Description Titre : Méthode et dispositif de détermination d'un cycle de marche Domaine technique [0001] La présente invention concerne un dispositif et une méthode permettant d'analyser la marche d'une personne en déduisant la signature de marche propre à la personne. La signature de marche déterminée d'après la présente invention permet notamment de qualifier la qualité de marche d'une personne à l'aide d'un paramètre visuel se présentant sous la forme d'une courbe accompagnée d'une ou plusieurs valeurs tirées de la courbe. La signature de marche pourrait par exemple être utilisée par un professionnel de santé comme un indicateur supplémentaire de la santé de la personne. La signature de marche pourrait par exemple trouvée un intérêt dans le suivi de patients atteints de pathologies neurologiques affectant la marche telles que la sclérose en plaques. Technique antérieure [0002] La capacité à marcher joue un rôle prépondérant dans l'autonomie et la vie quotidienne d'un individu. La marche résulte d'un processus biomécanique complexe faisant intervenir un large spectre de fonctions et structures qui interagissent les unes avec les autres : fonctions neurologiques, sensorielles, osseuses, musculaires, etc. De par cette complexité, plusieurs pathologies d'origines différentes (mécanique, neurologique, psychologique, etc.) peuvent être responsables de la dégradation de la fonction de marche en altérant une ou plusieurs de ces fonctions. Les nombreuses altérations possibles des fonctions et structures responsables de la marche d'un individu sont sources d'autant de symptômes différents d'une atteinte de la marche. Cette complexité dans les symptômes et dans les profils de patients entraîne donc une difficulté à évaluer la dégradation de la marche de manière objective par une mesure reflétant à la fois le type d'atteinte et sa sévérité. [0003] Plusieurs tests cliniques existent déjà pour évaluer les troubles de la marche. Ils consistent le plus souvent en un diagnostic dépendant de l'observation réalisée par un clinicien. L'observation visuelle du clinicien aboutit à une mesure non quantitative ou une mesure semi-quantitative qui dépend de l'expérience du clinicien et ne reflète qu'un aspect de la dégradation de la marche. [0004] Il est par exemple important de pouvoir correctement étudier la marche d'un patient atteint de la sclérose en plaques (SEP). Un patient atteint de SEP doit se rendre une à deux fois par an en consultation chez un neurologue. Les tests pour évaluer sa capacité à marcher consistent généralement à mesurer le temps nécessaire au patient pour parcourir une distance fixée ou la distance qu'il peut parcourir pendant une certaine durée. Ces tests constituent une mesure peu précise et n'ont lieu que lors des consultations. [0005] D'autres méthodes d'analyse complète de la marche telles que l'analyse quantitative de la marche, permettent un profilage complet de la démarche de l'individu. Ils impliquent cependant l'utilisation d'outils numériques et d'un matériel qui peut vite s'avérer coûteux et encombrant, et nécessitent la mise en place d'un laboratoire dédié dans lequel le patient doit se rendre pour effectuer un grand nombre de tests. Ce type d'examen est donc difficilement intégrable dans le suivi de l'évolution de la pathologie au cours du temps, qui implique de tester le patient de façon régulière (parfois plusieurs fois par an). [0006] La demande de brevet EP2646776 décrit un système et une méthode permettant de calculer des paramètres représentatifs d'un mouvement d'au moins deux membres d'une chaîne articulée, par exemple une jambe. Toutefois, cette demande de brevet n'enseigne pas comment obtenir une valeur caractéristique de la marche de la personne. En outre, cette demande de brevet nécessite pour la mesure des paramètres un grand nombre de données telles que les dimensions des parties qui composent la chaîne articulée (par exemple la longueur du tibia) pour modéliser cette dernière. Enfin, cette demande de brevet suggère d'utiliser un grand nombre de capteurs afin d'améliorer la précision de la mesure. [0007] La demande de brevet US 2018/0020969 décrit un dispositif et une méthode pour analyser le déplacement d'un segment du corps d'une personne, par exemple de la jambe. Cette demande de brevet suggère de placer plusieurs capteurs sur le corps de la personne pour améliorer la précision de la mesure et n'enseigne pas comment obtenir une valeur caractéristique de la marche de la personne. [0008] EP3603505 décrit un système et une méthode permettant de détecter des sections de mouvement d'ajustement. Les mouvements considérés sont par exemple la marche, la monté d'un escalier ou la réalisation d'un tournant par un patient ou un robot. Pour ce faire, il est décrit de comparer entre elles deux sections différentes d'une même série temporelle et d'en mesurer une valeur de ressemblance. Sur la base de la valeur de ressemblance, le type de mouvement d'ajustement opéré par le patient est finalement déterminé. [0009] US 2013/0131555 décrit une méthode pour analyser la marche d'un patient dont la marche peut être fortement altérée, à partir d'au moins un capteur effectuant des mesures de vitesse angulaire. Le début du cycle de marche est défini par la détection du point d'inversion de la vitesse angulaire. Pour cela, il est décrit de classifier puis de ne sélectionner que les phases de rotation positive qui répondent à certains critères de sélection. [0010] Même si les documents EP3603505 et US 2013/0131555 traitent des cycles de marche, ils n'effectuent cependant aucuns calculs qui permettent d'obtenir une signature de marche caractéristique d'un patient. [0011] Aucune des solutions décrites dans ces demandes de brevet ne suggèrent l'analyse du cycle de marche d'une personne afin d'en déduire une signature de marche dont le médecin pourra tenir compte afin de poser un diagnostic. Il y a donc un manque de solution permettant la mesure d'un paramètre caractéristique de la marche de l'individu, représentatif du type d'atteinte de la marche et sensible à sa sévérité, et dont la mesure est réalisée par un dispositif qui puisse être utilisé aisément dans le cadre d'un suivi médical. Résumé de l'invention [0012] Selon un premier aspect, la présente invention est une méthode de détermination d'une signature de marche d'une personne, à partir d'une série temporelle de données, les données étant par exemple des quaternions, chaque donnée étant représentative d'une position ou d'une orientation d'un système de capteurs mesurée au cours du temps, la