MoodMind

Description

MoodMind est un système de détection des émotions intégré à des recommandations personnalisées en fonction des émotions détectées. Le système utilise cv2 (OpenCV) pour capturer des images vidéo et DeepFace pour l'analyse des émotions.

En fonction de l'émotion détectée, l'API Gemini est appelée pour générer une recommandation. L'appel d'API demande une recommandation courte de cinq mots adaptée à l'émotion spécifique. Les recommandations sont générées dynamiquement pour chaque émotion détectée: joie, tristesse, colère, neutralité, surprise, peur et dégoût.

Le frame vidéo capturé est affiché avec un texte superposé indiquant le nom et l'âge de l'utilisateur, l'émotion détectée et la recommandation correspondante de l'API Gemini. Le flux vidéo est mis à jour en temps réel, analysant et fournissant en continu des recommandations jusqu'à ce que l'utilisateur décide de quitter la session en fermant le flux vidéo.

Le modèle Gemini ("gemini-1.5-flash") est initialisé pour gérer la génération de contenu. Pour chaque émotion détectée, la méthode "generate_content" du modèle est appelée avec une requête pour générer une courte recommandation. Le texte généré s'affiche ensuite dans le flux vidéo.

En outre, le système stocke les données utilisateur, y compris le nom, l'âge, l'émotion détectée et la recommandation, dans Firebase Firestore. Le flux vidéo est mis à jour toutes les 10 secondes. Il capture le frame actuel, analyse l'émotion, génère une recommandation et stocke les données dans Firestore.