Sémi­naire – Human perfor­mance evalua­tion with low-cost systems – Frank Multon – Rennes 2 – Inria

Le Mercredi 16 Mai 2018 à 10H30 dans la Salle U16 du bâti­ment U de l’IUT à Reims.

Au cours de ce sémi­naire, nous avons le plai­sir d’ac­cueillir le Pr. Franck Multon qui nous présen­tera ses travaux.

Titre : Human perfor­mance evalua­tion with low-cost systems

Résumé :

Le mouve­ment humain inté­resse de nombreux domaines d’ap­pli­ca­tion, comme le sport, la réédu­ca­tion, l’er­go­no­mie ou encore les jeux vidéos. Dans tous ces domaines, il est néces­saire de pouvoir mesu­rer la perfor­mance du sujet sans pertur­ber la manière dont il effec­tue son geste. Dans la majo­rité des cas, il est diffi­cile d’ex­traire le sujet de son envi­ron­ne­ment (terrain de sport, envi­ron­ne­ment de travail, centre de réédu­ca­tion…) pour le mettre dans des condi­tions de labo­ra­toire, bien contrô­lées. Avec la diffu­sion grand public des camé­ras de profon­deur bas coût, de nouvelles oppor­tu­ni­tés de mesure du mouve­ment sont appa­rues début 2010. Asso­ciées à un tracking effi­cace du sque­lette du sujet, ces camé­ras de profon­deur permettent une mesure sans marqueurs ni capteurs portés. Nous avons évalué la robus­tesse de cette approche dans un grand nombre de confi­gu­ra­tions, faisant appa­raître une forte sensi­bi­lité aux occul­ta­tions. Nous avons ensuite proposé deux approches pour contour­ner ce problème. Dans un premier temps, nous propo­sons de mesu­rer les critères de perfor­mance utiles, direc­te­ment à partir des surfaces au lieu des données sque­let­tiques. Cette approche a été appliquée avec succès à l’ana­lyse clinique de la marche patho­lo­gique, avec un focus sur la quan­ti­fi­ca­tion de l’asy­mé­trie de la marche. Nous avons ainsi montré que les mesures d’asy­mé­trie en utili­sant cette méthode avec une simple Kinect de Micro­soft pouvait être aussi précises qu’a­vec un système de labo­ra­toire, mais sans ses contraintes. Dans un second temps, nous avons proposé une nouvelle approche basée exemples pour corri­ger les données sque­let­tiques, en situa­tion très contrainte, avec de nombreuses occul­ta­tions. Une nouvelle struc­ture de données, les Filte­red Pose Graph, permet d’or­ga­ni­ser une base de données de mouve­ments « exemples » afin d’ef­fi­ca­ce­ment recal­cu­ler les parties du corps mal recons­truites par l’al­go­rithme de tracking. Cela a été appliqué à l’ana­lyse ergo­no­mique des postes de travail, où les contraintes envi­ron­ne­men­tales sont extrê­me­ment dures pour l’al­go­rithme de tracking. Les résul­tats montrent une excel­lente prédic­tion de la péni­bi­lité, en compa­rai­son avec des mesures de réfé­rences, et des esti­ma­tions d’ex­perts. Cette amélio­ra­tion de la préci­sion de mesure du sque­lette permet­trait d’en­vi­sa­ger une esti­ma­tion des couples arti­cu­laires par dyna­mique inverse, en situa­tion réelle de travail. Ces résul­tats font actuel­le­ment l’objet du trans­fert vers une start-up propo­sant des solu­tions de mesures ergo­no­miques sur poste de travail, sans marqueurs ni capteurs portés.