DSpace :: Browsing by Author "Nini, Brahim"

Browsing by Author "Nini, Brahim"

Now showing 1 - 6 of 6

Adaptability of computer vision and image processing algorithms to resource-constrained systems
(University of Oum El Bouaghi, 2025) Khelifi, Ramzi; Nini, Brahim
Adapting computer vision and image processing algorithms to resource-constrained systems is essential for enabling their deployment in diverse, real-world applications. Resource- constrained environments, such as embedded systems (ES), often face significant limitations in computational power, memory capacity, and energy availability. Extending hardware to address these limitations is often impractical due to cost and scalability concerns, making adaptability a more feasible and efficient solution. By adapting these algorithms, systems can overcome underlying limitations in physical resources, and power, enabling them to execute tasks effectively. Various domains are increasingly adopting embedded computer vision systems, which play a pivotal role in enabling advanced technologies such as autonomous vehicles and industrial automation. Their cost-effectiveness, compact size, and portability make them particularly well-suited for diverse implementations and operations. In real-time scenarios, these systems must process visual data with minimal latency, which is crucial for immediate decision-making. However, these solutions continue to face significant challenges related to computational efficiency, memory usage, and accuracy. This dissertation addresses these challenges by enhancing classification methodologies, specifically in Gray Level Co-occurrence Matrix (GLCM) feature extraction and Support Vector Machine (SVM) classifiers. To maintain a high level of accuracy while preserving performance, a smaller feature set is selected following a comprehensive complexity analysis and is further refined through Correlation-based Feature Selection (CFS). The proposed method achieves an overall classification accuracy of 84.76% with a feature set reduced by 79.2%, resulting in a 72.45% decrease in processing time, a 50% reduction in storage requirements, and up to a 77.8% decrease in memory demand during prediction. These improvements demonstrate the effectiveness of the proposed approach in improving the adaptability and capabilities of embedded vision systems (EVS), optimising their performance under the constraints of real-time limited-resource environments. L'adaptation des algorithmes de vision par ordinateur et de traitement d'images aux systèmes à ressources limitées est essentielle pour permettre leur déploiement dans diverses applications du monde réel. Les environnements à ressources limitées, tels que les systèmes embarqués, sont souvent confrontés à des limitations importantes en termes de puissance de calcul, de capacité mémoire et de disponibilité énergétique. atendre le matériel pour surmonter ces limitations est souvent impraticable en raison des coûts et des défis de scalabilité, rendant l'adaptabilité une solution plus pratique, viable et efficace. En adaptant ces algorithmes, les systèmes peuvent contourner les limitations sous-jacentes en ressources physiques et en énergie, leur permettant d’exécuter des tâches de manière efficace. Les systèmes de vision embarqués sont de plus en plus adoptés dans divers domaines, jouant un rôle clé dans la mise en luvre de technologies avancées telles que les véhicules autonomes et l’automatisation industrielle. Leur rapport coût- efficacité, leur taille compacte et leur portabilité les rendent particulièrement favorables à des implémentations et des opérations variées. Dans les scénarios en temps réel, ces systèmes doivent traiter les données visuelles avec une latence minimale, une exigence fondamentale pour une prise de décision immédiate. Cependant, ces solutions continuent de faire face à des défis importants liés à l’efficacité computationnelle, à l’utilisation de la mémoire et à la précision. Cette thèse aborde ces défis en améliorant les méthodologies de classification, notamment dans l'extraction de caractéristiques à l'aide de la matrice de cooccurrence des niveaux de gris (Gray Level Co- occurrence Matrix, GLCM) et les classificateurs à vecteurs de support (Support Vector Machine, SVM). Pour maintenir un niveau élevé de précision tout en préservant les performances, un ensemble de caractéristiques réduit est sélectionné à l'issue d'une analyse approfondie de la complexité et ensuite est affiné par une méthode de sélection de caractéristiques basée sur