Act. 1/ Sem.

2 C106
Intitulé : Analyse et fouille de données
Responsable : Jérôme BOSCHE - UPJV - France
Préambule :
Dans le cadre de ce devoir, le logiciel Scilab sera utilisé pour répondre aux différentes questions de l’énoncé.
Scilab est un logiciel open source de calcul numérique possédant de nombreuses fonctionnalités adaptées à ce
type de problèmes.

Contexte
On se propose de faire une analyse de certains mouvements humains. Les données propres à ces
mouvements ont été réalisées dans le cadre d’une expérimentation d’un groupe de chercheurs
de l’université de Florence [1] à l’aide d’une caméra Kinect. Cette expérimentation considère 9
mouvements et 10 personnes mais dans le cadre de ce travail nous nous limiterons dans un premier
temps à 2 personnes et 2 mouvements:
1. boire à la bouteille
2. répondre au téléphone
Lors de l’expérimentation les personnes étaient équipées d’une combinaison comportant 15 capteurs
situés au niveau des articulations comme illustré figure 1.

Figure 1 : Emplacement des capteurs

Q jerome.bosche@u-picardie.fr
Chaque capteur mesure la position de l’articulation dans les trois dimensions X, Y et Z. La
combinaison génère donc à chaque instant 45 données qui sont ici enregistrées sur 450 périodes.
Pour extraire ces données de mesure, taper la commande ci-après:

load("act1.sod");

Les 4 matrices M ij ∈ R45×450 résultantes correspondent aux mesures propres au patient i et au

mouvement j avec (i, j) ∈ {1, 2} × {1, 2}. Les lignes sont donc associées aux mesures délivrées par
chaque capteur et correspondent finalement aux fonctions fk de la figure 1, pour k ∈ {1, .., 45}.
Les colonnes sont associées au temps.

Questions
1. Calculer, pour le patient 1 et le mouvement 1 (M11 ), l’écart-type de chacun des signaux fk .

2. En déduire, en le justifiant, l’articulation la plus sollicitée par ce patient lorsqu’il réalise le mouve-
ment 1. Cela vous semble-t-il logique? (Remarque : la fonction gsort de Scilab pourra être
utilisée pour répondre à la question)

3. Reprendre la question 1 et y répondre pour les 3 autres cas : M12 , M21 et M22 .

4. Créer le vecteur e ∈ R1×45 correspondant à la somme des écart-types.

5. En déduire, en le justifiant, l’articulation globalement la plus sollicitée dans le cadre de ces 4

expériences. Cela vous semble-t-il logique?

6. On considère le signal f26 11 correspondant au déplacement du poignet droit dans l’axe des Y

du patient 1 lorsqu’il réalise le mouvement 1. En utilisant l’erreur au sens des moindres carrés,
11 avec f 12 , f 21 et f 22 . Conclusion.
comparer f26 26 26 26

7. A partir du vecteur e obtenu question 4, déduire cette fois-ci l’articulation globalement la moins
sollicitée dans le cadre de ces 4 expériences. Cela vous semble-t-il logique?

8. On considère le signal f20 11 correspondant au déplacement de l’épaule droite dans l’axe des Y

du patient 1 lorsqu’il réalise le mouvement 1. En utilisant l’erreur au sens des moindres carrés,
11 avec f 12 , f 21 et f 22 . Conclusion.
comparer f20 20 20 20

Publications
L. Seidenari and V. Varano and S. Berretti and A. Del Bimbo, Pietro Pala, «
Recognizing Actions from Depth Cameras as Weakly Aligned Multi-PartBag-of-
Poses, »Proceedings of the IEEE Conference on Computer Vision and Pattern
Recognition Workshops, pp. 479-485, 2013.

Q jerome.bosche@u-picardie.fr