Sommaire 

:
Introduction 2

I.Généralités et définition  3

II.Histoire des systèmes d’alarmes 3

III.La structure d’un système d’alarme  4

III.1-Panneaux du control d’alarme  4

III.2-Les capteurs  5

III.3-Les dispositifs d’alerte  5

III.4-Clavier (key pads)  5

III.5-Les interconnexions 5

III.6-Autre actionneurs 5

III.7-Système de la gestion du panneau  6

IV.MISE EN ŒUVRE DES LOGICIELS ET DU MATÉRIEL  6

IV.1/OpenCV  6

IV.2/Détecteur Infrarouge Passif (PIR)  7

IV.3/Raspberry Pi  7

IV.4/Pi camera 8

V. SYSTEME IMPLEMENTATION  9
V.1. Design du Système  9

V.2/Détection de mouvement à l'aide d'un capteur PIR  10

VI.ÉVALUATION DES PERFORMANCES  10

VI.1/ Configuration expérimentale  10

VI.2/ Résultat de l’expérimenté 11

CONCLUSION  13
REFERENCES 14

1
 Introduction :
De nos jours, l'évolution des systèmes basés sur la technologie a considérablement augmenté au
cours des dernières années. Au fur et à mesure que la technologie, il n'est pas surprenant que la plupart
des tâches effectuées par les humains soient prises en charge par les machines. Bien que de
nombreuses personnes pensent que cela rendra tout le monde paresseux, il est indéniable que c'est pour
l'amélioration de l'humanité. L’amélioration de l'humanité. Par conséquent, ils doivent se confronter à
cette technologie tous les jours, ce qui affecte sans aucun doute leur style de vie, de leur façon de vivre
à leur façon de travailler ou de se détendre. La commodité que leur procure la technologie est la raison
la plus courante de leur volonté de la voir affecter à ce point leur mode de vie quotidien. La gestion
des bâtiments est un domaine particulier où la technologie prend peu à peu ses responsabilités, qui
appartiennent à l'homme. De nombreux bâtiments d'entreprise disposent d'un système d'automatisation
intégré, qui contrôle la gestion de l'énergie, la ventilation, la sécurité, etc. D’autres opérations,
souvent avec peu ou pas d'intervention humaine. Ce système d'automatisation est également intégré
dans de nombreuses maisons, que l'on appelle des maisons intelligentes. Comme pour leurs
d'entreprise, les avantages des maisons intelligentes par rapport aux maisons ordinaires incluent une
gestion plus efficace de l'énergie, une surveillance accrue et d'autres opérations domestiques. Gestion
de l'énergie, une surveillance accrue et d'autres opérations domestiques. Les propriétaires ou les
locataires sont en mesure de surveiller leurs en détail les opérations de leur maison et elles peuvent
être contrôlées à distance à l'aide de connexions Internet actives, ce qui permet d'améliorer le confort.
En général, la plupart des maisons intelligentes ou des systèmes domotiques couvrent l'aspect de la
sécurité dans la maison en contribuant passivement ou activement à la sécurité de la maison. De
manière passive ou active, contribuant ainsi à l'amélioration de la sécurité de la maison. La
surveillance joue un rôle important en matière de sécurité, qu'il s'agisse de maisons intelligentes ou
d'automatisation d'entreprises. Elle fait référence à l'observation rapprochée à l'aide d'équipements
électroniques tels que les caméras de télévision en circuit fermé. Dans un bâtiment d'entreprise, la
sécurité fait référence à la surveillance de l'activité ou du comportement des personnes afin de protéger
des informations ou des objets de valeur, par rapport aux maisons intelligentes ou aux maisons
ordinaires, où la sécurité est assurée par un système d'alarme. les maisons intelligentes ou les maisons
ordinaires, où les aspects de la sécurité se concentrent généralement sur le cambriolage et le vol
d'objets de valeur dans la maison, car ces incidents ont toujours été une source de préoccupation. Ces
incidents ont toujours été un problème. Cependant, la mise en œuvre d'un système de sécurité basé sur
la vidéosurveillance est Cependant, la mise en place d'un système de sécurité basé sur la
vidéosurveillance n'est pas considérée comme abordable pour un résident moyen en raison de son prix
élevé. Ne fournissent pas de notification en temps réel à l'utilisateur lorsqu'un vol ou un cambriolage a
lieu. La sécurité a toujours été un problème majeur partout dans le monde et l'importance de la sécurité
ne peut être niée dans la société d'aujourd'hui en raison de l'augmentation du taux de criminalité. Par
exemple, en Malaisie, le taux élevé de criminalité peut faire de ce pays un endroit moins sûr. Le taux
de vol à domicile en Malaisie est le deuxième crime le plus élevé et cela crée une prise de conscience
dans la société.
Le développement de systèmes de sécurité domestique utilisant l'infrastructure IoT est devenu
omniprésent. Les caractéristiques les plus courantes du système de sécurité domestique sont la
détection de mouvement, la surveillance en direct et la notification d'alerte. Les systèmes qui reposent
uniquement sur un capteur infrarouge passif (IRP) pour assurer la détection de mouvement ont un taux
de détection peu fiable car ils peuvent déclencher une fausse alarme en raison de conditions anormales
telles que l'intrusion d'un animal domestique ou un chauffage rapide, par exemple à cause de
l'exposition au soleil. Les fausses alarmes peuvent avoir des conséquences importantes, comme dans
les systèmes de sécurité qui déclenchent des appels à la police ou à d'autres organismes d'urgence.
Afin de surmonter les limites de la détection de mouvement en utilisant uniquement des capteurs PIR,
cet article présente une mise en œuvre d'un système de détection de mouvement basé sur la vision en