la corrélation (Correlation-based Feature Selection, CFS). La méthode proposée atteint une précision globale de classification de 84,76% avec un ensemble de caractéristiques réduit de 79,2%, entraînant une diminution de 72,45% du temps de traitement, une réduction de 50% des besoins en stockage et une diminution allant jusqu'à 77,8% de la demande en mémoire pendant la phase de prédiction. Ces améliorations démontrent l'efficacité de l'approche proposée pour renforcer l'adaptabilité et les capacités des systèmes de vision embarqués (Embedded Vision Systems, EVS), en optimisant leurs performances sous les contraintes des environnements à ressources limitées soumis aux exigences du temps réel. يعد تكييف خوارزميات الرؤية الحاسوبية وخوارزميات معالجة الصور للتشغيل على الأنظمة محدودة الموارد أمرًا ضروريًا لتمكين نشرها في تطبيقات متنوعة في العالم الحقيقي. غالبًا ما تواجه البيئات المحدودة الموارد مثل الأنظمة المدمجة قيودًا كبيرة في القدرة الحاسوبية وسعة الذاكرة وتوافر الطاقة. وغالبًا ما يكون توسيع نطاق الأجهزة لمعالجة هذه القيود غير عملي بسبب مخاوف تتعلق بالتكلفة وقابلية التوسع، مما يجعل خيار التكييف حلاً أكثر جدوى وفعالية. من خلال تكييف هذه الخوارزميات، يمكن للأنظمة التغلب على القيود المتأصلة في الموارد المادية والطاقة، مما يمكنها من تنفيذ المهام بفعالية. يتم اعتماد أنظمة الرؤية الحاسوبية المدمجة بشكل متزايد في مختلف المجالات، حيث تلعب دوراً محورياً في تمكين التقنيات المتقدمة مثل المركبات ذاتية القيادة والتشغيل الالي الصناعي. كما أنتكلفتها الاقتصادية وحجمها الصغير وقابليتها للنقل تجعلها مناسبة بشكل خاص للتطبيقات والعمليات المتنوعة. في سيناريوهات الوقت الحقيقي، يجب أن تعالج هذه الأنظمة البيانات المرئية بأقل قدر من التأخير في الوصول إلى البيانات، وهو أمر بالغ الأهمية لاتخاذ القرارات الفورية. ومع ذلك، لا تزال هذه الحلول تواجه تحديات كبيرة تتعلق بالكفاءة الحسابية واستخدام الذاكرة والدقة. تعالج الأطروحة هذه التحديات من خلال تعزيز منهجيات التصنيف، وتحديداً في استخراج ميزات مصفوفة التكرار المشترك للمستوى الرمادي (GLCM) ومصنفات آلة دعم المتجهات(SVM). من أجل الابقاء على مستوى عالٍ من الدقة مع الحفاظ على الأداء، يتم اختيار مجموعة ميزات أصغر بعد إجراء تحليل شامل للتعقيد ويتم تنقيحها بشكل أكبر من خلال اختيار الميزات القائمة على الارتباط (CFS) وتحقق الطريقة المقترحة دقة تصنيف إجمالية تبلغ 84.76% مع مجموعة ميزات مخفضة بنسبة 79.2%، مما يؤدي إلى انخفاض بنسبة 72.45% في وقت المعالجة وانخفاض بنسبة 50% في متطلبات التخزين وانخفاض يصل إلى 77.8% في الطلب على الذاكرة أثناء التنبؤ. تُظهر هذه التحسينات فعالية المنهجية المقترحة في تحسين قدرة أنظمة الرؤية المدمجة (EVS) على التكيف وتحسين أدائها في ظل قيود بيئات الوقت الحقيقي محدودة الموارد.
Estimation des mouvements des yeux à base de l'algorithme Haar Cascade
(Univérsité Oum El Bouaghi, 2020) Belkebir, Malak; Nini, Brahim
L'estimation de mouvement des iris est souvent la première étape de nombreuses applications de la vision par ordinateur. Son objectif est de déterminer la position des yeux relativement à des positions de référence. Cela permet de déterminer la position du regard pour faire une action conséquente. Une des applications importantes de ce travail est le contrôle du défilement automatique d'un texte pour un lecteur en suivant le mouvement de ses yeux. De plus, le déplacement du curseur de la souris ainsi que le clic de souris avec le clin des yeux sont d'autres applications de ce travail. L'aspect technique repose sur l'utilisation d'une méthode très connue dont la majorité des applications de détection de visage l'utilisent. Elle est appelée Haar Cascade Algorithm " HCA ", dont nous avons proposé une amélioration afin de réduire la détection " fausse positive ". Ensuite, nous l'avons combiné avec d'autres outils. En l'occurrence, nous avons utilisé la bibliothèque " dlib " qui permet la capture des points caractéristiques de l'œil, et d'autres méthodes pour l'extraction de l'iris et notamment de son centre, telles que " la hiérarchie des contours " et " le centre de chaque pair de points symétriques de contour ". Le travail consiste à déterminer la direction des iris détectés (regard). Afin de simplifier le travail, des positions de référence sont utilisées (formant un " T " dans le visage) relativement auxquelles les positions détectées sont estimées, en utilisant une méthode de calcul dite " la distance moyenne entre deux droites non parallèle ". Enfin, nous avons réussi à atteindre l'objectif principal qui consiste à exploiter le vecteur de mouvement résultant pour construire un système de contrôle de PC à distance sans interférence haptique entre l'utilisateur et l'ordinateur qui suit le déplacement des iris détectés, en temps réel.
