research centers


Search results: Found 7

Listing 1 - 7 of 7
Sort by

Article
Construction of a Robust Background Model for Moving Object Detection in Video Sequence

Author: Abdulamir A. Karim
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 2B Pages: 969-979
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract


Article
Anomalous Behavior Detection Based on Geometrical Complex Moments in Crowd Scenes

Author: Abdulamir A. Karim
Journal: Al-Mustansiriyah Journal of Science مجلة علوم المستنصرية ISSN: 1814635X Year: 2017 Volume: 28 Issue: 3 Pages: 174-186
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

In this research work a data stream clustering method done by extracting regions of interest from the frames of video clips (UCSD pedestrian dataset (ped1 and ped2 datasets) video clips, and VIRAT VIDEO dataset video clips). In extraction process, the HARRIS or FAST detector applied on the frames of video clips to extract list of pairs of interest points. From these pairs a list of features such as: distance, direction, x-coordinate, y-coordinate obtained to use as an input to the clustering method based on seed based region-growing technique. From these clusters, a regions of interest extracted according the pairs coordinates of each cluster. Finally, from these regions a set of geometrical complex moments obtained and then used in anomaly detection system. The results indicated that using HARRIS detector achieved detection rates are 7.88%, 51.30%, and 56.67% with false alarms are 19.39%, 32.61%, and 60 % by using Ped1, Ped2, and VIRAT datasets respectively. For the case of using FAST detector, the best detection rates are 6.67%, 44.78%, 53.33% with false alarm rates are 33.33%, 41.74%, 70% by using the datasets respectively


Article
A Proposed Background Modeling Algorithm for Moving Object Detection Using Statistical Measures
خوارزمية نمذجة خلفية مقترحة لكشف الأجسام المتحركة بأستخدام المقاييس الأحصائية

Author: Abdulamir A. Karim عبدالأميرعبدالله كريم
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 3A Pages: 1282-1289
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Extracting moving object from video sequence is one of the most important steps in the video-based analysis. Background subtraction is the most commonly used moving object detection methods in video, in which the extracted object will be feed to a higher-level process ( i.e. object localization, object tracking ). The main requirement of background subtraction method is to construct a stationary background model and then to compare every new coming frame with it in order to detect the moving object. Relied on the supposition that the background occurs with the higher appearance frequency, a proposed background reconstruction algorithm has been presented based on pixel intensity classification ( PIC ) approach. First, pixel intensity in a predetermined time period has been classified according to a proposed clustering method, second, pixels frequency of those clusters has been calculated, finally, the center of the cluster with the higher pixel frequency has been chosen as the background pixel intensity value. The efficiency and effectiveness of the proposed algorithm has been confirmed through comparing its results with those of the most common traditional methods, besides , the results of the proposed algorithm in a number of testing environment which are traffic monitoring and pedestrian surveillance shows that the proposed algorithm can save space and economize computation time and give good accuracy.

ان استخلاص الأجسام المتحركة من الفيديو تعد واحدة من اهم الخطوات في تحليل الفديو. تعتبر عملية طرح الخلفية من اكثر طرق الكشف عن الأجسام المتحركة شيوعا في الفديو، حيث يتم تغذية الجسم المستخلص الى عمليات ذات مستوى اعلى ( اي تحديد موقع الجسم وتتبع الجسم ). المتطلب الرئيسي لطريقة طرح الخلفية هو بناء نموذج خلفية ثابت ومن ثم مقارنة كل اطار frame جديد بذلك النموذج من اجل الكشف عن الأجسام المتحركة. اعتمادا على فرضية ان بكسل Pixels الخلفية تظهر بأعلى تردد ظهور , تم اقتراح خوارزمية جديدة لأعادة بناء الخلفية بالأستناد الى نهج تصنيف كثافة البكسل اولا. تم تصنيف البكسل في فترة زمنية محددة مسبقا وفقا لطريقة عنقدة clustering مقترحة ، ثانيا. تم حساب تردد البكسل لتلك العناقيد ، واخيرا. تم تحديد مركز العنقود ذا تردد البكسل الأعلى واعتماده كقيمة لبكسل الخلفية. تم التحقق من فاعلية وكفاءة الخوارزمية المقترحة من خلال مقارنة نتائجها مع نتائج الطرق التقليدية الأكثر شيوعا. فضلا عن ذلك ، فأن نتائج الخوارزمية المقترحة في عدد من بيئة الأختبار ( مراقبة حركة المرور و مراقبة المشاة ) أظهرت ان الخوارزمية المقترحة يمكن ان توفر في المساحة الخزنية وان تقتصد في وقت الحساب وانها تعطي دقة جيدة.


