[go: up one dir, main page]

WO2022171971A1 - Système d'entraînement interactif - Google Patents

Système d'entraînement interactif Download PDF

Info

Publication number
WO2022171971A1
WO2022171971A1 PCT/FR2022/050278 FR2022050278W WO2022171971A1 WO 2022171971 A1 WO2022171971 A1 WO 2022171971A1 FR 2022050278 W FR2022050278 W FR 2022050278W WO 2022171971 A1 WO2022171971 A1 WO 2022171971A1
Authority
WO
WIPO (PCT)
Prior art keywords
properties
movements
player
module
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.)
Ceased
Application number
PCT/FR2022/050278
Other languages
English (en)
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
Publication of WO2022171971A1 publication Critical patent/WO2022171971A1/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/003—Repetitive work cycles; Sequence of movements
    • G09B19/0038—Sports
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays

Definitions

  • the present invention relates to an interactive training system, and more particularly, an interactive training system for sports exercise on a trampoline.
  • This method has the following problem: the training movements that are part of the training routines of these systems are pre-programmed and tightly coupled to a pre-designed exercise routine. For example, a software developer must program the software to detect when a user is running, jumping or squatting, etc.
  • the system also uses machine learning techniques to train a machine learning model using a massive amount of data from different participants to train the model to recognize a user performing a specific movement using a sensor or of a set of sensors. This limits expansion to other movements without the intervention of a software developer computer or a massive amount of data to train the system for new training movements.
  • this method depends on a specific type of sensor.
  • US8113991 describes a system for providing an interactive training program, which includes a depth camera to capture depth images of the user's movements. It is determined from the depth images of the three-dimensional coordinates. A database is generated using the determined three-dimensional coordinates. Thus, recognition is only available with a depth camera, which is able to capture depth images of user movements. Since the database is generated using the three-dimensional coordinates determined on the basis of the depth images, it is impossible to compare any other type of images, which are not depth images, with the movements cataloged in the database. data. Thus, the system is sensor dependent and limited to a specific type of sensors.
  • Application WO2012071548 describes a system for creating personalized exercise programs.
  • the system includes an image capture device and a computing device for capturing images of a user while the user performs athletic movements The images are then evaluated to create a human movement screen score for use , with goal and time commitment information to create a personalized exercise program tailored to the specific user.
  • the system described however requires considerable capacity and power due to the need to store the images to be analyzed and the very analysis of the images.
  • the present invention has been developed in response to the current state of the art, and in particular, in response to problems and needs in the art which have not yet been fully solved by drive systems. available. Compared to the state of the art, the present invention has the advantage of not depending on a specific type of sensor.
  • the system includes a recognition module to recognize a user performing a specific movement. Motion recognition is based on a chain of validated actions, which are standardized bodily properties. Body properties are defined using a set of abstract modular properties representing the instantaneous or accumulated physical state of the user.
  • the exercise routine designer or exercise generation software can reuse the set of abstract modular properties to build workouts without the need to detect user data to train machine learning models in a database. data.
  • this system does not depend on a specific type of sensors and can be adapted to all types of sensors.
  • An interactive training system comprising: a control module configured to determine training content; a design module configured to receive the content from the control module, and to design a motion sequence based on the received content; a display module configured to display the movements designed by the design module; a recognition module configured to identify the bodily properties of a user (also referred to as a player), who performs the displayed movements, to validate the player's actions based on the identified body properties, and to recognize the player's movements based on validated actions; each movement being composed of a chain of actions, which is defined with a series of bodily properties; the properties of the body being represented by a set of predefined modular properties, which are reusable building blocks.
  • reusable we mean building blocks that can be used again in the design of new motion sequences. These building blocks can be reused by the system, and in particular by the design module and the recognition module.
  • the invention relates to a plurality of alternative embodiments, which include the following embodiments, alone or in combination.
