WIMS - Who Is My Double

🎭 Une application web de reconnaissance faciale pour trouver votre sosie parmi les célébrités

📋 Description

WIMS (Who Is My Sosie) est une application web interactive qui utilise l'intelligence artificielle et la reconnaissance faciale pour identifier à quelle célébrité vous ressemblez le plus. L'application analyse les caractéristiques de votre visage et les compare avec une base de données de célébrités pour trouver votre sosie.

Projet développé dans le cadre du DUT Informatique, utilisant Python avec dlib et OpenCV pour la comparaison des visages.

✨ Fonctionnalités

• 📸 Upload d'image : Téléchargez votre photo pour l'analyse
• 🔍 Reconnaissance faciale avancée : Utilise dlib et OpenCV pour l'analyse des traits du visage
• 🌟 Base de données de célébrités : Compare avec plus de 20 célébrités différentes
• 🎨 Interface moderne : 3 thèmes visuels différents
• 📊 Résultats détaillés : Affichage du pourcentage de ressemblance
• 🔄 Temps réel : Traitement en direct avec WebSocket

🏗️ Architecture technique

Backend

• Node.js avec Express.js
• Python pour le traitement d'images et la reconnaissance faciale
• MongoDB pour le stockage des données
• Socket.io pour la communication temps réel

Frontend

• HTML/CSS/JavaScript
• Pug comme moteur de templates
• Interface responsive avec plusieurs thèmes

Intelligence Artificielle

• dlib pour la détection et reconnaissance faciale
• OpenCV pour le traitement d'images
• Modèles pré-entraînés :
  • shape_predictor_68_face_landmarks.dat
  • dlib_face_recognition_resnet_model_v1.dat
  • mmod_human_face_detector.dat

🚀 Installation

Prérequis

• Node.js (version 14+)
• Python 3.8+
• MongoDB

Installation des dépendances Node.js

npm install

Installation des dépendances Python

cd public/compare
pip install -r requirements.txt

Configuration de la base de données

1. Configurez votre connexion MongoDB dans public/compare/main.py
2. La connexion actuelle pointe vers MongoDB Atlas

🎯 Utilisation

Démarrage de l'application

npm start

L'application sera accessible sur http://localhost:3000

Utilisation de l'interface

1. Accédez à l'application dans votre navigateur
2. Choisissez un thème (3 thèmes disponibles)
3. Téléchargez votre photo en respectant les recommandations :
   • Visage bien visible et centré
   • Pas de cheveux devant les yeux
   • Éclairage correct
4. Attendez l'analyse - Le traitement se fait en temps réel
5. Découvrez votre sosie avec le pourcentage de ressemblance

📁 Structure du projet

WIMS/
├── app.js                 # Point d'entrée de l'application
├── package.json           # Dépendances Node.js
├── Procfile              # Configuration Heroku
├── bin/www               # Serveur HTTP
├── routes/               # Routes Express
├── views/                # Templates Pug
├── public/
│   ├── compare/          # Module Python de reconnaissance faciale
│   │   ├── main.py       # Logique principale d'analyse
│   │   ├── *.dat         # Modèles de reconnaissance faciale
│   │   └── package/      # Utilitaires Python
│   ├── images/           # Base de données d'images de célébrités
│   ├── javascripts/      # Scripts côté client
│   └── stylesheets/      # Styles CSS
└── README.md

🎨 Célébrités incluses

La base de données comprend des images de référence pour :

• Anne Hathaway, Arnold Schwarzenegger, Ben Affleck
• Bourvil, Brian Shaw, Dwayne Johnson
• Eddie Hall, Elton John, Gerard Depardieu
• Hafthor Julius Bjornsson, Jerry Seinfeld
• Kate Beckinsale, Keanu Reeves, Lauren Cohan
• Louis de Funès, Madonna, Mindy Kaling
• Ragnar, Ryan Gosling, Simon Pegg
• Sofia Vergara, Travis Fimmel, Trump, Will Smith

🔧 Configuration

Variables d'environnement

• MONGODB_URI : URL de connexion MongoDB
• PORT : Port du serveur (défaut: 3000)

Personnalisation

• Ajouter des célébrités : Placez les images dans public/images/celeb/
• Modifier les thèmes : Éditez les fichiers CSS dans public/stylesheets/

🚀 Déploiement

L'application est configurée pour un déploiement sur Heroku :

git push heroku master

📝 Licence

Ce projet est sous licence privée. Tous droits réservés.