Department of Electrical Engineering_master

Permanent URI for this collectionhttps://dspace.univ-eloued.dz/handle/123456789/25

Browse

Browsing Department of Electrical Engineering_master by Author "Adel CHAIB"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Amélioration la ré-identification des personnes par attributs
    (Université Echahid Hama Lakhdar- Eloued, 2024) Assem Elhacene CHELBI; Adel CHAIB
    La reconnaissance des individus, ou Re-ID, est une tâche essentielle dans le domaine de la sécurité intelligente. Elle consiste à identifier les personnes sur des images capturées par différentes caméras de surveillance avec des champs de vision non superposés. Dans un environnement réel, la Re-ID représente un défi en raison des variations dans les conditions d'éclairage, les angles de vue, les postures et les ombres. Deux problèmes fondamentaux essentiels pour la Re-ID sont la représentation des caractéristiques et l'apprentissage des métriques. La représentation des caractéristiques doit être efficace et robuste contre les variations d'éclairage et d'angles de vue, tandis qu'il est nécessaire d'apprendre une métrique discriminante pour faire correspondre différentes images d'individus. Dans ce travail, nous utiliserons une représentation efficace des caractéristiques appelée Apparence Locale Maximale (LOMO) et le descripteur du histogramme des orientations de gradient (GOG), en plus d'une méthode d'apprentissage de sous-espace et d'apprentissage des métriques appelée Analyse Discriminante Quadratique Inter-Vues (XQDA) avec la distance de Mahalanobis pour améliorer les résultats de classification. Les résultats expérimentaux obtenus (LOMO+XQDA=44.34%) et (GOG+XQDA=43.13%) ont montré l'efficacité des deux méthodes dans l'amélioration de la capacité de reconnaissance d'identité des personnes en utilisant la base de données VIPeR.يعد التعرف على الأفراد، أو إعادة الهوية، مهمة أساسية في مجال الأمن ذكي. وهو يتألف من تحديد الأشخاص من خلال الصور الملتقطة بكاميرات مختلفة المراقبة مع مجالات الرؤية غير المتداخلة. في بيئة حقيقية، قم بإعادة تحديد الهوية يمثل تحديًا بسبب الاختلافات في ظروف الإضاءة وزوايا المشاهدة، المواقف والظلال. قضيتان أساسيتان ضروريتان لإعادة الهوية هما تمثيل الميزة والتعلم المتري. تمثيل يجب أن تكون الخصائص فعالة وقوية ضد الاختلافات في الإضاءة وزوايا المشاهدة، في حين أنه من الضروري معرفة مقياس تمييزي للمطابقة صور مختلفة للأفراد. في هذا العمل، سوف نستخدم التمثيل الفعال ل ميزات تسمى الحد الأقصى للمظهر المحلي (LOMO) وواصف الرسم البياني التوجهات التدرج (GOG)، بالإضافة إلى طريقة تعلم الفضاء الجزئي و مقاييس التعلم تسمى تحليل التمييز التربيعي عبر العرض (XQDA) مع مسافة المهالانوبيس لتحسين نتائج التصنيف. النتائج التجريبية التي تم الحصول عليها (LOMO+XQDA=44.34%) و (GOG+XQDA=43.13%) لها وأظهرت فعالية كلا الطريقتين في تحسين القدرة على التعرف على الهوية الأشخاص الذين يستخدمون قاعدة بيانات VIPeR.