  • Body properties are classified into three categories: instantaneous properties, trend properties with short-term accumulated data, and accumulated trend properties with long-term accumulated data.
  • the system comprises at least one sensor providing positioning and synchronization data from different parts of the player's body.
  • the positioning data concerns the relative positions between the different parts of the player's body, and the distance with respect to a frame of reference.
  • the system includes a trampoline.
  • the data provided by the sensor mentioned above include positioning and timing data of different parts of the player's body in the trampoline's reference system.
  • the system includes a scoring module configured to compare the movements recognized by the recognition module and the movements displayed by the display module to generate a score based on the differences.
  • the control module is configured to evaluate the generated score to update the content of the training.
  • the user's body at a given moment is described by a sum of properties, such as the position of his legs, the distance between his legs, the position of the user's center of gravity, the angle rotation of his feet and his pelvis or the speed and acceleration of each of these properties.
  • a movement is defined by a succession of actions.
  • Figure 1 is a diagram of an interactive training system with its main components
  • Figure 2 is a schematic diagram of the definition of a training session
  • Figure 3 is an example of a motion database
  • Figure 4 is a schematic diagram of a motion recognition process
  • Figure 5 is a table representing the result of the analysis of the comparison of movements
  • Figure 6 is a schematic diagram of an architecture of a complete training session.
  • the present invention relates to an interactive training system with multi-sensors for collecting player data in three-dimensional space and in a time sequence in order to recognize the movements of the player, which can be used to adapt training content to the physical condition of the player, while interactive training is also taken into consideration.
  • FIG. 1 shows an interactive training system (1) with its main components: a control module (11), a design module (12), a display module (13), a recognition module (14) and a scoring module (15).
  • the control module (11) is configured to determine training content based on an interactive training goal.
  • the interactive training target is set as, for example, weight loss training, relaxation training, flexibility training, high intensity training.
  • the control module determines an initiation workout content, for example, Warm Up, which is passed to the design module.
  • the design module (12) receives the content of the initiation training from the control module, and designs a sequence of movements, for example, body warm-up exercises.
  • the sequence of warm-up movements is transmitted to the display module (13), which displays the visual instructions of the movements with audio instructions and music.
  • a player (16) begins to perform sports exercises by following the visual and sound instructions of the movements. Sports exercise can be performed on a playground without any sports instruments or devices. It is also possible for the player to perform the sports exercise on a sports device, for example a trampoline (17) or a carpet.
  • the recognition module (14) contains sensors (18) which record data regarding the positions of different parts of the player's (16) body and the time of those positions. It is also possible to install the sensors (18) on the sports device (17), and to communicate the data from the sensor to the recognition module (14) by electrical wires or by a wireless method.
  • the recognition module (14) Based on the data from the sensors, the recognition module (14) identifies the properties of the body, validates the actions and further recognizes the movements of the player (16).
  • the scoring module (15) compares the motions recognized by the recognition module (14) to the displayed motions and then generates a score based on the differences.
  • the control module evaluates the generated score and determines the next training content.
  • control module Depending on the objective of the interactive training, different types of evaluation results can be realized in the control module.
  • the goal is to train the body without any physical injury.
  • the result of the evaluation is to adapt the movements to the level of performance of the player. If the score is non-negative, meaning the player is able to follow the displayed moves, the same difficulty level is applied continuously for the moves. If the score is negative, which means the player cannot follow the displayed moves, the difficulty level of the training content is lowered to adapt the displayed moves to the player's physical condition.
  • the goal is to increase the player's physical performance.
  • the result of the evaluation is to push the player to go further in each training sequence.
  • the score is non-negative, which means the player is able to follow the displayed moves, the difficulty level constantly increases. If the score is negative, meaning the player cannot follow the displayed moves, the same difficulty level is applied continuously for a period of time until the negative score exceeds a negative threshold value, meaning the player is exhausted.