Projection based permutation of color images
(IEEE, 2012) Nini, Brahim
The encryption of images is based on two main complementary techniques: permutation and substitution of pixels. The strength of any encryption algorithm depends on the strength of both techniques. This paper presents an algorithm for rows and columns permutation of pixels. It introduces a virtual cylinder surrounding the image through which a virtual viewer looks at the image when rotating around it. The key idea is based on the fact that the line of sight of each pixel to the viewer intersects the cylinder surface at a given point. This point should be the same whatever the position of the viewer is. Therefore, it is used to find out the new pixel’s position corresponding to the original image in a new generated image which is viewed from another position. The new created image has then some pixels which stack up and others which become out. They are then reintroduced in the created holes in the new image. This reinsertion of pixels creates the expected permutation. Based on only two main parts of the key which can be reinforced by others and a substitution technique, the algorithm shows a strength transformation of images for the purpose of their encryption.
Proposition d’une nouvelle approche d’authentification d’humains par un système graphique
(Université de Larbi Ben M'hidi- Oum El Bouaghi, 2022) Ghorab, Chafik; Yahiaoui, Douâa Hafsa; Nini, Brahim
La protection des sites web contre les attaques numériques a une grande importance car de nos jours il existe plus de machines connectées à internet que de personnes et elles sont plus vulnérables que les humains ; un algorithme peut faire le travail de milliers de personnes. Donc, il faut authentifier les machines les utilisateurs pour éviter les dangers que peuvent entrainer les machines sur un serveur. Parmi les solutions utilisées pour la sécurisation d'accès, il existe les CAPTCHAs classiques mais certains types sont difficilement déchiffrables par l'être humain. C'est pour cela que nous avons proposé une nouvelle approche reposant sur douze techniques de transformation d'image pour étendre le principe des CAPTCHAs afin de renforcer sa sécurité. Cette dernière est basée sur un système graphique qui consiste à prendre une image à partir de laquelle nous délimitons trois portions et appliquons sur eux une ou une combinaison des douze techniques. Ces dernières permettent aux portions de rester lisibles par l'être humain et non inversibles (illisibles) par la machine. La quatrième portion est une image contenant un texte qui subit des transformations géométriques relatif à un nom d'un objet dans l'image. Ce principe est capable d'identifier un être humain d'une machine. Les techniques de transformations ont été testées par le calcul de corrélation et de Matching et le résultat démontre que certaines techniques donnent de meilleurs résultats que d'autres. Nous avons combine plusieurs techniques, afin d'améliorer le résultat et avoir à la fin un système de sécurité plus fiable et plus performant.
