Evaluation de la précision d’estimation de variables cinématiques pour l’analyse de vidéos d’accidents

img projet

Nom du projet : Evaluation de la précision d’estimation de variables cinématiques pour l’analyse de vidéos d’accidents

Type de projet : Stages

Résumé descriptif : Les trottinettes ont connu un développement fulgurant dans de nombreuses villes à travers le monde (plus de 100 millions recensés par la société Lime). Cette rapide croissance est associée à une forte hausse des accidents et des hospitalisations : le risque d’accident pour les trottinettes est de 112 blessés/million de kilomètres (167 fois plus que pour les voitures)(Rix et al., 2021) et représentait 16% des accidentés dans le Rhône en 2019 (données issues du Registre du Rhône). Les premières explications pour ce nombre important d’accidents sont les comportements à risque mis en évidence chez les utilisateurs de trottinette (Bai et al., 2015 ; Gioldasis, Christoforou et Seidowsky, 2021) associés à un manque de réglementation et d’infrastructure pour organiser les espaces de mobilités partagés (pistes cyclables, trottoirs, routes…)(Gehrke et al., 2021). D’après une récente étude réalisée sur les blessés à la tête et au cou lors d’accident de trottinette, la plupart des accidents étaient associés à une prise de risque importante de la part de l’usager (vitesse importante, consommation d’alcool…)(Hennocq et al., 2020). L’étude détaillée de l’accident et de sa cinématique est essentielle pour identifier des facteurs de risque et comprendre les mécanismes de blessure, afin d’orienter les campagnes de prévention, de construire des infrastructures adaptées aux usages et d’améliorer les protections individuelles. Cette étude détaillée est multifactorielle et multidisciplinaire, car elle comprend les conditions extérieures (localisation…), le comportement de l’usager (notamment sa vitesse) et les conditions d’impact du corps humain. Les conditions d’impact regroupent généralement la vitesse d’impact, la surface impactée, la zone du corps et parfois la position du corps lors de l’impact. L’approche classique pour obtenir ces conditions lors d’accident de la voie publique est de reproduire expérimentalement (via des dons de corps à la science ou des mannequins) ou numériquement des accidents (expertise du LBA). Récemment, l’augmentation de la qualité des vidéos obtenues par des caméras « grand public » ouvre l’opportunité d’analyser les conditions d’impact directement sur des vidéos d’accident (Steenstrup et al., 2017 ; Choi, Wakeling et Robinovitch, 2015). Cette opportunité est renforcée par l’émergence de méthodes de suivi du mouvement sans marqueurs fournissant des positions de points anatomiques représentant le squelette interne. Ces méthodes se basent soit sur de l’extensométrie vidéo et du suivi de repères, soit sur des méthodes d’estimation de posture basées sur des traitements informatiques (seuillage, prédiction statistique). Cependant, si ces deux méthodes font l’objet de nombreux travaux dans le domaine de la vision, peu de travaux ont été réalisés pour exploiter ce type de mesure dans le domaine de la biomécanique et en particulier pour analyser des conditions d’impact lors d’accidents (Choi, Wakeling et Robinovitch, 2015 ; D’Antonio et al., 2020 ; Colyer et al., 2018). Il y a donc un manque important d’informations sur les méthodes à utiliser et sur la validité de ces mesures pour l’analyse des conditions d’impact lors d’un accident de véhicules 2 roues. L’objectif du stage sera d’évaluer la précision d’estimation de variables cinématiques à partir de vidéos pour l’analyse de vidéos d’accidents. La première partie du stage consistera à produire des données expérimentales. Différentes chutes simulées de trottinette à faible vitesse seront reproduites par des volontaires sur des matelas de protections. Ces chutes seront mesurées d’une part avec un système d’analyse du mouvement de référence composé de 10 caméras optoélectroniques, et d’autre part par plusieurs caméras vidéo, fixes et mobiles, situées à différents angles et différentes distances de la scène. La seconde partie consistera à évaluer l’estimation de variables cinématiques à partir des données vidéo en se basant sur les données expérimentales préalablement acquises. Les vidéos issues des différentes caméras seront analysées pour obtenir les paramètres suivants : vitesse du tronc, vitesse de la tête et posture de la personne avant l’impact avec les matelas. Pour cela, les méthodes d’analyses par estimation de posture basée sur de l’apprentissage profond (OpenPose, DeepLabCut ou Theia) seront utilisées. Ces mesures seront comparées aux données de références issues du système optoélectronique. Ce stage est donc à l’intersection de trois disciplines, la mesure du mouvement (encadrement Alexandre Naaim), l’analyse de postures par apprentissage profond (encadrement Antoine Muller) et la biomécanique des chocs (encadrement Nicolas Bailly). Les outils développés lors de ce stage permettront de caractériser l’impact des parties du corps lors de la chute ce qui est essentiel pour concevoir des protections individuelles adaptées. Ils permettront également d’apporter des éléments quantitatifs importants pour l’analyse d’accident qui pourront être utiles pour quantifier certains comportements à risque (vitesse avant l’accident, posture sur la trottinette…), afin d’enrichir des études comportementales des accidentés et d’orienter les campagnes de prévention, les futures recommandations ou la conception des infrastructures. Sur ce dernier volet, des discussions sont en cours avec l’UMREST et le LMA autour de l’épidémiologie associée à l’accident de la trottinette et des méthodes d’analyse d’accidents complémentaires à l’analyse de vidéo (étude détaillée d’accident, entretiens avec les accidentés). Enfin, si le travail lié à ce stage se concentre principalement sur l’analyse de chutes à trottinette, les méthodes et outils développés pourront trouver des applications dans d’autres types d’accidents (chutes à vélo, chutes à pied, collision entre deux usagers, etc.).

Nom de(s) encadrant(s) : Antoine Muller et Alexandre Naaim (LBMC) ; Nicolas Bailly (LBA)

Nom de(s) étudiant(s) : Sophie Bonte

Dates de début et de fin du projet : 11 avril 2022 - 30 septembre 2022