Human Activity Recognition of Figure Skating Jumps Using Abdominal Electromyography and Accelerometry

Le patinage artistique est un sport où des décisions prises en une fraction de seconde et un contrôle précis du corps déterminent le succès. Un patineur doit s'élancer dans les airs, effectuer plusieurs rotations et atterrir sur une fine lame de glace sans faiblir. Pendant des décennies, les entraîneurs se sont appuyés sur leurs propres yeux et sur des vidéos au ralenti pour juger ces sauts, recherchant des erreurs subtiles lors du décollage ou de l'atterrissage. Cependant, les caméras ont un angle mort : elles ne peuvent voir que ce qui se trouve à l'extérieur. Elles ne peuvent pas voir les muscles qui se contractent à l'intérieur du corps pour préparer le saut, et elles ne voient pas toujours clairement lorsqu'un patineur pivote si rapidement que ses membres bloquent la vue. Pour résoudre cela, les scientifiques se sont tournés vers les capteurs portables, de petits dispositifs qui se collent à la peau pour enregistrer le mouvement et l'activité musculaire, offrant une nouvelle façon de comprendre la mécanique cachée de la performance athlétique.

Une équipe de chercheurs de l'Université technique d'Ostrava et de l'Université d'Ostrava, en République tchèque, a développé une nouvelle méthode pour identifier automatiquement des sauts spécifiques de patinage artistique à l'aide de ces capteurs portables. Leur objectif était de créer un système capable de distinguer six types différents de sauts, allant des rotations simples aux rotations triples complexes, sans avoir besoin d'une caméra ou d'une équipe de juges. Au lieu de regarder le patineur, leur système écoute les signaux internes du corps. Ils ont fixé de petits capteurs sur le dos de douze patineuses adolescentes d'élite. Un capteur mesurait l'accélération du corps dans trois directions, tandis que deux autres capteurs placés sur l'abdomen mesuraient l'activité électrique des muscles du tronc. Cette combinaison a permis aux chercheurs de capturer à la fois le mouvement physique du saut et la préparation musculaire qui se produit juste avant que la patineuse ne quitte la glace.

Les chercheurs ont collecté des données provenant de centaines de tentatives de sauts, incluant des versions simples, doubles et triples des sauts Axel, Salchow et Loop. Ils ont ensuite injecté ces informations dans un système informatique conçu pour apprendre des modèles. L'équipe a testé plusieurs types de méthodes d'apprentissage informatique pour voir laquelle pouvait le mieux classer les sauts dans les bonnes catégories. Ils ont découvert que l'approche la plus réussie n'était pas un réseau complexe de deep learning souvent utilisé pour la reconnaissance d'images, mais plutôt une méthode plus simple basée sur des arbres, qui prend des décisions en suivant une série de règles logiques. Ce système a atteint un niveau de précision remarquable, identifiant correctement le type de saut près de 99 pour cent du temps. Le système fonctionnait en examinant de courtes tranches de temps spécifiques des données du capteur, constatant qu'une fenêtre de données couvrant 0,6 seconde avec un léger chevauchement était la plus efficace pour capturer la signature unique de chaque saut.

Une découverte clé de cette étude a été de comprendre quelles parties des données du capteur étaient réellement nécessaires pour que l'ordinateur fasse le bon choix. Les chercheurs ont effectué des tests où ils ont retiré certains capteurs pour voir si le système fonctionnerait toujours. Ils ont constaté que si le capteur de mouvement seul pouvait faire un travail correct, le système fonctionnait nettement moins bien s'ils retiraient les capteurs mesurant les muscles abdominaux. Cela a confirmé que la façon dont une patineuse contracte ses muscles abdominaux avant de sauter est un indice crucial qui distingue un saut d'un autre. De plus, ils ont découvert que les mouvements latéraux et verticaux du corps étaient les signaux physiques les plus importants, tandis que le mouvement d'avant en arrière importait beaucoup moins. Cela suggère que l'inclinaison spécifique qu'une patineuse utilise pour amorcer un virage et la force avec laquelle elle frappe la glace lors de l'atterrissage sont les principaux marqueurs physiques qui définissent un saut.

L'étude a également abordé un problème courant de la technologie sportive : le besoin d'équipements encombrants. De nombreuses tentatives précédentes pour suivre les sauts de patinage nécessitaient plusieurs capteurs placés sur les poignets, les chevilles et la taille, ce qui peut être lourd et distrayant pour un athlète. Cette nouvelle méthode a prouvé qu'un seul capteur sur le dos, combiné à deux petits capteurs sur l'abdomen, suffisait pour obtenir des résultats de haut niveau. Cette configuration plus légère signifie que le système est moins susceptible d'interférer avec le mouvement naturel du patineur, ce qui le rend plus pratique pour un entraînement en conditions réelles. Bien que l'étude actuelle se soit concentrée sur des sauts réussis effectués par de jeunes patineuses dans un cadre contrôlé, les chercheurs pensent que cette approche jette les bases de futurs outils qui pourraient aider les entraîneurs à analyser la qualité des sauts en temps réel. En identifiant le moment exact où un saut est exécuté et en le classant instantanément, une telle technologie pourrait éventuellement aider les athlètes à affiner leur technique et à prévenir les blessures, tout en restant invisible à l'œil nu.