Skeleton-Based Posture Classification to Promote Safer Walker-Assisted Gait in Older Adults

Technische Zusammenfassung: Skelett-basierte Haltungsklassifikation für einen sichereren Gehstil mit Gehhilfe

Problemstellung
Die alternde Weltbevölkerung steht vor erheblichen gesundheitlichen Herausforderungen, darunter Abnahmen des Gleichgewichts, der Muskelmasse und der Mobilität, die das Sturzrisiko drastisch erhöhen. Obwohl Hilfsmittel wie Gehwagen zur Standardlösung zur Minderung dieser Risiken gehören, kann deren Missbrauch – insbesondere eine falsche Körperhaltung oder unsachgemäße Handhabung – paradoxerweise zu Stürzen führen. Aktuelle Lösungen zur Haltungsklassifikation stützen sich häufig auf Ganzkörper-Datensätze, die erhebliche Rechenleistung erfordern, oder auf tragbare Marker, die für ältere Menschen invasiv, kostspielig und schwer zu warten sein können. Es besteht ein Bedarf an einem nicht-invasiven, Echtzeitsystem, das die Körperhaltung des Nutzers mithilfe von Bordkameras an Hilfsmitteln überwacht, um gefährliche Haltungen zu erkennen und Stürze zu verhindern, ohne dass der Nutzer zusätzliche Sensoren tragen muss.

Methodik
Die Studie schlägt fünf verschiedene Modellierungsansätze zur Klassifizierung der Gehwagen-Nutzung, der Ausgangsposition (Sitzen vs. Stehen) und spezifischer Haltungen unter Verwendung von skelettbasierter Daten vor und vergleicht diese. Das System nutzt einen sozial assistierenden Gehwagen (SAW), der mit einer USB-Kamera, LiDAR-Sensoren, kraftsensitiven Widerständen (FSR) und einer Inertial Measurement Unit (IMU) ausgestattet ist.

1. Datenerfassung und Vorverarbeitung:

   • Datensammlung: Die Daten wurden von 21 gesunden Teilnehmern (Alter 21–48) unter kontrollierten Bedingungen gesammelt, die vordefinierte Übungen (Arme heben, Rumpf beugen, Sitzen, Stehen) ausführten.
   • Erkennung von Pose-Merkmalen: Das Pose-Erkennungs-Framework von Google MediaPipe (BlazePose) wurde eingesetzt, um in Echtzeit 33 dreidimensionale Körpermerkmale zu extrahieren. Dieser Ansatz vermeidet die Notwendigkeit einer Rohbildverarbeitung und überträgt zur Effizienz nur textbasierte Koordinaten.
   • Merkmalsextraktion: Rohdaten der Merkmalskoordinaten wurden vorverarbeitet, um 48 geometrische Merkmale zu extrahieren, einschließlich Abständen und Winkeln zwischen Gelenken.

2. Modellarchitekturen:

   • Convolutional Neural Networks (CNN): Zwei Architekturen wurden getestet: ein 4-lagiges CNN (getestet mit sowohl rohen Merkmalen als auch konstruierten Merkmalen) und ein 6-lagiges CNN (nur rohe Merkmale). Diese Modelle nutzen Faltungsschichten, Batch-Normalisierung, Max-Pooling und Dropout-Schichten.
   • Encoder-Decoder-CNN (EDCNN): Eine Architektur, die für Dimensionsreduktion und Rekonstruktion entwickelt wurde, mit einem Encoder aus drei Faltungsschichten und einem Decoder aus transponierten Faltungsschichten, der gemeinsam für die Klassifizierung trainiert wurde.
   • Support Vector Machine (SVM): Ein überwachter Algorithmus, der verwendet wird, um optimale Hyperebenen zur Trennung von Klassen zu identifizieren.
   • Extreme Gradient Boosting (XGBoost): Eine Ensemble-Lernmethode, die Entscheidungsbäume verwendet, kombiniert mit einem MultiOutputClassifier zur gleichzeitigen Vorhersage mehrerer Variablen.
   • Geometrischer Ansatz: Eine regelbasierte, nicht-lernende Methode, die eine Basishaltung etabliert und Abweichungen unter Verwendung euklidischer Abstände und empirisch bestimmter Schwellenwerte klassifiziert, ergänzt durch FSR-Daten zur Erkennung von Handhebungen.

3. Klassifizierungsaufgaben:
   Die Modelle wurden darauf trainiert, drei Ausgaben vorherzusagen:

   • Wahl des Gehwagens: Binäre Klassifizierung (Gehwagen verwendet vs. nicht verwendet).
   • Ausgangsposition: Binäre Klassifizierung (Sitzen vs. Stehen).
   • Haltungsklassifizierung: Mehrklassen-Klassifizierung (17 spezifische Haltungen für überwachte Modelle; 8 Haltungen für den geometrischen Ansatz).

Wichtige Ergebnisse
Die Studie bewertete die Leistung anhand von Genauigkeit, Präzision, F1-Score, Sensitivität und Spezifität sowohl auf Trainings-/Validierungssets als auch auf ungesehenen Testdaten.

