Le système de capture de mouvement sans marqueur ouvre la voie à la biomécanique dans un large éventail de domaines
Chercheurs à CAMERA, l'Université de Bath’Le Center for Analysis of Motion, Entertainment and Research Applications du Centre d'analyse des applications de mouvement, de divertissement et de recherche a développé un logiciel en libre accès qui analyse les données de capture de mouvement, sans utiliser de marqueurs. Ils ont montré que le système sans marqueur offre aux cliniciens, aux entraîneurs sportifs et aux physiothérapeutes une manière discrète d'analyser les mouvements du corps à partir de séquences vidéo, comparable à l'utilisation de marqueurs.
L'analyse du mouvement repose traditionnellement sur la fixation de marqueurs réfléchissant la lumière sur des points spécifiques du corps ; le mouvement de ces marqueurs dans l'espace 3D est ensuite calculé à l'aide des données d'un réseau de caméras qui filment la personne’s mouvements sous différents angles.
Placer des marqueurs avec précision sur le corps peut prendre beaucoup de temps et peut parfois interférer avec la personne.’s mouvements naturels.
Pour surmonter ce problème, l'équipe de CAMERA dirigée par le Dr Steffi Colyer a développé un système non invasif sans marqueur utilisant des méthodes de vision par ordinateur et d'apprentissage profond pour mesurer le mouvement en identifiant les repères corporels à partir de données d'images 2D régulières.
En utilisant les mêmes images pour évaluer les performances de leur système entièrement automatisé, ils ont constaté que les résultats étaient comparables à ceux d'un système de capture de mouvement traditionnel basé sur des marqueurs. Le système fonctionne sur une technologie similaire à celle utilisée par les systèmes commerciaux, mais est disponible sous forme de flux de travail open source et peut être adapté à l'utilisateur.’s besoins plus facilement.
L'équipe a publié un ensemble de données unique pour permettre à d'autres chercheurs d'évaluer de nouveaux algorithmes sans marqueur et de faire progresser davantage les domaines de la vision par ordinateur et de la biomécanique.
L’équipe a utilisé un système de vision par ordinateur open source, OpenPose, pour estimer la position des articulations sur une image vidéo 2D d’une personne courant, sautant et marchant. Ils fusionnent ensuite les données en 3D et les saisissent dans un logiciel de modélisation open source appelé OpenSim, qui adapte un squelette aux articulations et permet d'obtenir le mouvement du corps entier.
Les données vidéo entièrement synchronisées et basées sur des marqueurs utilisées dans cette étude, ainsi que le code qui sous-tend le pipeline sans marqueur, sont désormais disponibles et sont entièrement décrits dans un article récemment publié dans Données scientifiques.
Le Dr Colyer a déclaré : « Le problème avec l'utilisation de marqueurs est qu'ils peuvent être difficiles à placer sur un participant avec précision et fiabilité et que ce processus peut prendre beaucoup de temps, ce qui n'est pas normal.’t très pratique pour de nombreux participants et applications (par exemple athlètes d'élite ou populations cliniques).
« Notre système sans marqueur estime les positions des articulations uniquement à partir de la vidéo, sans qu'il soit nécessaire de placer un équipement sur le participant ni de temps de préparation. Cela nous ouvre la porte pour capturer plus facilement les données de mouvement dans des contextes extérieurs au laboratoire et les résultats pour les mouvements que nous avons analysés sont comparables aux techniques traditionnellement utilisées avec des marqueurs.
« Notre pipeline est open source, ce qui signifie que toute personne possédant une certaine expertise dans le domaine peut l'utiliser gratuitement pour obtenir des données de mouvement à partir de séquences vidéo normales.
« Cela pourrait être utile aux physiothérapeutes, aux cliniciens et aux entraîneurs sportifs dans un large éventail d'applications, notamment les performances sportives et la prévention ou la réadaptation des blessures. De plus, l'ensemble de données qui l'accompagne fournit la première référence de haute qualité pour évaluer les algorithmes émergents dans ce domaine en évolution rapide.
« Nous avons utilisé le système pour mesurer la biomécanique des athlètes skeleton lors de leurs départs poussés et nous l'avons récemment déployé sur les courts de tennis et de badminton pour surveiller discrètement la quantité de travail effectué par les joueurs pendant l'entraînement et les matchs. »