méthode comprenant: une étape de segmentation, l'étape de segmentation comprenant les étapes intermédiaires suivantes : - identifier les extrema locaux de la série de données, - déterminer entre deux extrema locaux successifs s'il s'agit d'une phase de rotation postérieure ou une phase de rotation antérieure, - former des segments constitués d'une première phase correspondant à une rotation postérieure suivie d'une deuxième phase correspondant à une rotation antérieure, une étape de sélection qui consiste à sélectionner les segments qui correspondent à un cycle de marche, une étape de calcul de la signature de marche à partir des segments sélectionnés. [0013] La position du système de capteurs est donnée par exemple par des coordonnées d'un référentiel à trois axes du système de capteurs exprimées dans un référentiel fixe à trois axes, aligné par exemple sur le référentiel terrestre. [0014] L'orientation du système de capteurs est donnée de préférence par toute représentation mathématique d'une rotation en 3 dimensions, et de préférence à l'aide de quaternion unitaire. [0015] Selon un mode de réalisation, les données de la série temporelle de données sont le résultat de calculs de l'orientation absolue du système de capteurs par rapport à un référentiel fixe, ledit calcul étant réalisé par un algorithme de fusion de données de plusieurs capteurs, contrairement aux méthodes faisant appel aux données d'accélération ou de vitesse angulaire mesurée à partir de seuls accéléromètres, gyroscope ou magnétomètre comme dans l'invention décrite dans le document US 2013/0131555. Les capteurs comme les accéléromètres, gyroscopes ou magnétomètres sont sujets aux bruits et conduisent à des estimations peu précises de paramètres tels que leur orientation brute à partir de leurs seules données, là où la fusion des données de plusieurs capteurs embarqués dans un même dispositif permet une estimation plus précise de l'orientation dudit dispositif. [0016] Une telle méthode est rapide et facile à mettre en œuvre. Elle permet de déterminer un paramètre caractéristique de la marche d'une personne. Un tel paramètre peut être considéré comme un biomarqueur aidant à la détermination de la sévérité d'une pathologie, par exemple de la SEP, et de son impact sur la marche. A partir de ce biomarqueur, le clinicien est en effet en mesure de quantifier la qualité de la marche d'une personne et par exemple, de la comparer avec des mesures de référence. [0017] Le système de capteurs peut comprendre un référentiel local à trois axes, le type de phase de rotation entre un premier extrémum et un deuxième extrémum qui est subséquent au premier extrémum, est déterminé d'après l'angle formé entre un premier et un second axe, le premier axe étant considéré au temps correspondant à l'occurrence du premier extrema et le second axe étant considéré au temps correspondant à l'occurrence du deuxième extrema. [0018] Le fait d'identifier des segments constitués d'un enchaînement de deux phases de rotations, lesdites phases de rotation étant de sens opposés et survenant dans un ordre similaire, à partir d'un unique système de capteurs porté par l'individu, permet une mesure précise et répétable dans le temps de la signature de marche de l'individu avec un encombrement matériel limité. [0019] L'étape de sélection peut comprendre une étape qui consiste à appliquer une interpolation sphérique linéaire à chaque segment de sorte que chaque segment constitué à l'étape de segmentation comprenne le même nombre de données. [0020] L'interpolation permet de régulariser le nombre d'éléments par segment et améliore la comparabilité des segments entre eux. Le nombre d'éléments que contient un segment peut être prédéterminé. Ce nombre peut être fixé par exemple à 50, 100, ou 200 éléments en fonction de la précision et du temps de calcul souhaité par l'utilisateur. [0021] L'étape de sélection peut également comprendre une étape consistant à aligner les segments entre eux à partir d'une transformation réalisée par une méthode dit du « partitionnement en K-moyennes sur données fonctionnelles » (ou «K-mean alignment » en anglais). Cette nouvelle étape permet d'améliorer encore la comparabilité des segments entre eux. [0022] L'étape de calcul de la signature de marche peut consister à calculer la moyenne des segments correspondant à des cycles de marches. La détermination de la moyenne des segments correspondants à des cycles de marches est avantageusement effectuée en même temps que l'étape de sélection par construction de la méthode de « partitionnement en K-moyennes ». [0023] Une fois la signature de marche calculée, elle peut être normalisée de sorte qu'elle ne soit plus fonction du temps mais qu'elle soit exprimée en pourcentage de la durée total du cycle. [0024] Exprimer une signature de marche en pourcentage de la durée total du cycle permet de faciliter la comparaison de signatures de marches de durées différentes entre elles. En effet, il est alors possible de comparer des signatures de marche mesurées chez un même individu à des dates différentes ou chez des individus ayant des cadences de marche différentes, i.e. dont les durées des cycles de marche vont différer. [0025] La méthode peut comprendre en outre une étape préalable de traitement afin de détecter et supprimer les potentiels artefacts de mesure. [0026] Le système de capteurs peut comprendre un accéléromètre 3 axes, un gyromètre 3 axes, un magnétomètre 3 axes ou une combinaison quelconque de ces capteurs. De préférence, le système de capteur comprend un accéléromètre 3 axes et un gyromètre 3 axes. [0027] Un tel capteur permet une mesure précise du vecteur d'orientation relative du système de capteur, dans toutes les directions de marche. La mesure peut être effectuée alors que la personne marche dans toutes les directions. En particulier, la personne n'est pas limitée à une marche en ligne droite (c'est-à-dire dans un plan en deux dimensions). [0028] La fréquence de mesure du système de capteurs peut être fixée de sorte à être suffisante pour la détermination du cycle de marche. En particulier, la fréquence peut être fixée de sorte à respecter au moins le critère de Shannon. A titre illustratif, la fréquence est d'au moins 50Hz, de préférence 100Hz. [0029] Le système de capteurs peut être placé au niveau de la hanche de la personne, par exemple fixé à une ceinture. Ainsi, le système ne gêne pas le patient et n'impact pas sa marche. [0030] Selon un autre aspect, l'invention concerne une méthode d'aide à l'évaluation de la pathologie qui comprend la méthode de