| Summary: | Ce travail présente deux nouveaux systèmes simples
d'analyse de la marche humaine grâce à une caméra de profondeur
(Microsoft Kinect) placée devant un sujet marchant
sur un tapis roulant conventionnel, capables de détecter une marche
saine et celle déficiente. Le premier système repose sur le fait
qu'une marche normale présente typiquement un signal de profondeur
lisse au niveau de chaque pixel avec moins de hautes fréquences, ce qui
permet d'estimer une carte indiquant l'emplacement et l'amplitude
de l'énergie de haute fréquence (HFSE). Le second système analyse
les parties du corps qui ont un motif de mouvement
irrégulier, en termes de périodicité, lors de la marche. Nous
supposons que la marche d'un sujet sain présente partout dans le
corps, pendant les cycles de marche, un signal de profondeur
avec un motif périodique sans bruit. Nous estimons, à partir de la
séquence vidéo de chaque sujet, une carte montrant les zones
d'irrégularités de la marche (également appelées énergie de bruit
apériodique). La carte avec HFSE ou celle visualisant l'énergie de
bruit apériodique peut être utilisée comme un bon indicateur
d'une éventuelle pathologie, dans un outil de diagnostic précoce,
rapide et fiable, ou permettre de fournir des informations sur la
présence et l'étendue de la maladie ou des problèmes (orthopédiques,
musculaires ou neurologiques) du patient. Même si les
cartes obtenues sont informatives et très discriminantes pour une
classification visuelle directe, même pour un non-spécialiste, les
systèmes proposés permettent de détecter
automatiquement les individus en bonne santé et ceux avec des
problèmes locomoteurs. === This work presents two new and simple human gait analysis systems
based on a depth camera (Microsoft Kinect) placed
in front of a subject walking on a conventional treadmill, capable of
detecting a healthy gait from an impaired one. The first system
presented relies on the fact that a normal walk typically exhibits a
smooth motion (depth) signal, at each pixel with less high-frequency
spectral energy content than an abnormal walk. This permits to
estimate a map for that subject, showing the location and the
amplitude of the high-frequency spectral energy (HFSE). The second
system analyses the patient's body parts that have an irregular
movement pattern, in terms of periodicity, during walking. Herein we
assume that the gait of a healthy subject exhibits anywhere in the
human body, during the walking cycles, a depth signal with a periodic
pattern without noise. From each subject’s video sequence, we
estimate a saliency color map showing the areas of strong gait
irregularities also called aperiodic noise energy. Either the HFSE
or aperiodic noise energy shown in the map can be used as a good
indicator of possible pathology in an early, fast and reliable
diagnostic tool or to provide information about the presence and
extent of disease or (orthopedic, muscular or neurological) patient's
problems.
Even if the maps obtained are informative and highly discriminant for
a direct visual classification, even for a non-specialist, the
proposed systems allow us to automatically detect maps representing
healthy individuals and those representing individuals with
locomotor problems.
|
|---|
