À l’aide d’enregistrements de caméras, les travaux actuels visent à développer une méthode automatisée pour générer des modèles virtuels de combattants afin de prédire l’exposition à l’explosion dans des scénarios d’entraînement au maniement des armes. La question clé est de savoir si nous pouvons accélérer le processus de création de ces modèles de membres de services virtuels pour l’estimation rapide de l’exposition. Ce travail utilise les derniers outils basés sur l’apprentissage automatique pour l’estimation 3D de la pose humaine à partir d’une seule caméra.
Ces outils nous permettent d’extraire la position et la posture de chaque personne dans une image, rationalisant ainsi le processus de simulation d’une exposition à une explosion. L’utilisation d’autres capteurs est difficile car les militaires en formation n’ont pas le temps d’installer de nombreux capteurs différents. Cependant, une caméra peut facilement enregistrer une séance d’entraînement militaire, de sorte que notre travail exploite cette modalité pour surmonter les limites d’autres types de capteurs.
Notre outil BOP est le premier outil de calcul permettant de prédire l’explosion de notre pression sur les membres du service à l’aide de modèles à exécution rapide optimisés avec la pression sur le terrain et les données des capteurs. Il reproduit systématiquement la posture et la position des militaires pendant le tir de l’arme, dans le but d’estimer avec précision la surpression sur différentes régions anatomiques du militaire. Notre objectif est d’améliorer et de transformer l’outil de sablage ou de pression actuel en un produit de surveillance de la surpression en temps réel pour l’exposition à l’accumulateur.
Nous nous efforcerons également d’établir une corrélation entre cette dose et l’intervention de l’ATB pour l’évaluation des risques de blessures.