Semantic extraction and interpretation of image content
(Université De Larbi Ben M’hidi Oum EL Bouaghi, 2021) Zga, Adel; Nini, Brahim
Nowadays, three challenges of relationship-detection should be considered in order to build a strong model namely; long-tail problem, large intra-class divergence, and the semantic dependency or semantic gap. The aim of content-based image retrieval systems must provide maximum support in bridging the semantic gap between the simplicity of available visual features and the richness of the user semantics. Another issue is the long-tail problem where there is a low infrequent appearance of some objects (i.e. predicates) versus to the high occurrence of others. For that, an adequate scaling is demanded. The third problem that must be solved to build a strong CBIR system is the Intra/inter-class divergence. For the Intra-class divergence, objects (i.e., predicates) are belonging to the same class but can't be represented with the same visual characteristics, whereas the inter-class divergence is where the similar visual descriptors can relate to two objects (i.e., predicates) that are not related to each other. In order to overcome those challenges, we propose three main contributions: 1) an ontological semantic model to filter false negatives/positives using a statistical ranking module. 2) the combination of semantic ontological module and visual relationship module that both takes as input the results of the statistical ranking module and produces as output classification of . 3) a semantic model for the visual relationship module that ranks the prediction of relation classes by transferring the spatial relationship onto a high dimension spatial feature. Finally, we used HCVRD that highlights two important practical problems, the long-tail distribution issue, and the zero-shot problem. The experimental results on the HCVRD dataset demonstrate the superior performance of the proposed approach. De nos jours, trois défis de détection de relation doivent être prises en considération afin de construire un modèle fiable qui sont ; le problème de long-tail, la large divergence intra-classe et la dépendance sémantique ou le trou sémantique. L'objectif des systèmes de recherche basée sur le contenu doit fournir un support maximal pour combler le trou sémantique entre la simplicité des caractéristiques visuelles disponibles et la richesse des sémantiques de l'utilisateur. Un autre problème qui est le long-tail problème où il y a une faible apparition peu fréquente de certains objets (c'est-à-dire les prédicats) versus à l'occurrence élevée des autres. Pour cela, une mise à l'échelle est exigée. Le troisième problème qui doit être résolu pour construire un système CBIR fiable est bien la divergence Intra/inter-classe. Pour la divergence Intra-classe, les objets (c'est-à-dire les prédicats) appartiennent à la même classe mais ils ne peuvent pas être représentés avec les mêmes caractéristiques visuelles, tandis que la divergence inter-classe est celle où les descripteurs visuels similaires peuvent se rapporter à deux objets (c'est-à dire les prédicats) qui ne sont pas liés entre eux. Dans le but de surpasser ces défis, on propose trois principales contributions : 1) un modèle d'ontologie sémantique pour filtrer les faux négatifs/positifs en utilisant un module de classement statistique. 2) la combinaison de module d'ontologie sémantique et le module de relation visuelle qui prennent tous les deux comme entrée les résultats de module de classement statistique et produisent comme sortie la classification de . 3) un modèle sémantique pour le module de relation visuelle qui classifie la prédiction des classes de relation en transférant la relation spatiale sur une caractéristique spatiale de haute dimension. Finalement, nous avons utilisé HCVRD qui montre deux problèmes pratiques très importants, le problème de distribution de longue-tail, et le problème de zero-shot. Les résultats expérimentaux sur la base HCVRD montre la supériorité des performances de notre approche proposée. اليوم في التفسير الدلالي لمحتوى الصور توجد تحديات يجب ان تؤخد بعين الاعتبار وذلك من اجل بناء نموذج قوي وتتمثل هذه التحديات في مشكلة الذيل الطو يل و التباعد الكبير داخل الطبقة والتبعية الدلالية أو الفجوة الدلالية. الهدف من أنظمة البحث عن الصور القائمة على المحتوى هو توفير أقصى قدر من الدعم لسد الفجوة الدلالية بين بساطة الميزات المرئية المتاحة وثراء دلالات المستخدم، مشكلة أخرى هي مشكلة الذيل