• Binäre Klassifizierung (Gehwagen-Wahl & Ausgangsposition):

  • XGBoost erwies sich als bester Performer und erreichte eine nahezu perfekte Trainingsgenauigkeit (100 % für Gehwagen-Wahl, 99,9 % für Ausgangsposition) und behielt eine hohe Vorhersagegenauigkeit bei (99,84 % bzw. 99,69 %).
  • Deep-Learning-Modelle: Das 4-lagige CNN, das 6-lagige CNN und das EDCNN zeigten ebenfalls starke Leistungen bei binären Aufgaben, wobei die Trainingsgenauigkeiten im Allgemeinen 98 % überstiegen.
  • SVM zeigte variable Leistungen, erreichte 97,4 % Genauigkeit für die Gehwagen-Wahl, aber niedrigere Ergebnisse für die Ausgangsposition (90,3 %).

• Mehrklassen-Haltungsklassifizierung:

  • Herausforderungen: Alle Modelle hatten im Vergleich zu binären Aufgaben erhebliche Schwierigkeiten mit der 17-Klassen-Haltungsaufgabe.
  • XGBoost: Erreichte 99,24 % Trainingsgenauigkeit, fiel aber bei der Vorhersagegenauigkeit für die 17-Klassen-Aufgabe auf 74,1 %. Bei Vereinfachung auf eine Single-Output-Risikoklassifizierung (Stehen, Sitzen oder schlechte Haltung) erreichte es 85,0 % Vorhersagegenauigkeit.
  • Deep Learning: Das 4-lagige CNN erreichte unter den Deep-Learning-Modellen die höchste Vorhersagegenauigkeit für die 17-Klassen-Aufgabe mit 76,0 %. Das EDCNN und das 6-lagige CNN zeigten niedrigere Vorhersagegenauigkeiten (66,0 % bzw. 75,7 %).
  • Geometrischer Ansatz: In einem spezifischen Test mit 8 Haltungen erreichte dieser Ansatz eine Gesamtgenauigkeit von 89,87 %. Er performte außergewöhnlich gut für statische Posen (Stehen: 98,15 %) und Handhebungen (98 %+), obwohl die Leistung bei Sturzsimulationen abfiel (z. B. Rückwärtsfall: 60,02 %).

• Vergleichende Metriken:

  • Für binäre Aufgaben lieferten XGBoost und der geometrische Ansatz im Allgemeinen die höchsten F1-Scores.
  • Deep-Learning-Modelle zeigten wettbewerbsfähige Leistungen, hatten jedoch größere Schwierigkeiten mit der Komplexität der Mehrklassen-Klassifizierung, insbesondere wenn die Architektur-Tiefe zunahm (z. B. 6-lagiges CNN).

Bedeutung und Behauptungen
Die Studie behauptet, dass maschinelles Lernen, insbesondere XGBoost und geometrische Ansätze, erhebliches Potenzial zur Verbesserung der Mensch-Roboter-Interaktion bei intelligenten Gehwagen zur Sturzprävention bietet. Zu den wichtigsten Beiträgen gehören:

1. Durchführbarkeit der On-Board-Verarbeitung: Die Studie zeigt, dass die Verwendung von Skelett-Merkmalen (Textdaten) anstelle von Rohbildern eine effiziente Verarbeitung ermöglicht und damit eine Echtzeitüberwachung auf ressourcenbeschränkten Geräten wie dem Raspberry Pi 4 machbar macht.
2. Überlegenheit von XGBoost für binäre Aufgaben: XGBoost wird als das effektivste Modell zur Bestimmung kritischer binärer Zustände (Gehwagen-Nutzung, Sitzen vs. Stehen) identifiziert, die von entscheidender Bedeutung für das Auslösen von Sicherheitsmechanismen wie Bremsen während Sitz-zu-Steh-Transfers sind.
3. Erkennung von Risikofaktoren: Obwohl die Mehrklassen-Haltungsklassifizierung weiterhin herausfordernd bleibt, bietet die Fähigkeit, „schlechte Haltungen" oder Abweichungen vom Stehen (z. B. Lehnen, Heben der Hände) mit angemessener Genauigkeit zu erkennen (83 % F1-Score für XGBoost Single-Output), eine praktikable Methode zur Früherkennung von Sturzrisiken.
4. Datenschutz und Nicht-Invasivität: Durch die Nutzung markerloser Kamerasysteme, die am Gehwagen montiert sind, vermeidet der Ansatz Datenschutzbedenken und Usability-Hürden, die mit tragbaren Sensoren verbunden sind.

Anerkannte Einschränkungen
Die Autoren stellen fest, dass der Datensatz relativ klein war (21 Teilnehmer), was die Generalisierbarkeit einschränkt. Darüber hinaus bleibt die Genauigkeit der Mehrklassen-Haltungsklassifizierung niedriger als bei binären Aufgaben, was auf einen Bedarf an fortschrittlicheren Architekturen hindeutet. Die Studie hebt auch hervor, dass die Rechenanforderungen für Deep Learning den Einsatz auf Single-Board-Computern behindern könnten und dass Latenz und Stromverbrauch nicht bewertet wurden. Zukünftige Arbeiten zielen auf eine Validierung in der realen Welt und die Integration zusätzlicher Sensormodalitäten ab.