| DC Field | Value | Language |
| dc.contributor.author | BOUDAOUD, DJaber | - |
| dc.date.accessioned | 2026-10-06T07:25:03Z | - |
| dc.date.available | 2026-10-06T07:25:03Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.uri | https://repository.esi-sba.dz/jspui/handle/123456789/959 | - |
| dc.description | Encadreur : Dr. Chaib Souleyman | en_US |
| dc.description.abstract | This thesis presents OptiVision, an intelligent e-commerce platform for online eyeglass sales.
The system combines Face Shape Classification, 3D Virtual Try-On, and an AI-powered Chatbot
to replicate the guidance traditionally provided by professional opticians.
Facial features are extracted using MediaPipe’s 468 landmarks and classified into five face
shapes (Heart, Square, Oblong, Oval, and Round) using a Convolutional Neural Network (CNN).
Experiments conducted on the Face Shape Dataset achieved an accuracy of 92.59%, outperforming
traditional machine learning approaches. The classified facial geometry is then used to position
3D eyeglass models in real time through Three.js and WebGL, enabling an interactive virtual
try-on experience. In addition, an AI chatbot provides personalized product recommendations
based on the user’s face shape.
The results demonstrate the potential of integrating Computer Vision, Augmented Reality, and
Artificial Intelligence to improve user engagement and decision-making in online eyewear retail***
Cette thèse présente OptiVision, une plateforme intelligente de commerce électronique dédiée
à la vente de lunettes en ligne. Le système combine la classification de la forme du visage,
l’essayage virtuel 3D et un chatbot basé sur l’intelligence artificielle afin de reproduire l’accompagnement
fourni par un opticien professionnel.
Les caractéristiques faciales sont extraites à l’aide des 468 points de repère de MediaPipe puis
classifiées en cinq formes de visage (Coeur, Carré, Oblong, Ovale et Rond) grâce à un réseau de
neurones convolutifs (CNN). Les expérimentations réalisées sur la base de données Face Shape
ont atteint une précision de 92,59%, surpassant les approches traditionnelles d’apprentissage
automatique. La géométrie faciale obtenue est ensuite utilisée pour positionner des modèles
3D de lunettes en temps réel via Three.js et WebGL, offrant une expérience d’essayage virtuel
interactive. En complément, un chatbot intelligent fournit des recommandations personnalisées
adaptées à la forme du visage de l’utilisateur.
Les résultats démontrent l’intérêt de combiner la vision par ordinateur, la réalité augmentée et
l’intelligence artificielle pour améliorer l’expérience d’achat de lunettes en ligne. | en_US |
| dc.language.iso | en | en_US |
| dc.subject | E-commerce | en_US |
| dc.subject | Face Shape Classification | en_US |
| dc.subject | Virtual Try-On | en_US |
| dc.subject | Artificial Intelligence | en_US |
| dc.subject | CNN | en_US |
| dc.title | Intelligent System for Eyeglasses Recommendation | en_US |
| dc.type | Thesis | en_US |
| Appears in Collections: | Ingenieur
|