الطويل حيث يوجد تكرار منخفض لبعض الأشياء (أي المسندات) مقارنة بالظهور المرتفع للآخرين ولهذا التحجيم المناسب مطلوب. الملة قوي هي الاختلاف داخل و بين الطبقات. بالنسبة للاختلاف CBIR الكثاثة التي يجب حلها لبناء نظام داخل الطبقة ، تنتمي الكائنات (أي المسندات) إلى نفس الفئة ولكن لا يمكن تمثيلها بنفس الخصائص المرئية ، في حين أن الاختلاف بين الفئات هو النقطة التي يمكن أن ترتبط فيه الواصفات المرئية المماثلة بكائنين (أي المسندات). من أجل التغلب على هذه التحديات ، نقترح ثلاث مساهمات رئيسية: ١) نموذج دلالي وجودي لتصفية السلبيات / الإيجابيات الكاذبة باستخدام وحدة التصنيف الإحصائي. ٢) الجمع بين الوحدة الأنطولوجية الدلالية ووحدة العلاقات المرئية اللذان يأخذان كمدخلات نتائج وحدة التصنيف الإحصائي وينتجان كمخرجات تصنيف < الإنسان المسند الكائن >. ٣) نموذج دلالي لوحدة العلاقة المرئية يصنف التنبؤ بفئات العلاقة عن الذي يسلط الضوء على HCVRD طر يق نقل العلاقة المكانية إلى خاصية مكانية كبيرة الأبعاد. أخيراً ، استخدمنا اوضحت النتائج التجريبية على .zero − shot ومشكلة long − tail مشكلتين عمليتين مهمتين ، مشكلة توزيع ان الطريقة المقترحة خققت درجة عالية من الدقة HCVRD مجموعة بيانات
Vision- based human activities recognition in supervised or assisted environment
(Université De Larbi Ben M’hidi Oum EL Bouaghi, 2022) Beddiar, Djamila Romaissa; Nini, Brahim
Human Activity Recognition HAR has been a hot research topic in the last decade due to its wide range of applications. Indeed, it has been the basis for implementa- tion of many computer vision applications, home security, video surveillance, and human-computer interaction. We intend by HAR, tools, and systems allowing to detect and recognize actions performed by individuals. With the considerable progress made in sensing technologies, HAR systems shifted from wearable and ambient-based to vision-based. This motivated the researchers to propose a large mass of vision-based solutions. From another perspective, HAR plays an impor- tant role in the health care sector and gets involved in the construction of fall detection systems and many smart home-related systems. Fall detection FD con- sists in identifying the occurrence of falls among other daily life activities. This is essential because falling is one of the most frequent serious health issues encoun- tered by seniors. FD systems are especially used in elderly homes and workplaces to enable elderly isolated populations to live alone for as long as possible, enhance their security and remote assistance. In this thesis, gaps in HAR field and current challenges are identified. This was performed by reviewing the most prominent state-of-the-art techniques, analyzing and evaluating them. Based on the literature review, new algorithms are intro- duced and embedded to explore the multi-modal HAR by combining different modalities that allowed us to highlight the spatial and temporal evolution of the actions. The proposed approach based on deep learning and video representation is quite simple and achieves state-of-the-art results. Afterwards, to address some issues related to FD, we combine human body ge- ometry available at different frames of the video sequence with pose estimation. The proposed approach relies on deep learning architectures and transfer learning to achieve high accuracy while identifying falls from daily life activities and is intended to be used for elderly assistance. Finally, the thesis identifies manda- tory extensions regarding our proposed frameworks for HAR and FD and future research directions. La reconnaissance des actions humaines est devenue un sujet scientifique en pleine effervescence grace à ses divers domaines d’application. Elle est à la base du développement de nombreuses applications d’interaction homme-machine, vision artificielle, sécurité, vidéosurveillance et assistance à domicile. La reconnaissance des actions humaines est l’ensemble des outils et systèmes permettant de détecter et de reconnaitre l’action réalisée par l’individu. L’évolution remarquable qu’ont connu les technologies de détection ces dernières années a influencé de manière directe le développement des systèmes de reconnaissance des activités humaines. Ceci a permis de passer des systèmes à base de contact aux systèmes à base de vision, ce qui a motivé les chercheurs à proposer une grande masse de solutions. Par ailleurs, la reconnaissance des actions humaines joue un rôle primordial dans le secteur de la santé et l’assistance à domicile. Elle est exploitée dans la construc- tion des systèmes de détection