détermination d'un cycle de marche décrite ci-avant comprenant en outre la comparaison de la signature de marche à des signatures de marche de référence, notamment pour l'évaluation de la dégradation de la marche dans le cas de maladie neuro-dégénérative. [0031] A partir des comparaisons entre les signatures de marche mesurées d'après la méthode de la présente invention et des cycles de marche de référence, la présente invention permet avantageusement de donner un nouveau paramètre qui quantifie la qualité de marche d'un individu, par exemple atteint d'une maladie telle que la sclérose en plaque. Un professionnel de santé peut ainsi ajouter à son évaluation médicale la signature de marche de son patient comme paramètre de santé. Dans l'idéal, la signature de marche d'une personne pourrait être utilisée directement dans le diagnostic posé par le professionnel de santé. [0032] Selon un autre aspect, l'invention concerne aussi un programme informatique comportant des instructions pour la mise en œuvre du procédé de l'invention, lorsque ce programme est exécuté par un processeur. De même, l'invention concerne un support d'enregistrement non transitoire lisible par un ordinateur sur lequel est enregistré un programme pour la mise en œuvre du procédé selon l'invention lorsque ce programme est exécuté par un processeur. [0033] Enfin, l'invention concerne un dispositif de détermination d'une signature de marche d'une personne comprenant un système de capteurs composé d'un accéléromètre 3 axes et d'un gyromètre 3 axes, un système de traitement de l'information configuré pour mettre en œuvre la méthode décrite ci-avant, et un système de communication de préférence Bluetooth. Brève description des dessins [0034] D'autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l'analyse des dessins annexés, sur lesquels : Fig.1 [0035] [Fig.1] montre un cycle de marche classique d'une personne ; Fig.2 [0036] [Fig.2] montre la mesure de l'orientation du système de capteurs par rapport à un référentiel fixe ; Fig.3 [0037] [Fig.3] montre un exemple de données mesurées par le système de capteurs ; Fig.4 [0038] [Fig. 4] montre un exemple de données comprenant des artefacts de mesures (changements du sens de rotation ou Sense rotation changes en anglais) et la correction appropriée de ces artefacts; Fig.5 [0039] [Fig. 5] montre un exemple de données comprenant des artefacts de mesures (dérive sporadique ou Sporadic drift en anglais) et la correction appropriée de ces artefacts; Fig.6 [0040] [Fig.6] illustre les étapes consistant à détecter des extrema locaux ; Fig.7 [0041] [Fig.7] montre un exemple de signature de marche ; Fig.8 [0042] [Fig. 8] montre un exemple de signature de marche avec post-traitement d'alignement. Description des modes de réalisation [0043] Le cycle de marche [0044] Il est maintenant fait référence à la figure 1. La figure 1 est un schéma illustrant un cycle de marche. [0045] La marche est un phénomène cyclique qui permet à un individu de se déplacer. Elle peut donc être décomposée en cycles correspondants à un enchaînement de mouvements similaires au cours du temps. Un cycle de marche correspond à tous les mouvements effectués par le corps entre deux instants où le corps est à une position équivalente (par exemple, contact du talon gauche au sol). Il peut également être décomposé en deux phases : une phase de balancement d'un pied (par exemple le pied droit) vers l'avant du corps (encore appelé demi-pas antérieur), et une phase d'appui du pied au sol (encore appelé demi-pas postérieur). [0046] Un certain nombre de paramètres spatio-temporels peuvent décrire le cycle de marche : durée moyenne du cycle complet, vitesses angulaires des segments mobilisés, durée relative des demi-pas, force appliquée au sol, angle entre les différents segments, etc. [0047] Un très grand nombre d'organes et de tissus interviennent pendant la marche d'un individu : os, muscles, cartilages, tendons, ligaments, système nerveux moteur et sensitif, etc.. Toute atteinte d'un de ces organes ou tissus peut avoir un impact d'intensité variable sur le cycle de marche (claudication, ralentissement de la cadence de pas, changement dans le rapport temps de phase d'appui/phase de balancement du pied, déséquilibre, asymétrie entre les mouvements des jambes gauche et droite etc.). [0048] La présente invention permet de déterminer une signature de marche équivalente à un biomarqueur caractéristique de la marche d'un individu, sensible aux différents types d'atteintes et à leur gravité à l'aide d'un système de capteurs. [0049] Le système de capteurs [0050] Le système de capteurs comprend avantageusement un gyroscope 3 axes et un accéléromètre 3 axes. Le système de capteurs peut comprendre d'autres capteurs tels un thermomètre, un capteur d'intensité lumineuse, un capteur de proximité, un baromètre, etc . [0051] Le système de capteurs de la présente invention est par exemple le système de capteurs commercialisé par la société Mbientlab sous la dénomination MetaMotionR Sensor®. [0052] Le système de capteurs peut comprendre un dispositif de communication, par exemple via un protocole Bluetooth ou via le wifi. Dans ce cas, les données mesurées par le capteur peuvent être directement communiquées à un ordinateur, une tablette ou un smartphone de l'utilisateur (par exemple le clinicien ou le patient). [0053] Les données renvoyées par le système de capteurs sont notamment celles renseignant l'orientation en trois dimensions du système de capteurs par rapport à un référentiel fixe au cours du temps. Les données renvoyées par le système de capteurs sont de préférence prétraitées par un algorithme de fusion de données. [0054] Les données mesurées par le système de capteurs peuvent se présenter sous la forme d'une série temporelle dont les données sont exprimées par exemple à l'aide de quaternions unitaires qts(s), constitués de S éléments. Les données de la série temporelle peuvent aussi être exprimées selon des coordonnées cartésiennes dans un espace à 3 dimensions. [0055] Les quaternions unitaires forment un ensemble de nombres super-complexes, généralisation en quatre dimensions des nombres complexes (i.e. nombres écrits sous la forme c = w + xi). Un quaternion q est écrit sous la forme : q = w + xi + yj + zk, où les nombres i, j et k sont des nombres complexes, respectant les règles de calcul suivantes : i² = j² = k² = ijk = −1. [0056] Un quaternion peut être décomposé en deux parties : q = [w, v] = [w, (x, y, z)], où w = Re(q) est appelée partie réelle ou scalaire du quaternion et v = Im(q) est appelée