TY  - BOOK
AU  - Ahmed Mohamed Abdel Tawab Hamed, 
AU  - Serag E. D. Habib
AU  - Mohamed Bakr Abdelhalim
TI  - MOVING OBJECT TRACKING USING WIRELESS VISUAL SENSOR NETWORKS
U1  - 621.382 21
PY  - 2023///
KW  - Wireless sensor networks
KW  - Multi Object tracking
KW  - Wireless Visual Sensor Networks
KW  - distributed data association
KW  - real time data processing
N1  - Thesis (Ph.D)-Cairo University, 2023; Bibliography: pages 150-167.; Issues also as CD
N2  - A moving object tracking system using WVSN is introduced. In the detection phase, the SDMBS method is based on the Partial-DCT (PDCT) to reduce processing and transmission energy. It also uses a Dual-Mode Single Gaussian Model (DM-SGM) for accurate detection of moving objects. For the tracking phase, Transfer Incremental Learning Multi Camera Tracking (TILMCT) is developed. It is based on a 3D-DCT compact incremental learning representation of the detected object. The best weak classifiers from neighboring sources are combined with feedback from global estimation to improve local tracking; هذه الاطروحة تقدم نظامين لكشف وتتبع للأجسام المتحركة  بواسطة شبكات الاستشعار البصرية اللاسلكية (WVSN). في مرحلة الكشف، نقدم خوارزم الطرح الخلفي الطيفي ثنائي الوضع (SDMBS). تعتمد طريقة SDMBS على تحويل جيب التمام المنفصل الجزئي (PDCT) لتقليل طاقة المعالجة ونقل البيانات. كما أنها تستخدم نموذج  جاوس أحادي ذى وضعين  (DM-GSM)  للكشف الدقيق عن الأجسام المتحركة. بالنسبة لمرحلة التتبع، نقدم خوارزم التعلم بالنقل التزايدي لتتبع الكاميرات المتعددة (TILMCT). يعتمد TILMCT على تمثيل تعليمي تزايدي مضغوط ثلاثي الأبعاد للهدف المكتشف. يتم إجراء التحسين الموزع على قياسات الهدف المجمعة من كاميرات مختلفة لتقدير مساره الكلي. يتم الجمع بين أفضل المصنفات الضعيفة من الكاميرات المجاورة مع التغذية المرتدة من التقدير الكلي لتحسين التتبع المحلي
UR  - http://172.23.153.220/th.pdf
ER  -