Amélioration du système de vidéosurveillance par l'intégration du deep Learning au sein de BMT.

Abstract

La vidéosurveillance joue aujourd'hui un rôle essentiel dans la protection des personnes et des biens, que ce soit dans les espaces publics ou privés. Toutefois, les systèmes traditionnels de vidéosurveillance présentent des limites importantes, notamment la nécessité d'une surveillance humaine continue et leur exposition croissante aux cybermenaces. Dans ce contexte, ce mémoire s'inscrit dans une démarche d'amélioration du système de vidéosurveillance de l'entreprise Béjaïa Méditerranéen Terminal (BMT), en proposant une solution basée sur l'utilisation des techniques d'apprentissage profond (deep learning). L'objectif de ce travail est : d'une part, automatiser la détection des comportements anormaux dans les flux vidéo afin de réduire la dépendance à l'intervention humaine et d'améliorer la réactivité face aux événements critiques ; d'autre part, renforcer la détection des logiciels malveillants (malwares) susceptibles d'échapper aux outils de sécurité traditionnels, contribuant ainsi à une meilleure protection du système d'information de l'entreprise. Les résultats obtenus ont permis de démontrer l'efficacité de la solution proposée. Grâce à l'intelligence artificielle, le système peut détecter automatiquement des comportements suspects et des malwares, ce qui améliore la sécurité globale de l'entreprise tout en réduisant la charge humaine.