partie vectorielle ou imaginaire du quaternion. Les quaternions pour lesquels Re(q) = 0 sont appelés imaginaires purs, ceux pour lesquels Im(q) = (0, 0, 0) sont les nombres réels. [0057] L'utilisation des quaternions permet notamment de faciliter et d'accélérer les calculs de rotation dans un espace euclidien à 3 dimensions. [0058] Pour calculer son orientation, le système de capteurs définit un référentiel fixe, représenté sous la forme d'un repère orthonormé R _fix (x _fix , y _fix , z _fix ), et dispose lui-même d'un référentiel orthonormé Rcapt (xcapt, ycapt, zcapt) comme représenté en figure 2. [0059] La représentation de l'orientation du système de capteurs à un temps t(s) correspond à la transformation à appliquer au référentiel fixe R _fix de sorte que les axes du référentiel fixe Rfix soient colinéaires avec ceux du référentiel du capteur Rcapt(s). Cette transformation correspond à une rotation d'angle θ(s) autour d'un axe repéré par un vecteur à trois dimensions v(s). Cette rotation peut-être avantageusement représentées sous la forme d'un quaternion unitaire qts(s) = [w(s), (x(s), y(s), z(s))], où w(s)=cos(θ(s)/2) et (x(s), y(s), z(s)) = v(s).sin(θ(s)/2). [0060] La figure 3 illustre un exemple de données mesurées par le capteur et représentées sous la forme de quaternions, en fonction du temps. Il y a quatre courbes obtenues qui correspondent à l'évolution des quatre composantes des quaternions unitaires. Bien entendu, même si l'utilisation de quaternions rend l'expression des rotations plus aisées, il n'est pas nécessaire de les employer ; il serait tout aussi possible d'obtenir les courbes des différentes figures en utilisant par exemple des vecteurs de rotation exprimés dans un espace euclidien à 3 dimensions. [0061] Le système de capteurs est de préférence fixé au niveau de la hanche de la personne. Le système de capteurs est par exemple fixé à une ceinture. Le système est dans ce cas facile à mettre en œuvre et ne gêne pas la personne. De même, le système de capteurs peut être fixé au niveau du genou ou du pied de la personne. Le système de capteurs peut alors être fixé à la personne à l'aide d'une bande élastique ou d'un système de fixation par exemple le système de fixation mécanique par crochets et boucles, dit métonymiquement Velcro®. [0062] Le système de capteurs est avantageusement placé au niveau de la hanche de l'individu mais il peut être localisé sur n'importe quelle autre partie du corps tant que ses mouvements sont cycliques et impliquent des rotations de sens opposés entre les deux phases de cycle de marche. [0063] Afin de déterminer la signature de marche d'une personne, il peut être demandé à la personne de marcher pendant un temps prédéterminé durant lequel la mesure de la signature de marche est effectuée. La personne peut donc, lors d'une visite chez le médecin, être équipée du système de capteurs, il lui est alors demandé de parcourir la pièce pendant un temps prédéterminé, par exemple une minute, le temps pour le système de capteurs de prendre un nombre de données suffisant pour que la détermination de la signature de marche soit représentative de la marche de la personne. [0064] Le système de capteurs de la présente invention peut également être confié à la personne. Dans ce cas, la mesure peut être effectuée quasi-continûment. La personne n'a alors pas besoin de se déplacer chez le médecin. La personne étant chez elle et le système de capteurs étant en fonctionnement, le médecin peut tout de même recevoir en temps réel les données collectées par le système de capteurs grâce au système de communication. Le médecin peut ainsi être informé en temps réel de l'état de santé de la personne et adapter son diagnostic et son traitement en fonction de l'évolution de la signature de marche mesurée de la personne. [0065] La méthode de détermination du cycle de marche [0066] Selon un premier aspect, l'invention concerne une méthode de détermination d'une signature de marche d'une personne, à partir d'une série temporelle de données, les données étant par exemple des quaternions, chaque donnée étant représentative de l'orientation d'un système de capteurs mesurée au cours du temps, la méthode comprenant: /i/ une étape de segmentation, l'étape de segmentation comprenant les étapes intermédiaires suivantes : - identifier les extrema locaux de la série de données, - déterminer entre deux extrema locaux successifs s'il s'agit d'une phase de rotation postérieure ou une phase de rotation antérieure, - former des segments constitués d'une phase de rotation postérieure et d'une phase de rotation antérieure successives, /ii/ une étape de sélection qui consiste à sélectionner les segments qui correspondent à des cycles de marche, /iii/ une étape de calcul de la signature de marche à partir des segments sélectionnés. [0067] Les données brutes renvoyées par le système de capteurs peuvent se présenter sous la forme d'une série temporelle composée de S éléments (S est un entier positif), chaque élément étant exprimé soit à l'aide de coordonnées cartésiennes ou de préférence par des quaternions unitaires. [0068] Dans la suite, nous considérerons que les S données qts(s) de la série temporelle sont exprimées à l'aide de quaternions unitaires telles que : [0069] [Math.1] [0070] Dans Math.1, θ(s) et v(s) font référence respectivement à l'angle et au vecteur de la rotation entre l'orientation du capteur mesurée à l'instant s et à une orientation de référence, par exemple alignée sur le référentiel terrestre. [0071] Chaque élément qts(s) est associé au temps t(s) auquel la mesure de qts(s) a été faite. [0072] Etape préliminaire [0073] Les données brutes renvoyées par le système de capteurs peuvent êtres sujettes à différents artefacts propres au système de capteurs ou induits par l'utilisateur lors de la mesure. [0074] La méthode de la présente invention peut comprendre une étape préliminaire qui consiste à supprimer les artefacts de la série temporelle de données renvoyée par le système de capteurs. [0075] Les artefacts survenant au moment de la mesure peuvent être répartis en deux grandes familles : 1. les artefacts dus au sens de la rotation calculée entre le référentiel fixe et le référentiel du capteur, appelés Rotation Sens Changes ; et 2. les artefacts dus à un recalibrage d'un ou plusieurs composants du système de capteurs au cours d'une acquisition de données, appelés Sporadic Discontinuities. [0076] Le mauvais calibrage du système de capteurs peut également entraîner une lente dérive (en anglais drift) des données, due à l'accumulation d'erreurs