FR3119777A1 - Système d’entraînement interactif - Google Patents

Système d’entraînement interactif Download PDF

Info

Publication number
FR3119777A1
FR3119777A1 FR2101413A FR2101413A FR3119777A1 FR 3119777 A1 FR3119777 A1 FR 3119777A1 FR 2101413 A FR2101413 A FR 2101413A FR 2101413 A FR2101413 A FR 2101413A FR 3119777 A1 FR3119777 A1 FR 3119777A1
Authority
FR
France
Prior art keywords
properties
module
movements
player
actions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR2101413A
Other languages
English (en)
Other versions
FR3119777B1 (fr
Inventor
Riad MAKDESSI
Hossam Eldin BAYOUMY
Matthieu CAILLE
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pleyo SAS
Original Assignee
Pleyo SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pleyo SAS filed Critical Pleyo SAS
Priority to FR2101413A priority Critical patent/FR3119777B1/fr
Priority to PCT/FR2022/050278 priority patent/WO2022171971A1/fr
Publication of FR3119777A1 publication Critical patent/FR3119777A1/fr
Application granted granted Critical
Publication of FR3119777B1 publication Critical patent/FR3119777B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123Discriminating type of movement, e.g. walking or running
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass
    • G09B19/003Repetitive work cycles; Sequence of movements
    • G09B19/0038Sports
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10Athletes
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09Rehabilitation or training
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121Determining geometric values, e.g. centre of rotation or angular range of movement
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7282Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/742Details of notification to user or communication with user or patient ; user input means using visual displays

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Social Psychology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Dentistry (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • User Interface Of Digital Computer (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Processing Or Creating Images (AREA)

Abstract

Un système d’entraînement interactive comprenant : un module de commande étant configuré pour déterminer un contenu d’entraînement;un module de conception étant configuré pour recevoir le contenu du module de commande, et pour concevoir une séquence de mouvements en fonction du contenu reçu ;un module d'affichage étant configuré pour afficher les mouvements conçus par le module de conception ; un module de reconnaissance étant configuré pour identifier les propriétés corporelles d'un joueur, qui effectue les mouvements affichés, pour valider les actions du joueur sur la base des propriétés corporelles identifiées, et pour reconnaître les mouvements du joueur sur la base des actions validées ; Chaque mouvement est composé d'une chaîne d'actions, qui est définie par une série de propriétés corporelles. Les propriétés corporelles sont représentées par un ensemble de propriétés modulaires prédéfinies, qui sont des blocs de construction réutilisables pour le module de conception et le module de reconnaissance. Figure 1

