EmotionEdge: Système de Détection d’Émotions en Temps Réel

1. Description du Projet

EmotionEdge est un système de simulation de détection d’émotions en temps réel utilisant une architecture Edge + Fog + Cloud (Firebase), sans matériel physique. Le système permet de visualiser sur un dashboard les émotions détectées par des caméras simulées.

2. Objectifs :

• Simuler un flux vidéo et détecter les visages -> Noeud Edge.
• Analyser les émotions avec un modèle IA léger -> Noeud Fog.
• Stocker les statistiques dans Firebase pour une récupération en temps réel.
• Afficher les résultats sur un dashboard interactif -> Streamlit.

3. Architecture du systéme

Flux de données :

-Edge (PC 1) : Simule des caméras, détecte et prétraite les visages.

-Fog (PC 2) : Analyse les émotions à l’aide d’un modèle pré-entraîné, agrège les statistiques et envoie les résultats à Firebase.

-Firebase (Cloud) : Stocke les statistiques et permet au dashboard de récupérer les données instantanément.

-Dashboard (PC 3) : Streamlit se connecte à Firebase pour afficher les statistiques en temps réel.

Communication :

-Edge → Fog : via Sockets TCP/IP .

-Fog → Firebase : via Firebase Admin SDK (Python).

-Firebase → Dashboard : récupération en temps réel avec Streamlit.

4.Utilisation

1.Edge

Simule la caméra et détecte les visages.

python edge_camera.py

Les images sont envoyées au Fog via sockets.

2. Fog

Reçoit les images du Edge, analyse les émotions et envoie les résultats à Firebase.

python fog_server.py

Utilise un modèle pré-entraîné

3. Dashboard

Visualise les statistiques depuis Firebase.

streamlit run dashboard.py

Affiche les graphiques et tableaux des émotions détectées.

- **dashboard**: `http://localhost:8501/`