Markerless Pose Estimation for Resistance Training Technique Assessment

Dans le monde de l'entraînement physique, la différence entre la construction de la force et la survenue d'une blessure tient souvent à un seul détail : la façon dont un corps se déplace. Pendant des décennies, les experts se sont appuyés sur deux manières principales d'évaluer ce mouvement. La première est l'œil humain, où un entraîneur observe un athlète et propose un retour basé sur l'expérience. La seconde est le laboratoire, où les scientifiques utilisent des caméras coûteuses et de minuscules autocollants réfléchissants placés sur la peau pour mesurer chaque articulation avec une précision extrême. Bien que la méthode du laboratoire offre une précision indéniable, elle est confinée dans des centres de recherche, loin des salles de musculation où la plupart des gens s'entraînent. Cela crée un fossé entre la science de pointe du mouvement et la réalité quotidienne de l'entraînement avec des poids.

Une nouvelle étude de l'Université de Bristol cherche à combler ce fossé en posant une question simple : un appareil photo de smartphone standard, sans autocollants ni équipement spécial, peut-il nous dire si une personne soulève des charges en toute sécurité ? Les chercheurs se sont concentrés sur trois exercices fondamentaux — le squat, le développé couché et le soulevé de terre — car ces mouvements impliquent plusieurs articulations et comportent un risque élevé de blessure s'ils sont mal exécutés. Ils voulaient savoir si la vision par ordinateur moderne, qui permet aux machines de « voir » et de cartographier le corps humain à partir d'une vidéo, pourrait remplacer la nécessité d'une visite en laboratoire. L'objectif n'était pas de créer un outil médical parfait, mais de voir si un système pratique et accessible pouvait capturer la forme essentielle d'un mouvement et la comparer à un exemple de référence.

Pour tester cette idée, l'équipe a construit un cadre numérique qui transforme une vidéo ordinaire en un récit de mouvement. Ils ont utilisé un programme informatique léger capable de repérer trente-trois points clés sur le corps humain, tels que les épaules, les coudes et les genoux, dans chaque image d'une vidéo. Une fois ces points identifiés, le système les connectait pour calculer les angles des articulations au fur et à mesure que la personne se déplaçait. Pour le squat, par exemple, le programme surveillait la flexion du genou et l'inclinaison du torse. Les chercheurs ont ensuite créé une référence « étalon » en sélectionnant la vidéo d'une répétition parfaite parmi une collection de clips d'instruction. Ce mouvement parfait servait de cible, un modèle contre lequel toutes les autres tentatives pouvaient être mesurées.

Les chercheurs ont injecté des centaines de vidéos dans leur système, filtrant celles présentant un mauvais éclairage ou des corps trop dissimulés. Ils se sont concentrés sur un ensemble de données de quatre-vingt-neuf enregistrements de haute qualité. Lorsqu'ils ont analysé les vidéos de squat, le système a fonctionné remarquablement bien. Il a réussi à suivre le mouvement dans presque chaque image, capturant la courbe fluide de la flexion et de l'extension du genou. L'ordinateur pouvait percevoir la différence entre un squat profond et contrôlé et un squat superficiel ou instable. En comparant l'angle du genou dans une vidéo de test par rapport à l'angle dans la vidéo de référence parfaite, le système attribuait un score. Un score de cent signifiait que le mouvement correspondait parfaitement à l'idéal, tandis qu'un score plus bas indiquait un écart. Dans un test impliquant dix répétitions de squat, le système a identifié que la première répétition était la plus éloignée de l'idéal, tandis que la huitième était la plus proche de la perfection, montrant que la technologie pouvait détecter des changements subtils de technique même au sein d'une seule série d'exercices.

Cependant, l'étude a également révélé une limitation importante que quiconque utilise une telle technologie doit respecter : l'angle de la caméra importe plus que presque tout le reste. Les chercheurs ont testé cela en demandant à une personne de maintenir une position de squat statique pendant qu'elle tournait autour d'elle, filmant de côté, de dos et de face. Lorsque la caméra était positionnée directement sur le côté, capturant le mouvement dans un profil plat en deux dimensions, l'angle du genou paraissait correct. Mais dès que la caméra se déplaçait vers l'avant ou l'arrière, l'estimation de l'ordinateur de l'angle du genou changeait radicalement, alors même que la jambe de la personne n'avait pas bougé. Cette distorsion était accentuée lorsque le lifteur se trouvait à l'intérieur d'un rack de musculation métallique, où les barres bloquaient certaines parties du corps. Le système peinait à deviner où se trouvaient les articulations cachées, menant à des données confuses et inexactes. Cette découverte a invalidé l'idée qu'une caméra puisse être placée n'importe où ; pour que la technologie fonctionne, la vidéo doit être prise sous un angle latéral spécifique.

La technologie a également montré qu'elle fonctionne mieux pour certains exercices que pour d'autres. Si le squat et le soulevé de terre ont été suivis avec une grande fiabilité, le développé couché s'est avéré difficile. Lors du développé couché, la personne est allongée sur le dos, et l'haltère lourde bloque souvent la vue des bras et des épaules. Parce que l'ordinateur ne pouvait pas voir clairement les articulations clés, il n'a pas réussi à suivre le mouvement dans une grande partie des vidéos. Cela suggère que, bien que la méthode soit puissante pour les mouvements verticaux où le corps est entièrement visible, elle n'est pas encore prête pour tous les types d'exercices. Les chercheurs ont conclu que leur système est une étape prometteuse vers une biomécanique accessible, capable de fournir un retour utile pour le squat et le soulevé de terre, mais qu'il ne s'agit pas d'une solution magique qui fonctionne dans toutes les situations.

En fin de compte, ce travail démontre que nous nous rapprochons d'un avenir où l'analyse de mouvement de haute qualité sera accessible à tous, et non plus seulement à ceux qui disposent d'un budget de laboratoire. Le système peut extraire avec succès l'histoire d'un levage à partir d'une simple vidéo, identifiant quand une technique est constante et quand elle dévie de l'idéal. Il peut dire à un athlète que ses premières répétitions étaient instables et qu'il a trouvé son rythme plus tard dans la série. Pourtant, la voie à suivre exige de la discipline. Pour tirer le meilleur parti de cet outil, les utilisateurs doivent être attentifs à l'endroit où ils placent leur caméra et à ce qu'ils filment. La technologie n'est pas un remplacement pour un entraîneur, mais un nouveau type de miroir, capable de nous montrer la géométrie de notre propre force, à condition de savoir comment le regarder.