Projet académique · novembre 2024
Reconnaissance faciale — Python & Java
Deux implémentations parallèles d'un même système de reconnaissance faciale temps réel, pour comparer les écosystèmes de vision par ordinateur.
- Problème
- Comprendre ce qu'un framework de vision apporte réellement demande de construire deux fois la même chose.
- Résultat
- Deux systèmes fonctionnels — Python/OpenCV et Java/JavaCV — avec capture multi-pose guidée et réentraînement dynamique.
- Rôle
- Développeur IA
Quel problème ce projet de reconnaissance faciale résout-il ?
La reconnaissance faciale échoue rarement sur l'algorithme. Elle échoue sur les données d'enrôlement : un seul visage de face, bien éclairé, et le modèle ne reconnaît plus personne dès que la tête tourne.
Quelle approche a été retenue ?
Enrôlement guidé multi-pose. Le système dirige l'utilisateur — face, profil gauche, profil droit, haut, bas — avec un retour sonore à chaque capture validée. La qualité du jeu d'enrôlement devient une propriété de l'interface, pas de la bonne volonté de l'utilisateur.
Réentraînement dynamique, pour qu'un nouveau visage soit utilisable immédiatement.
Deux écosystèmes en parallèle. Python/OpenCV + face_recognition (encodages 128 dimensions, prototypage rapide) et Java/JavaCV + Maven (typage strict, intégration entreprise). Même problème, mêmes fonctionnalités, deux cultures d'outillage.
Qu'est-ce que ce projet de reconnaissance faciale m'a appris ?
L'écart de productivité entre les deux ne vient pas du langage mais de la distance à la bibliothèque native : Python enveloppe OpenCV avec des abstractions de haut niveau, Java expose sa structure C++ presque telle quelle.
Un projet du même calibre ?
Basé à Thiès, disponible à dakar & télétravail. Je réponds sous 48 h.
En discuter