GymCam détecte et compte automatiquement les mouvements répétitifs du corps.
De nombreuses personnes utilisent déjà des wearables comme des montres intelligentes pour compter leurs répétitions pendant l’exercice. Des chercheurs de l’Université Carnegie Mellon ont toutefois mis au point ce qui pourrait être une meilleure solution de rechange sous la forme d’un système de vision par ordinateur permettant de surveiller les utilisateurs.
Le problème avec les appareils portables, c’est que même s’ils sont capables d’identifier les mouvements associés à l’exercice de la partie du corps sur laquelle ils sont portés, ils peuvent en manquer d’autres. C’est dans cet esprit que les doctorants Rushil Khurana et Karan Ahuja ont créé le système GymCam.
Il utilise une caméra vidéo fixe ordinaire, connectée à un ordinateur – la technologie pourrait même être incorporée dans une application pour smartphone. Lorsque la caméra « observe » l’utilisateur pendant qu’il s’entraîne, un algorithme personnalisé détecte automatiquement les mouvements répétitifs du corps, les compare aux exercices connus et compte le nombre de répétitions.
Et bien que le système puisse être utilisé par les particuliers chez eux, il est également capable de suivre plusieurs utilisateurs à la fois dans la même pièce. En fait, en apprenant quelles machines d’exercice se trouvent dans quelles parties d’une pièce, le système est mieux en mesure de déterminer quelle activité chaque personne effectue.
GymCam peut suivre simultanément plusieurs utilisateurs effectuant différents exercices.
Des obstacles tels que l’équipement de gymnastique lui-même, qui peuvent bloquer partiellement la vue de la caméra sur le corps de l’utilisateur, ne seraient pas problématiques lorsqu’il s’agit de suivre et d’identifier les mouvements. Et comme le système n’enregistre ni ne transmet d’images des visages des utilisateurs, leur vie privée est protégée.
Dans les tests effectués dans un gymnase universitaire bondé, la version actuelle de la GymCam était apparemment 84,6 % précise pour différencier les exercices des autres types de mouvements, 93,6 % précise pour reconnaître le type d’exercice effectué, et elle était capable de compter les répétitions avec une précision de plus ou moins 1,7.
Rushil Khurana et Karan Ahuja présentent leurs recherches ce jeudi à Londres, lors de la Conférence internationale conjointe sur l’informatique omniprésente et omniprésente.
