Dans le cadre du Festival des Libertés Numériques 2019 à la Bibliothèque de l'INSA.

• Vous pouvez vous servir de ces ressource pour vous entrainer au code
• Vous pouvez utilisez ces méthodes pour reproduire et/ou adapter ce type de séances
• Appréhender les tenants et aboutissants du Digital Labour
• Découvrir la reconnaissace faciale
• Établir collectivement des stratégies pour se défendre

• L’envie de transmettre et d’apprendre quelque soit votre niveau avec un zeste de curiosité
• 1 ordinateur minimun pour une séance en Mob programming
• 1 ordinateur par binôme en Pair programming
• 3 personnes minimun dont 1 qui facilite. 8 à 10 personnes au plus pour un personne aguérrie à la facilitation afin de conserver une qualité de séance et un confort de rapport humain.

Aucun prérequis de niveau

Pour la séance décrite ici les niveaux étaient mélangés allant de la découverte pure et simple au niveau développeur confirmé. La diversité fait la richesse et chacun apprend de l’autre.

• Celles et Ceux qui seront là feront l’atelier
• Il n’y a pas vraiment d’organisatrices.eurs en chef
• Chaque participant.e peut porter une responsabilité collective si cela lui convient
• Chaque participant.e honore la loi des deux pieds : si vous n’êtes ni en train d’apprendre, ni de contribuer, passez à autre chose !

« La prosopagnosie est un trouble de la reconnaissance des visages. C'est une agnosie visuelle spécifique rendant difficile ou impossible l'identification ou la mémorisation des visages humains. Le prosopagnosique est généralement capable de reconnaître les personnes en recourant à certains subterfuges, comme l'identification visuelle par l'allure générale (démarche, taille, corpulence) ou à des détails comme un vêtement familier, la coiffure, une barbe, une tache de naissance ou des lunettes. » Prosopagnosie

1. afficher 70 images en boucles
2. en boucle aléatoirement
3. ajouter un bouton ajouter suivant
4. ajouter un bouton déjà vu

C’est pour tester si tu es prosopagnosique, c’est à dire si tu est capable de reconnaître des visages.

en débuttant⋅e sur git¹⁾ avec un terminal

git config --global user.name "Votre Nom Ici"

Puis

git config --global user.email "votre_email@votre_email.com"

Ou en créeant directement sur une plateforme, exemple framagit

Dans la plateforme choisie en ligne, puis sur l'odinateur de travail en local

$ mkdir ~/MonProjet

mkdir ⇒ Make Directory, soit créer un dossier. Le ~/ vise à construire le dosser (repository) au niveau supérieur de la structure de fichiers de notre ordinateur, il n'est pas obligatoire, cela dépend de votre stratégie de rangement

Puis, pour travailler sur le projet en question saisissez :

$ cd ~/MonProjet

Pour terminer,synchronisons le dépot distant et le dépot local

$ git remote add origin https://framagit.org/nomutilisateur/MonProjet.git

Pour confirmer

$ git remote -v

Enfin, pour spécifier la branche master de mon dépôt, et téléverser, ou « push », nos modifications vers le dépôt distant

$ git push --set-upstream origin master

cd ⇒ changement de direction (chemin) pour entrer dans dossier

Pour initialiser git dans ce projet

$ git init

Il nous reste à vérifier l'état de notre travail avec git le getsionnaire de version

$ git status

Comme dans notre précdent example : https://framagit.org/Xavcc/FaceblindJ

$ touch index.html 

Puis vérifier notre état git

$ git status

expliquer ce qui se passe et pourquoi

Puis pour mettre à jour

$ git add index.html

Nous venons d'ajouter notre premier fichier, pour documenter et permettre une compérehension de l'hitoire de notre projet pour autrui, il faut le « consigner » :

$ git commit -m "création de index.html"

Puis

$ /etc/init.d/apache2 start
$ firefox index.html

Alonns visualiser sur file:///home/USER/.../FaceFdln/faceblind/index.html

la première User Story (us#1) du dépot par une visite des fichiers pré ouverts du repo.

Puis ouverture pour édition d’un fichier index.html guidé par les autres participant⋅e⋅s.

