Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

13 février 2018

Caractérisation du geste sportif par analyse trajectographique de points critiques


Catégorie : Stagiaire


Proposition de stage M2 2017-2018

Caractérisation du geste sportif par analyse trajectographique de points critiques

Sujet détaillé

Mots-clés : Reconnaissance d'activités sportives, Traitement de la vidéo, Point critique, Espace-échelle, Deep Learning.

Encadrants : Benoit TREMBLAIS (XLIM UMR CNRS 7252), Renaud PETERI (MIA EA 3165)

Contacts : benoit.tremblais@univ-poitiers.fr, renaud.peteri@univ-lr.fr

Lieu du stage :

Laboratoire XLIM, UMR CNRS 7252
Bat. SP2MI, Téléport 2,
Bvd Marie et Pierre Curie, BP 30179
86962 Futuroscope Chasseneuil Cedex France

Compétences requises : L’étudiant devrait être inscrit à un niveau de Master 2 Informatique ou Traitement du Signal/Image. Des connaissances de traitement d’images ou de vidéos seront un plus. L'étudiant devra être capable d'implémenter les algorithmes proposés en C++ et Python.

Durée du contrat : 5 mois

Gratification de stage : environ 554 euros/mois

 

Contexte du stage

Ce stage s’inscrit dans le cadre d’un projet de la région Nouvelle Aquitaine appelé « ComputeR vIsion for Sport Performance » (CRISP) qui vise à évaluer la performance sportive en situation écologique, c’est-à-dire sans la mise en place de marqueurs ou appareillages pouvant gêner le sportif dans sa performance et sa pratique, par des méthodes de vision artificielle. Il s’agit dans un premier temps d’identifier des gestes sportifs puis dans un deuxième temps de pouvoir les caractériser. L’objectif est d’effectuer une analyse trajectographique du coup réalisé, et ainsi donner des indicateurs qualitatifs pouvant aider l’entraîneur ou l’apprenant. Le stage est financé par la fédération de recherche MIRES (Mathématiques & leurs Interactions, Images & information numérique, Réseaux et Sécurité) FR CNRS 3423.

L'analyse du geste sportif écologique ou sans marqueurs nécessite la détection et la caractérisation de points d’intérêts dans les vidéos ou les champs de déplacements que l'on va pouvoir analyser dans l'espace et dans le temps. L’hypothèse sous-jacente est que l’on va pouvoir, uniquement à partir des trajectoires de ces points d’intérêt, extraire des paramètres pertinents pour faire une analyse biomécanique du mouvement sportif et/ou reconnaître des actions dans une activité sportive.

Dans le cadre du stage, nous nous concentrerons sur l’étude de vidéos de joueurs de tennis de table acquises par plusieurs caméras rapides (f > 500Hz). Par ailleurs, une interface d'annotation manuelle en mode crowdsourcing a été développée et permetl’annotation des actions par des spécialistes du tennis de table : sportifs et entraîneurs. Cette base annotée nous permet d’évaluer des algorithmes de reconnaissance d’actions.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.