البيانات الاساسيه

السيره الذاتيه

Heba Hamdy Ali Hussien
10 Abd El Azez Talat Harb St. beside Ahly Club– 6th Zone
Naser City, Cairo, Egypt. Cairo, Egypt 11231
E-Mail: heba.h.ali@fcis.bsu.ed
Mobile: (20)10 010 29374
Objective:
Seeking a position as Teaching Assistant.
Work Experience
Jul 2013 - Present [Beni-Suef University in Egypt]:
 Position: Lecturer Assistant (full-Time).
 Department: Multimedia.
 Teaching:
- Discrete Math, Introduction to Computers, Computer Programming.
- Multimedia ,Web programming
- Image Processing, Computer Vision
- Artificial Intelligence (AI), Pattern Recognition
September 2012 – June 2013 [Future University in Egypt]:
 Position: Lecturer Assistant (full-Time).
 Website: Expertwave
 Teaching:
- Discrete Math ,Programming, Software Engineering, E-learning
- Image Processing, Logic Programming, Artificial Intelligence (AI)
- Natural language processing (NLP).
September 2011 - August 2012 [Hubspot]:
 Position: Freelancer UI developer.
 Job role:
- Development websites using CSS, HTML, JQuery, JavaScript.
September 2010- August 2011 [Expert Wave]:
 Position: Software Engineering Trainer in Expertwave Company.
 Website: www.expertwave.com
 Job role: Teaching courses:
- Unite testing, ISQTP, CSDP/CSDP
- Material preparer:
September 2004 - Dec 2010 [High Institute of Computer Science and Information
system-New Cairo]:
 Position: Teacher Assistant
 Job role:
- Distributed Systems, Programming C/C++/C#, Advanced Visual Basic
- Graphics, Data Structure, Database Concepts and Database management
system, Advanced Operating Systems
- Graduation Project Supervision

عنوان رسالة الماجستير

إطار للتتبع إشارات اليد المتغيرة

ملخص رسالة الماجستير

إشارات اليد المختلفه تستخدم كحلقه تمكن الصم من التواصل مع بعضهم البعض خلال حياتهم اليومية. لغة الإشارة هي لغة خاصه للصم تستخدم فيه الإشارات عوضا عن استخدام الصوت. هذه اللغه تستخدم إشارات مختلفة ثابتة و متحركة منقولة بصريا وكما انها تستخدم شكل اليدين وحركة الأصابع .فانها ايضا تستخدم الذراعين وأنماط الشفاه و حركات الجسم وتعبيرات الوجه للتعبير عن أفكار المتحدث. فى الاوانة الاخيرة لاقت لغة الإشارة العربية أهتماما كبيرا ساعد على ظهور بعض المحاولات الجادة لتطوير أنظمة التعرف على لغة الصم للتفاعل مع باقى المجتمع. هذه الرسالة البحثيه تقدم نظام الى للتعرف على لغة الإشارة العربية (ArSL) على أساس نماذج ماركوف المخفية (HMMs). هذا وقد أستخدم مجموعة كبيرة من العينات تصل الى 360 مقطع فيديو للتعرف على 20 كلمة فقط من لغة الإشارة العربية الموحدة. النظام المقترح هو نظم مبنى على عدم الاعتماد على شخص. التي اتخذت للصم في ملابس مختلفة وألوان البشرة المختلفة. نظامنا يحقق معدل التعرف الشامل تصل إلى 91,39%.

عنوان رسالة الدكتوراه

التعرف على الأنشطة البشرية اعتمادًا على الصور ذات العمق

ملخص رسالة الدكتوراه

التعرف علي النشاط البشري هو مجال هام من مجالات أبحاث الرؤية بالحاسب. هدف التعرف على الانشطه البشريه هو تحليل الأنشطة الجارية تلقائيا من شريط فيديو غير معلوم محتواه أو مجموعه من الصورالمتتابعه. القدرة على التعرف على الأنشطة البشرية من أشرطة الفيديو هى مهمة معقدة والتى تمكن بناء العديد من التطبيقات الهامة بواسطتها .كأنظمة المراقبة الآلية في الأماكن العامة مثل المطارات ومحطات مترو الانفاق تتطلب الكشف عن الأنشطة غير طبيعية والمشبوهة، بدلا من الأنشطة العادية. على سبيل المثال، يجب أن يكون نظام المراقبة المطار قادرا على التعرف على الأنشطة المشبوهة تلقائيا مثل "شخص يترك كيس" أو "شخص وضع حقيبه في صندوق القمامة". التعرف على الأنشطة البشرية أيضا تمكن من مراقبة المرضى، والأطفال، وكبار السن. مقارنة بالبيانات البصرية، توفر الصور ذات العمق بيانات قياسه هندسية ، بدلا من قياسات اسقاطيه، وهذه القياسات ثابتة لا تتاثربالإضاءة. ومع ذلك، فتصميم انظمة التعرف علي الانشطة المعتمد على خرائط العمق بفعالية وكفاءة هي مهمة صعبة. فقد تحتوي الصورذات عمق على انسدادات خطيرة، التي تجعل من الكثير من الملامح العامه غير مستقرة. هذه الرسالة البحثية تقدم نظام للتعرف على الأنشطة البشرية فى الوقت الحالى واعتمادا على قاعدة بيانات معروفه باستخدام أجهزة الاستشعار المعروفه باسم "Kinect" . تم استخدام خوارزميات معروفه باسم " Support Vector Machine و k-Nearest Neighbor " للتعرف على الأنشطة البشريه . حقق النظام المقترح نسبة دقة نجاح 94.63٪ باستخدام مجموعة من قواعد بيانات المعروفه باسم "MSR-action" و 95٪ في الاختبار المباشر( الوقت الحالى). كما قد تم إنشاء منهجيه مدمجه للصفات المميزه للتعرف على الأنشطة لاستخراج الميزات المكانية والزمانية من تسلسل الصور ذات العمق. تم استخدام خوارزميات Support Vector Machine و k-Nearest Neighbor و L2-Collaborative Representation Classifier للتعرف على الأنشطة البشريه. ومن ثم أستخدام نوعان من قواعد البيانات المعروفة MSR Action3D, MSR Gesture3D وأظهرت نتائج التقييم أن النظام المقترح تفوق على الطريق السابقه . أثبتت نتائج تقييم البيانات أحصائية المستنبطه من "HOG" المستخرج من الخرائط الحركة لتصنيف الأنشطة البشرية باستخدام “L2-Collaborative Representation Classifier” أن النظام المقترح لديه قادرة فائقة للتعرف على النشاط البشري بنسبة 97.93٪ و 95.97٪ لقاعدة بيانات Action3D، لقاعدة بيانات Gesture3D.