Pour le src les “” ne sont plus obligatoire dans JavaScript

<title>Kerbors prospagnosie</title>
<meta charset="utf-8">
<h1>Prosopagnosie</h1>
<img src=faceblind/1.jpg>

Dans le navigateur avec l'inspescteur de code :

document.querySelector(“img”) 

puis entrée puis

document.querySelector(“img”).src"faceblinding/2.jpg" 

pour vérifier si cette manipulation fonctionne

dans l’éditeur :

<title>Kerbors prospagnosie</title>
<meta charset="utf-8">
<h1>Prosopagnosie</h1>
<img src=faceblind/1.jpg>
<script >
    let id = 1
	const changeImage = (id) => document.querySelector("img").src`faceblinding/${id}`
	setinterval(()=>changeImage(id++), 1000)
</script>

Aussi possible

<title>Kerbors prospagnosie</title>
<meta charset="utf-8">
<h1>Prosopagnosie</h1>
<img src=faceblind/1.jpg>
<script >
    letid = 1
	const changeImage = () => {
	  document.querySelector("img").src`faceblinding/${id}`
    }
	setinterval(changeImage(id++), 1000)
</script>

Maintenant on Commit sur le repo pour valider cette US #1 dans la branch master

Création d’un nouvelle branch pour la seconde US

Faire de l’aléatoire

<title>Kerbors prospagnosie</title>
<meta charset="utf-8">
<h1>Prosopagnosie</h1>
<img src=faceblind/1.jpg>
<script >
    letid = 1
	const changeImage = () => {
       const i = Math.floor(Math.random()*75)+1
	   document.querySelector("img").src`faceblinding/${i}`
    }
	setinterval(changeImage, 1000)
</script>

Créer un nouveau fcihier JS

script.js dans le repo

const changeImage = () => {
    const i = Math.floor(Math.random() * 75) + 1
    document.querySelector('img').src = `faceblind/${i}.jpg`
}
document.querySelector('button').onclick = changeImage

du coup index.html devient

<title>Kerbors prospagnosie</title>
<meta charset="utf-8">
<link rel="stylesheet" type="text/css">
<h1>Prosopagnosie</h1>
<img src=faceblind/1.jpg>
<script scr= script.js></script>

style.css devient

body {
     text-align: center
}
 
h1 {
	color: yellow
	background-color: black
}

Maintenant : commit dans le repo sur #us2

ajouter un bouton ‘suivant’ sur la page web

commit sur #us3

1. En attendant les robots. Enquête sur le travail du clic https://www.franceculture.fr/oeuvre/en-attendant-les-robots-enquete-sur-le-travail-du-clic
2. Le “travail du clic” : qu'est-ce qui se cache derrière l'intelligence artificielle ? https://www.franceculture.fr/emissions/linvite-innovation/linvite-innovation-du-dimanche-06-janvier-2019
3. Google ecrute des êtres humains payé 1$ / heure pour entraîner une ”intelligence artificielle” qui sert à tuer d'autres humains, sur des *signature* de metadata, avec des drones. https://theintercept.com/2019/02/04/google-ai-project-maven-figure-eight/

• Ref :
  • https://docs.opencv.org/trunk/d7/d8b/tutorial_py_face_detection.html
  • https://github.com/informramiz/Face-Detection-OpenCV
  • https://www.superdatascience.com/opencv-face-detection

Installez le paquet python-opencv avec la commande suivante dans le terminal²⁾

$ sudo apt-get install python-opencv

La version OpenCV est contenue dans une variable cv2.version spéciale, à laquelle vous pouvez accéder comme ceci :

`--> python
Python 2.7.15rc1 (default, Apr 15 2018, 21:51:34) 
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'3.2.0'
>>> 

La variable cv2.version est simplement une chaîne de caractères que vous pouvez diviser en versions majeure et mineure :

>>> (major, minor, _) = cv2.__version__.split(".")
>>> major
'3'
>>> minor
'2'
>>> 

En partant de https://github.com/shantnu/FaceDetect que nous corrigeons en

"""
Text OpenCV
"""
 
# Import the necessary packages
import sys
import cv2
 
# Get user supplied values
imagePath = sys.argv[1]
cascPath = "haarcascade_frontalface_default.xml"
 
# Create the haar cascade
faceCascade = cv2.CascadeClassifier(cascPath)
 
# Read the image
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
# Detect faces in the image
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    flags=cv2.CASCADE_SCALE_IMAGE
)
 
print("Found {0} faces!".format(len(faces)))
 
# Draw a rectangle around the faces
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
 
cv2.imshow("Faces found", image)
cv2.waitKey(0)

Puis par exemple sur une image du gourpe militant https://www.libertyhumanrights.org.uk

`--> python opencv_fdln.py faces_cache.jpeg haarcascade_frontalface_default.xml
Found 4 faces!

On obtient