Article
Non linear Vibration Analysis of liquid Storage Tank

Authors: Abdulamir A. Karim --- Thamer hussein amer
Journal: University of Thi-Qar Journal for Engineering Sciences مجلة جامعة ذي قار للعلوم الهندسية ISSN: 26645564/26645572 Year: 2014 Volume: 5 Issue: 1 Pages: 85-100
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

This study presents an idealization scheme for the analysis of rectangular storage tanks acted upon by earthquake excitations. Above and below ground tank, are considered. A linear three-dimensional finite element analysis is adopted to predict the natural frequencies. The analysis parameters are the ratio of height to length of the tank, the type of soil, level of water in the tank, and also the wall thickness. Tanks made from steel as well as from concrete are investigated. A general purpose finite element program (ANSYS 12.0) used to model the analysed system. The tank base and wall are modelled by plane strain shell elements. The contained liquid is represented by a special solid element. Finally, the soil is modelled by simple spring-damper elements. The soil medium is idealized by the elastic half space model, that is, linear springs are assumed to represent the structure-soil interface. Which is then modelled by two-node spring dashpot elements. Forced vibration analysis is conducted on above ground and buried concrete tank. This analysis is carried out by applying the records of the North-South component of the 1940 El Centro earthquake with peak acceleration of 0.32g. It is found that the bending stresses in above ground concrete tank is (74.167) % greater than the stresses in buried tank with the same dimensions.


Article
Abnormality Detection using K-means Data Stream Clustering Algorithm in Intelligent Surveillance System

Loading...
Loading...
Abstract

In this research work a k-Means clustering technique utilized in a new data stream clustering method used in abnormal detection system. This system implies the use of a set of features (such as: distance, direction, x-coordinate, y-coordinate) extracted from set of pairs of interest point that obtained using HARRIS or FAST detector from the frames of video clips in two publically available datasets, the first UCSD pedestrian dataset (ped1 and ped2 datasets), and the second VIRAT video dataset. The results indicated that using HARRIS detector achieved detection rate 1% with 6% false alarms by using UCSD (Ped1) dataset, 10.75% detection Rate with 10% false alarm rate by using UCSD (Ped2) dataset, and 5% detection rate with 40% false alarms by using VIRAT dataset. While for FAST detector, the achieved detection rates are 0.5%, 10.75%, and 4.08% while the false alarm rates are 5%, 10.50%, and 45.92% by using UCSD (Ped1), UCSD (Ped2), and VIRAT datasets respectively.

في هذا البحث استخدمت طريقة جديدة لعنقدة دفق البيانات موظفا فيها تقنية الـ (K-Means clustering) لانجاز نظام تمييز الحالات غير الطبيعية. استخدم هذا النظام مجموعة من الخصائص (مثل: المسافة والاتجاة واحداثيات المحور والسيني والصادي) المستخلصة من مجموعة ازواج نقاط الاهتمام باستخدام (HARRIS detectors) او الـ FAST detectors) على الـ (frames) التي تم الحصول عليها من مجاميع بيانات عالمية وهي (UCSD pedestrian) وتتكون من قاعدتين(ped1) و(ped2) واما الثانية فهي (VIRAT). اشارت النتائج الى ان استخدام الـ (HARRIS detectors) تم انجاز نسبة التمييز 1% مع نسبة خطأ بالتمييز 6% باستخدام (Ped1)، و 10,75% نسبة تمييز مع نسبة خطأ 10% باستخدام (Ped2)، اما عند استخدام (VIRAT) فأن نسبة التمييز كانت 5% مع 40% نسبة خطأ بالتمييز. استخدام الـ (FAST detectors)، كانت نسبة التمييز (0,5%، 10,75%، 4.08%) مع نسبة خطأ في التمييز (5 % ،10,50%، 45,92%) باستخدام الـ Ped1، Ped2، VIRAT وعلى التتابع.


Article
A Proposed Data Stream Clustering Method for Detecting Anomaly Events in Crowd Scene Surveillance videos
طريقة جديدة لعنقدة دفق البيانات لتمييز الحالات الشاذة للمشاهد المزدحمة في فديوات المراقبة

Authors: Abdulamir A. Karim عبد الأمير عبد الله كريم --- Narjis Mezaal Shati نرجس مزعل شاتي
Journal: Diyala Journal For Pure Science مجلة ديالى للعلوم الصرفة ISSN: 83732222 25189255 Year: 2017 Volume: 13 Issue: 4 - part 1 Pages: 126-136
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