Description

Système d’entraînement interactif
La présente invention concerne un système d'entraînement interactif, et plus particulièrement, le système d'entraînement interactif pour l'exercice sportif sur un trampoline.
Contexte
Il existe de nombreux systèmes d'entraînement interactifs qui visent à rendre l'exercice agréable pour les utilisateurs en reliant le mouvement d'exercice de l'utilisateur à un contenu interactif contrôlé par le corps de l'utilisateur à l'aide d'une sorte de capteur. Ces systèmes invitent l'utilisateur à effectuer le mouvement de fitness prévu, surveillent ses mouvements, reflètent ses mouvements dans une représentation interactive et lui fournissent un retour d'information.
Cette méthode présente le problème suivant : les mouvements d'entraînement qui font partie des routines d'entraînement de ces systèmes sont préprogrammés et étroitement couplés à une routine d'exercice préconçue. Par exemple, un développeur de logiciel doit programmer le logiciel pour détecter quand un utilisateur court, saute ou s'accroupit... Le système utilise également des techniques d'apprentissage automatique pour former un modèle d'apprentissage automatique en utilisant une quantité massive de données provenant de différents participants pour apprendre au modèle à reconnaître un utilisateur effectuant un mouvement spécifique à l'aide d'un capteur ou d'un ensemble de capteurs. Cela limite l'expansion à d'autres mouvements sans l'intervention d'un développeur de logiciels informatiques ou d'une quantité massive de données pour former le système à de nouveaux mouvements d'entraînement.
En outre, cette méthode dépend d'un type spécifique de capteurs. Le brevet US8113991 décrit un système permettant de fournir un programme d’entraînement interactif, qui comprend une caméra de profondeur pour capturer des images de profondeur des mouvements de l'utilisateur. Il est déterminé à partir des images de profondeur des coordonnées tridimensionnelles. Une base de données est générée en utilisant les coordonnées tridimensionnelles déterminées. Ainsi, la reconnaissance n'est disponible qu'avec une caméra de profondeur, qui est capable de capturer des images de profondeur des mouvements de l'utilisateur. Puisque la base de données est générée en utilisant les coordonnées tridimensionnelles déterminées sur la base des images de profondeur, il est impossible de comparer tout autre type d'images, qui ne sont pas des images de profondeur, avec les mouvements catalogués dans la base de données. Ainsi, le système dépend des capteurs et est limité à un type spécifique de capteurs.
Avantages de l'invention
La présente invention a été développée en réponse à l'état actuel de la technique, et en particulier, en réponse aux problèmes et aux besoins de l'art qui n'ont pas encore été entièrement résolus par les systèmes d’entraînement disponibles. Par rapport à l'état de l'art, la présente invention présente l'avantage de ne pas dépendre d'un type spécifique de capteurs. Le système comprend un module de reconnaissance pour reconnaître un utilisateur effectuant un mouvement spécifique. La reconnaissance du mouvement est basée sur une chaîne d'actions validées, qui sont des propriétés corporelles standardisées. Les propriétés corporelles sont définies en utilisant un ensemble de propriétés modulaires abstraites représentant l'état physique instantané ou accumulé de l'utilisateur. Le concepteur de la routine d'exercice ou le logiciel de génération d'exercice peut réutiliser l'ensemble des propriétés modulaires abstraites pour construire des entraînements sans avoir besoin de détecter les données des utilisateurs pour entraîner des modèles d'apprentissage automatique dans une base de données. Ainsi, ce système ne dépend pas d'un type spécifique de capteurs et peut être adapté à tous les types de capteurs.
Bref résumé de l'invention
La présente invention concerne un système d’entraînement interactive comprenant :
  • un module de commande configuré pour déterminer un contenu d’entraînement;
  • un module de conception configuré pour recevoir le contenu du module de commande, et pour concevoir une séquence de mouvements en fonction du contenu reçu ;
  • un module d'affichage configuré pour afficher les mouvements conçus par le module de conception ;
  • un module de reconnaissance configuré pour identifier les propriétés corporelles d'un joueur, qui effectue les mouvements affichés, pour valider les actions du joueur sur la base des propriétés corporelles identifiées, et pour reconnaître les mouvements du joueur sur la base des actions validées ;
  • chaque mouvement étant composé d'une chaîne d'actions, qui est définie avec une série de propriétés corporelles ;
  • les propriétés du corps étant représentées par un ensemble de propriétés modulaires prédéfinies, qui sont des blocs de construction réutilisables pour le module de conception et le module de reconnaissance.
L'invention concerne une pluralité de variantes de l'électrode, qui comprennent les modes de réalisation suivants, seuls ou en combinaison.
Les propriétés du corps sont classées en trois catégories : propriétés instantanées, propriétés de tendance avec des données accumulées sur le court terme, et propriétés de tendance accumulées avec des données accumulées sur le long terme.
Le système comprend au moins un capteur fournissant des données de positionnement et de synchronisation de différentes parties du corps du joueur. Les données de positionnement concernent les positions relatives entre les différentes parties du corps du joueur, et la distance par rapport à un cadre de référence.
Le système contient un trampoline, et les données du capteur comprennent des données de positionnement et de synchronisation de différentes parties du corps du joueur dans le système de référence du trampoline.
