
Le projet StealthCam est né d'une volonté d'explorer les possibilités offertes par l'Internet des Objets (IoT) en créant un système de sécurité résidentiel intelligent pour notre cours d'objet connecté au Cégep de Rosemont. L'idée était de fusionner le matériel (capteurs et caméra) avec des technologies logicielles modernes comme la reconnaissance faciale et l'intelligence artificielle. Ce projet m'a permis d'apprendre à gérer la communication entre des capteurs, un backend Python traitant des flux de données en temps réel et une interface utilisateur desktop fluide.
Sur ce projet, j'ai été responsable du développement de l'architecture complète, du backend jusqu'à l'interface utilisateur. J'ai mis en place le serveur Flask pour orchestrer les différents services, incluant la gestion d'une base de données SQLite pour l'historique des activités. J'ai intégré la reconnaissance faciale avec la librairie face_recognition et l'API OpenAI pour générer des descriptions textuelles intelligentes des images capturées. Côté client, j'ai développé l'application desktop avec Electron, en utilisant GSAP pour créer une interface moderne et dynamique. Je me suis également occupé de la configurations des capteurs ultra sonic et sonores.
Project Gallery

J'ai adopté une approche modulaire pour séparer la logique de détection matérielle de la couche applicative. Le backend fonctionne comme un centre de services où chaque capteur (mouvement, son, lumière) est traité de manière indépendante avant d'être synthétisé par le serveur. Pour l'expérience utilisateur, j'ai choisi Electron afin de fournir une application de bureau robuste capable de communiquer facilement avec le système de fichiers local et le serveur Flask. Cette structure permet une grande réactivité du système, cruciale pour un dispositif de surveillance en temps réel.
More Projects