2
utilisant OpenCV et prototypée sur un Raspberry Pi 3 Modèle B. L'objectif principal de ce travail est
d'évaluer la précision d'un tel système dans quelques conditions, y compris l'intrusion d'un animal
domestique ou d'un non-humain et la détection rapide d'un mouvement. L'objectif principal de ce
travail est d'évaluer la précision d'un tel système dans quelques conditions, y compris l'intrusion
d'animaux domestiques ou non humains et le chauffage rapide, par rapport à un système PIR
uniquement destiné à la sécurité domestique. Le reste de ce document est organisé comme suit.
Travaux antérieurs : revue de quelques travaux pertinents, Logiciel et matériel. Implémentation décrit
les composants logiciels et matériels utilisés dans notre prototype, Implémentation du système
explique comment le système est mis en œuvre, Évaluation des performances présente les résultats de
l’évaluation.

I/Généralités et définition :
Un système d’alarme est un système designer pour la
détection des intrus et les vols, ces systèmes sont utilisés
dans les maisons les propretés militaires, industriels,
commercial, résidentiel et les véhicules ...

Les systèmes d’alarmes sont combinés avec détecteur du

feux, capteurs de la protection contre les intrus, des
panneaux d’alarme, des moniteurs pour la surveillances
(CCTV : closed circuit télévision surveillance), des
interfaces pour l’accès a le système du control, ses systèmes
peuvent être compliquées, avec multi rôle avec
communications double vois entre le panneau et le moniteur.
Figure1 : différents types des
systèmes d’alarme .

II/Histoire des systèmes d’alarmes

Edward A. Calahan, télégraphiste de formation, a lui aussi marqué l’histoire de l’alarme maison dans
la deuxième partie du 19e siècle. Il a l’idée du boîtier d’appel d’urgence. Il commence par diviser New
York en districts, chacun étant rattaché à une centrale d’appel d’urgence. Chaque maison du district
est reliée à une autre et différenciée par un son de cloche différent. En cas d’alerte recueillie par le
boîtier, des « garçons de course » sont alors envoyés pour appeler les secours. Cet outil s’est vite
révélé indispensable pour la police, les pompiers ou encore les services de renseignements. Il est
devenu notre télésurveillance.
En 1970, les premiers dispositifs détecteurs de mouvement font leur apparition, renforçant la sécurité
des bâtiments. D’abord reproduisant le fonctionnement d’un radar, ils détectent toute forme vivante et
envoient une onde radio, produisant trop souvent des déclenchements intempestifs. Ils sont améliorés
dans les années 80 grâce à la technologie infrarouge, en lien avec la température.
Les années 80-90 voient une généralisation importante des systèmes d’alarmes qui deviennent plus
abordables. L’arrivée de l’alarme sans fil constitue une petite révolution car, bien plus simple
d’installation, elle peut être mise en place par l’utilisateur lui-même.
Les progrès informatiques des années 2000 ont eu leurs conséquences aussi sur l’évolution des
alarmes de maison. Elles se pilotent aujourd’hui à distance à partir d’un smartphone. Les produits sont

