Afficher la notice abrégée
dc.contributor.author |
Kirat, mohamed |
|
dc.contributor.author |
Kaouche, Mohammed lamine |
|
dc.contributor.author |
Taffar, Mokhtar(encadreur) |
|
dc.date.accessioned |
2020-10-22T09:47:09Z |
|
dc.date.available |
2020-10-22T09:47:09Z |
|
dc.date.issued |
2018 |
|
dc.identifier.uri |
http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/2055 |
|
dc.description.abstract |
Les recherches récentes en vision par ordinateur et analyse d'images, en particulier, celles liées à la vidéosurveillance, ont de plus en plus porté sur la construction systèmes de détection et suivi des objets en mouvement , le tracer de leur trajectoire et la classification de l'apparence de ces objets permettant leur reconnaissance.les modèles d'arrière plan et de suivi sont devenus des composants critiques pour de nombreuses applications de vision pour l'analyse automatique des scènes.typiquement , les méthodes de modélisation de l'arrière plan et les techniques le suivi des objets sont mutuellement indépendants dans plusieurs approches de vision . dans ce mémoire, nous adoptons une méthode de suivi d'objets en mouvement basée codebook ou en premier un modèle fond est construit. ensuite, à partir de ce modèle de fond, les objets sont détectés et caractérisés avec les traits SIFT. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Universite de jijel |
fr_FR |
dc.relation.ispartofseries |
;Inf.IA.05/18 |
|
dc.subject |
Modèle codebook , détection des objets, descripteurs locaux, SIFT, SURF |
fr_FR |
dc.title |
Une Approche combinant codebook basé SIFT et apprentissage profond pour la détection , le suivi et la reconnaissance des objets dans une vidéo |
fr_FR |
dc.type |
Thesis |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée