Des chercheurs de l’université de Bath en Angleterre ont travaillé sur une solution de capture de mouvement par l’image, visant à utiliser la vision par ordinateur et des méthodes de Deep Learning afin de comprendre le squelette et ses mouvements. Les données de sportifs ont été saisies simultanément par un système de capture de mouvement basé sur des marqueurs et un système personnalisé basé sur les recherches, sans marqueurs.
Comparés entre eux, les systèmes ont des données très proches, en particulier pour les variables spatiales (erreur de longueur 0,001 ± 0,012 m) tandis que les erreurs pour les variables temporelles (temps de contact au sol et temps en l’air) se situaient dans un intervalle de 1,5 par rapport aux mesures du critère.
La vision par ordinateur basée sur les méthodes testées dans le cadre des recherches, offre une alternative viable au mouvement basé sur des marqueurs de systèmes de capture par infrarouge. Dans un cas bien précis, les chercheurs ont appris à l’intelligence artificielle à reconstruire le squelette de sportifs. En analysant les images, le Deep Learning permet de recréer en 3D dimensions de façon virtuelle les mouvements de sportifs dans l’espace.
Les avantages indéniables permettraient à un tel système d’être déployé dans des environnements réels et difficiles pour la capture de mouvements par l’image de manière non-invasive, en stockant des données là où les approches traditionnelles à l’infrastructure plus lourde échoueraient.
Partager sa vie de tous les jours avec une créature virtuelle, jusqu’où ?