au cours du temps dans le calcul de son orientation. Le drift se traduit par une pente dans les données correspondant à une lente rotation du référentiel fixe au cours du temps. [0077] Une phase de calibration du système de capteurs à réaliser avant la phase d'acquisition des données peut permettre de limiter, sinon supprimer la survenue des artefacts et drifts. [0078] La phase de calibration peut consister à faire pivoter le système de capteurs entre plusieurs positions à intervalle de temps relativement régulier pour calibrer les différents capteurs du système de capteurs, par exemple les accéléromètre et gyromètre, puis de bouger le système de capteurs dans plusieurs directions pour calibrer le magnétomètre dans le cas où un magnétomètre est présent dans le système de capteurs. [0079] Correction du sens de la rotation (Rotation Sens Changes) [0080] Les artefacts de type Rotation sens changes surviennent quand la rotation entre le référentiel du capteur R _capt et le référentiel fixe R _fix est proche de 180°. Soient R(s) et R(s+1) deux rotations entre R _fix et R _capt calculées à un temps t(s) et à un temps t(s+1), ces deux rotations étant de sens opposées. Soient θ(s) et v(s) respectivement l'angle et le vecteur de rotation associés à R(s) et θ(s+1) et v(s+1) respectivement l'angle et le vecteur de rotation associés à R(s+1), alors θ(s) ≈ θ(s+1) et v(s+1) ≈ -v(s). Considérons dans ce cas le quaternion unitaire qts(s) qui représente la rotation R(s) et qts(s+1) le quaternion unitaire représentant la rotation R(s+1), alors Re(q(s+1)) ≈ Re(q(s)) et Im(q(s+1) ≈ -Im(q(s)). Alors qts(s)*qts(s+1) = w(s).w(s+1) + x(s).x(s+1) + y(s).y(s+1) + z(s).z(s+1) < 0 ; * représentant un produit scalaire. [0081] L'étape préliminaire de correction d'artefacts de type Rotation sens change peut donc comprendre une étape de calcul du produit scalaire de deux données temporelles successives qts(s) et qts(s+1), exprimées selon deux quaternions unitaires. Selon le signe du produit scalaire, le quaternion qts(s+1) est remplacé par son opposé afin de corriger des artefacts de type Rotation Sens Changes. [0082] La figure 4 présente à sa gauche un exemple d'une série temporelle de données exprimée en utilisant des quaternions unitaires. La figure 4 présente des artefacts de mesures de type Rotation Sens Changes. On observe en effet des discontinuités au niveau des composantes x, y et z du quaternion unitaire. [0083] L'utilisation de quaternions unitaires permet de facilement visualiser et corriger de tels artefacts. A la droite de la figure 4, on peut observer la même série temporelle qu'à gauche de la figure, mais cette fois-ci corrigée. [0084] Correction des Sporadic discontinuities [0085] Les Sporadic discontinuities correspondent à un changement brusque de référentiel fixe Rfix entre deux données successives. Corriger cet artefact revient à recalculer l'orientation du capteur mesurée durant la phase d'acquisition à partir d'un référentiel fixe constant. Soit distpre(s) = dist( qts(s) , qts(s-1) ) la distance entre un élément qts(s) de la série temporelle et l'élément précédent qts(s-1) calculée pour s ∈ {2…S}, les quartiles Q1 et Q3 de distpre sont calculés. Ils correspondent aux valeurs pour lesquelles 25% des distances dist _pre (s) sont inférieures à Q1 et 25% des distances dist _pre (s) supérieures à Q3. Une valeur seuil thr _dist est déterminée à partir de l'écart inter quartiles IQS = Q3 – Q1 : thr _dist = Q3 + min(max(dist_prec),Q3+1,5xIQS). [0086] Pour un élément s donné, si dist _pre (s) > thr _dist , alors le référentiel fixe permettant de calculer l'orientation du système de capteurs est différent à partir de l'instant t(s). Cet élément est noté s _sd . Afin de recalculer l'orientation du système de capteurs à partir de l'élément s _sd selon le même référentiel fixe que celui considéré pour les éléments s<s _sd , les éléments qts(s), s>s _sd sont multipliés par le quaternion q _sd = qts(s-1).qts(s) ^-1 selon l'équation suivante : [0087] [Math.2] [0088] Plusieurs Sporadic discontinuities peuvent survenir au cours d'une même session d'acquisition de données. La correction de l'artefact est répétée tant que des Sporadic discontinuities sont détectés dans la série temporelle de données. [0089] La figure 5 illustre la correction d'un artefact de type Sporadic discontinuities. [0090] Etape de segmentation [0091] La méthode de détermination d'une signature de marche d'une personne de la présente invention, à partir d'une série temporelle de données, les données étant par exemple des quaternions, chaque donnée étant représentative de l'orientation d'un système de capteurs mesurée au cours du temps, comprend une première étape de segmentation. [0092] L'étape de segmentation comprend une première sous-étape consistant à identifier les extrema locaux de la série temporelle. [0093] Un cycle de marche est composé de deux phases, (i) la phase d'appui qui commence par la pose d'un pied donné au sol et finit par le décollement de ce même pied, et (ii) la phase de balancement qui commence par le décollement du pied et finit par la pose de ce pied. [0094] Les mouvements de la jambe s'effectuent donc en sens opposés entre la phase d'appui et la phase de balancement. [0095] Dans le cas où le système de capteurs est placé au niveau de la hanche, c'est-à- dire au niveau du bassin et proche de la tête du fémur, les données qu'il enregistre témoignent de mouvements effectués par la jambe. [0096] Soient sinit le premier élément d'une phase d'un cycle de marche (cette phase peut être la phase d'appui comme la phase de balancement), observé au temps t(sinit), et q(sinit) l'orientation du système de capteurs observée à cet instant. Au cours de cette phase de marche, l'orientation de la jambe s'éloigne de son orientation initiale. L'orientation de la jambe la plus éloignée de l'orientation initiale est observée à la fin de la phase, correspondant à l'élément send observé au temps t(send), à partir duquel débute la deuxième phase du cycle de marche. [0097] Durant cette deuxième phase, le mouvement de la jambe éloigne son orientation de celle observée au temps t(s _end ) et la rapproche de celle observée au temps t(s _init ). De par sa position, l'orientation du système de capteurs suit le même schéma au cours d'un cycle de marche. La segmentation du signal repose sur ces observations. [0098] L'objectif est ici d'identifier les temps pouvant correspondre à une transition entre deux phases de marche. [0099] Soit smax un élément correspondant à une transition entre deux phases du cycle de