  • the results of the assessment can also be artificially adjusted by a coach, who designs a training program for the player.
  • the main difference with other training systems is movement recognition. Instead of training machine learning models using massive amounts of data, the inventive system programs reusable building blocks to create actions and movements. Building blocks are a collection of abstract modular properties, which represent properties of the body. Movement recognition is performed on three levels: body properties, actions and movements. Regarding these three levels, the design module designs a sequence of movements, which is displayed for the player, with visual and audio instructions. At the same time, on the basis of these three levels, the recognition module recognizes the movements exerted by the player. The following paragraphs explain in detail the three levels of motion recognition.
  • Body properties contain the movements of all parts of the body: head, hands, arms, abdomen, legs and feet, etc. More specifically, body properties relate to information about the positions of different parts of the body and the temporal sequence of these positions.
  • the positions relate to the relative positions between different parts of the body without reference to any coordinate system. This embodiment is suitable for training objectives such as the intensity of certain sports exercises. The player does not care about the absolute and exact position of the parts of the body, the most important being the range of his movements.
  • the positions relate to the absolute positions of at least a body part in a coordinate system. This embodiment is suitable for the type of training objectives concerning the precision of sports exercises. For example, each foot hits a specific area on a mat or trampoline.
  • Body properties are represented by a set of predefined modular properties, which are reusable building blocks. They can be classified into three categories: instantaneous properties, trend properties and accumulated trend properties. The classification of these three categories depends on the immediacy of the positions of the different parts of the body. A subset of some bodily properties are listed below to give some concrete examples:
  • Positioning and synchronization data can be detected by different types of sensors, which are mainly classified into two categories: remote sensing sensors and portable sensors.
  • Remote sensing sensors include but are not limited to depth camera, Lidar (light detection and ranging), sonar, ultrasonic, radar, etc.
  • Wearable sensors include but are not limited to arm and wrist gyro sensors, etc.
  • An action is defined by one or more properties of the body, including the use of the logical expression AND/OR... as well as the detail of the properties. An action is validated when all its properties are identified.
  • a set of predefined actions are programmed into the system. Some actions are listed below in order to give some concrete examples: The wide jumping action (without leaving the trampoline) can be designed using the predefined player body properties:
  • the forward right leg kick can be designed using the predefined properties of the player's body.
  • An X-Y Cartesian coordinate in a two-dimensional surface is used to describe the relative "left, right, front, back" positions of the legs.
  • a movement is defined by a series of individual actions performed in a specific order. It is possible to define the time interval between actions, or the duration of each action. A set of predefined movements are programmed into the system. Some movements are listed below to give some concrete examples:
  • Rate per minute 160 APM (action per minute) or an interval of ⁇ 400ms between actions;
  • Rate per minute between 50 and 100 APM (action per minute) or an interval between 1200ms and 600ms between actions.
  • a training sequence is a series of individual movements organized in a specific order.
  • the training sequence represents a segment of the overall training session.
  • a training session (21) is composed of several training sequences (22).
  • Each training sequence contains several actions (24) arranged in a specific order.
  • the flash (25) indicates the direction of the turns of time.
  • the design module Based on the content received from the control module, the design module designs a training sequence with an ordered list of movements. Then, the display module displays the ordered list of movements. By following the movements displayed, the player performs a sports exercise with a series of individual movements, which are detected and sent to the recognition module.
  • An action is validated when all its properties are identified.
  • the sensor can capture data from a relatively large area, such as the whole body with the background.
  • the recognizer extracts data about the defined body parts and focuses on comparing only the properties involved in identifying each action. For example, for the spread jump action, only five properties are compared, namely the distance between the legs, the cumulative tendency of the height of the right leg, the cumulative tendency of the height of the left leg, the height of the left foot and the height of the right foot.
  • the performance of the player on the lower body is taken into account. The rest of the body parts are ignored to reduce the computational load.
