Browsing by Author "Chebi, Hocine"

Filter results by typing the first few letters
Now showing 1 - 14 of 14
  • No Thumbnail Available
    Item
    Analyse visuelle d’événements anormaux de foules
    (2015) Chebi, Hocine; Morsly, Y.; Djouadi, MS.
    L’analyse du comportement humain depuis la vidéo est un domaine vaste de la vision par ordinateur. Dans ce travail, nous nous intéressons à l’analyse du comportement de la foule et de ses entités dans une scène dense. Ces scènes se caractérisent par la présence d’un grand nombre de personnes dans le champ de vision des caméras. Le problème majeur est l’élaboration d’une approche de gestion autonome d’un grand nombre d’anomalies qui est quasiment impossible à effectuer par des opérateurs. Nous présentons dans cet article une nouvelle approche pour la détection d’anomalies dans des scènes très denses en se basant sur la vitesse des individus et celle du groupe. Les différentes anomalies sont détectées d’une manier automatique sans apprentissage en utilisant la densité à base du partitionnement spatial avec application du bruit (Density Based Spatial Clustering of Application with Noise « DBSCAN »). Pour plus de robustesse et ’efficacité, nous avons introduit deux routines permettant l’élimination des ombres et la gestion des d’occlusions
  • No Thumbnail Available
    Item
    Analysis of the human behavior from video with covariance matrix
    (2016) Chebi, Hocine; Acheli, Dalila
  • No Thumbnail Available
    Item
    Behavior recognition by principal component analysis (PCA)
    (International Conference on Pattern Analysis and Intelligent Systemsnd Intelligent Systems, 2016) Chebi, Hocine
  • No Thumbnail Available
    Item
    Contribution à la reconnaissance vidéo et détection d'événements
    (2019) Chebi, Hocine
    Ce travail porte sur la reconnaissance comportementale et la prédiction des activités des personnes à partir d'une vidéo. L'objectif principal du travail proposé est l'introduction d'un nouvel algorithme permettant d'analyser des objets en mouvement à partir de la vidéo afin d'extraire les comportements humains dans un environnement complexe. Il s'agit d'environnements intérieurs ou extérieurs filmés par des moyens de détection simples (caméra de surveillance). Dans ce type de scène, nous nous intéressons aux problèmes d'élimination d'ombre spécialement conçu pour les images de foules ou bien dans des scènes encombrées, comme nous abordons le problème de détection d'occlusion dû à la position et l'orientation de la caméra. Nous nous intéressons aussi aux problèmes de détection d'événements de foules par une technique automatique sans la fixation de la valeur de seuil en utilisant les réseaux de neurones afin de trouver plusieurs anomalies. La validation des expériences a été effectuée sur les bases de données connues UMN, PETS2009 et MIT. Les résultats ont été comparés à d'autres méthodes, à savoir : Matrices de covariance pour comportement de foule, méthode de la force sociale, et la technique de vérité au sol
  • No Thumbnail Available
    Item
    Detection method without crowd behavior modeling by fuzzy logic
    (2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, Mohamed
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    Dynamic detection of anomalies in crowd's behavior analysis
    (IEEE, 2015) Chebi, Hocine; Acheli, Dalila
    The analysis of the human behavior from video is a wide field of the vision by computer. In this work we are interested in the analysis of the crowd behavior and its entities in a dense scene. These scenes are characterized by the presence of a great number of people in the camera's field of vision. A major problem is the development of an autonomous approach for the management of a great number of anomalies which is almost impossible to carry out by operators. We present in this paper a new approach for the anomalies detection very dense scenes relaying on the speed of both the individuals and the whole group. The various anomalies are detected by switching in a dynamic way between two approaches: the artificial neurons networks "ANN" for the management of group anomalies of people, and the Density Based Spatial Clustering of Application with Noise "DBSCAN" in the case of entities. For more robustness and effectiveness, we introduced two routines that serve to eliminate the shades and the management of occlusions.