3
de plus en plus perfectionnés et offrent des fonctionnalités toujours plus importantes. Les systèmes
d’alertes peuvent par exemple s’associer à des caméras de vidéosurveillance.
Les systèmes d’alarmes maison n’ont pas cessé de se développer et de se démocratiser. D’abord
réservées à un usage privé, elles ont rapidement séduit les commerces et tous types d’entreprises et de
bâtiments publics ou privés. Au 21e siècle, elles s’adaptent à plusieurs catégories de menaces.
Alarmes anti-intrusion, alarmes incendie ou alarmes anti-agression comblent tous les usages.

Figure2 : le premier système

d’alarme électronique

III/La structure
d’un système
d’alarme :
III.1-Panneaux du control d’alarme :
C’est le cerveau de du système qui relie les capteurs et les actionneurs du système et il contient un
micro contrôleurs, dans les systèmes modernes il Y a plusieurs microcontrôleurs dans une boite
métallique bien fermer.

Figure3 : un panneaux d’alarme avec un clavier tactile

III.2-Les capteurs :

4
 Sont les composants qui détecte les intrus, la sensibilité et les positions de ces capteurs déterminer
l’espace protéger. Ils peuvent déterminer les intrus par plusieurs méthodes, par exemple : le son et la
voie causer par des personnes, le mouvement, les vibrations, l’ouverture des portes et les fenêtres…

Figure4 : un capteur infrarouge passif

III.3-Les dispositifs d’alerte :

Sont les actionneurs plus importants du système, ils Indiquent la conditions d’alarme, généralement ils
sont les sirènes ou des lumières clignotantes, Les dispositifs d'alerte ont deux objectifs d'avertir les
occupants d'une intrusion et d'effrayer potentiellement les cambrioleurs.

Figure5 : une petite sirene

III.4-Clavier (key pads) :

Il est l’interface entre l’homme et son panneaux d’alarme, avec le clavier on peut désactiver
certaines fonctionnalités du panneau, reprogrammer le panneau, ou contrôler le travail des actionneurs.

III.5-Les interconnexions
Relies tous les composantes du système avec le panneaux d’alarme, ils peut être des fils métallique
ou connecteurs sans fils avec une alimentation indépendante.

III.6-Autre actionneurs :
Sont des dispositifs varie selon l’objectif du système, pour un système d’alarme ils peuvent être :
des dispositifs d’alerte ou des modules de communications sans fils pour communiquer les services
d’urgences, pour les systèmes de la protection et de la sécurité ils peuvent être : un vérin pour fermer
les
Portes ou des serrures électriques, des clôtures électrifiée dans les applications qui nécessitent un haut
niveau de la sécurité, des pompes a extincteurs pour un système d’alarme contre les feux,

5
 Figure6 : Une serrure électronique avec un clavier pour sizer le mot de passe

III.7-Système de la gestion du panneau :

C’est l’ensemble des technique électrique (hardware) et informatique (software) utilisé pour contrôler
le panneaux d’alarme, certaine panneaux d’alarme nécessite un circuit électrique uniquement pour la
gestion du panneau, mais dans les systèmes d’alarmes modernes il faut implémenter des programmes
avec un langage de programmation qui réponds au besoin du système, la nature et la structure du le
système de gestion d’un panneau d’alarme est déterminé par plusieurs critères : la nature des signaux
(les informations ) émit par les capteurs, la nature du signal de commande des actionneurs, les
objectifs du système et son rôle.