  • the sensor has a certain sampling rate, which is much higher than the repetition rate of the actions, for example, a sampling rate of lKHz can give a frame of position data every 1ms.
  • the time for a wide jump action can last several hundred milliseconds.
  • the comparison process is only carried out over N frames (N is an integer), until an action is validated.
  • FIG 3 shows a motion database for motion recognition.
  • the movement database stores all programmed and predefined movements in the system. These actions and movements can be custom movements by the designer.
  • each column represents a move Al, A2...Ai, with Al representing action 1, and Ai representing action i, i is an integer.
  • the movel movement is composed of four types of actions ordered in seven steps: Al-A2-Al-A3-A4-A3-A4.
  • the system permanently records all data concerning the positions of the various parts of a player's body and the timing of these positions. As soon as body properties are identified and an action is validated, the system searches the movement database to match the chain of validated actions to a movement type in the movement database. data. Figure 4 shows the search process in the movement database.
  • the arrow represents the direction of the turns of time, which are divided into moments T1, T2...Ti. Above the time arrow, the columns represent validated actions, and below the time arrow, the columns represent possible moves.
  • action Al is validated, which corresponds to four possible movements: Movement 1, Movement 2, Movement 3 and Movement 4, which all begin with action Al.
  • action A2 is validated, which corresponds to two possible movements: Movement1 and Movement4, which all begin with action Al and continue with action A4.
  • the movement recognition process can be extended to recognize movements whose starting point is shifted.
  • movement 4 it is possible to have the following sequence: A2-A1-A5-A6-A1, instead of A1-A2-A1-A5-A6.
  • the move recognition process can be extended to recognize moves that are subsets of other moves, for example, move 6, which is composed of moves A1-A2-A1-A3, which is a subset of -set of previously defined move 1
  • the recognizer decides whether the player has performed move 6 or move 1 based on the repetition of the following actions.
  • the motion recognition process can be extended to recognize motion with a certain level of tolerance, which means that actions are validated with a certain error rate. For example, if the error rate is set to 1, the player can make a mistake in an action in the move chain, and the recognizer will still recognize it as a correct move. However, this could impact the player's score depending on the scoring rules set in the scoring module. If the error rate is set to 0, all actions must be performed in exactly the correct order of the sequence of movements corresponding to the training content on the screen, actions are validated A movement is recognized when all actions are committed in the correct order.
  • FIG. 4 shows an example of prediction at the time T2 when the player intends to make move 1 or move 4.
  • the probability of the move the player is most likely to make is influenced by context, for example, the sequence of movements on the screen, or previously repeated movements.
  • Extensions to the motion recognition process increase system dynamics, e.g. error tolerance tailored to player level, prediction to pre-process input feedback, etc. All of this has the benefit of improving the player experience and the quality of the system's real-time feedback.
  • the system optimizes the process of recognition, research, prediction by using algorithms of fuzzy search with the following techniques and algorithms:
  • Figure 5 shows a table showing the result of the move comparison analysis: the player's actual moves versus the targeted move of the Jumping Jack.
  • the first column shows the definition of the Jumping Jack movement, which is composed of a chain of two actions "Wide jump” and "Narrow jump” separated by a time interval.
  • body properties are specified by coefficients. For example, wide jump refers to a leg distance greater than 0.8, while narrow jump refers to a leg distance less than 0.1.
  • the second column shows the actual movements made by the player and recognized by the recognition module with all the details.
  • the Jumping Jack movement performed by the player is broken down into two validated actions: Wide jump and Narrow jump.
  • Each action is specified with identified bodily properties.
  • the distance between the legs is equal to 0.6, which is less than the threshold value of 0.8 of the definition.
  • this bodily property is not qualified.
  • the cumulative trend of the height of the left/right legs is greater than 0.5, which qualifies according to the definition.
  • the distance between the legs is equal to 0.05, which is less than the threshold value of 0.1 in the definition.
  • this property is qualified.
  • the cumulative trend of the right leg height is 0.4, which is not qualified.
  • FIG. 6 shows the architecture of a training session.
  • a workout is made up of several training sequences, each of which has a specific fitness goal, eg warm-up, cardio, strength, high intensity, cool-down.
  • Each training sequence is made up of a list of ordered movements, which are represented in the display module by visual and audio instructions accompanied by music.