marche, observé au temps t(s _max ) ; soit l'intervalle de temps [t(s _max ) – Δt,t(s _max ) + Δt], avec Δt le paramètre permettant de définir l'étendu de l'intervalle ; pour un intervalle de temps correspondant approximativement à la durée d'un cycle de marche (par exemple, un intervalle de 1,5 seconde avec Δt = 0.75 secondes), l'orientation observée au temps t(smax) correspond à l'orientation la plus éloignée de toutes les orientations observées dans l'intervalle [t(smax) – Δt,t(smax)+ Δt]. L'élément smax est appelé Maximum Local. [0100] Le principe de la méthode appliquée pour détecter ces points est présenté sur la figure 6. Soit une fenêtre de recherche sw = {1…δ}, avec δ un entier positif et sw(1) = 1, sw(2) = 2, … , sw(δ) = (δ-1) ; le paramètre δ définit l'étendue de la fenêtre de recherche sw et est fixé a priori de telle sorte que cette étendue soit suffisamment grande pour contenir un cycle de marche complet, i.e. pour que l'intervalle de temps [t(sw(1)) , t(sw(δ-1))] soit d'une durée suffisante pour contenir un cycle de marche (par exemple 1,5 seconde). Le premier maximum local noté srupt(1) est définit par défaut comme le premier point de la série (premier point noir sur la figure 6). La distance entre ce premier point et tous les points appartenant à la fenêtre de recherche sw matérialisée par les traits pointillés noir sur la figure 6) est calculée d'après l'équation suivante: [0101] [Math.3] [0102] Le maximum local srupt(2) est défini comme suit : [0103] [Math.4] [0104] La fenêtre de recherche sw prend alors les nouvelles valeurs définies par : [0105] [Math.5] [0106] Le maximum local de la nouvelle fenêtre sw est défini par la même méthode qu'à l'étape précédente. Cette phase de recherche se répète de façon itérative jusqu'à ce que la fenêtre de recherche atteigne la fin de la série temporelle de données. [0107] L'ensemble des maximas trouvés (ou points de ruptures) constituent un vecteur de M maxima locaux notés s _rupt (m) avec m ∈ {1 … M}, M étant un entier positif. [0108] L'étape de segmentation comprend en outre une étape consistant à déterminer entre deux extrema locaux successifs s'il s'agit d'une phase de rotation postérieure ou une phase de rotation antérieure. [0109] Les M maxima locaux déterminés ci-avant correspondent à des changements dans le sens de rotation du capteur. Certains de ces maximas locaux délimitent des intervalles de temps correspondant à des phases de cycle de marche (phase de balancement ou phase d'appui). Soient xcapt(s), ycapt(s) et zcapt(s) les coordonnées des vecteurs x, y et z du référentiel de capteur Rcapt observées au temps s et exprimées dans le système de coordonnées du référentiel fixe Rfix. Soient 2 maximas locaux successifs srupt(m) et srupt(m+1). [0110] Schématiquement, dans le cas où le système de capteurs est placé au niveau de la hanche, de par sa position, si srupt(m) et srupt(m+1) délimitent un intervalle de temps correspondant à une phase de balancement ou d'appui, le mouvement de rotation du capteur se fait principalement autour d'un axe colinéaire à zcapt(s), pour s ∈ {srupt(m) … srupt(m+1)}. Si srupt(m) et srupt(m+1) délimitent une phase de balancement, la jambe effectue un mouvement de rotation antérieure. Du point de vue du capteur, l'axe xcapt(s) se rapproche de l'axe ycapt(srupt(m)) durant cette phase. A la fin de cette phase, l'angle entre xcapt(srupt(m+1)) et ycapt(srupt(m)) est inférieur à 90°. Cette condition se vérifie d'après l'inégalité suivante : [0111] [Math.6] [0112] A l'inverse, si s _rupt (m) et s _rupt (M+1) délimitent une phase d'appui, la jambe effectue un mouvement de rotation postérieure. Du point de vue du capteur, l'axe x _capt (s) s'éloigne de l'axe y _capt (s _rupt (m)) durant cette phase. A la fin de cette phase, l'angle formé entre l'axe x _capt (s _rupt (m+1)) et y _capt (k _rupt (m)) est supérieur à 90°. Cette condition se vérifie d'après l'inégalité suivante : [0113] [Math.7] [0114] A partir de ces observations, il est ainsi possible de déterminer quel type de rotation est observé entre 2 maxima locaux successifs s _rupt (m) et s _rupt (m+1). [0115] L'étape de segmentation comprend alors une autre sous-étape consistant à former des segments constitués d'une phase de rotation postérieure et d'une phase de rotation antérieure successives (ou l'inverse). [0116] Les types de rotation ainsi déterminés peuvent être compilés dans un vecteur appelé ci-après RotType tel que RotType(m)=A si la rotation entre srupt(m) et srupt(m+1) se fait dans le sens antérieur et RotType(m)=P si la rotation se fait dans le sens postérieur. [0117] Une fois les maximas locaux définis. La série temporelle qts peut être segmentée à partir des points de rupture constitués correspondant aux maxima locaux srupt et les types de rotation observés entre les intervalles de temps qu'ils délimitent, consignés dans RotType. L'objectif est d'obtenir des segments correspondant à des cycles de marche complets, constitués d'une phase d'appui suivie d'une phase de balancement. La méthode de la présente invention consiste ainsi à identifier les phases de rotations postérieures suivies d'une phase de rotation antérieure parmi les phases de rotation recensées dans RotType (ou l'inverse). Soit m une phase de rotation postérieure RotType(m) = P correspondant à la phase d'appui d'un cycle de marche, suivie d'une phase de rotation antérieure RotType(m+1)=A, correspondant à la phase de balancement de ce cycle. La phase de rotation postérieure m est délimitée par les maxima locaux srupt(m) et srupt(m+1) et la phase de rotation antérieure par les maxima locaux srupt(m+1) et srupt(m+2). Le segment correspondant au cycle de marche sera donc délimité par les maxima locaux srupt(m) et srupt(m+2). [0118] Les segments ainsi obtenus correspondent potentiellement à des cycles de marche complets constitués de deux phases de rotation opposées (une correspondant à l'appui du pied, la deuxième à son balancement). Cependant, certains des segments ainsi créés peuvent ne pas correspondre à des cycles de marche, une troisième étape de sélection est alors nécessaire pour ne conserver que les segments qui correspondent effectivement à des cycles de marche. [0119] Etape de sélection [0120] La méthode de détermination d'une signature de marche de la présente invention comprend une étape consistant à sélectionner les segments qui correspondent à un cycle de marche. [0121] La segmentation du jeu de données initial à partir des points de rupture précédemment déterminés entraîne la formation de J segments Seg(j), avec j de 1 à J. Un segment