Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

18 novembre 2020

Analyse de la nage et deep learning


Catégorie : Stagiaire


L’objectif de ce projet est d’étudier la faisabilité d’un système de captation des mouvements n’utilisant qu’un ou plusieurs capteurs optiques trouvable dans le commerce, de type go-pro par exemple, et installable autour de n’importe quel bassin. De tels systèmes sans marqueurs commencent à voir le jour [Nakano 2020]. Le rôle du stagiaire sera d’étudier la possibilité de reconstruire avec précision les mouvements d’un nageur à partir des images prises par de tels capteurs. Pour cela il s’appuiera sur des techniques et outils d’IA et de vision par ordinateurs.

 

L’objectif de ce stage est la réalisation d’une preuve de concept d’un système « à bas coût » de suivi d’une activité de nage en piscine, basé sur de l’intelligence artificielle, de la vision par ordinateur, et des systèmes embarqués.
Un système de captation des mouvements d’un nageur en piscine est un outil permettant de caractériser et d’évaluer différents aspects du mouvement du sportif, tel que le rythme, l’ampleur, ou l’efficacité de ses mouvements. Ces informations donnent à un nageur, ou à son entraineur, des éléments objectifs afin de l’aider à corriger ces défauts ou améliorer ses performances. Rendu complexe par le milieu aquatique, des systèmes existants de captation du mouvement sont coûteux et lourd à mettre en place [qualisis], [simi]. Côté capteurs, plusieurs caméras classiques et infra-rouge, à côté du bassin et subaquatiques sont nécessaires. Côté sportif, celui-ci doit être équipé de marqueurs. Du fait de la complexité et du coût de ces infrastructures, ces systèmes sont réservés aux nageurs de haut niveau, et utilisable sur des séances restreintes.

Nous souhaitons étudier la faisabilité d’un système de captation des mouvements n’utilisant qu’un ou plusieurs capteurs optiques trouvable dans le commerce, de type go-pro par exemple, et installable autour de n’importe quel bassin. De tels systèmes sans marqueurs commencent à voir le jour [Nakano 2020]. Le rôle du stagiaire sera d’étudier la possibilité de reconstruire avec précision les mouvements d’un nageur à partir des images prises par de tels capteurs. Pour cela il s’appuiera sur des techniques et outils d’IA et de vision par ordinateurs.

Il existe un OpenSource, diffusé en 2019 par le CMU, qui permet d’extraire le squelette du corps, du visage et des mains [openpose]. Il commence à être testé en milieu aquatique et permet d’extraire une partie du squelette d’un nageur (voir Fig.1). Il a été implémenté sur des cibles hardware [YogAi].

Déroulement du stage
• Compréhension de l’architecture d’OpenPose : Réseaux de neurones profonds (CNN, VGG16)
• Mise en place d’un réseaux de trois caméras (Go Pro Hero9 Black)
• Recherche et réalisation d’une base d’exemples liée à la natation
• Mise en œuvre d’OpenPose Multicaméras sur la base d’exemples
• Amélioration des performances d’OpenPose dans le domaine de la nage

Durée du stage et période envisagée : 5 à 6 mois
Contact : renaud.seguier@centralesupelec.fr
Lieu du stage : Campus de Rennes de CentraleSupélec

[Nakano 2020] https://www.frontiersin.org/articles/10.3389/fspor.2020.00050/full#F1
[openpose] https://github.com/CMU-Perceptual-Computing-Lab/openpose
[qualisis] https://www.qualisys.com/applications/human-biomechanics/underwater-human-motion/
[simi] http://www.simi.com/en/applications/sport/swimming-analysis.html
[YogAi] https://create.arduino.cc/projecthub/yogai/yogai-smart-personal-trainer-f53744

 

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.