Figure7 : une structure d’un système de sécurité’ multi rôle

IV/MISE EN ŒUVRE DES

LOGICIELS ET DU MATÉRIEL :
IV.1/OpenCV :
La bibliothèque open source de vision par ordinateur connue sous le nom d'OpenCV est écrite en C
et C++ et fonctionne sous Linux, Windows et Mac OS X. Bien qu'Intel ait lancé OpenCV, la

6
bibliothèque est et a toujours été destinée à promouvoir une utilisation commerciale et de recherche
gratuite. OpenCV peut tirer parti des processeurs multicœurs car il est écrit en C optimisé. Des
interfaces pour Python et d'autres langages sont en cours de développement. La bibliothèque OpenCV
contient plus de 500 fonctions qui couvrent de nombreux domaines de la vision, notamment
l'inspection des produits en usine, l'imagerie médicale, la sécurité, l'interface utilisateur, l'étalonnage
des caméras, la vision stéréo et la robotique. Sur la base de la première version 1.0 d'OpenCV, la
version la plus mature était sous Windows utilisant une architecture Intel 32 bits (IA32), suivie par
Linux sur la même architecture. Dès qu'Apple a commencé à utiliser des processeurs Intel, la
portabilité sur Mac OS X est devenue une priorité, mais ce portage OS X n'était toujours pas mature
par rapport aux versions Windows et Linux. Le support a également été ajouté à l'architecture Intel 64
bits (IA64) et au support 64 bits sur mémoire étendue (EM64T).

IV.2/Détecteur Infrarouge Passif (PIR) :

Le PIR est un type de détecteur de mouvement. Une lentille de Fresnel, un comparateur, un circuit
d'amplification et un circuit de temporisation sont combinés pour former la structure de base du
dispositif infrarouge passif (PIR). La lentille de Fresnel du capteur de mouvement PIR possède un
filtre spécial qui permet au signal infrarouge de passer à travers la lentille. Filtre spécial qui permet de
focaliser le signal infrarouge sur le composant. La lentille de Fresnel d'un capteur de mouvement PIR
capte le rayonnement infrarouge (IR) entrant et le dirige vers le point central. La source IR se déplace
et expose un élément à la fois. La portée de détection de la lentille de Fresnel peut aller jusqu'à 30 m et
convient donc aux applications telles que les capteurs IRP. Le capteur PIR est l'un des mécanismes
importants de détection de mouvement dans un système de sécurité. La fonction du capteur est de
détecter la chaleur émise par un être humain ou un corps vivant. Le changement dans le rayonnement
du signal infrarouge produit par les êtres vivants à sang chaud en mouvement est la façon dont le
capteur détecte. Il s'agit en effet l'outil de base pour la détection de mouvement, mais l'utilisation du
seul capteur de mouvement IR pour évaluer un mouvement sera Insuffisante.

Figure8  : un capteur IR passive (à gauche) et sa structure (à droite)

IV.3/Raspberry Pi :
Le Raspberry Pi est un ordinateur mono-carte à faible coût, de la taille d'une carte de crédit, développé
par la Fondation Raspberry Pi au Royaume-Uni. Il est connu comme un ordinateur mono-carte car il
contient une unité centrale de traitement (CPU), une mémoire vive, une unité de traitement graphique
(GPU) et d'autres périphériques inclus dans un seul circuit. Il a été initialement conçu pour améliorer
les compétences en programmation des étudiants de niveau pré-universitaire. Il est doté d'un
processeur ARM 64 bits et utilise Raspbian, un système d'exploitation 32 bits distribué par Linux et
basé sur Debian. Le Raspberry Pi peut également être branché sur un téléviseur ou un moniteur avec
un clavier, une souris, des haut-parleurs et une caméra, il peut être utilisé comme un ordinateur. Bien
qu'il ne soit pas aussi puissant qu'un ordinateur de bureau normal, pour la taille d'une carte de crédit, il

7
est considéré comme suffisamment puissant pour les systèmes embarqués. Il existe plusieurs
générations de Raspberry Pi, à savoir Raspberry Pi 1, Raspberry Pi 2, Raspberry Pi 3 et Raspberry Pi
Zero. La dernière génération haut de gamme du Pi a été publiée en un seul modèle appelé Raspberry
Pi 3 Model B avec un réseau local sans fil 802.11n embarqué supplémentaire et une connectivité
Bluetooth.

Figure9 : Un module Raspberry Pi-3 Modèle B.

