Evaluation de gestes sportifs et de mouvements de rééducation : Une démarche intégrée de la mesure du mouvement à l'analyse des données

Evaluation of sports gestures and rehabilitation movements: An integrated approach from movement measurement to data analysis

• Auteur / Autrice : Qi Gan
• Direction : Stephan Clemencon, Mounim A. El yacoubi
• Type : Projet de thèse
• Discipline(s) : Informatique, données, IA
• Date : Inscription en doctorat le 01/04/2022
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Traitement et Communication de l'Information
• Partenaire(s) de recherche : Equipe de recherche : S2A - Statistique et Apprentissage

Mots clés

Mots clés libres

Gestes sportifs

Mouvements de rééducation

Intelligence Artificielle

Analyse du mouvement humain

Sports Gestures

Rehabilitation Movements

Artificial Intelligence

Human movement analysis

Résumé

L'assistance au diagnostic est un sujet usuel de l'Intelligence Artificielle (IA). Les progrès de l'IA pour procéder à l'analyse du mouvement humain, en particulier à l'aide d'images vidéo, permettent d'envisager son utilisation à la fois pour l'évaluation des progrès de patients en rééducation et pour l'aide à la préparation des sportifs de haut niveau. D'une part, l'IA permet en effet une localisation précise des articulations à l'aide d'images vidéo sans marqueurs optiques, donc sans perte de temps pour les praticiens, ce qui autorise à envisager l'utilisation de ces techniques pour évaluer une progression dans la rééducation d'un patient atteint de déficits moteurs (marche, course). D'autre part, les méthodes récentes d'analyse des données permettent quant à elles de fournir les informations les plus utiles pour évaluer une tendance, comme ici les progrès d'un entraînement ou d'un programme de rééducation. L'objectif général de la thèse est de fournir à des entraîneurs ou à des praticiens des métriques qui leur permettent de suivre la progression de la performance d'un sportif ou de la rééducation d'un patient. L'évaluation fera en particulier intervenir des réseaux de neurones profonds pour mesurer le mouvement en trois dimensions à l'aide d'images vidéo. Une fusion avec des capteurs inertiels (IMU) sera étudiée pour obtenir une plus grande précision. Des métriques seront ensuite proposées, soit en considérant des grandeurs mesurables corrélées aux connaissances des entraîneurs et des praticiens, soit en mettant en évidence des données corrélées à la performance ou à la progression directement à l'aide de vidéos annotées par les experts. Une attention particulière sera portée à l'étude de la marche et de la course. La possibilité pour les sportifs et les patients de visualiser leur progression étant un élément majeur de motivation, les résultats de l'évaluation devront être présentés sous une forme qui leur soit compréhensible.

Assistance with diagnosis is a common topic in Artificial Intelligence (AI). Advances in AI to analyze human movement, in particular using video images, make it possible to consider its use both for the evaluation of the progress of patients in rehabilitation and for the help in the preparation of high level athletes. On the one hand, AI indeed allows precise localization of joints using video images without optical markers, therefore without wasting time for practitioners, which makes it possible to consider the use of these techniques to assess progress in the rehabilitation of a patient with motor deficits (walking, running). On the other hand, recent methods of data analysis provide the most useful information to assess a trend, such as the progress of a training or rehabilitation program. The general objective of the thesis is to provide coaches or practitioners with metrics that allow them to follow the progress of an athlete's performance or of a patient's rehabilitation. In particular, the assessment will involve deep neural networks to measure movement in three dimensions using video images. A fusion with inertial sensors (IMU) will be studied to obtain greater precision. Metrics will then be proposed, either by considering measurable quantities correlated with the knowledge of coaches and practitioners, or by highlighting data correlated with performance or progress directly using videos annotated by experts. Particular attention will be paid to the study of walking and running. Since the possibility for athletes and patients to view their progress is a major motivating factor, the results of the assessment should be presented in a form that is understandable to them.