Skip to content

CHANGES.md

Latest commit

 

History

History
166 lines (119 loc) · 3.67 KB

CHANGES.md

File metadata and controls

166 lines (119 loc) · 3.67 KB

CHANGEMENTS APPORTÉS AU PROJET

Fichiers Corrigés

  1. camera.py

    • Correction: cv2.COLOR_RGB2BGR → cv2.COLOR_BGR2RGB
    • Raison: La conversion était inversée

  2. predict.py

    • Ajout: Gestion de fin de boucle (cv2.waitKey, break)
    • Ajout: Fermeture de la caméra (cap.release(), cv2.destroyAllWindows())

  3. signe.py

    • Complétion: Fermeture du bloc try/except
    • Ajout: Gestion correcte de la fin du programme

Fichiers Créés

  1. download_models.py - IMPORTANT

    • Télécharge les modèles MediaPipe nécessaires
    • Modèles: hand_landmarker.task, gesture_recognizer.task
    • À exécuter en première installation

  2. verify_setup.py

    • Vérifie que toutes les dépendances sont installées
    • Vérifie que les modèles sont téléchargés
    • Affiche un résumé de l'installation

  3. config.py

    • Configuration centralisée du projet
    • Constantes pour tous les scripts
    • URLs pour les modèles

  4. init.py

    • Rend le projet un package Python valide

Scripts d'Installation Améliorés

  1. install.bat (Windows)

    • Crée l'environnement virtuel
    • Installe les dépendances
    • Télécharge les modèles MediaPipe

  2. install.sh (Linux/macOS)

    • Même fonctionnalité que install.bat

Documentation Mise à Jour

  1. Readme.md - Amélioré avec:
    • Workflow complet
    • Instructions détaillées
    • Procédure de formation du modèle
    • Section dépannage

INSTALLATION RAPIDE

Option 1: Automatique (Recommandé)

Windows:

install.bat

Linux/macOS:

chmod +x install.sh
./install.sh

Option 2: Manuelle

# Créer environnement virtuel
python -m venv venv

# Activer (Windows)
venv\Scripts\activate
# Ou (Linux/macOS)
source venv/bin/activate

# Installer dépendances
pip install -r requirements.txt

# Télécharger modèles MediaPipe
python download_models.py

# Vérifier l'installation
python verify_setup.py

DÉMARRER LE PROJET

Une fois l'installation terminée:

# Détection mains + visages
python cam.py

# Détection mains uniquement
python camera.py

# Reconnaissance de gestes
python signe.py

# Prédiction LSF (après entraînement)
python predict.py

FLUX DE TRAVAIL: Formation du Modèle LSF

# 1. Collecter les données (Press 's' pour capturer, 'a' pour quitter)
python hand_detection.py

# 2. Entraîner le modèle
python train.py

# 3. Utiliser le modèle
python predict.py

VÉRIFICATION

python verify_setup.py

Affiche le statut de:

  • Modules Python
  • Modèles MediaPipe
  • Fichiers de données
  • Modèle ML

CE QUI ÉTAIT MANQUANT

  1. Modèles MediaPipe (CRITIQUE)

    • hand_landmarker.task
    • gesture_recognizer.task → Téléchargés automatiquement par download_models.py

  2. Gestion correcte de fermeture (predict.py, signe.py)

    • Manquaient les cv2.waitKey() et cap.release()

  3. Conversion couleur incorrecte (camera.py)

    • BGR2RGB était inversé en RGB2BGR

  4. Documentation incomplète

    • README amélioré avec instructions complètes

  5. Configuration centralisée

    • Ajout de config.py pour éviter la duplication

Notes

  • Les fichiers .npy dans le dossier data/ sont nécessaires pour entraîner le modèle
  • Le modèle lsf_model.pkl sera généré lors du premier python train.py
  • Les touches de contrôle: 'a' pour quitter, 's' pour capturer (hand_detection.py)
  • L'application nécessite une webcam connectée

Prochaines Étapes

  1. Exécuter le script d'installation
  2. Vérifier avec verify_setup.py
  3. Tester les applications de démonstration
  4. Collecter vos propres données si nécessaire
  5. Entraîner le modèle avec vos données