Thèse Amélioration de la Robustesse en Analyse Vidéo du Mouvement Humain par Fusion d'Information de Capteurs Hétérogènes H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : MSTII - Mathématiques, Sciences et technologies de l'information, Informatique Laboratoire de recherche : Laboratoire Jean Kuntzmann Direction de la thèse : Lionel REVERET ORCID 0000000208105187 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-09T23:59:59 Les avancées en analyse automatique de la posture humaine à partir de la vidéo [1] ont suscité de nombreux espoirs de voir ces techniques remplacer les approches classiques par marqueurs pour l'analyse scientifique du mouvement. L'analyse « sans marqueurs » du mouvement présente en effet un gain ergonomique substantiel permettant d'envisager des études directes sur le terrain au plus près du sujet, en activité physique [2] ou suivi médical [3]. Bien que la littérature en biomécanique documente des niveaux de précision de plus en plus élevées de ces méthodes, leur robustesse reste fondamentalement dépendante des conditions de prise de vue des vidéos telles que le placement, l'éclairage ou la résolution. Elles introduisent donc une imprécision systématique qu'il faut qualifier et si possible compenser.
Le but de cette thèse est d'aborder ce problème d'amélioration de la robustesse en considérant l'apport de la fusion d'information venant d'autres capteurs « légers », l'ambition étant de conserver l'intérêt d'un déploiement expérimental simple. Par expérience au laboratoire, des centrales inertielles et des capteurs électromyographiques seront en premier lieu considérés. Le choix du type de capteurs utilisés en complément de la vidéo pourra cependant s'ouvrir à d'autres solutions techniques selon l'exploration menée par le doctorant avec l'équipe. La thèse s'inscrit dans le cadre général de recherche sur l'analyse de mouvement pour le sport développé par Lionel Reveret (INRIA) au sein du laboratoire LJK. Les travaux recouvrent différents aspects de l'analyse vidéo pour le sport : développement pour la biomécanique [4], analyse vidéo via des sources multi-vues [5] ou monoculaires [6]. L'intégration de données issues de capteurs ouvre de nouvelles perspectives via des architectures intégrants vidéo et capteurs. Ces architectures reposeront typiquement sur des modèles d'apprentissage automatique [7], qui peuvent eux-mêmes s'étendre à la prise en compte d'une modélisation physique différentiable [8], dans l'optique de faire le lien avec un modèle biomécanique explicite du corps humain. Le travail de thèse vise donc à explorer des choix de fusion de capteurs avec l'analyse vidéo automatique pour la mesure du mouvement humain. Outre la démarche expérimentale, les objectifs principaux de la thèse sont de proposer une architecture d'intégration du traitement des données d'analyse de mouvement combinant vidéo et capteurs, et de montrer le gain apporté par le choix des capteurs pour des tâches spécifiques en sport et analyse de la motricité.

- Master en informatique ou diplôme d'ingénieur en informatique,
- Programmation python et C++,
- Très bonnes connaissances en géométrie 3D, modélisation et animation,
- Connaissance en modélisation biomécanique du corps humain,
- Connaissance d'un outil 3D et développement script tel que Blender ou similaire.