AEIS: An Enhanced Approach for Extracting Useful Objects in Image Streams
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
المصطلح عنقدة البيانات المستمرة يشير الى عملية توزيع مستمرة للبيانات الجديدة والمتولدة بشكل مستمر الى مجاميع قابلة للتغيير بشكل مستمر لتمكين عملية التحليل المتزامنة للانماط الجديدة. على اية حال، توجه البحوث في مجال خوارزميات العنقدة الى وقتنا هذا متركزة على تحديث هذه الخوارزميات والتي تعمل مع البيانات الثابتة الى بيئة البيانات المستمرة او تطوير خوارزميات البيانات المستمرة. هذا البحث يقدم خوارزمية تجميع جديدة تدعى AEIS والتي تميز التواجدات الثابتة في الطور المباشر وكذلك تميز العناقيد في الطور غير المباشر للصور المستمرة. في هذا البحث، تم تقديم طريقة جديدة لايجاد وتحديد التواجدات المتمثلة بالصور المرسلة من المصدر سواء اكان كامرا او متحسس. التواجدات المستمرة هي تلك التواجدات التي من الممكن ان يتم فصلها عن خلفية الصورة المرسلة وتبقى بدون تغيير لفترة طويلة. استخلاص التواجدات الثابتة من الصور المرسلة له اهمية كبيرة في عملية اكتشاف بعض الاشياء المبهمة مثلا مراقبة الحقائب المشبوهه في المطارات والاماكن العامة، متابعة المركبات والصواريخ المرسلة الى الفضاء،متابعة حضائر الحيوانات، وتحليل الموجات المنعكسة من اعماق البحار والمحيطات. الخوارزمية المقترحة تعتمد على تحديد مناطق في الصورة المرسلة بتحديد البكسل التابعة لها ومقارنتها مع ظهور/اختفاء التواجدات. تقوم الخوارزمية في المرحلة الاولى بتحديد مجموعة البكسل التي تعود للتواجدات واختبارها باستخدام نموذج النظام. بعد ذلك، المجاميع من البكسل المميزة باللون الاسود يتم استخلاصها من الصورة. هذه هي طريقة استخلاص وتحديد التواجدات الثابتة. نتائج الخوارزمية المقترحة من الممكن ان يتم تحليلها باستخدام المصنفات، مختلف التواجدات المحددة عن بقية التواجدات، ونظام تحديد القرار لاكتشاف الاشياء غير المتوقعة. التركيز الرئيسي لهذا البحث هو على خوارزميات استخلاص المناطق المميزة من الصورة. على اية حال، الهيكل الكامل لاكتشاف التواجدات غير المتوقعة كذلك تم تقديمه في سبيل ان اكتشاف صحيح وحقيقي للاحداث. هذه الخوارزمية تم فحصها على بيانات افتراضية لغرض معرفة مدى فاعليتها. النتائج النهائية للتجارب وثقت فاعلية وفائدة الخوارزمية المقترحة ومدى فرقها عن سابقاتها