IV.4/Pi camera :
Le module vidéo Pi camera v2 se connecte directement au port Camera Serial Interface (CSI) du
Raspberry Pi 3 Model B à l'aide d'un câble plat à 15 broches. Le bruit de fond et le maculage d'une
version antérieure ont été corrigés, ce qui réduit les défauts d'image. Il existe des fonctions de contrôle
automatique telles que la détection de la luminance, la balance des blancs et le contrôle de l'exposition.
Cette caméra est plus appropriée pour être catégorisée comme caméra de sécurité domestique
d'intérieur car elle n'a pas la capacité de capturer des vidéos ou des images dans l'obscurité. Ceci est dû
au fait que le module vidéo V2 de la caméra Pi est équipé d'un filtre infrarouge.

figure10 : montre l'image du module vidéo de la caméra Raspberry Pi V2.

8
V. SYSTEME IMPLEMENTATION :
V.1. Design du Système :
La figure ci-dessous montre le flux de conception du prototype développé pour le système de
sécurité domestique utilisant le Raspberry Pi 3 Modèle B. Les principaux composants de ce système
comprennent la détection de mouvement à l'aide du module vidéo Pi Camera V2 avec une
implémentation OpenCV, la diffusion vidéo en direct et la notification par courriel. OpenCV, le
streaming vidéo en direct et la notification par e-mail. Flask a été utilisé comme un serveur pour
développer la plateforme pour le streaming vidéo. La diffusion de la vidéo a été effectuée en encodant
les images au format JPEG et en les téléchargeant en continu sur le serveur. et en les téléchargeant en
continu sur le serveur. La figure 5 présente le matériel du système et la figure 6 montre un instantané
d'une vidéo diffusée par le système. Vidéo en continu à partir du système.

Figure11 : l’organigramme du programme avec la camera Pi 2

9
V.2/Détection de mouvement à l'aide d'un capteur
PIR :

Figure12 : l’organigramme du programme avec le capteur IRP

VI/ ÉVALUATION DES PERFORMANCES :

VI.1/ Configuration expérimentale :
Trois expériences nécessaire pour comparer les performances du système de sécurité domestique basé
sur la vision développée avec le système de détection de mouvement basé sur le IRP comme suit:

 Détection de mouvement humain - Dans cette expérience, la capacité à détecter le mouvement

d'un être humain a été testée.
 Détection de mouvement sous exposition au soleil - Dans cette expérience, les systèmes ont
été placés près d'une fenêtre et testés sous exposition au soleil.et testés sous exposition au
soleil.

10
  Détection non humaine - Dans cette expérience, un animal domestique a été utilisé pour tester
le comportement des deux systèmes.
Tout d'abord, l'expérience de détection de mouvement humain sera réalisée 10 fois avec un intervalle
de deux minutes. Pendant l'intervalle, si une fausse lecture est détectée, alors le test est considéré
comme échoué. Une fois que le système commence à s'exécuter, le temps commence, et un sujet
humain commence à faire des mouvements pendant les deux minutes pour déclencher le mouvement.
Deuxièmement, il faut que l'expérience de détection de mouvement sous l'exposition au soleil réaliser
à 10 heures du matin 10 fois avec trois minutes d'intervalle, puis à 14 heures dans l'après-midi, 10 fois
avec trois minutes d'intervalle. et enfin à 17 heures le soir, 10 fois à 3 minutes d'intervalle. Cela
s'explique par le fait que les infrarouges émis par le soleil varient tout au long de la journée.
En Algérie, les heures typiques de lever et de coucher du soleil sont respectivement 7h00 et 17h30
pendant l’été. Pendant l'intervalle, si une fausse lecture est détectée, alors le test est considéré comme
échoué. Troisièmement, l'expérience de détection de mouvements non humains a également été
réalisée 10 fois avec un intervalle de trois minutes, d’intervalle chacune. Un animal domestique a été
amené à se déplacer dans le champ de la caméra pendant chaque intervalle. Si une fausse lecture est
détectée, le test est considéré comme un échec.

VI.2/ Résultat de l’expérimenté :

Dans chaque expérience, 10 essais ou tests sera effectués et le nombre de résultats positifs sera
enregistré. Il convient de noter que dans les procédures expérimentales que nous avons menées, une
lecture vraie ou réussie couvre à la fois les cas vrais positifs et vrais négatifs. D'autre part, un résultat
faux ou échec couvre à la fois les faux positifs et les faux négatifs. Des tests distincts, positifs et
négatifs, ne seront pas été réalisés sur positifs et négatifs distincts n'ont pas été réalisés et sont prévus
comme un travail futur pour valider la fiabilité des systèmes développés. Le tableau 1 résume les
résultats globaux obtenus à partir des trois expériences menées.

