Publications Scientifiques
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/10
Browse
9 results
Search Results
Item Strategy of detecting abnormal behaviors by fuzzy logic(IEEE, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, MohamedThis 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 timeItem Intelligent detection without modeling of behavior unusual by fuzzy logic(Springer, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, MohamedItem Strategy of detections abnormal behavior by fuzzy logic(IEEE, 2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, MohamedItem Visual analysis and reconition of crowd behavior by principal componenet analysis(laboratoire of signals and systems, 2016) Chebi, Hocine; Acheli, Dalila; Kesraoui, MohamedItem Detection method without crowd behavior modeling by fuzzy logic(2017) Chebi, Hocine; Acheli, Dalila; Kesraoui, MohamedItem 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’occlusionsItem Analysis of the human behavior from video with covariance matrix(2016) Chebi, Hocine; Acheli, DalilaItem Extraction de motif de mouvement de la foule par le flot optique(2015) Chebi, Hocine; Acheli, DalilaDans 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.Item Dynamic detection of anomalies in crowd's behavior analysis(IEEE, 2015) Chebi, Hocine; Acheli, DalilaThe 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.