CLUSTERING MULTIPLE MOVING OBJECTS BASED ON THEIR TRAJECTORIES USING A GRAPH MINING ALGORITHM

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Computer vision is one of the important scientific fields in the modern era because the video elements contain rich and important information. Hence, knowledge and data can be obtained to refer to a huge amount of useful information. The process of distinguishing and separating only the discovered information is one of the complex and well-known problems. The problem of classification and clustering of moving objects in video data is also a complex task that requires mechanisms, operations, as well as algorithms for the purpose of solving it and obtaining distinct results as possible. In this dissertation, a system is proposed for the purpose of clustering moving objects based on their behavior using a graph mining algorithm. A new algorithm is proposed for the purpose of mining the large data that are represented using a graph. Moreover, another algorithm is proposed for the purpose of data reduction and extracting the important data only. Some of the algorithms used in the proposed system have also been adapted in order to increase their performance. The proposed system firstly splits the video input into sequence frames. The second phase is to apply some preprocessing operations to enhance the quality of the frame (still image). The third phase is to apply You Only Look Once (YOLO) multiple object detection and Simple Online and Real-Time Tracking with a Deep Association Metric (Deep-SORT) tracking objects to discover and track objects with different classes. The fourth phase is to build a trajectory for each object and apply a new proposed shape normalization algorithm. The fifth phase is to extract features for trajectories and construct a graph for them. The graph data are stored in a graph database. The sixth phase is to apply a new suggested graph mining algorithm to mine the interested data. Finally, fuzzy c-means is applied to cluster data into a different number of groups. The experimental results suggest that the proposed system is robust with high performance. Algorithms used for detection and tracking outperformed the findings of other detecting and tracking algorithms as they achieved high accuracy. Moreover, the proposed normalization algorithm shows that about 50% of unrich points are discarded. Furthermore, the graph mining proposed algorithm showed high performance to extract interested data. In addition, the proposed algorithm for graph mining showed a high performance of more than 95% for extracting important data.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0531645e-5c5f-4b88-bace-4e6e4298eb2b

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

993940_1.pdf

بيانات النشر

ترجمة العنوان

تجميع الكائنات المتحركة المتعددة استنادًا إلى مساراتها باستخدام خوارزمية تنقيب الرسومات

ألقاب المؤلفين

[{"name_ar":"توفيق عبد الخالق عباس عبد الرضا","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"مصطفى أسعد حسن علوان","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

CLUSTERING MULTIPLE MOVING OBJECTS BASED ON THEIR TRAJECTORIES USING A GRAPH MINING ALGORITHM

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

تعتبر الرؤية الحاسوبية من المجالات العلمية المهمة في العصر الحديث لأن عناصر الفيديو تحتوي على معلومات غنية ومهمة يمكن من خلالها الحصول على المعرفة والبيانات للإشارة إلى كمية هائلة من المعلومات المفيدة. تعتبر عملية تمييز وفصل المعلومات المكتشفة فقط من المشاكل المعقدة والمعروفة. تعتبر مشكلة تصنيف وتجميع الأجسام المتحركة في بيانات الفيديو أيضًا مهمة معقدة تتطلب آليات وعمليات وخوارزميات لغرض حلها والحصول على نتائج متميزة قدر الإمكان.في هذه الرسالة، تم اقتراح نظام لغرض تجميع الأجسام المتحركة بناءً على سلوكها باستخدام خوارزمية تعدين الرسم البياني. تم اقتراح خوارزمية جديدة لغرض استخراج البيانات الكبيرة التي يتم تمثيلها باستخدام الرسم البياني. علاوة على ذلك، تم اقتراح خوارزمية لغرض تقليل البيانات واستخراج البيانات المهمة فقط. تم أيضًا تكييف بعض الخوارزميات المستخدمة في النظام المقترح من أجل زيادة أدائها. يقوم النظام المقترح أولاً بتقسيم إدخال الفيديو إلى إطارات متسلسلة. المرحلة الثانية هي تطبيق بعض عمليات المعالجة المسبقة لتحسين جودة الإطار (الصورة الثابتة). المرحلة الثالثة هي تطبيق YOLO للكشف عن كائنات متعددة وكائنات تتبع Deep-SORT لاكتشاف وتتبع الكائنات ذات الفئات المختلفة. المرحلة الرابعة هي بناء مسار لكل كائن وتطبيق خوارزمية تطبيع الشكل الجديدة المقترحة. المرحلة الخامسة هي استخراج ميزات المسارات وإنشاء رسم بياني لها، يتم تخزين بيانات الرسم البياني في قاعدة بيانات الرسم البياني. تتمثل المرحلة السادسة في تطبيق خوارزمية جديدة مقترحة لتعدين الرسم البياني لاستخراج البيانات المهتمة. أخيرًا، يتم تطبيق وسائل c الضبابية على البيانات العنقودية في عدد مختلف من المجموعات. تشير النتائج التجريبية إلى أن النظام المقترح قوي وذو أداء عالٍ. تعد الخوارزميات المستخدمة في الكشف والتتبع هي الأفضل من خلال مقارنتها بخوارزميات الكشف والتتبع الأخرى، ولديها دقة عالية. علاوة على ذلك، تُظهر خوارزمية التطبيع المقترحة أنه يتم تجاهل حوالي 50 ٪ من النقاط غير الغنية. علاوة على ذلك، أظهرت الخوارزمية المقترحة لتعدين الرسم البياني أداءً عاليًا لاستخراج البيانات المهتمة. بالإضافة إلى ذلك، أظهرت الخوارزمية المقترحة لتعدين الرسم البياني أداءً عاليًا بأكثر من 95٪ لاستخراج البيانات المهمة.

كلمات الباحثين

Computer vision, Object detection, Object tracking, Graph mining algorithms, YOLO, Deep-SORT, Fuzzy C-Means, Video analysis, Data reduction, Feature extraction

إشراف وإعداد

الإشراف

توفيق عبد الخالق عباس عبد الرضا

الإعداد

مصطفى أسعد حسن علوان

الاقتباسات الببليوغرافية