D'après le tableau, ces resultat a été obtenu par l'expérience de détection de mouvement humain par
autre chercheurs, le système développé utilisant une caméra avec OpenCV et le système basé sur le
capteur PIR ont le même résultat de détection, soit un taux de réussite de 100 %. Dans l'expérience
d'exposition au soleil, l'implémentation basée sur OpenCV a également un taux de réussite de 100 %,
tandis que le système de détection de mouvement IRP seul a un taux de réussite moyen de 70 %,
compris entre 90% et 50 %, avec une précision qui diminue au fur et à mesure que l'heure de la
journée augmente. Avec une précision qui diminue au fur et à mesure que l'heure de la journée
augmente. Les résultats de cette expérience suggèrent que la détection de mouvement de la caméra
OpenCV N’a pas été affectée par l'exposition au soleil puisque la méthode de soustraction de l'arrière-
plan a été appliquée. D'autre part, le capteur de mouvement IRP, qui utilise la chaleur pour déterminer

11
les changements de mouvement, peut être déclenché par intermittence lorsqu'il est exposé à la lumière
du soleil, en raison des infrarouges. En revanche, le capteur de mouvement PIR, qui utilise la chaleur
pour déterminer les changements de mouvement, pourrait se déclencher de manière intermittente
lorsqu'il est exposé à la lumière du soleil, car les infrarouges libérés par le soleil peuvent créer une
condition anormale entraînant de fausses alarmes.
Enfin, dans la troisième expérience avec un animal domestique en mouvement, le système PIR seul n'a
qu'un taux de réussite moyen de 70 %, tandis que le système basé sur OpenCV maintient un taux de
précision parfait de 100%. Bien qu'un mouvement ait été détecté lorsque l'animal domestique traverse,
la notification d'alerte de mouvement n'a pas été déclenchée en raison de l'algorithme Haar-Cascade
mis en œuvre pour la détection des visages et aucun visage humain n'a été détecté. Néanmoins, pour la
détection de mouvement IRP, le capteur a déclenché de fausses alertes à cause de la chaleur corporelle
émise par l'animal domestique. Dans l'ensemble, sur les trois expériences menées, le taux de réussite
moyen pour le système de détection de mouvement IRP seul n'était que de 76 %, tandis que
l'implémentation basée sur OpenCV a atteint 100 % vrais positifs. Le système de détection de
mouvement développé utilisant une caméra avec une implémentation OpenCV a augmenté la précision
de la détection de mouvement par rapport à un système reposant uniquement sur un capteur IRP.
Système reposant uniquement sur un capteur IRP. En outre, il a été observé que le système développé
basé sur le capteur PIR a produit des latences de flux dans la gamme de 30 à 35 images par seconde
(voir le tableau ci-dessous). Tandis que le système basé sur OpenCV a enregistré de meilleures
latences de streaming entre 15 et 24 FPS.

