Suicide Risk Assessment from AI-powered Video Surveillance: An Interpretable Framework for Prevention in Metro Stations

Technische Zusammenfassung: Bewertung des Suizidrisikos durch KI-gestützte Videoüberwachung

Problemdefinition
Der Beitrag adressiert die Herausforderung der Bewertung des Suizidrisikos (SRA) in U-Bahn-Stationen mittels kontinuierlicher Überwachungsvideos. Während bestehende visionbasierte Systeme häufig auf einfache visuelle Hinweise (z. B. das Überqueren von Sicherheitsbarrieren) oder eine kontinuierliche menschliche Beobachtung angewiesen sind, erkennen diese Methoden Vorfälle oft zu spät für eine wirksame Prävention oder leiden unter menschlicher Ermüdung. Das Kernproblem besteht darin, über die isolierte Ereigniserkennung oder die direkte Schlussfolgerung auf eine Absicht hinauszugehen. Stattdessen definieren die Autoren die SRA als eine Aufgabe, die eine kombinierte Schlussfolgerung aus dem individuellen Passagierverhalten, dem räumlichen Kontext und den zeitlichen Dynamiken erfordert. Das Ziel ist es, einen sich zeitlich verändernden Risikoscore für jeden Passagier basierend auf der Anhäufung beobachtbarer Verhaltens- und räumlicher Hinweise zu bewerten, anstatt eine klinische Diagnose einer Suizidabsicht zu stellen.

Methodik: Das SRA-Framework
Die Autoren schlagen das SRA-Framework vor, die erste interpretierbare Pipeline, die entwickelt wurde, um das Suizidrisiko durch die Aggregation von Beweisen über die Zeit zu bewerten. Das Framework arbeitet durch eine einheitliche Pipeline, die aus fünf sequenziellen Modulen besteht:

1. Personenerkennung, -verfolgung und Pose-Schätzung:

   • Verwendung eines vortrainierten YOLOx-Detektors zur Identifizierung der Klasse „Person".
   • Einsatz von ByteTrack für die Multi-Object-Tracking im Bildraum.
   • Anwendung von HRNet zur Extraktion von 2D-Körperschlüsselpunkten innerhalb von Begrenzungsrahmen.
   • Projektion verfolgter Positionen in ein plattformbezogenes Koordinatensystem mittels einer Homographiematrix, was eine konsistente räumliche Analyse über die Zeit hinweg ermöglicht.

2. Erkennung menschlicher Aktivitäten:

   • Nutzung von SSTAR, einem skelettbasierten räumlich-zeitlichen Aktionserkennungsmodell, das auf dem ARMM-Datensatz vortrainiert wurde.
   • Spezifische Erkennung von drei Passagieraktionen: 'LookTunnel' (In den Tunnel schauen), 'Walk' (Gehen) und 'Stand' (Stehen).
   • Diese Labels werden gewichtet nach ihrem räumlichen Kontext und ihrer Dauer.

3. Konstruktion von Plattformsemantik und Zonen:

   • Verwendung von YOLOv8n für die semantische Segmentierung, um die Plattform basierend auf Expertenkonsultation in relevante räumliche Zonen zu unterteilen:
     • Zone A (Wand-nah): In der Nähe der Plattformwand.
     • Zone B (Gelbe-Linie-nah): Die Übergangs-Sicherheitszone.
     • Zone C (Fern-Ende-Zone): Der Bereich unmittelbar angrenzend an den Tunnel/den Rand.
   • Diese geometrische Modellierung ermöglicht die Erkennung spezifischer Muster wie Hin-und-Her-Bewegungen zwischen der Wand und der gelben Linie.

4. Generierung von Positions-Risiko-Wärmekarten:

   • Generierung individueller Wärmekarten durch Dichteakkumulation und Gaußsche Glättung von 2D-Trajektorienpunkten.
   • Aggregation dieser zu einer globalen Positions-Risiko-Wärmekarte ($H(x,y)$) durch Mittelung der Trajektorien bekannter risikobehafteter Personen. Dies erfasst gemeinsame räumliche Muster und persistente Umweltfaktoren.

5. Bewertung des Suizidrisikos (Inferenz):

   • Extraktion von acht interpretierbaren Risikoindikatoren für jede einzelne Person $p$ über ein Zeitfenster $W_t$:
     1. Positions-Risiko-Score ($PR_p$)
     2. Gehen/Stehen auf der gelben Linie ($Cr_p$)
     3. Anzahl der Überquerungen der gelben Linie ($NCr_p$)
     4. Auf der gelben Linie verbrachte Zeit ($TY_p$)
     5. Längster kontinuierlicher Abschnitt auf der gelben Linie ($LY_p$)
     6. Anzahl der Hin-und-Her-Bewegungen zwischen Wand und gelber Linie ($BF_p$)
     7. Aktion „In den Tunnel schauen" ($LT_p$)
     8. Betreten der Fern-Ende-Zone ($E_p$)
   • Diese Indikatoren bilden einen Merkmalsvektor, der in ein überwachtes XGBoost-Modell eingespeist wird, um einen kontinuierlichen Risikoscore $R_p \in [0, 1]$ auszugeben.