Seg(j) correspond à une série temporelle décrivant une période constituée d'une phase de rotation postérieure suivie d'une phase de rotation antérieure (ou l'inverse). Un segment Seg(j) est composé de S _j éléments. Chaque segment Seg(j) peut par exemple correspondre à une série temporelle composée de S _j quaternions unitaires dans le cas où les données temporelles mesurées par le système de capteurs sont des quaternions: qts _j (s), s ∈ {1 … S _j }. , un élément qts _j (s) correspondant à un quaternion unitaire. Les temps associés à chaque éléments qts _j (s) sont notés t _j (s) , s ∈ {1 … S _j }. t _j (1) = 0 et t _j (S _j ) est la durée du segment qts. [0122] La sélection de segments correspondant à des cycles de marche peut comprendre des étapes intermédiaires telles que : - une étape de suppression d'outliers, - une étape de réorientation des segments, - une étape consistant à réguler le nombre d'élément par segment, - une étape d'alignement des segments. [0123] Etape de suppression d’outliers [0124] Cette étape peut permettre de supprimer les erreurs liées soit au capteur soit à la marche du patient, par exemple quand le patient fait un demi-tour. [0125] La marche est supposée suffisamment régulière pour que plusieurs cycles de marche mesurés chez un même individu soient similaires, que ce soit en termes de mouvement ou de durée. Au cours de la sélection des segments correspondants à des cycles de marches, certains segments peuvent avoir mal êté sélectionnés et ne pas correspondre à des cycles de marche. Ces segments sont des données aberrantes qu'il est nécessaire de supprimer du jeu de données, ils sont appelés outliers (observation aberrante en français). Ces outliers peuvent être supprimés sur la base de leur durée, de leur amplitude et/ou de leur forme. Différentes méthodes de suppression d’outliers peuvent donc être mis en œuvre dans l'étape de sélection. [0126] Considérant que les mouvements observés au cours d'un cycle de marche sont similaires entre plusieurs cycles de marche réalisés par un même individu, la distance deux- à-deux entre tous les segments Seg(j) peut être calculée, les segments s'éloignant trop d'une distance prédéterminée étant alors considérés comme outliers et supprimés. [0127] La distance entre tous les segments Seg(j) 2 à 2 peut par exemple être calculée par la méthode appelée Quaternion Dynamic Time Warping (Bartosz Jablonski. Quaternion dynamic time warping. IEEE transactions on signal processing, 60(3) :1174-1183, 2011). [0128] Une autre méthode de suppression des outliers peut être effectuée tant sur la forme que sur l'amplitude des segments. La méthode connue du BoxPlot Fonctionnel développée par Sun et Genton (Ying Sun and Marc G Genton. Adjusted functional boxplots for spatio- temporal data visualization and outlier detection. Environmetrics, 23(1):54-64, 2012) et la méthode de l'Outlier Gram Fonctionnel développée par Arribas et Romo (Ana Arribas-Gil and Juan Romo. Shape outlier detection and visualization for functional data : the outliergram. Biostatics, 15(4) :603-619, 2014) sont des exemples de méthodes adaptées pour détecter des outliers parmi un ensemble de données fonctionnelles. [0129] La méthode de la présente invention peut comprendre une ou plusieurs étapes de suppression d’outliers. La suppression d’outliers peut être effectuée au début ou à la fin de l'étape de sélection. De même, une ou plusieurs étapes de suppression d’outliers peut être effectuée à différentes étapes intermédiaires de l'étape de sélection. La même étape de suppression d’outliers peut également être effectuée à plusieurs reprises. [0130] Pour simplifier les notations dans la suite de ce document, les segments notés Seg(j) correspondent aux segments formés par la méthode précédemment décrite, auxquels ont été retirés les segments considérés comme outliers, et J correspond au nombre de segments formés ne correspondant pas à des outliers. [0131] Réorientation des segments [0132] Pour améliorer la comparabilité des segments mesurés au cours de différentes sessions d'acquisition de données de marche, l'orientation mesurée par le système de capteurs peut avantageusement être exprimée à partir d'un référentiel fixe équivalent entre les segments. [0133] L'orientation du système de capteurs peut être calculée pour un segment Seg(j) en considérant comme référentiel fixe le référentiel correspondant à l'orientation qtsj(1) observée au premier temps tj(1) du segment. L'orientation au temps tj(s) d'un segment Seg(j) à partir du référentiel observé au premier temps de ce segment est obtenue d'après la formule suivante : [0134] [Math.8] [0135] Les segments réorientés d'après cette méthode correspondent à l'orientation du système de capteurs calculée à partir de leur orientation initiale, i.e. au moment de la pose du pied au sol dans le cas de segments correspondant à des cycles de marche composés d'une phase de rotation postérieure suivie d'une phase de rotation antérieure. Pour simplifier les notations dans la suite du document, les segments notés Seg(j) = qtsj correspondent aux segments réalignés par la méthode précédemment décrite, le premier élément d'un segment Seg(j) correspondant à un quaternion unitaire nul qtsj(1)=(1,0,0,0). [0136] Régularisation du nombre d’éléments par segment [0137] Pour améliorer la comparabilité des segments, le nombre de points par segment peut être homogénéisé. [0138] Le nombre de points par segments peut être fixé à une valeur prédéterminée, par exemple comprise entre 1 et 500, de préférence 101, facilitant l'expression des segments en pourcentage de cycle. Les segments régularisés Seg _reg (j) de taille correspondant à la valeur prédéterminée sont de préférence calculés à partir des segments Seg(j) par interpolation sphérique linéaire. [0139] Alignement des segments [0140] Afin de permettre une meilleure comparabilité des segments entre eux et d'identifier de potentiels outliers restants, les segments peuvent être alignés. Cette transformation consiste à dilater ou compresser l'échelle des temps de chacun des segments afin de minimiser la distance calculée entre chacun des segments. [0141] Cette étape peut être par exemple réalisée d'après une méthode connue de K-mean alignement sur données fonctionnelles et de préférence adaptée aux quaternions unitaires. [0142] A la fin de l'étape de sélection de segments correspondant à des cycles de marche, une nouvelle série ci-après appelée WalkingCycle {WalkingCycle(j), j ∈ J} est obtenue. La série WalkingCycle est composée des J segments restant, les segments pouvant être