Landscapes

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

Abstract

L'invention concerne un système d'entraînement interactif comprenant : • un module de commande (11) étant configuré pour déterminer un contenu d'entraînement; • un module de conception (12) étant configuré pour recevoir le contenu du module de commande (11), et pour concevoir une séquence de mouvements en fonction du contenu reçu; • un module d'affichage (13) étant configuré pour afficher les mouvements conçus par le module de conception (12); • un module de reconnaissance (14) étant configuré pour identifier les propriétés corporelles d'un joueur (16), qui effectue les mouvements affichés, pour valider les actions du joueur (16) sur la base des propriétés corporelles identifiées, et pour reconnaître les mouvements du joueur (16). 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, éventuellement réutilisables pour le module de conception (12) et le module de reconnaissance (14).

Description

Description
Titre : Système d' entrainement interactif
Domaine technique
[001] La présente invention concerne un système d'entraînement interactif, et plus particulièrement, un système d'entraînement interactif pour l'exercice sportif sur un trampoline.
Contexte
[002] 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.
[003] 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, etc. 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.
[004] En outre, cette méthode dépend d'un type spécifique de capteurs.
[005] 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.
[006] La demande WO2012071548 décrit un système de création de programmes d'exercices personnalisés. Le système comprend un dispositif de capture d'image et un dispositif informatique pour capturer des images d'un utilisateur pendant que l'utilisateur effectue des mouvements athlétiques Les images sont ensuite évaluées pour créer un score d'écran de mouvement humain destiné à être utilisé, avec des informations d'objectif et d'engagement de temps pour créer un programme d'exercice personnalisé adapté à l'utilisateur spécifique. Le système décrit nécessite cependant une capacité et une puissance importante du fait de la nécessité de stocker les images à analyser et de l'analyse même des images. Avantages de 11 invention
[007] 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 1'invention
[008] La présente invention concerne un système d'entraînement interactif 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 utilisateur (désigné également 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. Par réutilisables, on entend des blocs de construction pouvant être utilisés de nouveau dans la conception de nouvelles séquences de mouvement. Ces blocs de construction peuvent être réutilisés par le système, et en particulier par le module de conception et le module de reconnaissance.
[009] L'invention concerne une pluralité de variantes de réalisation, qui comprennent les modes de réalisation suivants, seuls ou en combinaison.
[010] 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.
[011] 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.
[012] Le système comprend un trampoline. Dans ce cas, et avantageusement, les données fournies par le capteur susmentionné comprennent des données de positionnement et de synchronisation de différentes parties du corps du joueur dans le système de référence du trampoline.
[013] Le système comprend 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.
[014] Le module de commande est configuré pour évaluer le score généré pour actualiser le contenu de la formation.
[015] En résumé, l'invention repose sur le concept général suivant :
[016] "Le corps de l'utilisateur à un instant donnée est décrit par une somme de propriété, telle que la position de ses jambes, la distance entre ses jambes, la position du centre de gravité de l'utilisateur, l'angle de rotation de ses pieds et de son bassin ou encore la vitesse et l'accélération de chacune de ces propriétés.
[017] Une "action" est une somme de condition sur ces propriétés. Par exemple, l'action "Sauter" a pour condition :
1) propriété "Hauteur du pied gauche" au dessus de la surface du trampoline ET
2) propriété "Hauteur du pied droit" au dessus de la surface du trampoline.
Une fois l'action entièrement définie, elle devient un bloc, réutilisable ultérieurement.
[018] Un mouvement est défini par une succession d'actions.