Hauptbeiträge

1. Formalisierung der SRA: Die Arbeit definiert die SRA als eine distincte computergestützte Aufgabe, die sich auf die Bewertung von Risikostufen basierend auf akkumulierten Verhaltens- und räumlichen Beweisen konzentriert, anstatt Absichten vorherzusagen oder Personen zu kategorisieren.
2. Interpretierbare Pipeline: Die Autoren stellen das erste End-to-End-Framework vor, das Verfolgung, Aktivitätserkennung, semantische Segmentierung und Risikomodellierung integriert, um kontinuierliche Bewertungen auf individueller Ebene zu erzeugen, ohne auf Erscheinungsbilder oder persönliche Attribute zurückzugreifen.
3. Ausrichtung an interdisziplinären Erkenntnissen: Die Risikoindikatoren werden explizit aus früheren psychologischen und Verhaltensstudien (z. B. Mishara et al.) abgeleitet, wodurch sichergestellt wird, dass das System etablierte Muster wie wiederholtes Hin-und-Her-Laufen und längeren Aufenthalt in der Nähe des Plattformrands widerspiegelt.
4. Evaluation in der realen Welt: Das Framework wurde auf ethisch genehmigten, realen Überwachungsdaten eines kanadischen U-Bahn-Systems evaluiert und liefert sowohl quantitative Leistungsmetriken als auch qualitative Interpretierbarkeitsanalysen.

Experimentelle Ergebnisse
Das Framework wurde auf einem Datensatz evaluiert, der 66 „risikobehaftete" Videoaufzeichnungen (vor dem Versuch) und 56 „Kontroll"-Aufzeichnungen umfasst, was 256 einzelne Instanzen ergibt (66 risikobehaftet, 190 Kontrollen).

• Leistung: Die vollständig automatische Konfiguration erreichte einen ROC-AUC von 83,2 % ($\pm 0,095$).
• Sensitivität/Spezifität: Bei einem festen Schwellenwert von 0,2 (gewählt, um eine Früherkennung zu begünstigen), erreichte das System eine Sensitivität von 63,1 % und eine Spezifität von 90,2 %.
• Upper-Bound-Analyse: Wenn die Module für Erkennung/Verfolgung und Aktivitätserkennung durch Ground-Truth-Annotationen ersetzt wurden, verbesserte sich der ROC-AUC auf 91,9 % bzw. 89,3 %, was darauf hindeutet, dass Fehler in den frühen Wahrnehmungsmodulen erheblich zur Leistungslücke beitragen.
• Interpretierbarkeit: Die Analyse der Merkmalswichtigkeit (via XGBoost und SHAP-Werte) bestätigte, dass Indikatoren im Zusammenhang mit der direkten Interaktion mit der gelben Linie (Überqueren, verbrachte Zeit, Hin-und-Her-Bewegung) die dominantesten Prädiktoren waren, was mit früheren Verhaltensforschungen übereinstimmt.

Bedeutung und Behauptungen
Der Beitrag behauptet, dass seine primäre Bedeutung in der Überbrückung der Lücke zwischen KI-basierter Überwachung und interdisziplinärer Suizidpräventionsforschung liegt. Indem die SRA als kontextbewusstes, langfristiges Risikobewertungsproblem formalisiert wird, geht das Framework über eine einfache Anomalieerkennung oder Eindringungsalarme hinaus. Die Autoren betonen, dass das System interpretierbar gestaltet ist, sodass menschliche Bediener verstehen können, warum ein Risikoscore hoch ist (z. B. aufgrund spezifischer räumlicher Muster und zeitlicher Persistenz), anstatt sich auf eine „Black-Box"-Vorhersage zu verlassen. Dieser Ansatz zielt darauf ab, menschliche Bediener bei der Echtzeitüberwachung zu unterstützen und dabei ethische Grenzen einzuhalten, indem auf die Schlussfolgerung psychologischer Zustände oder die Verwendung persönlicher Attribute verzichtet wird. Die Arbeit unterstreicht die Komplexität der Bewertung des Suizidrisikos und eröffnet neue Richtungen für die Entwicklung interpretierbarer KI-Systeme zum Wohle der Gesellschaft.