Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

29 décembre 2018

Caractérisation du geste sportif par caméras rapides  utilisant l’analyse trajectographique de points critiques


Catégorie : Stagiaire


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.

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 deux caméras rapides (f > 500Hz) placées à différents endroits de la salle.

L’approche envisagée pour ce stage comporte plusieurs étapes : 1) générer un espace-échelle linéaire dont les échelles auront été choisies afin d’appréhender au mieux les différents objets d’intérêts présents dans les images (raquette, bras, balle…) ; 2) détecter de manière robuste des points critiques ainsi qu’une approximation du Jet local autour de ces points ; 3) prédire et d’estimer les trajectoires des points dans le temps ; 4) les trajectoires extraites seront utilisées pour caractériser les différents actions présentes dans les vidéos et alimenter un algorithme d’apprentissage profond (deep learning) qui permettra leur reconnaissance. Les résultats de classification à partir de ces nouveaux descripteurs seront ensuite validés par rapport aux séquences annotées par les utilisateurs experts.

Description détaillée :
http://pageperso.univ-lr.fr/rpeteri/ftp/stage_M2_CRISP_CAVISTE-2018-2019.pdf

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

Prérequis :
L’étudiant devrait être inscrit à un niveau de Master 2 Informatique ou Traitement du Signal/Image et être capable d'implémenter les algorithmes proposés en C++ et Python.

Lieu du stage : laboratoire XLIM UMR CNRS 7252 - site de Poitiers - équipe ASALI/ICONES
Date de début du stage : Février ou Mars
Durée du contrat : 5 mois
Gratification de stage : environ 554 Euros/mois

La description détaillée de la proposition de stage est disponible à cette adresse :
http://pageperso.univ-lr.fr/rpeteri/ftp/stage_M2_CRISP_CAVISTE-2018-2019.pdf

Dans cette rubrique

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