Le système contient un module de notation configuré pour comparer les mouvements reconnus par le module de reconnaissance et les mouvements affichés par le module d'affichage afin de générer un score basé sur les différences.
Le module de commande est configuré pour évaluer le score généré pour actualiser le contenu de la formation.
La est un schéma d'un système d’entraînement interactif avec ses principaux composants ;
La est un diagramme schématique de la définition d'une session d’entraînement;
] La est un exemple de base de données de mouvements ;
La est un diagramme schématique d'un processus de reconnaissance de mouvement ;
] La est un tableau représentant le résultat de l'analyse de la comparaison des mouvements ;
La est un diagramme schématique d'une architecture d'une session d’entraînement complète.
Description détaillée du mode de réalisation préféré
Il est entendu que la description générale qui précède et la description détaillée qui suit sont illustratives et explicatives, et ne sont pas restrictives. Les titres de section utilisés dans le présent document sont destinés à des fins d'organisation et ne doivent pas être interprétés comme limitant le sujet décrit.
La présente invention concerne un système d'entraînement interactif avec des multi-capteurs pour collecter les données d'un joueur dans un espace tridimensionnel et dans une séquence temporelle afin de reconnaître les mouvements du joueur, qui peuvent être utilisés pour adapter le contenu de l'entraînement à la condition physique du joueur, tandis qu'un entraînement interactif est également pris en considération.
La montre un système d’entraînement interactif (1) avec ses principaux composants : un module de commande (11), un module de conception (12), un module d'affichage (13), un module de reconnaissance (14) et un module de notation (15). Le module de commande (11) est configuré pour déterminer un contenu d’entraînement en fonction d'un objectif d’entraînement interactive. Au démarrage du système, l'objectif d'entraînement interactif est défini comme, par exemple, un entraînement de perte de poids, un entraînement de relaxation, un entraînement de flexibilité, un entraînement de haute intensité. Au début d'un entraînement, le module de commande détermine un contenu d'entraînement d'initiation, par exemple, Warm Up, qui est transmis au module de conception. Le module de conception (12) reçoit le contenu de l'entraînement d'initiation du module de commande, et conçoit une séquence de mouvements, par exemple, des exercices d'échauffement du corps. La séquence de mouvements d'échauffement est transmise au module d'affichage (13), qui affiche les instructions visuelles des mouvements avec des instructions audio et de la musique. Un joueur (16) commence à effectuer des exercices sportifs en suivant les instructions visuelles et sonores des mouvements. L'exercice sportif peut être effectué sur un terrain de jeu sans aucun instrument ou dispositif sportif. Il est également possible que le joueur effectue l'exercice sportif sur un dispositif sportif, par exemple un trampoline (17) ou un tapis. Le module de reconnaissance (14) contient des capteurs (18) qui enregistrent des données concernant les positions des différentes parties du corps du joueur (16) et le moment de ces positions. Il est également possible d'installer les capteurs (18) sur le dispositif sportif (17), et de communiquer les données du capteur au module de reconnaissance (14) par des fils électriques ou par une méthode sans fil. Sur la base des données des capteurs, le module de reconnaissance (14) identifie les propriétés du corps, valide les actions et reconnaît en outre les mouvements du joueur (16). Le module de notation (15) compare les mouvements reconnus par le module de reconnaissance (14) aux mouvements affichés, puis génère un score sur la base des différences. Le module de contrôle évalue le score généré et détermine le prochain contenu d'entraînement.
En fonction de l'objectif de l'entraînement interactif, différents types de résultats d'évaluation peuvent être réalisés dans le module de commande. Par exemple, dans le cas de la rééducation physique, l'objectif est d'entraîner le corps sans aucune blessure physique. Le résultat de l'évaluation consiste à adapter les mouvements au niveau de performance du joueur. Si le score est non négatif, ce qui signifie que le joueur est capable de suivre les mouvements affichés, le même niveau de difficulté est appliqué en continu pour les mouvements. Si le score est négatif, ce qui signifie que le joueur ne peut pas suivre les mouvements affichés, le niveau de difficulté du contenu de l'entraînement est diminué pour adapter les mouvements affichés à la condition physique du joueur. Pour un autre exemple d'entraînement physique, l'objectif est d'augmenter les performances physiques du joueur. Le résultat de l'évaluation est de pousser le joueur à aller plus loin dans chaque séquence d'entraînement. Si le score est non négatif, ce qui signifie que le joueur est capable de suivre les mouvements affichés, le niveau de difficulté augmente constamment. Si le score est négatif, ce qui signifie que le joueur ne peut pas suivre les mouvements affichés, le même niveau de difficulté est appliqué de manière continue pendant une période de temps jusqu'à ce que le score négatif dépasse une valeur seuil négative, ce qui signifie que le joueur est épuisé. Les résultats de l'évaluation peuvent également être ajustés artificiellement par un entraîneur, qui conçoit un programme d'entraînement pour le joueur.
