Détection de mouvements caractéristiques dans
Transcription
Détection de mouvements caractéristiques dans
Sujet de stage M2 2012-2013 Détection de mouvements caractéristiques dans les fichiers de type Motion Capture Mots clés : capture de movement, séries temporelles, détection de motifs. 1 Contenu du stage Grâce aux progrès technologiques récents, les techniques de type capture de mouvement (Motion Capture [2]) se sont fortement développées, poussées aussi par une multitude d’applications pratiques qui nécessitent l’analyse fine des mouvements. Que ce soit dans le domaine industriel (par exemple la robotique), biomédical (rééducation après accident ; conception des prothèses, etc.) ou dans le multimédia (animation ou réalité augmentée, pour une synthèse réaliste du mouvement), les bases de données de type Motion Capture se font de plus en plus volumineuses apportant un réel besoin pour des algorithmes automatiques de tri, classification ou tout simplement recherche par similarité. Les problèmes à résoudre ne sont pas seulement liés à l’analyse d’un nouveau type de contenu mais aussi au passage a l’échelle pour les utilisateurs de ces contenus numériques. En effet, la recherche par similarité, la recherche de mouvements typiques [5] (ou caractéristiques) ou la classification automatique doivent pouvoir être faites rapidement dans des bases de taille importante. Ce stage se déroule dans le cadre du projet Polymathic [3] et se propose d’explorer plusieurs méthodes de détection et de recherche de mouvements dans des fichiers de mouvements (de type Motion Capture). Les données sur lesquelles le travail s’effectuera seront fournies par Mocaplab [1], une société spécialisée dans la capture de mouvement. Le candidat devra interagir avec des membres de Mocaplab pour comprendre les besoins des utilisateurs et pour tester l’efficacité des algorithmes développés. L’objectif de la capture est d’obtenir dans l’espace 3D le mouvement de la personne ou de l’objet capturé. Les méthodes actuelles utilisent des capteurs (mécaniques, magnétiques ou optiques) installés sur l’objet investigué afin d’enregistrer plusieurs fois par seconde sa position dans l’espace. Le résultat se présente sous la forme d’un signal 3D + t (série temporelle multidimensionnelle) associé à chaque capteur. Dans ce contexte, le stage se propose d’explorer une méthode de recherche de motifs temporels dans une base de séries temporelle multidimensionnelle. Ensuite, si le temps le permet, nous examinerons des méthodes d’extraction automatique de motifs temporels afin de choisir celle qui est la plus adaptée aux données de type Motion Capture [4, 6]. 2 Profil recherché Le (la) candidat(e) doit avoir une bonne maitrise du domaine de l’analyse statistique des données, surtout les méthodes dédiées aux séries temporelles. De plus, des connaissances sur les systèmes de recherche d’information, fouille de données et apprentissage statistique, serons un plus. Il (elle) doit également bien maı̂triser la programmation en C++. 3 Organisation Le stage débutera au printemps 2013 et durera 6 mois. Une indemnité de stage de 500 euros net/mois est prévue. Le stage se déroulera au CNAM Paris (http://www.cnam.fr/) dans l’équipe de recherche Vertigo (http://cedric.cnam.fr/vertigo/) du laboratoire CEDRIC (http://cedric.cnam.fr/). Plusieurs 1 enseignants-chercheurs et doctorants de l’équipe Vertigo travaillent sur la recherche d’images par le contenu, les structures d’index multidimensionnelles ou métriques et l’apprentissage statistique. 4 Encadrement Marin FERECATU (Maı̂tre de conférences) et Michel CRUCIANU (Professeur) CNAM, 2 rue Conté, bureau 37.1.41, 75003 Paris Contact : Marin.Ferecatu(à)cnam.fr, Michel.Crucianu(à)cnam.fr http://cedric.cnam.fr/vertigo/ Références [1] Mocaplab. http://www.mocaplab.com/. Accessed : 15/12/2012. [2] Motion capture. http://en.wikipedia.org/wiki/Motion_capture. Accessed : 15/12/2012. [3] Projet Polymathic. http://www.afjv.com/news/1617_polymathic-projet-recherche-et-developpement. htm. Accessed : 15/12/2012. [4] Regis Bourbonnais and Michel Terraza. Analyse des séries temporelles. Dunod, 2010. [5] Ryszard Klempous. Movement identification analysis based on motion capture. CAST2007. Springer, 2007. In EURO- [6] William Wei. Time Series Analysis : Univariate and Multivariate Methods. Pearson, 2005. 2