CONCLUSION
Dans ce mémoire, nous avons traité de
l'identification des personnes par reconnaissance de visage pour la
sécurité d'une institution bancaire.
Comme nous l'avons vu, nous avions comme problématique
le control des `'personnes étrangers'' (clients) visitant une
institution bancaire par jour, par semaine, par mois,... du faite que leurs
visites peuvent conduire au braquage, escroquerie et espionnage. S'ils ne sont
pas reconnus, aucun suivi ne pourra être fait pour arriver à les
arrêter.
Notre hypothèse avait stipulé que, la mise en
place d'un système de contrôle par caméras de surveillance
et ces dernières assistées par une application de
détection et reconnaissance faciale (des visages) afin que les figures
capturées puissent subir de suivi, serait un moyen efficace pour contrer
ces actes d'espionnage, d'escroquerie et de braquage.
Nous avons commencé par présenter les outils
à utiliser pour nous aider à arriver à nos fins dans le
premier chapitre dont la bibliothèque d'OpenCV ; ensuite nous avons
montré en quoi consiste la reconnaissance faciale (du visage) en
théorie et comment fonctionne-t-elle dans le chapitre deuxième.
Dans le troisième chapitre, nous avons mis en place une
application de reconnaissance faciale pouvant nous aider dans la
sécurité par caméra de surveillance pour les institutions
bancaires de la ville de Bukavu.
D'après nos résultats, nous avons utilisé
la méthode comparative pour comparer les visages déjà
capturés et ceux se présentant devant la caméra. Pour
arriver à faire cette comparaison, nous avons fait usage de la distance
de Mahalanobis et grâce à cette dernière, nous
établissions la distance de divergence existant entre deux visages.
D'après nos expériences et testes, nous
confirmons que cette application de reconnaissance faciale est à la
hauteur de la sécurité par caméra de surveillance pour les
institutions bancaires de la ville de Bukavu tout en considérant le
seuil de confiance de 0,10 soit 10,00%. C'est-à-dire l'enregistrement du
visage est conditionné par une distance de divergence supérieure
à 10,00%.
Nous confirmons encore notre hypothèse en disant que,
la reconnaissance du visage contribue de manière efficace à la
sécurité des institutions bancaires de la ville de Bukavu du
faite que les visages détectés automatiquement portent comme nom,
la date et l'heure de la détection.
Ceci pourra contribuer au suivi de visages capturés
tout en étant sûr de la date et de l'heure que les institutions
bancaires de la ville de Bukavu ont connu des événements
d'escroquerie, d'espionnage et de braquages.
Néanmoins, nous suggérons une bonne position
devant la caméra pour une bonne détection de visage mais aussi
l'environnement bien éclairé (si pas ceci, faire usage de cameras
infrarouges) pour que cette distance de divergence ne soit pas
influencée par ces deux facteurs.
Le résultat offert par l'application que nous avons
réalisée confirme bien notre hypothèse.
Toutes fois, un vaste champ de recherche reste ouvert aux
futurs chercheurs, qui voudraient faire le suivi des visages capturés
mais aussi l'amélioration les conditions de capture de visage en
utilisant les outils que nous offre la bibliothèque d'OpenCV.
Tout travail humain étant sujet à des
imperfections, nous disons bienvenues aux suggestions et remarques d'autres
chercheurs qui pourront élargir de plus les frontières de la
science.
| 