La principale différence avec les autres systèmes d’entraînement est la reconnaissance des mouvements. Au lieu de former des modèles d'apprentissage automatique en utilisant une quantité massive de données, le système actuel programme des blocs de construction réutilisables pour créer des actions et des mouvements. Les blocs de construction sont un ensemble de propriétés modulaires abstraites, qui représentent les propriétés du corps. La reconnaissance des mouvements est réalisée sur trois niveaux : les propriétés du corps, les actions et les mouvements. En ce qui concerne ces trois niveaux, le module de conception conçoit une séquence de mouvements, qui est affichée pour le joueur, avec des instructions visuelles et audio. Parallèlement, sur la base de ces trois niveaux, le module de reconnaissance reconnaît les mouvements exercés par le joueur. Les paragraphes suivants expliquent ci-après en détail les trois niveaux de reconnaissance des mouvements.
Définition des propriétés du corps
Les propriétés du corps contiennent les mouvements de toutes les parties du corps : la tête, les mains, les bras, l'abdomen, les jambes et les pieds, etc. Plus précisément, les propriétés du corps concernent les informations relatives aux positions des différentes parties du corps et la séquence temporelle de ces positions. Dans un mode de réalisation, les positions concernent les positions relatives entre les différentes parties du corps sans référence à un quelconque système de coordonnées. Ce mode de réalisation est adapté aux objectifs d'entraînement tels que l'intensité de certains exercices sportifs. Le joueur ne se soucie pas de la position absolue et exacte des parties du corps, le plus important étant l'amplitude de ses mouvements. Dans un autre mode de réalisation, les positions concernent les positions absolues d'au moins une partie du corps dans un système de coordonnées. Ce mode de réalisation est adapté au type d'objectifs d'entraînement concernant la précision des exercices sportifs. Par exemple, chaque pied atteint une zone spécifique sur un tapis ou un trampoline.
Les propriétés du corps sont représentées par un ensemble de propriétés modulaires prédéfinies, qui sont des blocs de construction réutilisables. Elles peuvent être classées en trois catégories : propriétés instantanées, propriétés de tendance et propriétés de tendance accumulée. La classification de ces trois catégories dépend de l'instantanéité des positions des différentes parties du corps. Un sous-ensemble de certaines propriétés corporelles est énuméré ci-dessous afin de donner quelques exemples concrets :
  • Propriétés instantanées :
  • Position de la jambe gauche/droite dans une surface de référence, par exemple un système de coordonnées polaires bidimensionnelles ou cartésiennes ;
  • La hauteur des jambes gauche/droite par rapport au sol ou à l'engin sportif, par exemple le trampoline ;
  • Distance entre les jambes : la distance entre les jambes en pourcentage de la longueur des jambes ; ou en pourcentage du rayon du trampoline ;
  • Propriétés de la tendance, qui représente la différence entre deux cadres de conséquence dans le temps :
    • Tendance de la position de la jambe gauche/droite par rapport à la dernière image ;
  • Propriétés de la tendance accumulée, qui représente la tendance accumulée des derniers cadres dans le temps :
    • variation à long terme de la hauteur de la jambe gauche/droite, une valeur négative signifie une descente, une valeur positive une montée, et zéro signifie l'immobilité et aucun changement de la hauteur de la jambe.
Les données de positionnement et de synchronisation peuvent être détectées par différents types de capteurs, qui sont principalement classés en deux catégories : les capteurs de détection à distance et les capteurs portables. Les capteurs de détection à distance comprennent, entre autres, une caméra de profondeur, un Lidar (détection et télémétrie par la lumière), un sonar, des ultrasons, un radar, etc. Les capteurs portables comprennent, sans s'y limiter, les capteurs gyroscopiques pour le bras et le poignet, etc.
Définition des actions
Une action est définie par une ou plusieurs propriétés du corps, y compris l'utilisation de l'expression logique ET/OU... ainsi que le détail des propriétés. Une action est validée lorsque toutes ses propriétés sont identifiées. Un ensemble d'actions prédéfinies est programmé dans le système. Certaines actions sont listées ci-dessous afin de donner quelques exemples concrets :
  • L'action de saut large (sans quitter le trampoline) peut être conçue en utilisant les propriétés prédéfinies du corps du joueur :
    • (ET) distance entre les jambes >0,8 (80% de la longueur des jambes du joueur, ou 80% du rayon du trampoline) ;
    • (ET) hauteur de la jambe gauche tendance cumulée >0
    • (ET) tendance cumulée de la hauteur de la jambe droite>0 ;
    • (ET) hauteur du pied gauche comprise entre 0 et -0,1 (sur le sol, ou 10% sous la surface du trampoline sans charge corporelle) ;
    • (ET) hauteur du pied droit comprise entre 0 et -0,1 (sur le sol, ou 10% sous la surface du trampoline sans charge corporelle).
  • Le coup de pied de la jambe droite vers l'avant peut être conçu en utilisant les propriétés prédéfinies du corps du joueur. Une coordonnée cartésienne X-Y dans une surface bidimensionnelle est utilisée pour décrire les positions relatives "gauche, droite, avant, arrière" des jambes.
    • (ET) position de la jambe gauche (X,Y) entre 0,1 et -0,1 (proche de la position debout (0,0) avec une marge d'erreur de 10%) ;
    • (ET) position de la jambe droite (X,Y), avec Y entre 0,5 et 1 (la position avant la position debout (0,0)), et avec X entre 0,1 et -0,1 (près de la position debout (0,0) avec une marge d'erreur de 10%).
    • (ET) tendance cumulée de la position Y de la jambe droite > 0 (la position droite a augmenté sur l'axe Y représenté par l'équation de la pente).
