ENHANCING ACCESS CONTROL WITH SVM-BASED FACIAL RECOGNITION: PERFORMANCE ANALYSIS AND EFFICIENCY EVALUATION

Resumo

Cet article présente le développement d'un système de reconnaissance faciale utilisant l'algorithme Support Vector Machine (SVM). Le système est implémenté en Python avec une interface conviviale créée à l'aide de Tkinter. Il a été formé sur l'ensemble de données AT&T, composé de 400 images en niveaux de gris de 40 individus. Améliorer le modèle SVM pour obtenir des performances optimales pour un système déployable répondant à des exigences strictes est l'objectif principal de cette thèse. De manière cruciale, cet article souligne l'importance des paramètres C et du type de noyau SVM dans l'évaluation des performances. Il souligne l'importance d'une application de contrôle d'accès fiable, l'efficacité en termes de temps d'exécution et d'utilisation de la mémoire, ainsi que le rôle crucial de la reconnaissance faciale dans l'amélioration des mesures de sécurité. En équilibrant ces aspects, cet article démontre non seulement l'efficacité de l'algorithme SVM dans la reconnaissance faciale, mais jette également les bases d'améliorations futures en termes de précision et d'évolutivité, en ligne avec les besoins changeants des applications de sécurité et de contrôle d'accès. le SVM a atteint une précision d'entraînement impressionnante de 100 %. Lors de la phase de test, le système a démontré une précision louable de 95 %.