Motion analysis by video for gait evaluation with innovative technology

Analyse de mouvement par vidéo pour l'évaluation de la marche avec une technologie innovante L'émergence des caméras de profondeur (RGB-D) et des algorithmes d'estimation de pose humaine a ouvert la voie à des systèmes d'analyse du mouvement sans marqueurs. Cependant, des défis subsistent en analyse de la marche, notamment en raison du bruit dans les poses estimées. Ces systèmes montrent une précision moindre comparée aux systèmes de référence. Ce manuscrit aborde ce problème en introduisant des modèles géométriques intégrant des connaissances biomécaniques. Trois études interconnectées ont été réalisées pour améliorer la précision de la détection des événements de la marche, des paramètres spatiotemporels et des mesures cinématiques. Tout d'abord, un modèle géométrique basé sur des courbes de Bézier a été développé pour imiter la trajectoire des points de l'extrémité du pied chez des sujets sains, à partir de données d'une caméra RGB-D (Microsoft Azure Kinect) et d'un estimateur de pose humaine (OpenPose). La validation avec le système OptoGait a montré un accord statistique excellent (0,86 ≤ Rc ≤ 0,99), révélant le potentiel de ce modèle pour le débruitage des trajectoires des points de l'extrémité du pied. Ensuite, deux modèles géométriques ont été créés pour s'adapter à des marches normales et pathologiques. Nous avons développé O-GEST, un algorithme automatique pour détecter les événements de la marche au sol, basé sur des courbes B-Spline pour représenter la trajectoire du pied. Validé par rapport à des plateformes de force, O-GEST détecte 95 % des événements de marche avec une erreur inférieure à 20-30 ms, y compris pour des sujets atteints de pathologies comme l'arthrose de la hanche, les AVC, la maladie de Parkinson et la paralysie cérébrale. Enfin, un modèle géométrique du membre inférieur et un pipeline algorithmique ont été développés pour améliorer la précision des mesures cinématiques des systèmes sans marqueurs. En prenant en compte des propriétés géométriques spécifiques au sujet et en utilisant un lissage des trajectoires, la validation avec le système OptiTrack a montré une réduction de l'erreur jusqu'à 43,5 %. Les résultats suggèrent que l'incorporation de modèles géométriques et biomécaniques dans l'analyse de la marche sans marqueurs améliore la précision, la portabilité et la fiabilité, avec moins de caméras nécessaires.