Chaque action est encapsulée, sans lien avec l'action précédente ou suivante. Cela permet la modularité et la réutilisation des actions dans la génération et la reconnaissance des mouvements.
Définition des mouvements
Un mouvement est défini par une série d'actions individuelles effectuées dans un ordre spécifique. Il est possible de définir l'intervalle de temps entre les actions, ou la durée de chaque action. Un ensemble de mouvements prédéfinis est programmé dans le système. Certains mouvements sont énumérés ci-dessous afin de donner quelques exemples concrets :
  • Les sauts de puce peuvent être conçus avec les actions suivantes :
    • Action de saut large - PUIS - Action de saut étroit ;
  • Cours :
    • Action à droite - ALORS - Action à gauche
    • Taux par minute > 160 APM (action par minute) ou un intervalle de < 400ms entre les actions ;
  • Marche :
    • Action de l'étape droite - THEN - Action de l'étape gauche
    • Taux par minute entre 50 et 100 APM (action par minute) ou un intervalle entre 1200ms et 600ms entre les actions.
  • Sauts à haute intensité :
    • Action de saut en hauteur large - PUIS - Action d'atterrissage fort étroit - PUIS - Action de saut en hauteur étroit - PUIS - Action d'atterrissage fort large.
Définition de la séquence de formation
Une séquence d'entraînement est une série de mouvements individuels organisés dans un ordre spécifique. La séquence d'entraînement représente un segment de la session d'entraînement globale. Comme illustré sur la , une session d'entraînement (21) est composée de plusieurs séquences d'entraînement (22). Dans chaque séquence d'entraînement (22), il y a plusieurs mouvements (23). Chaque mouvement contient plusieurs actions (24) organisées dans un ordre spécifique. Le flash (25) indique la direction des tours de temps.
Sur la base du contenu reçu du module de commande, le module de conception conçoit une séquence d'entraînement avec une liste ordonnée de mouvements. Ensuite, le module d'affichage affiche la liste ordonnée de mouvements. En suivant les mouvements affichés, le joueur effectue un exercice sportif avec une série de mouvements individuels, qui sont détectés et envoyés au module de reconnaissance.
Reconnaissance des actions
Une action est validée lorsque toutes ses propriétés sont identifiées. Le capteur peut capturer les données d'une zone relativement large, par exemple le corps entier avec l'arrière-plan. Le module de reconnaissance extrait les données relatives aux parties du corps définies et se concentre sur la comparaison des seules propriétés impliquées dans l'identification de chaque action. Par exemple, pour l'action de saut en largeur, seules cinq propriétés sont comparées, à savoir la distance entre les jambes, la tendance cumulée de la hauteur de la jambe droite, la tendance cumulée de la hauteur de la jambe gauche, la hauteur du pied gauche et la hauteur du pied droit. Afin d'évaluer le joueur sur l'action de saut en largeur, la performance du joueur sur la partie inférieure du corps est prise en compte. Le reste des parties du corps est ignoré afin de réduire la charge de calcul.
Le capteur a un certain taux d'échantillonnage, qui est beaucoup plus élevé que le taux de répétition des actions, par exemple, un taux d'échantillonnage de 1KHz peut donner une trame de données de position toutes les 1ms. Le temps d'une action de saut large peut durer plusieurs centaines de millisecondes. Bien que le système enregistre constamment toutes les données, par exemple des centaines de trames, le processus de comparaison n'est effectué que sur N trames (N est un nombre entier), jusqu'à ce qu'une action soit validée.
Reconnaissance des mouvements
Un mouvement est reconnu lorsque toutes les actions sont validées dans l'ordre correct. La montre une base de données de mouvements pour la reconnaissance des mouvements. La base de données des mouvements stocke l'ensemble des mouvements programmés et prédéfinis dans le système. Ces actions et mouvements peuvent être des mouvements personnalisés par le concepteur. Dans la , chaque colonne représente un mouvement Move1, A2... Ai, avec A1 représentant l'action 1, et Ai représentant une action i, i est un nombre entier. Le mouvement Move1 est composé de quatre types d'actions ordonnées en sept étapes : A1-A2-A1-A3-A4-A3-A4.
Le système enregistre en permanence toutes les données concernant les positions des différentes parties du corps d'un joueur et le timing de ces positions. Dès que les propriétés du corps sont identifiées et qu'une action est validée, le système effectue une recherche dans la base de données des mouvements pour faire correspondre la chaîne d'actions validées à un type de mouvement dans la base de données. La représente le processus de recherche dans la base de données des mouvements.
La flèche représente le sens des tours de temps, qui sont divisés en moments T1, T2... Ti. Au-dessus de la flèche du temps, les colonnes représentent les actions validées, et au-dessous de la flèche du temps, les colonnes représentent les mouvements possibles.
  • A l'instant T1, l'action A1 est validée, ce qui correspond à quatre mouvements possibles : Mouvement 1, Mouvement 2, Mouvement 3 et Mouvement 4, qui commencent tous par l'action A1.
  • Au moment T2, l'action A2 est validée, ce qui correspond à deux mouvements possibles : Mouvement1 et Mouvement4, qui commencent tous par l'action A1 et se poursuivent par l'action A4.
  • Pour les instants suivants T3, T4, et T5, les actions A1, A5 et A6 sont respectivement validées en séquence, ce qui conduit à l'unique possibilité du mouvement Move4. Ainsi, le mouvement Move4 effectué par le joueur est reconnu.
