نوقشت رسالة الماجستير للطالبة (سارة أياد ربيع) من قسم هندسة الميكاترونكس صباح يوم الأحد الموافق23/2/2025 في قاعة الخوارزمي المركزية في الكلية وكانت اللجنة برئاسة أ.د. علي حسين مري من كلية الهندسة الخوارزمي/ قسم هندسة الميكاترونكس وعضوية أ.م.د. قصي سالم توفيق من الجامعة التكنولوجية / قسم هندسة الاتصالات وم.د.احمد رحمن جاسم من كلية الهندسة الخوارزمي / قسم هندسة الميكاترونكس وبأشراف أ.م.د. يعرب عمر ناجي من كلية الهندسة الخوارزمي / قسم هندسة الميكاترونكس ، وبعد الاستماع اللجنة الى الطالبة أعلن رئيس اللجنة الدرجة التي حصلت عليها الباحثة والتي كانت بدرجة ( جيد جدا ). وذلك لتقديم بحثها الذي كانت الخلاصة منه.
تتناول هذه الرسالة تطوير نظام مراقبة متعدد الكاميرات للتنبؤ بأعمال العنف في الوقت الفعلي باستخدام تقنيات التعلم العميق. يعتمد النظام على الشبكات العصبية الالتفافية (CNN) والشبكات العصبية المتكررة (RNN) بالاقتران مع آلات متجه الدعم (SVM)، بالإضافة إلى استخدام تصحيح جاما كأداة للمعالجة المسبقة لتحسين جودة الإطارات المستخرجة من مقاطع الفيديو. تم اختبار النموذج المقترح على مجموعتي بيانات وهما: مجموعة بيانات مباريات الهوكي (Hockey) ومجموعة مواقف العنف الواقعية (RLV). أظهرت النتائج تفوق النموذج الهجين CNN-SVM بتحقيق دقة تصل إلى 99% على مجموعة RLV، بينما حقق النموذج RNN-SVM دقة 96% عند اختباره على مجموعة بيانات الهوكي. تؤكد هذه النتائج أهمية دمج المعلومات الزمنية والمكانية في النماذج المستخدمة للتنبؤ بالعنف، بالإضافة إلى دور تصحيح گاما في تحسين تمثيل الميزات. يُظهر البحث كفاءة النموذج المقترح في تطبيقات المراقبة الفعلية، مما يجعله مناسبًا للأنظمة الأمنية الحديثة التي تتطلب استجابة سريعة ودقيقة لحالات العنف المحتملة.) حيث تضمنت هذه الرسالة عدة مخرجات ومنها (ثلاثة بحوث حيث تم قبول أحدها للنشر في مجلة كلية الهندسة – الخوارزمي، كما تم قبول البحث الثاني للنشر في مجلة Journal of Advanced Research in Applied Sciences and Engineering Technology ، المصنفة ضمن الربع الثاني (Q2) في مستوعبات سكوبس أما البحث الثالث فقد تم قبوله للنشر في وقائع مؤتمر ضمن مجلة Pertanika Journal of Science and Technology، المصنفة ضمن الربع الثالث (Q3) في مستوعبات سكوبس…
التوصيات:
1. تطوير نظام مراقبة متعدد الكاميرات للتنبؤ بأعمال العنف: اعتمادًا على تقنيات التعلم العميق باستخدام نماذج هجينة تجمع بين الشبكات العصبية الالتفافية (CNN) والشبكات العصبية المتكررة (RNN) مع آلات متجه الدعم (SVM). ..
2. توظيف تقنية تصحيح جاما (Gamma Correction): كأداة للمعالجة المسبقة لتحسين جودة الإطارات المستخرجة من مقاطع الفيديو، مما ساهم في تحسين دقة استخراج الميزات. .
3. تقديم نموذجين هجينيين مبتكرين: النموذج الأول (CNN-SVM): الذي حقق دقة بنسبة 99% على مجموعة بيانات مواقف العنف الواقعية (RLV). النموذج الثاني (RNN-SVM): الذي أظهر دقة بنسبة 96% على مجموعة بيانات مباريات الهوكي (Hockey) ..
4. تحقيق نتائج متفوقة على مجموعتي بيانات مختلفتين: مما يؤكد كفاءة النموذج المقترح في التعامل مع سيناريوهات مختلفة من الفيديوهات العنيفة الواقعية.
5. إثبات كفاءة النموذج في تطبيقات المراقبة الفعلية: مما يجعله مناسبًا للاستخدام في ا
