Développement de méthodes automatiques d'analyse vidéo du mouvement dédiées en parasport

Development of automatic video motion analysis methods dedicated to parasport

• Auteur / Autrice : Gabriel Bréhault
• Direction : Lionel Reveret
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/05/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche Inria de l'Université Grenoble Alpes

Mots clés

Mots clés libres

Analyse vidéo

Analyse du mouvement

Parasport

Video analysis

Motion analysis

Parasports

Résumé

Les récents développements en analyse vidéo automatique pour la détection de posture humaine ont ouvert de nouvelles possibilités de déploiement d'outils de mesure, utilisables directement sur le terrain pour l'étude du mouvement dans la pratique sportive. En levant la contrainte de la pose de marqueurs réfléchissants, habituelle en biomécanique, ce nouveau champ du « sans marqueurs » a été ouvert grâce à la mise à disposition de méthodes et modèles d'apprentissage automatique qui prédisent la localisation de points anatomiques caractéristiques du corps humain à partir d'une image. L'efficacité de ces modèles prédictifs repose en premier lieu sur les caractéristiques de la collecte massive de jeux de données d'apprentissage. Parmi un vaste ensemble de méthodes existantes, la proposition OpenPose de Carnegie Melon University est emblématique. Cependant, comme toutes les autres méthodes similaires, le jeu d'apprentissage utilisé a porté sur des images de personnes se tenant classiquement debout sur leurs jambes. Ainsi, bien que la mesure de mouvement à partir de la vidéo bénéficierait aussi au support technique et scientifique de la pratique sportive en fauteuil, ce contexte du parasport n'a pratiquement pas été encore abordé pour l'analyse vidéo « sans marqueurs ». Le but de cette thèse est d'apporter une réponse scientifique et technique à cette question de l'analyse vidéo automatique pour la pratique sportive en fauteuil roulant manuel en étudiant les spécificités d'une solution efficace et adaptée au terrain. Cette recherche s'appuiera sur un environnement scientifique et pratique important. Elle s'inscrit d'abord dans la continuité du projet ANR PIA PerfAnalytics coordonné au LJK par Lionel Reveret (INRIA, Grenoble), projet dédié aux développements d'analyse vidéo automatique pour le sport de haut-niveau (http://perfanalytics.fr) et du projet ANR PIA ParaPerf coordonné à l'IRMES par Jean-François Toussaint, Nicolas Forstmann et Julien Schipman (INSEP, Paris). PerfAnalytics et ParaPerf sont deux projets soutenus par l'ANR dans le cadre du Programme Prioritaire de Recherche sur le Sport de Très Haute Performance. La collaboration entre les deux projets a été initiée concrètement la première fois lors d'une intervention sollicitée par la fédération de para-badminton. Par ailleurs, aussi à l'origine de ce projet de thèse CIFRE, la société TRINOMA, leader français pour l'expertise en métrologie du mouvement humain, avait contacté l'IRMES et le LJK pour exprimer son souhait de s'investir dans le support à l'activité physique en fauteuil. Ce domaine a été identifié par l'entreprise comme encore non suffisamment soutenu par les innovations récentes en analyse vidéo sans marqueurs. Cette thèse se focalise sur le développement des solutions informatiques en analyse vidéo automatique afin de fournir une infrastructure adaptée de mesure.

Recent developments in automatic video analysis for the detection of human posture have opened up new possibilities for the deployment of measurement tools that can be used directly in the field to study movement in sports practice. By removing the need for reflective markers, as is customary in biomechanics, this new 'markerless' field has been opened up thanks to the availability of machine-learning methods and models that predict the location of anatomical points characteristic of the human body from an image. The effectiveness of these predictive models depends first and foremost on the characteristics of the massive collection of training datasets. Among a vast array of existing methods, Carnegie Melon University's OpenPose proposal is emblematic. However, like all similar methods, the training set used involved images of people classically standing on their legs. So, although video-based motion measurement would also benefit the technical and scientific support of wheelchair sports, this parasport context has hardly been addressed yet for 'markerless' video analysis. The aim of this thesis is to provide a scientific and technical answer to the question of automatic video analysis for manual wheelchair sports, by studying the specifics of an effective, field-adapted solution. This research will be based on a significant scientific and practical environment. Firstly, it follows on from the ANR PIA PerfAnalytics project coordinated at LJK by Lionel Reveret (INRIA, Grenoble), dedicated to the development of automatic video analysis for high-level sport (http://perfanalytics.fr), and the ANR PIA ParaPerf project coordinated at IRMES by Jean-François Toussaint, Nicolas Forstmann and Julien Schipman (INSEP, Paris). The collaboration between the two projects was initiated for the first time when the para-badminton federation asked us to intervene. Also at the origin of this CIFRE thesis project, TRINOMA, France's leading expert in human movement metrology, had contacted IRMES and the LJK to express its wish to become involved in supporting physical activity in wheelchairs. This field was identified by the company as not yet sufficiently supported by recent innovations in markerless video analysis. This thesis focuses on the development of automatic video analysis software solutions to provide a suitable measurement infrastructure.