Plateforme IA santé et bien-êtreIAEn ligne
Wellnix
Plateforme de santé IA combinant analyse du mouvement, intelligence nutritionnelle en temps réel et bien-être prédictif.
Résultat
Posture notée depuis une vidéo de téléphone
Le problème
S'entraîner chez soi, c'est n'avoir personne pour dire que le geste est mauvais avant que quelque chose ne fasse mal.
Ce que j'ai construit
Un moteur de vision par ordinateur qui note la posture et le mouvement à partir d'une vidéo de téléphone ordinaire, associé au suivi nutritionnel pour que les deux signaux alimentent la même image.
Le résultat
Un retour sur l'exécution sans coach dans la pièce, et des recommandations qui croisent mouvement et alimentation plutôt que l'un ou l'autre.
Comment ça marche
- 01
L'utilisateur filme un mouvement avec un appareil photo de téléphone ordinaire, sans objet connecté ni capteur de profondeur.
- 02
L'estimation de pose extrait les positions articulaires image par image et le mouvement est noté par rapport à la forme que l'exercice devrait avoir.
- 03
Le retour arrive sous forme de correction précise, pas de note, parce qu'un chiffre ne dit à personne quoi changer.
- 04
Les entrées nutritionnelles alimentent le même profil, pour que les recommandations raisonnent conjointement sur le mouvement et les apports.
La couche IA
Estimation de pose sur les images vidéo, puis notation par règles du squelette extrait face aux critères d'exécution propres à chaque exercice. La notation n'est délibérément pas un modèle : les règles d'exécution sont connues, explicables et plus faciles à corriger quand un coach les conteste.
La couche ingénierie
Capture côté client, analyse côté serveur, échantillonnage d'images pour rester abordable, et un modèle de données qui garde mouvement et nutrition dans un seul profil au lieu de deux applications.
Décisions techniques clés
Notation déterministe au-dessus d'un modèle appris.
L'estimation de pose est la partie que seul un modèle peut faire. Juger si un genou dépasse la pointe du pied relève de l'arithmétique, et le faire en code rend chaque jugement explicable à l'utilisateur.