Le processus de reconnaissance des mouvements peut être étendu pour reconnaître les mouvements dont le point de départ est décalé. Par exemple, pour la reconnaissance du mouvement 4, il est possible d'avoir la séquence suivante : A2-A1-A5-A6-A1, au lieu de A1-A2-A1-A5-A6.
Le processus de reconnaissance des mouvements peut être étendu pour reconnaître les mouvements qui sont des sous-ensembles des autres mouvements, par exemple, le mouvement 6, qui est composé des mouvements A1-A2-A1-A3, qui est un sous-ensemble du mouvement 1 défini précédemment. Le module de reconnaissance décide si le joueur a effectué le mouvement 6 ou le mouvement 1 sur la base de la répétition des actions suivantes.
Le processus de reconnaissance des mouvements peut être étendu pour reconnaître le mouvement avec un certain niveau de tolérance, ce qui signifie que les actions sont validées avec un certain taux d'erreur. Par exemple, si le taux d'erreur est fixé à 1, le joueur peut faire une erreur dans une action de la chaîne de mouvement, et le module de reconnaissance la reconnaîtra quand même comme un mouvement correct. Cependant, cela pourrait avoir un impact sur le score du joueur en fonction des règles de score définies dans le module de notation. Si le taux d'erreur est fixé à 0, toutes les actions doivent être effectuées exactement dans l'ordre correct de la séquence de mouvements correspondant au contenu de l'entraînement sur l'écran. actions sont validées Un mouvement est reconnu lorsque toutes les actions sont validées dans l'ordre correct.
Prévision des mouvements
Le processus de reconnaissance des mouvements peut être étendu pour prédire les mouvements prévus. La montre un exemple de prédiction au moment T2 où le joueur a l'intention de faire le mouvement 1 ou le mouvement 4. La probabilité du mouvement que le joueur est le plus susceptible de faire est influencée par le contexte, par exemple, la séquence de mouvements sur l'écran, ou les mouvements répétés précédemment.
Les extensions du processus de reconnaissance des mouvements augmentent la dynamique du système, par exemple, la tolérance d'erreur adaptée au niveau du joueur, la prédiction pour prétraiter le retour d'information à l'entrée, etc. Tout cela a l'avantage d'améliorer l'expérience du joueur et la qualité du feedback en temps réel du système.
Le système optimise le processus de reconnaissance, de recherche, de prédiction en utilisant des algorithmes de recherche approximative avec les techniques et algorithmes suivants :
- Automates finis,
- Méthodes de partitionnement des motifs,
- Indices optimisés pour la recherche,
- Correspondance approximative des motifs.
Retour d'information et notation
Grâce à la modularité des propriétés du corps, des actions et des mouvements, le système est capable de fournir un retour d'information plus granulaire au joueur. La montre un tableau présentant le résultat de l'analyse de la comparaison des mouvements : les mouvements réels du joueur par rapport au mouvement ciblé du Jumping Jack. La première colonne montre la définition du mouvement Jumping Jack, qui est composé d'une chaîne de deux actions Wide jump et Narrow Jump séparées par un intervalle de temps. Dans chaque définition d'action, les propriétés du corps sont spécifiées par des coefficients. Par exemple, le saut large fait référence à une distance entre les jambes supérieure à 0,8, tandis que le saut étroit fait référence à une distance entre les jambes inférieure à 0,1. La deuxième colonne montre les mouvements réels effectués par le joueur et reconnus par le module de reconnaissance avec tous les détails. Le mouvement Jumping Jack effectué par le joueur est décomposé en deux actions validées : Saut large et Saut étroit. Chaque action est spécifiée avec des propriétés corporelles identifiées. En ce qui concerne l'action Wide Jump, la distance entre les jambes est égale à 0,6, ce qui est inférieur à la valeur seuil de 0,8 de la définition. Ainsi, cette propriété corporelle n'est pas qualifiée. La tendance cumulée de la hauteur des jambes gauche/droite est supérieure à 0,5, ce qui est qualifié selon la définition. Quant à l'action de saut étroit exécutée, la distance entre les jambes est égale à 0,05, ce qui est inférieur à la valeur seuil de 0,1 dans la définition. Ainsi, cette propriété est qualifiée. Cependant, la tendance cumulée de la hauteur de la jambe droite est de 0,4, ce qui n'est pas qualifié.
Bien que les mouvements soient reconnus avec succès, les actions ne sont pas exécutées de manière standard par l'utilisateur. Sur la base des propriétés du corps, une évaluation très détaillée et un retour d'information au niveau des propriétés du corps peuvent être fournis. La troisième colonne montre le feedback détaillé. Pour le saut large, il est suggéré d'augmenter la distance entre les deux jambes. Pour le saut étroit, il est suggéré de pousser plus fort en sautant avec la jambe droite pour qu'elle corresponde à la jambe gauche. Le score et le retour d'information sont générés par le module de notation et sont envoyés au module de contrôle. En fonction de la configuration, le module de contrôle peut ajouter les suggestions du retour d'information au nouveau contenu de l'entraînement, qui est conçu comme des instructions audio par le module de conception.
La montre l'architecture d'une séance d'entraînement. Une séance d'entraînement est composée de plusieurs séquences d'entraînement, chacune d'entre elles ayant un objectif spécifique de remise en forme, par exemple, échauffement, cardio, force, haute intensité, retour au calme. Chaque séquence d'entraînement est composée d'une liste de mouvements ordonnés, qui sont représentés dans le module d'affichage par des instructions visuelles et sonores accompagnées de musique.

