو لها أهمية كبيرة في مراقبة المناطق الأمنية الحساسة مثل الحدود ، والمصارف ، والطرق السريعة ، والأماكن العامة ، وما إلى ذلك. ادى التقدم في تخزين السعة الكبيرة ، وقوة الحوسبة والتوافر إلى التطور في هذا المجال. لجعل أنظمة المراقبة بالفيديو "تعمل بشكل آلي" يتطلب هذا خوارزميات قوية وموثوقة بها للكشف عن الأجسام المتحركة ، وإزالة الظل. في هذه الرسالة ، اقترحنا نظام اكتشاف بشكل تلقائي والذي يتكون من مرحلتان. المرحلة الأولى هي اكتشاف الكائن المتحرك، تتضمن هذه المرحلة خطوتين ، الأولى هي بناء نموذج الخلفية عن طريق تحديد N من الصور الفيديوية لإنشاء موديل احصائي و موديل نسيجي الموديل الاحصائي يبنى بحساب المتوسط الحسابي والانحراف المعياري لكل بكسل اما الموديل النسيجي فيتكون مجموعة من المدرجات التكرارية (الموديلات), لكل بكسل التي يتم بنائها باستخدام(CS-LBP ). الخطوة الثانية هي اكتشاف الكائنات اذا كانت قيمة البكسل المحدد في الاطار الحالي ليست ضمن العتبة المخصصة لنطاق الاطار الاحصائي هذا يعني انه من الصعوبة تصنيف البكسل هل ينتمي الى الكائن او ينتمي الى الخلفية لذلك يصنف عن طريق الموديل النسيجي . المرحلة الثانية هي اكتشاف الظل وازالته ، طريقة كشف الظل تتحقق بخطوتين ، الخطوة الاولى اختيار البكسلات المرشحة كظل بواسطة مكتشف الظل الضعيف والذي يعتمد على الخصائص الطيفية، الخطوة الثانية تصنيف كل بكسل مرشح ظل على أنه إما كائن أو ظل من خلال قياس الترابط النسيجي في الإطار الحالي مع النسيج في موديلات الخلفية بالإضافة إلى خاصية الألوان التي تعتبر مكملة للخصائص النسيجية. توضح التجارب على الفيديوهات كفاءة الطريقة المقترحة لاكتشاف الكائن مقارنة بطرق قياسية عن طريق زيادة precision إلى (3.6%). فيما يتعلق بطريقة ازالة الظل المقترحة فان النتائج التجريبية تشير إلى كفاءة الطريقة المقترحة مقارنة بالطرق القياسية عن طريق زيادة precision إلى (7.6%).
الفئة
المجموعة الهندسية
الاختصاص باللغة العربية
الاختصاص باللغة الانكليزية
السنة الدراسية
2022
لغة الرسالة/الاطروحة
اللغة الانكليزية
الشهادة
ماجستير
رابط موقع (doi)
Open access
نعم