Attention Detection from Head Orientation

Contexte

Projet d’intelligence artificielle réalisé en binôme à l’ESIEE Paris (février – avril 2026) : estimer si une personne est attentive ou non à partir de la seule orientation de sa tête (lacet, tangage, roulis).

Démarche

• Constitution du jeu de données à partir des bases 300W-LP et AFLW2000, annotées en angles lacet / tangage / roulis.
• Détection des visages avec dlib.
• Entraînement d’un classifieur binaire (attentif / non-attentif) par transfer learning sur un réseau VGG16 sous Keras.
• Application du modèle à une séquence vidéo annotée avec OpenCV pour valider le comportement en conditions réelles.

Résultats

• 91 % de précision en validation.
• 83,5 % de précision en conditions réelles (vidéo annotée), un écart attendu entre jeu de test académique et conditions réelles, et un point de départ pour itérer sur le modèle.

Ce que j’ai appris

Un modèle qui marche bien sur un jeu de test propre et un modèle qui marche sur une vidéo tournée dans de vraies conditions, ce n’est pas tout à fait le même problème — c’est cet écart entre les deux scores qui m’a le plus appris sur ce projet.