RTFlash

Un algorithme pour décrypter le langage corporel en temps réel

Les algorithmes d’intelligence artificielle parviennent aujourd’hui à détecter un visage parmi une foule ou identifier les émotions d’une personne grâce à la reconnaissance d’images. Mais lorsque plusieurs actions sont réalisées simultanément, les programmes informatiques ont du mal à les identifier.

Deux chercheurs du MIT et de l'Université d'Irvine ont mis au point un algorithme pour identifier une action lorsqu’elle est en train d’être réalisée. Pour ce faire, l’algorithme s’appuie sur le traitement automatique du langage naturel, discipline informatique proposant des techniques pour analyser le langage humain. Déjà utilisé pour la reconnaissance de la voix dans des applications comme Google Voice, ce système permet désormais de reconnaître efficacement des actions réalisées dans une vidéo.

Les chercheurs ont eu recours à une segmentation et à une classification de ces éléments grammaticaux pour l’étude des vidéos. L’avantage de cet algorithme est qu’il procède à une analyse en temps réel et n’attend pas la fin de la vidéo pour émettre des hypothèses de reconnaissance des actions. Celles-ci sont classées par ordre de probabilité et sont modifiées à mesure que la vidéo avance pour éliminer les hypothèses ne correspondant pas à la structure grammaticale de l’action.

Pour le moment, l’algorithme a été testé sur huit types d’efforts physiques différents allant de la levée d’haltères au bowling, via des vidéos extraites de Youtube. Le système est parvenu à identifier avec précision de nouvelles structures grammaticales.

Hamed Pirsiavash souhaiterait appliquer cet algorithme au domaine médical. Il pourrait par exemple aider les patients lors de thérapies physiques, en vérifiant si les gestes sont bien exécutés, ou encore vérifier que les patients âgés n'ont pas oublié de prendre leurs médicaments et leur envoyer une alerte en cas de besoin…

MIT

 Article rédigé par Georges Simmonds pour RT Flash

 

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top