Lorsque la première action est valide, la seconde action décrite dans le mouvement sera analysée, lorsque cette seconde action est valide, l'action suivante sera étudiée, et ce jusqu'à la validation de la dernière action du mouvement. [019] Une fois que toutes les actions ont été satisfaites dans le bon ordre, le mouvement sera considéré comme validé.
[020] Ainsi, à la différence des systèmes de l'art antérieur, seules les valeurs de propriétés représentant l'utilisateur sont comparées, ce qui a pour avantage de nécessiter beaucoup moins de puissance de calcul que d'interpréter une image comme c'est le cas dans les système de l'art antérieur
Brève description des dessins
[021] La figure 1 est un schéma d'un système d'entraînement interactif avec ses principaux composants ;
[022] La figure 2 est un diagramme schématique de la définition d'une session d'entraînement;
[023] La figure 3 est un exemple de base de données de mouvements ;
[024] La figure 4 est un diagramme schématique d'un processus de reconnaissance de mouvement ;
[025] La figure 5 est un tableau représentant le résultat de l'analyse de la comparaison des mouvements ;
[026] La figure 6 est un diagramme schématique d'une architecture d'une session d'entraînement complète.
Description détaillée du mode de réalisation préféré
[027] 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.
[028] 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.
[029] La figure 1 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 interactif. 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.
[030] 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.
[031] 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 selon l'invention 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 [032] 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.
[033] 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 trames de données de position consécutives 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 dernières trames de données de position 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.
[034] 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
[035] 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). [036] 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
[037] 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 [038] 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 figure 2, 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.
[039] 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
[040] 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.
[041] 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 lKHz 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
[042] Un mouvement est reconnu lorsque toutes les actions sont validées dans l'ordre correct. La figure 3 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 figure 3, chaque colonne représente un mouvement Al, A2... Ai, avec Al représentant l'action 1, et Ai représentant une action i, i est un nombre entier. Le mouvement Movel est composé de quatre types d'actions ordonnées en sept étapes : Al-A2-Al-A3-A4-A3-A4.
[043] 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 figure 4 représente le processus de recherche dans la base de données des mouvements.
[044] La flèche représente le sens des tours de temps, qui sont divisés en moments Tl, 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 Tl, l'action Al est validée, ce qui correspond à quatre mouvements possibles : Mouvement 1, Mouvement 2, Mouvement 3 et Mouvement 4, qui commencent tous par l'action Al.
Au moment T2, l'action A2 est validée, ce qui correspond à deux mouvements possibles : Mouvement1 et Mouvement4, qui commencent tous par l'action Al et se poursuivent par l'action A4.
Pour les instants suivants T3, T4, et T5, les actions Al, 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 .
[045] 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.
[046] 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. [047] 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
[048] Le processus de reconnaissance des mouvements peut être étendu pour prédire les mouvements prévus. La figure 4 montre un exemple de prédiction au moment T2 où le joueur a 1'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.
[049] 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.
[050] 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 [051] 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 figure 5 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 « Saut large » (« Wide jump ») et « Saut étroit » (« 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.
[052] 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.
[053] La figure 6 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