12
CONCLUSION :
Dans ce travail, un système de sécurité domestique utilisant une caméra avec une implémentation
OpenCV a été développé avec succès sur Raspberry Pi 3 Modèle B. Le système est composé
d'implémentations matérielles et logicielles, où les deux parties collaborent pour former un mécanisme
efficace de détection de mouvement. L'algorithme Haar-Cascade couplé avec une méthode de
soustraction de l'arrière-plan a été appliqué dans l'implémentation OpenCV. Les résultats obtenus à
partir des résultats obtenus à partir des trois expériences menées suggèrent la haute précision d'un
système de détection de mouvement basé sur la vision, en éliminant les erreurs alarmes. Ce système de
détection de mouvement OpenCV s'est avéré plus efficace que le système de détection de mouvement
IRP développé avec un taux de réussite moyen de 2,5 % contre 76% sur la base des trois expériences
menées. Une analyse plus approfondie des performances peut être réalisée, par exemple en effectuant
plus d'expériences ou de cas d'utilisation avec plus de 10 essais par expérience., en traçant une matrice
de confusion en effectuant des tests positifs et négatifs séparés, etc. En outre, diverses améliorations
pourraient être apportées à ce système pour obtenir une plus grande précision dans la détection et la
notification d'alerte, par exemple :
 S'intégrer à la technologie GSM (Global System for Mobile communications) pour les alertes
basées sur le service de messages courts (SMS). La notification par courrier électronique ne
recevra certainement qu'une réponse/un retour lent de la part de l'utilisateur ou de la personne
concernée, surtout dans une situation dangereuse. En utilisant la technologie GSM, l'utilisateur
ou la personne concernée peut envoyer/recevoir une réponse encore plus rapidement, ce qui
peut être très efficace pour gérer les situations dangereuses.
 Implémenter l'algorithme de reconnaissance faciale dans le système. En utilisant les images
faciales que le propriétaire fournit, le système sera en mesure de reconnaître ces visages et de
les identifier. Le système sera capable de reconnaître ces visages et de différencier les visages
familiers des visages non familiers(inconnus). Lors d'un cambriolage, le système reconnaît
facilement le cambrioleur grâce à son visage inconnu et déclenche automatiquement l'alarme.
 Intégrer l'algorithme d'apprentissage profond au système. Les caractéristiques faciales d'une
personne diffèrent de temps en temps. Ainsi, il sera difficile pour l'utilisateur de mettre à jour
les dernières images faciales des visages familiers. En utilisant l'algorithme d'apprentissage
profond, une collection de données provenant du smartphone du propriétaire, comme des
images et des vidéos capturées, est utilisée pour entraîner automatiquement le système à
reconnaître les visages familiers. Cela permettra d'améliorer le taux de détection et la précision
du système pour le rendre plus robuste.

13
REFERENCES :
[1] M. Menon, "Innovating to zero crime rate," in Digital News Asia, ed, (2015).
[2] M. Pugh, J. Brewer, and J. Kvam, "Sensor fusion for intrusion detection under false alarm
constraints," in 2015 IEEE Sensors Applications Symposium (SAS), (2015), 1-6.
[3] R. Sampson, "False burglar alarms," in Problem-Oriented Guides for Police: Problem-Specific
Guides Series No. 5, U. S. D. o. J. Office of Community Oriented Policing Services, Ed., 2 ed, (2007).
[4] P. Vigneswari, V. Indhu, R. Narmatha, A. Sathinisha, and J. Subashini, "Automated security
system using surveillance," International journal of current engineering and technology, vol. 5, no. 2,
882-884, (2015).
[5] S. Suresh, J. Bhavya, S. Sakshi, K. Varun, and G. Debarshi, "Home monitoring and security
system," in 2016 International Conference on ICT in Business Industry & Government (ICTBIG,
2016), 1-5.
[6] H. U. Zaman, T. E. Tabassum, T. Islam, and N. Mohammad, "Low cost multi-level home security
system for developing countries," in 2017 International Conference on Intelligent Computing and
Control Systems (ICICCS, 2017), 549-554.
[7] S. Sruthy and S. N. George, "WiFi enabled home security surveillance system using Raspberry Pi
and IoT module," in 2017 IEEE International Conference on Signal Processing, Informatics,
Communication and Energy Systems (SPICES, 2017), 1-6.
[8] R. R. Ragade, "Embedded home surveillance system with pyroelectric infrared sensor using
GSM," in 2017 1st International Conference on Intelligent Systems and Information Management
(ICISIM, 2017), 321- 324,
[9] S. Prasad, P. Mahalakshmi, A. J. C. Sunder, and R. Swathi, "Smart surveillance monitoring
system using Raspberry Pi and PIR sensor," in International Journal of Computer Science and
Information Technologies, vol. 5, no. 6, 7107-7109, (2014).
[10] B. Kaur, P. K. Pateriya, and M. K. Rai, "An illustration of making a home automation system
using raspberry Pi and PIR sensor," in 2018 International Conference on Intelligent Circuits and
Systems (ICICS), 2018, pp. 439-444.
[11] G. Bradski and A. Kaehler, Learning OpenCV: Computer vision with the OpenCV library.
O'Reilly Media, Inc.", (2008).

14