Respon­s­able de l’axe de recherche Bio­MovE au sein du lab­o­ra­toire Bio­mé­canique et bio­ingénierie (BMBI), Khalil Ben Man­sour tra­vaille sur le pro­jet MoCapia depuis deux ans. Un pro­jet qui a suc­ces­sive­ment mobil­isé, depuis son lance­ment, six sta­giaires de l’UTC. Actuelle­ment, ce sont Yiyang Huang et Macéo Nar­bon­net, étu­di­ants en 3e année en génie infor­ma­tique, qui sont impliqués.

Par­mi les objec­tifs du pro­jet ? « Nos recherch­es visent à dévelop­per des solu­tions et des mod­èles bio­mé­caniques qui vont notam­ment nous per­me­t­tre d’analyser l’état de san­té d’une per­son­ne don­née, d’évaluer sa per­for­mance et de prévenir les trou­bles mus­cu­lo-squelet­tiques », explique-t-il.

Des recherch­es dont les appli­ca­tions con­cer­nent nom­bre de domaines tels le sport, la san­té ou encore l’ergonomie. Jusqu’ici, une des tech­niques de mesure les plus com­muné­ment util­isées est la cap­ture du mou­ve­ment tridi­men­sion­nel. « Dans ce cas de fig­ure, nous allons utilis­er un sys­tème de caméras optoélec­tron­iques pour filmer le mou­ve­ment. Mais c’est une tech­nique qui néces­site une très grande exper­tise, un temps de pré­pa­ra­tion et un délai de traite­ment impor­tants. Ce qui rend dif­fi­cile son util­i­sa­tion dans un envi­ron­nement clin­ique, par exem­ple, et réduit finale­ment son exploita­tion à la recherche en lab­o­ra­toire », dit-il.

Toute­fois, avec notam­ment l’essor des puis­sances de cal­cul et l’arrivée des mod­èles d’estimation de pos­es basés sur l’intelligence arti­fi­cielle, les lignes com­men­cent à bouger. D’autant qu’aujourd’hui, avec de sim­ples caméras disponibles dans le com­merce, il est pos­si­ble de mesur­er des mou­ve­ments sans qu’il soit néces­saire de coller des mar­queurs sur le sujet. Ce qui va réduire énor­mé­ment tant le coût du matériel que le temps de pré­pa­ra­tion et de traitement.

D’où l’idée du pro­jet MoCapia. « Nous nous sommes rapi­de­ment intéressés à cette tech­nolo­gie très récente et qui n’est donc pas encore validée d’un point de vue sci­en­tifique, en par­ti­c­uli­er en matière de pré­ci­sion. Nous avons décidé d’avoir recours à l’intelligence arti­fi­cielle afin de dévelop­per un out­il de cap­ture du mou­ve­ment sim­ple à manier et intu­itif dans son util­i­sa­tion. Actuelle­ment, nous essayons d’ajuster et d’améliorer sa pré­ci­sion. Pour cela, nous testons dif­férentes solu­tions afin d’avoir une infor­ma­tion com­plète et pré­cise que l’on com­pare à notre sys­tème de référence : le sys­tème optoélec­tron­ique. Un sys­tème dont la pré­ci­sion est d’un cen­tième de mil­limètre. Aujourd’hui, on est encore loin de ce degré de pré­ci­sion mais on avance plutôt bien », souligne Khalil Ben Mansour.

Au-delà de l’amélioration de la pré­ci­sion de cette nou­velle tech­nolo­gie, une autre idée a ger­mé au sein de l’équipe. « Nous avons décidé d’utiliser des esti­ma­teurs de pose générés par l’intelligence arti­fi­cielle. Sauf que les esti­ma­teurs de pose exis­tants ne sont basés que sur une seule caméra car leur final­ité n’est pas d’être util­isés dans le domaine clin­ique par exem­ple mais essen­tielle­ment dans l’animation vidéo. En effet, dans un jeu vidéo, ce qui compte, c’est la flu­id­ité du mou­ve­ment. Ce qui est un peu “court”, con­cer­nant la com­plex­ité des élé­ments con­sti­tu­tifs d’un mou­ve­ment don­né que l’on souhait­erait quan­ti­fi­er, analyser dans des domaines d’application plus strictes tels le médi­cal ou le sport à haut niveau », explique-t-il.

C’est alors que l’idée est venue à l’équipe de cou­pler plusieurs caméras pour effectuer une recon­struc­tion tridi­men­sion­nelle du mou­ve­ment. Un tra­vail qui soulève un cer­tain nom­bre de prob­lé­ma­tiques telles que le cal­i­brage ou la syn­chro­ni­sa­tion des caméras, entre autres. « On tra­vaille tou­jours sur l’amélioration du mod­èle par l’augmentation du nom­bre de caméras afin de mul­ti­pli­er les infor­ma­tions recueil­lies et en tes­tant dif­férentes tech­niques de cal­i­bra­tion. Il s’agit, in fine, de trou­ver les com­bi­naisons opti­males qui nous per­me­t­tent de nous rap­procher de notre référen­tiel et d’atteindre un degré de pré­ci­sion com­pat­i­ble avec des util­i­sa­tions dans le bio­médi­cal ou dans le sport de haut niveau. Si on prend le secteur médi­cal par exem­ple, il est impératif pour le pro­thé­siste de con­naître l’angle exact pour la pose d’une pro­thèse », pré­cise Khalil Ben Mansour.

Out­re la val­i­da­tion sci­en­tifique de cette nou­velle tech­nolo­gie, le pro­jet MoCapia vise surtout le développe­ment d’une inter­face graphique pour que toute per­son­ne, du kinésithérapeute au médecin en pas­sant par l’ergonome ou l’entraîneur sportif, puisse l’utiliser facile­ment et d’une manière intu­itive. C’est le défi pour lequel 6 sta­giaires de l’UTC se sont suc­cédé depuis le début du pro­jet. Actuelle­ment, Yiyang Huang et Macéo Nar­bon­net, étu­di­ants en 3e année, ont pris le relais des qua­tre précé­dents stagiaires.

Leur rôle respec­tif ? « En plus de l’amélioration de la cal­i­bra­tion des caméras, j’ai amélioré le mod­èle 3D du corps humain afin d’assurer l’estimation des rota­tions interne et externe des seg­ments », assure Macéo Nar­bon­net. Yiyang Huang, quant à elle, a surtout tra­vail­lé sur l’ergonomie. « J’ai opti­misé l’ergonomie de l’interface graphique en adop­tant une archi­tec­ture per­me­t­tant d’exécuter simul­tané­ment plusieurs tâch­es sans bug, ce qui rend le logi­ciel intu­itif et flu­ide pour l’utilisateur », dit-elle.

MSD