In this research, a new data stream clustering method utilizing seed based region growing technique is implemented to perform abnormal event detection in anomaly detection system in a new data stream clustering method used in abnormal detection system. This is done by applying HARRIS or FAST detectors on the frames of video clips in two publically available datasets. The first UCSD pedestrian dataset (ped1 and ped2 datasets), and the second VIRAT video dataset system to extract list of pairs of interest points. From these pairs a list of features such as: distance, direction, x-coordinate, y-coordinate obtained to use as an input to the new clustering method. This method in using HARRIS detector achieves detection rates about (9.09%, 52.17%, 61.67%), and the false alarm rates are (18.79%, 36.09%, 66.67%) by using Ped1, Ped2, and VIRAT datasets respectively. For the case of using FAST detector, the best- achieved detection rates are (7.88%, 46.09%, 58.33%), and the false alarms are (21.21%, 40.87%, 63.33%) by using the three previously mentioned benchmarks respectively.

في هذا البحث نفذت طريقة مقترحة في عنقدة دفق البيانات موظفا فيها تقنية الـ (seed base region growing) لانجاز مهمة تمييز الحالات الشاذة في نظام كشف الحالات الشاذة وهذا يتم بتطبيق (HARRIS detectors) او الـ FAST detectors) على الـ (frames) التي تم الحصول عليها من فديوات الـ (datasets) المعروفة عالميا وهي (UCSD pedestrian) وتتكون من قاعدتين(ped1) و(ped2) واما الثانية فهي (VIRAT). ومن هذه الـ (frames) يتم الحصول على مجموعة من ازواج نقاط الاهتمام. ومن هذه النقاط يتم الحصول على مجموعه من الـخصائص مثل المسافة والاتجاة واحداثيات المحور والسيني والصادي وذلك لإدخالها كمدخل لطريقة العنقدة الجديدة. عند استخدام الـ (HARRIS detectors) بهذه الطريقة كانت نسبة التمييز (9,09%، 52,17%، 61,67%)، ونسبة الخطأ في التمييز (18,79%، 36,09%، 66,67%) باستخدام فديوات الـ Ped1، Ped2، VIRAT وعلى التتابع. أما في حالة استخدام الـ (FAST detectors) فأن افضل نسبة تمييز كانت (7,88%، 46,09%، 58.33%) ونسبة الخطأ في التمييز كانت (21,21 % ،40,87%، 63,33%) في الـ (benchmarks datasets) المذكورة سابقا.


Article
Smart Moving Vehicle Counting
الحساب الذكي للمركبات المتحركة

Authors: Abdulamir A. Karim عبدالأميرعبدالله كريم --- Shatha Talib Rasheed شذى طالب رشيد
Journal: AL-MANSOUR JOURNAL مجلة المنصور ISSN: 18196489 Year: 2018 Issue: 30 Pages: 33-56
Publisher: Private Mansour college كلية المنصور الاهلية

Loading...
Loading...
Abstract

The moving vehicle detection and counting in video is a substantial field of computer vision. In traffic observation, the number of vehicles detected might be used to survey or control the traffic signal, therefore several counting methods have been suggested. The proposed system used static camera to capture AVI video format, several main steps that applied to detecting and counting the moving vehicle in the input video. This steps are: frames extraction, frames preprocessing, features extraction, vehicle detection and vehicle counting in one side road and in two side road. The experiments showed reliable and efficient results of the moving vehicles in any traffic sense within 99.25% accuracy of one side road counting processes and within 95.23% accuracy of two side road processes.

حساب وتحديد المركبات المتحركة في الفديو يعتبر حقلا اساسيا في الرؤيا الحاسوبية, وفي مراقبة حركة المرور، يمكن استخدام عدد المركبات التي تم تحديدها لكشف إشارة المرور أو التحكم فيها, لذلك العديد من نظريات الحساب تم اقتراحها. النظام المقترح استخدم كاميرا ثابته لأستخلاص فديو بصيغة ,AVIللنظام المقترخ خطوات رئيسية قابلة للتطبيق على الكشف والحساب والتصنيف فيما يخص المركبة المتحركة في الفيديو المدخل. هذه الخطوات هي: استخلاص الاطارات, معالجتها, استخلاص الميزات, تحديد وحساب المركبات في جانب واحد و في جانبين. ولقد أظهرت التجارب نتائج حساب موثوقة و فعالة فيما يخص المركبات المتحركة تحت أي وعي مروري بدقة قدرها 99.25% من خلال عملية حساب على جانب واحد، و 99,23% في عملية حساب على جانبين.

Listing 1 - 7 of 7
Sort by
Narrow your search

Resource type

article (7)


Language

English (6)

Arabic and English (1)


Year
From To Submit

2018 (2)

2017 (4)

2014 (1)