Claims (7)

  1. Un système d’entraînement interactive comprenant :
    • un module de commande étant configuré pour déterminer un contenu d’entraînement;
    • un module de conception étant configuré pour recevoir le contenu du module de commande, et pour concevoir une séquence de mouvements en fonction du contenu reçu ;
    • un module d'affichage étant configuré pour afficher les mouvements conçus par le module de conception ;
    • un module de reconnaissance, caractérisé en ce que le module de reconnaissance est configuré pour identifier les propriétés corporelles d'un joueur, qui effectue les mouvements affichés, pour valider des actions sur la base des propriétés corporelles identifiées, et pour reconnaître des mouvements sur la base des actions validées ;
    • caractérisé en ce que chaque mouvement est composé d'une chaîne d'actions, qui est définie par une série de propriétés corporelles ;
    • caractérisé en ce que les propriétés corporelles sont représentées par un ensemble de propriétés modulaires prédéfinies, qui sont des blocs de construction réutilisables pour le module de conception et le module de reconnaissance.
  2. Système d’entraînement interactive selon la revendication 1, caractérisé en ce que les propriétés corporelles sont classées en trois catégories : propriétés instantanées, propriétés de tendance avec des données accumulées pour représenter les différences entre deux trames consécutives dans le temps, et propriétés de tendance accumulées avec des données accumulées pour représenter le développement parmi plus de deux dernières trames dans le temps.
  3. Système d’entraînement interactive selon la revendication 1, caractérisé en ce que le système comprend au moins un capteur fournissant des données de positionnement et de chronométrage de différentes parties du corps du joueur.
  4. Système selon la revendication précédente, caractérisé en ce que les données de positionnement concernent les positions relatives entre différentes parties du corps du joueur, et la distance par rapport à un cadre de référence.
  5. Système d’entraînement interactive selon la revendication 1, caractérisé en ce que le système contient un trampoline, et les données de capteur comprennent des données de positionnement et de chronométrage de différentes parties du corps du joueur dans le système de référence du trampoline.
  6. Système d’entraînement interactive selon la revendication 1, caractérisé en ce que le système contient un module de notation configuré pour comparer les mouvements reconnus par le module de reconnaissance et les mouvements affichés par le module d'affichage afin de générer une note basée sur les différences.
  7. Système selon la revendication précédente, caractérisé en ce que le module de commande est configuré pour évaluer le score généré pour actualiser le contenu de la formation.
FR2101413A 2021-02-15 2021-02-15 Système d’entraînement interactif Active FR3119777B1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
FR2101413A FR3119777B1 (fr) 2021-02-15 2021-02-15 Système d’entraînement interactif
PCT/FR2022/050278 WO2022171971A1 (fr) 2021-02-15 2022-02-15 Système d'entraînement interactif

