Dans un projet en partenariat avec Unimasoft, une étude de faisabilité doit déterminer si la comparaison de mouvements, effectuée par des outils de comparaison d’animations développés par le CDRIN, peut être rendue possible à partir d’images captées par un système simple et abordable de qualité équivalente à une Kinect.

La comparaison consiste à analyser un mouvement nouvellement capturé par rapport à un mouvement de référence optimal afin de mesurer une déviation dans un écart acceptable, qui détermine si le nouveau mouvement est réalisé de manière correcte ou non.

Les mouvements pouvant être réalisés par des personnes de dimensions corporelles différentes, dans des orientations différentes, à des rythmes différents et sur des durées totales différentes, les comparaisons doivent être robustes par rapport à ces facteurs :

• L’orientation du mouvement lors de la capture.
• Les longueurs des membres de chaque individu.
• La durée variable d’exécution de chaque geste composant le mouvement complet.
• La durée variable d’exécution du mouvement complet.
• Les erreurs de captures induites par les systèmes eux-mêmes.

Les algorithmes suivants ont été programmés et utilisés pour le projet:

• Détection des points d’inflexion : Il n’est pas nécessaire de comparer l’ensemble du mouvement, certaines données sont plus caractéristiques que d’autres, notamment les changements de direction. Ceci permet de limiter la complexité d’analyse et les temps de calcul inutiles.
• Différence des courbes d’animations: Afin de comparer un mouvement, nous avons besoin d’établir la distance de ce mouvement par rapport à un mouvement de référence.
• Détections des erreurs de capture : Afin de s’affranchir des erreurs de capture, il est nécessaire de pouvoir au moins détecter quand la capture a été problématique (ex. les rotations des membres sont physiquement impossibles, ou bien l’accélération de ceux-ci est physiquement improbable).
• Déformation temporelle dynamique (DTW) : Les données enregistrées par l’apprenti n’ont pas nécessairement la même base de temps que les données de référence, et ne sont pas effectuées à la même vitesse. Nous avons besoin de mettre en correspondance des points remarquables sur les courbes afin d’analyser si l’apprenti réalise son mouvement d’une manière similaire à la référence.
• Patrons de mouvements : Le concept de classification en apprentissage machine, dans le contexte du mouvement, consiste souvent en la reconnaissance du mouvement réalisé parmi une banque de mouvements potentiels préétablis. Mais la classification peut aussi servir à évaluer la distance du mouvement réalisé par rapport aux mouvements connus : quelle valeur numérique peut-on assigner à la ressemblance du nouveau mouvement par rapport aux mouvements de référence.