considérés comme étant des cycles de marche. Un élément WalkingCycle(j) correspond à une série temporelle de quaternions unitaires qtsj(s), s ∈ {1 … 101} dans le cas où le nombre de données par segment a été fixé à 101, un élément qtsj(s) d'un cycle WalkingCycle(j) de la série WalkingCycle étant de préférence un quaternion unitaire, représentant l'orientation du système de capteurs calculée à partir de sa première orientation observée dans le cycle. [0143] Chaque éléments qtsj(s), s {1 … 101} étant mesurés à un temps treg,j. [0144] Calcul de la signature de marche [0145] La méthode de détermination d'une signature de marche de la présente invention comprend enfin une étape consistant à calculer la signature de marche à partir des segments sélectionnés. [0146] La signature de marche peut être avantageusement calculée en utilisant une méthode dite de K-mean alignement sur données fonctionnelles où la valeur de K est fixée à 1. Le centre c obtenu après convergence de l'état stable peut être appelé Cycle Moyen et correspond à la signature de marche. [0147] Etapes supplémentaires [0148] Pour pouvoir comparer les cycles et cycles moyens obtenus au cours de différentes sessions d'acquisition d'un même individu ou des signatures de marche d'individus différents, les signatures de marches peuvent encore subir quelques traitements. [0149] Expression des cycles et cycle moyen en pourcentage de cycle [0150] Dans le cas où des individus ont des cadences de marche différentes, i.e. dont les durées des cycles et cycles moyens vont différer, les temps de mesure des éléments d'un cycle de marche et du cycle moyen sont avantageusement exprimés en pourcentage de la durée totale de ce cycle plutôt qu'en secondes. [0151] Calcul de l’orientation à partir d’un référentiel dit « template » [0152] Afin d'améliorer la comparabilité des signatures de marche mesurées pour des individus différents, un jeu de donnée ci-après appelé template (gabarit/modèle) peut être défini arbitrairement. Ce jeu de données est constitué d'un segment sélectionné d'après la méthode de la présente invention et mesuré chez un individu, se présentant par exemple sous la forme d'une série temporelle de quaternions unitaires qtst(s) , s ∈ {1 … 101}, dans le cas où le nombre de données du segment a été fixé à 101. L'élément de qtst correspondant à l'orientation la plus éloignée de l'orientation initiale qtst(1) est défini par la formule suivante : [0153] [Math.9] [0154] Il correspond à l'orientation obtenue par la plus grande rotation (i.e. celle avec la plus grande valeur d'angle) de l'orientation initiale du segment sélectionné. Cette rotation est d'angle θ _tmax et de vecteur v _tmax = [v _tmax1 , v _tmax2 , v _tmax3 ]. Pour le Cycle Moyen calculé à partir des J WalkingCycle(j) mesurés chez une personne, le vecteur v _max = [v _max1 , v _max2 , v _max3 ] est obtenu par la même méthode que v _tmax . La rotation entre v _tmax et v _max est calculée et est noté q _ct . Soient v(s) = [0, v(s)] le vecteur de la rotation qts(s) , s ∈ {1 … 101} représenté de préférence sous la forme de quaternion imaginaire pur, et θ(s) l'angle de cette rotation. Les vecteurs v(s) sont conjugués par la rotation q _jt : [0155] [Math.10] [0156] Le Cycle Moyen, correspondant à une série temporelle qts(s) est réaligné en calculant les nouvelles valeurs des quaternions qts(s) , s ∈ {1 … 101} par la formule : [0157] [Math.11] [0158] L'ensemble des WalkingCycles qtsj peuvent être réorientés en appliquant la même méthode de calcul. Ils forment alors l'ensemble ReorientedWalkingCycle, constituée des cycles de marche réorientés. [0159] Aplanissement des cycles et de la signature de marche [0160] La position de la jambe est supposée être la même au début et à la fin d'un cycle de marche. Par conséquent, l'orientation du système de capteurs à ces 2 instants est également supposée être identique. Dans la plupart des cas, l'orientation observée au début d'un cycle ReorientWalkingCycles(j) est différente de celle observée à la fin, i.e. qts _j (1) ≠ qts _j (101). Le logarithme des données log _qts,j (s)=log(qts _j (s)) est calculé, puis une droite ci-après appelée sline passant par le premier et le dernier points de log _qts,j est déterminée pour chacune des composantes de log _qts,j d'après les équations suivantes: [0161] [Math.12] [0162] A chacune des composantes de logqts,j(s) est soustraite la droite sline lui correspondant : [0163] [Math.13] [0164] Les cycles StraightWalkingCycles(j) sont finalement obtenus par l'exponentiel des log _{qts,jstraight} (s) : [0165] Le Cycle Moyen Réorienté est transformé par la même méthode pour obtenir la Signature de marche. [0166] La figure 8 présente des signatures de marches réorientés et aplanies. La figure 8 présente une signature de marche exprimée selon des quaternions. La signature de marche est donc une courbe donnée pour chaque composante du quaternion unitaire. Toutefois, dans le cas où le système de capteurs renverrait des données cartésiennes, la signature de marche serait une courbe exprimée d'après les trois axes d'un repère cartésien. [0167] Peu importe le type de données pris en compte par la méthode de la présente invention, la signature de marche est avantageusement au moins une courbe. L'au moins une courbe peut également être accompagnée d'un ou plusieurs chiffres caractéristiques de celle-ci. [0168] La présente invention permet ainsi de déterminer la signature de marche caractéristique d'un individu, en ce sens elle est équivalente à un biomarqueur qui peut aider un clinicien à réaliser un diagnostic. [0169] Plusieurs étapes de traitement présentées dans la présente demande ont pour but de corriger les données mesurées par le capteur de leurs artefacts et/ou de permettre la comparaison de signatures de marche mesurées chez un même individu au cours de différentes sessions d'acquisition, ou mesurées chez différents individus. Ces étapes sont optionnelles. Ces étapes peuvent être nécessaires pour corriger certaines erreurs de mesures du système de capteurs. Dans l'idéal, le système de capteur étant correctement calibré, ces étapes peuvent être rendues optionnelles. [0170] La mesure d'une signature de marche d'un même individu à plusieurs mois d'intervalle peut donner une information sur l'évolution de sa capacité à marcher, et ainsi témoigner de l'effet bénéfique d'une intervention de soin ou de dégradation de l'état de santé d'un patient. [0171] La mesure des signatures de marche d'un même individu au cours du temps ou de plusieurs individus peut être compilée dans une base de données.