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2101413A FR3119777B1 (fr) 2021-02-15 2021-02-15 Système d’entraînement interactif
FR2101413 2021-02-15

Publications (2)

Publication Number Publication Date
FR3119777A1 true FR3119777A1 (fr) 2022-08-19
FR3119777B1 FR3119777B1 (fr) 2024-03-01

Family

ID=77999010

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2101413A Active FR3119777B1 (fr) 2021-02-15 2021-02-15 Système d’entraînement interactif

Country Status (2)

Country Link
FR (1) FR3119777B1 (fr)
WO (1) WO2022171971A1 (fr)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110034300A1 (en) * 2009-08-05 2011-02-10 David Hall Sensor, Control and Virtual Reality System for a Trampoline
US8113991B2 (en) 2008-06-02 2012-02-14 Omek Interactive, Ltd. Method and system for interactive fitness training program
EP2643780A1 (fr) * 2010-11-24 2013-10-02 Nike International Ltd. Procédé et système destinés à un apprentissage personnel automatisé comprenant des programmes d'apprentissage
WO2017181717A1 (fr) * 2016-04-19 2017-10-26 深圳泰山体育科技股份有限公司 Procédé et système d'entrainement électronique
US20200121987A1 (en) * 2019-12-19 2020-04-23 Intel Corporation Smart gym
WO2021007581A1 (fr) * 2019-07-11 2021-01-14 Elo Labs, Inc. Système d'entraînement personnel interactif

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8113991B2 (en) 2008-06-02 2012-02-14 Omek Interactive, Ltd. Method and system for interactive fitness training program
US20110034300A1 (en) * 2009-08-05 2011-02-10 David Hall Sensor, Control and Virtual Reality System for a Trampoline
EP2643780A1 (fr) * 2010-11-24 2013-10-02 Nike International Ltd. Procédé et système destinés à un apprentissage personnel automatisé comprenant des programmes d'apprentissage
WO2017181717A1 (fr) * 2016-04-19 2017-10-26 深圳泰山体育科技股份有限公司 Procédé et système d'entrainement électronique
WO2021007581A1 (fr) * 2019-07-11 2021-01-14 Elo Labs, Inc. Système d'entraînement personnel interactif
US20200121987A1 (en) * 2019-12-19 2020-04-23 Intel Corporation Smart gym

Also Published As

Publication number Publication date
FR3119777B1 (fr) 2024-03-01
WO2022171971A1 (fr) 2022-08-18

Similar Documents

Publication Publication Date Title
US10421002B2 (en) Equipment, system and method for improving exercise efficiency in a cardio-fitness machine
US20210046373A1 (en) Equipment, system and method for improving exercise efficiency in a cardio-fitness machine
US10803762B2 (en) Body-motion assessment device, dance assessment device, karaoke device, and game device
KR101711488B1 (ko) 동작 기반 인터랙티브 서비스 방법 및 시스템
Mori et al. Expert anticipation from deceptive action
US11113988B2 (en) Apparatus for writing motion script, apparatus for self-teaching of motion and method for using the same
EP2987452B1 (fr) Procédé et système de sélection automatique d&#39;exercices physiques
CN105228709A (zh) 用于重复检测和分析的信号分析
CN105209136A (zh) 用于分析3d图像中的用户动作的质心状态矢量
CN109621331A (zh) 辅助健身方法、装置及存储介质、服务器
Keesing et al. Hiit with hits: Using music and gameplay to induce hiit in exergames
US11872491B2 (en) Mixed reality competitions involving real and virtual participants
US20230267768A1 (en) Quantitative, biomechanical-based analysis with outcomes and context
US20230245366A1 (en) 3d avatar generation using biomechanical analysis
US20210394060A1 (en) Method and system for automatically generating video highlights for a video game player using artificial intelligence (ai)
KR102171319B1 (ko) 동작 교본 저작 장치, 동작 자가 학습 장치 및 방법
CN105848737B (zh) 解析装置、记录媒体和解析方法
Parmar et al. Win-fail action recognition
FR3119777A1 (fr) Système d’entraînement interactif
Kolykhalova et al. A serious games platform for validating sonification of human full-body movement qualities
CN112131426B (zh) 游戏教学视频推荐方法、装置、电子设备和存储介质
Mocanu et al. Improving Physical Activity Through Exergames.
Tits Expert gesture analysis through motion capture using statistical modeling and machine learning
Lei et al. FencingEstimate: A 3D Game-Based Interactive Driving Simulation Training System using Artificial Intelligence and Computer Vision
US20240185638A1 (en) Object fitting using quantitative biomechanical-based analysis

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20220819

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4