Revendications
1. Système d'entraînement interactif comprenant : un module de commande (11) étant configuré pour déterminer un contenu d'entraînement; un module de conception (12) étant configuré pour recevoir le contenu du module de commande (11), et pour concevoir une séquence de mouvements en fonction du contenu reçu ; un module d'affichage (13) étant configuré pour afficher les mouvements conçus par le module de conception (12); un module de reconnaissance (14), caractérisé en ce que le module de reconnaissance (14) 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, chaque mouvement étant composé d'une chaîne d'actions, qui est définie par une série de propriétés corporelles lesquelles sont représentées par un ensemble de propriétés modulaires prédéfinies, qui sont des blocs de construction réutilisables.
2. Système d'entraînement interactif 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 de données de position consécutives dans le temps, et propriétés de tendance accumulées avec des données accumulées pour représenter le développement parmi plus de deux dernières trames de données de position dans le temps.
3. Système d'entraînement interactif selon la revendication 1 ou la revendication 2, 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 interactif selon la revendication 3 ou la revendication 4, caractérisé en ce que le système comprend un trampoline, les données fournies par le capteur comprenant 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 interactif selon l'une quelconque des revendications précédentes, caractérisé en ce que le système comprend un module de notation configuré pour comparer les mouvements reconnus par le module de reconnaissance (14) et les mouvements affichés par le module d'affichage (13) afin de générer un score basé sur les différences.
7. Système selon la revendication précédente, caractérisé en ce que le module de commande (11) est configuré pour évaluer le score généré pour actualiser le contenu de la formation.
PCT/FR2022/050278 2021-02-15 2022-02-15 Système d'entraînement interactif Ceased WO2022171971A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2101413A FR3119777B1 (fr) 2021-02-15 2021-02-15 Système d’entraînement interactif
FRFR2101413 2021-02-15

Publications (1)

Publication Number Publication Date
WO2022171971A1 true WO2022171971A1 (fr) 2022-08-18

Family

ID=77999010

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2022/050278 Ceased WO2022171971A1 (fr) 2021-02-15 2022-02-15 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
WO2012071548A1 (fr) 2010-11-24 2012-05-31 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 (7)

* 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
WO2012071548A1 (fr) 2010-11-24 2012-05-31 Nike International Ltd. Procédé et système destinés à un apprentissage personnel automatisé comprenant des programmes d'apprentissage
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
FR3119777A1 (fr) 2022-08-19
FR3119777B1 (fr) 2024-03-01

Similar Documents

Publication Publication Date Title
US11640725B2 (en) Quantitative, biomechanical-based analysis with outcomes and context
Fothergill et al. Instructing people for training gestural interactive systems
US10803762B2 (en) Body-motion assessment device, dance assessment device, karaoke device, and game device
Jensen et al. Running with technology: Where are we heading?
US12062123B2 (en) 3D avatar generation using biomechanical analysis
KR20170032146A (ko) 안무 구상 지원 장치 및 방법
CN102103408A (zh) 姿势风格识别和奖励
CN108091380A (zh) 基于多传感融合的青少年基本运动能力训练系统及方法
EP0847201B1 (fr) Système de suivi de mobiles en temps réel sur un terrain de sports
CH710008A1 (fr) Procédé et système de sélection automatique d&#39;exercices physiques.
CN112131426B (zh) 游戏教学视频推荐方法、装置、电子设备和存储介质
Pang et al. Applications of AI in martial arts: A survey
WO2023247734A1 (fr) Systeme et methode d&#39;assistance a la realisation de mouvements physiques
WO2022171971A1 (fr) Système d&#39;entraînement interactif
KR102171319B1 (ko) 동작 교본 저작 장치, 동작 자가 학습 장치 및 방법
Zielinski Live perception and real time motion prediction with deep neural networks and machine learning
Stancin et al. Recognizing Solo Jazz Dance Moves Using a Single Leg-Attached Inertial Wearable Device.
CN113486798A (zh) 一种基于因果关系的训练计划制定处理方法及装置
US12496529B2 (en) Method for personalizing a video game trophy
TWI879250B (zh) 運動器材的阻力控制方法與運動輔助系統
US20250010208A1 (en) Method for personalizing a video game trophy
CN118627630B (zh) 基于因果关系的运动训练诊断方法、系统及介质
KR102296178B1 (ko) 게임 기반 인공지능 피트니스 보조 시스템 및 방법
Gan Sports Motion Analysis: From Competition Videos to Data-Driven Interpretations
Wilde et al. Improving Cross-Country Skating Technique with AI-Based Feedback

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22710645

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22710645

Country of ref document: EP

Kind code of ref document: A1