Analyse du mouvement dansé : l’apport de l’IA

CONTEXTE

Le stress et l’anxiété sont des enjeux majeurs dans l’art chorégraphique, en favorisant l’occurrence de blessures et en en retardant la guérison, mais aussi en ayant un impact plus direct sur la motricité.
Les études portant sur le risque de blessures et ses déterminants en danse utilisent souvent des méthodes d’investigation, telles que l’entretien semi-structuré ou des questionnaires, soumis aux biais des participants.
Cette recherche combine ces méthodes à des analyses physiologiques et à des méthodes d’analyses par des algorithmes d’IA dans l'analyse et la classification du mouvement dansé filmé, de façon moins intrusive et moins perturbante mais aussi efficace que la capture de mouvement grâce à des marqueurs.
 

OBJECTIFS

Ce projet teste l'application de l'apprentissage automatique supervisé pour prédire le risque de blessure lié au stress et/ou à l'anxiété pendant la pratique de la danse professionnelle.

MÉTHODE

• Inclusion des participants (50 participants de plus de 15 ans recrutés auprès des étudiants du pôle national supérieur de danse de Cannes et de danseurs amateurs et/ou professionnels de la région)

• Récolte de données :
  - un questionnaire pour mesurer le score auto-évalué par les participants de leur ressenti de stress, ainsi que leur anxiété
  - 3 exercices de danse classique «à la barre» d’environ 2 minutes, dans les conditions habituelles du milieu chorégraphique du ballet classique, filmés par deux caméras (une à 0° et l’autre à 45° par rapport à l’axe frontal du participant) pour un double encodage
  - des mesures physiologiques d'analyse du niveau de stress des participants (conductance dermale, mesure du rythme cardiaque grâce à un capteur Empathica, mesure salivaire du cortisol, avant et après la passation) afin de les mettre en lien avec les questionnaires et de servir d’annotation à l’IA

• Entrainement des algorithmes IA par analyse intégrée de données (auto-questionnaires, mesures physiologiques, vidéos) pour prédire l’état d’un individu à partir de la vidéo de sa performance