Contribution à l'analyse du mouvement dansé

Contribution to dance movement analysis

• Auteur / Autrice : Frédéric Chenevière
• Direction : Bertrand Vachon, Samia Boukir
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2004
• Etablissement(s) : La Rochelle

Mots clés

Mots clés contrôlés

Fourier, Transformations de

Markov, Processus de

Reconnaissance des formes (informatique)

Analyse du mouvement

Résumé

Fil conducteur du projet ''Corps Dansant'', ce travail révèle une certaine contribution de l'informatique à la danse contemporaine incarnée par les artistes du B. A. R. C. Deux axes de recherche ont été privilégiés. Le premier vise la reconnaissance du contenu formel d'un mouvement de danse contemporaine via un système capable de différencier par exemple un ''Saut'', d'un ''Tour'' ou d'une ''Marche''. Le second ambitionne une caractérisation du contenu expressif, qualifiant un mouvement de symétrique ou d'asymétrique, de léger ou de lourd. Pour obtenir une description formelle et expressive d'un mouvement de danse, nous nous sommes penchés sur trois étapes clés. La première concerne la numérisation du mouvement, réalisée par le système de capture électromagnétique d'XD-Productions. Les données obtenues sont des trajectoires de mouvement suivies par les marqueurs installés sur les principales articulations du corps. La deuxième étape consiste à traiter ces courbes spatio-temporelles brutes pour rendre leur manipulation moins coûteuse. Des algorithmes classiques ont été adaptés à notre problématique de sous-échantillonnage non-uniforme de trajectoires, dont un algorithme performant d'approximation de courbes. En outre, un nouveau formalisme d'utilisation des contours actifs dans ce domaine a été envisagé avec des résultats prometteurs. Même à un fort taux de compression (95\%), les signaux d'entrée sont approchés avec une faible distorsion. A la dernière étape, une technique de reconnaissance automatique de mouvements de danse contemporaine est mise en place. Elle est certes basée sur les modèles de Markov cachés qui sont bien connus à présent, mais elle propose un agencement original visant à observer un mouvement de manière locale, en explicitant à travers une pondération automatique leur rôle dans l'identité d'un mouvement. Grâce à une base de données riche de 360 mouvements étiquetés et un prototype d'application, nous montrons que l'utilisation conjointe de nos méthodes de compression de trajectoires et de notre système de classification révèle un gain notable d'efficacité dans la reconnaissance des mouvements. A l'inverse, la reconnaissance du contenu expressif s'est avérée plus délicate et propose d'alléchantes perspectives.

This work is included in the ''Corps Dansant'' project and deals with a contribution of computer science to contemporary dance represented by the artists of B. A. R. C. We focus on two main goals. First, we aim at recognizing the formal content of a danced movement thanks a system which is able to distinguish between a ''Jump'', a ''Rotation'' and a ''Walk''. Second, we would like to automatically recognize the expressive content of a movement : is it symmetric or asymmetric, light or heavy ? We describe three steps to obtain the formal and expressive description of a gesture. The first one, the motion capture, is realized by the XD-Productions electromagnetic system. The provided data are the trajectories followed by the markers placed on the main joints of the body. The second step treats these spatiotemporal curves to avoid high computational costs. Classical algorithms were adapted to this problematic of nonuniform subsampling of trajectories. An efficient algorithm of curve approximation and a new formalism of active contour for signal compression are proposed. Even at a high rate of compression (95\%) the distortion is weak. Finally, an automatic technic of contemporary dance movements recognition is described. Based on the well-known hidden Markov models, it combines a local approach of a movement with an automatic weighting of their trajectories. Experimental results, provided by a database of 360 labelled danced movements and a prototype of application, show a high gain of movement recognition efficiency when our technics of spatiotemporal data compression and our system of classification are both used. On the other hand the recognition of expressive content remains problematic and provides challenging perspectives.