de chutes ainsi que d’autres systèmes relatifs aux maisons intelligentes. La détection des chutes consiste à identifier l’occurrence de chutes parmi les différentes actions de vie quotidienne. Ceci est essentiel car la chute est considérée comme l’un des problèmes de santé auxquels les seniors sont fréquemment exposés. Les systèmes de détection de chutes sont particulièrement utilisés dans les maisons et les bureaux des seniors pour leur permettre de vivre independament de façon autonome aussi longtemps que possible, optimiser leur sécurité et améliorer les services d’assistance à distance. A l’issue de notre synthèse de l’état de l’art relatif au domaine de la reconnaissance des actions humaines, il nous a été possible d’identifier les challenges y afférent, d’analyser et d’évaluer les techniques existantes et par conséquent, mettre en avant quelques lacunes de recherche que nous proposons d’étudier dans ce travail. A cet effet, de nouveaux algorithmes sont proposés et sont introduits pour explorer la reconnaissance des actions humaines en combinant différentes modalités de données. Ceci nous a permis également de mettre en évidence la combinaison de l’évolution spatiale et temporelle de l’action. L’approche que nous proposons est basée sur l’apprentissage profond et la représentation de vidéo. Elle est simple et démontre de très bonnes performances. Par ailleurs, pour résoudre quelques problèmes liés à la détection de chutes, nous combinons la géométrie du corps humain, disponible à travers les différentes séquences vidéo, avec l’estimation de poses. L’approche proposée, fondée sur l’apprentissage profond et le transfert d’apprentissage, permet d’atteindre un haut niveau de précision par une meilleure identification des chutes liées à l’exercice des activités quotidiennes. Elle est ainsi destinée à l’assistance des seniors dans leur vie quotidienne. Enfin, cette thèse identifie d’autres perspectives futures de recherche et des extensions triviales aux approches proposées pour la reconnais- sance des actions humaines et des chutes. في العقد الأخير، كان مجال التعرف على النشاط البشري موضوع بحث ساخن بسبب استعمالاته في مجموعة واسعة من التطبيقات. وبالفعل، لقد كان الأساس لتنفيذ العديد من تطبيقات الرؤية الحاسوبية، الأمن المنزلي، المراقبة بالفيديو، او التفاعل بين البشر والحاسوب. نقصد من خلال مجال التعرف على النشاط البشري الأدوات او الأنظمة الملحقة التي تسمح باكتشاف والتعرف على النشاط الذي يقوم به الفرد. مع التقدم الـكبير الذي تم إحرازه في تقنيات الاستشعار، تحولت أنظمة التعرف على النشاط البشري من الأجهزة القابلة للارتداء والمحيطة بالأسناد الى تلك القائمة على مجال الرؤية. هذا ما حفز الباحثين على اقتراح مجموعة كبيرة من الحلول القائمة على مجال الرؤية. من منظور آخر، يلعب مجال التعرف على النشاط البشري دورًا هاما في قطاع الرعاية الصحية، كما أستعمل أيضا في بناء أنظمة الـكشف عن السقوط والعديد من الأنظمة المتعلقة بالمنازل الذكية. يكمن نظام الـكشف عن السقوط من تحديد دقيق لحالة السقوط بين باقي أنشطة الحياة اليومية. يعتبر هذا النظام جد ضروري خاصة أن السقوط هو أحد أكثر المشاكل الصحية الخطيرة التي يواجهها كبار السن. ت ُستخدم أنظمة الـكشف عن السقوط بشكل خاص في دور المسنين وأماكن العمل لمساعدة المسنين المعزولين عن ب ُعد وتعزيز امنهم وتمكينهم من العيش بمفردهم لأطول فترة ممكنة. في هذه الأطروحة، تم تحديد الفجوات في مجال التعرف على النشاط البشري فيما يخص جميع التحديات الحالية. وقد تم إجراء ذلك من خلال مراجعة أبرز البحوث العلمية وأيضا جميع التقنيات الحديثة مع تحليلها وتقييمها. و بناء ً على ما تحصلنا عليه من مراجعتها، تم تقديم خوارزميات جديدة ودمجها لاستكشاف متعدد الوسائط، مجال التعرف على النشاط البشري وذلك من خلال الجمع بين الطرق المختلفة التي سمحت لنا بتسليط الضوء على التطور المكاني والزماني للأنشطة التي يقوم بها الأشخاص. ومن هنا اقترحنا النهج المتبع في هذا البحث والذي هو قائم على استعمال التعلم العميق وتمثيل بالفيديو. الطريقة المقترحة تعتبر بسيطة للغاية وأيضا توصلنا من خلالها الى تحقيق نتائج جيدة. بعد ذلك، ولغرض معالجة بعض المشكلات المتعلقة بأنظمة الـكشف عن السقوط، نقوم بدمج هندسة جسم الإنسان المتوفرة في أوقات مختلفة من تسلسلات الفيديو مع تقدير للوضعية. يعتمد النهج المقترح على معماريات التعلم العميق وأيضا تقنية نقل التعلم وذلك لتحقيق دقة عالية أثناء تحديد السقوط من أنشطة الحياة اليومية الأخرى ويهدف من استخدامه خاصة لمساعدة المسنين. في الأخير، نحدد من خلال البحوث المنجزة في هذه الأطروحة إلى الامتدادات الإلزامية فيما يتعلق بالأطر المقترحة سوآءا ً في مجال التعرف على النشاط البشري، في أنظمة الـكشف عن السقوط، أو اتجاهات البحث المستقبلية.

Browsing by Author "Nini, Brahim"

Results Per Page

Sort Options