  • Thumbnail Image
    Item
    Extraction de motif de mouvement de la foule par le flot optique
    (2015) Chebi, Hocine; Acheli, Dalila
    Dans ce travail, nous nous intéressons à l’analyse d'extraction de motifs de mouvement par la technique de flot optique, dans le but d’analysé le comportement de la foule. Ces scènes se caractérisent par la présence d’un grand nombre de personnes dans le champ de vision des caméras. Le problème majeur est l’élaboration et d’utilisation d’une technique sans modélisation de l’arrière-plan pour détecter les mouvements de la foule. Par la suite une étape de détection d’anomalies par la technique des réseaux de neurones artificiels (RNA). Nous présentons dans cet article une comparaison de l’approche proposée pour la détection des mouvements dans des scènes très denses et celle d'utilisation de modèle social de force. Pour plus de robustesse et d’efficacité, nous avons introduit la routine permettant d’élimination des ombres.
  • No Thumbnail Available
    Item
    Intelligent detection without modeling of behavior unusual by fuzzy logic
    (Springer, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, Mohamed
  • No Thumbnail Available
    Item
    A medical comparative study evaluating electrocardiogram signal-based blood pressure estimation
    (IGI Global, 2024) Moussaoui, Siham; Fellag, Sid Ali; Chebi, Hocine
    In general, blood pressure (BP) is measured using standard methods (medical monitors), which are widely used, or from physiological sensor data, which is a difficult task usually solved by combining several signals. In recent research, electrocardiogram (ECG) signals alone have been used to estimate blood pressure. The authors present a comparative study that evaluates ECG signal-based blood pressure estimation using complexity analysis to extract features, comparing the results obtained with a random forest regression model as well as with the combination of a stacking-based classification module and a regression module. It was determined that the best result obtained is a mean absolute error range of 3.73 mmHg with a standard deviation of 5.19 mmHg for diastolic blood pressure (DBP) and 5.92 mmHg with a standard deviation of 7.23 mmHg for systolic blood pressure (PAS).
  • No Thumbnail Available
    Item
    Novel Approach by Fuzzy Logic to Deal with Dynamic Analysis of Shadow Elimination and Occlusion Detection in Video Sequences of High-Density Scenes
    (Taylor and Francis Online, 2021) Chebi, Hocine; Benaissa, Abdelkader
    Monitoring of high-density images from video sequences provides an important potential for crowd detection and classification. In fact, shadow presence from video sequences causes detection failures of results or mistakes in interpretation. In this contribution, we present an automatic system to deal with shadow elimination based on extracting the vector size of the movement and detection of occlusion management with the Fourier series approach because of the position and orientation of the camera, speed magnitude and visual tracking of crowd scenes, and mathematical morphology of discrete data in a non-linear approach. The model consists of distinctive real objects from fused data and crowded scene caused by shades, which often has consequence such as the failure counting and grading of vehicle and people, while dealing with traditional methods. As we reveal, our technique is principally appropriate for UMN and PETS data to eliminate shadow nuisance and detection occlusion with quite good performance. For classification, we use two classes in each image, for each category of events detected by fuzzy logic. Although this comes down to easy system modeling, as it relates to the use of fuzzy rules. The provided results advocate in favor of our method in terms of effectiveness and precision. Indeed, the proposed approach provides the ability to segment more specific objects, such as people and vehicles in real-time space. The results were compared to other methods, namely Covariance Matrices for Crowd Behavior, Social Force Method, and Ground Truth Technique.
  • Thumbnail Image
    Item
    Strategy of detecting abnormal behaviors by fuzzy logic
    (IEEE, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, Mohamed
    This work falls within the framework of the video surveillance research axis. This work falls within the scope of video surveillance. It involves a link between automatic processing and problems related to video surveillance. The job is to analyze video streams coming from a network of surveillance cameras, deployed in an area of interest in order to detect abnormal behavior. Our approach in this article relies on the new application and the use of fuzzy logic in the case of division and fusion of the crowd. The detection of these behaviors will increase the speed of response of the security services in order to perform accurate analysis and detection of events in real time
  • No Thumbnail Available
    Item
    Strategy of detections abnormal behavior by fuzzy logic
    (IEEE, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, Mohamed
  • Thumbnail Image
    Item
    Visual analysis and reconition of crowd behavior by principal componenet analysis
    (laboratoire of signals and systems, 2016) Chebi, Hocine; Acheli, Dalila; Kesraoui, Mohamed