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

Resumen Técnico: Clasificación de Postura Basada en Esqueleto para una Marcha Asistida con Caminador Más Segura

Enunciado del Problema
La población mundial en envejecimiento enfrenta desafíos de salud significativos, incluidos el deterioro del equilibrio, la masa muscular y la movilidad, lo que aumenta drásticamente el riesgo de caídas. Si bien dispositivos de asistencia como los caminadores son estándar para mitigar estos riesgos, su mal uso, específicamente una postura incorrecta o un manejo inadecuado, puede paradójicamente provocar caídas. Las soluciones actuales de clasificación de postura a menudo dependen de conjuntos de datos de cuerpo completo que requieren una potencia de procesamiento sustancial o marcadores portátiles, los cuales pueden ser intrusivos, costosos y difíciles de mantener para las personas mayores. Existe la necesidad de un sistema no intrusivo y en tiempo real capaz de monitorear la postura del usuario utilizando cámaras a bordo en dispositivos de asistencia para detectar posturas peligrosas y prevenir caídas sin requerir que el usuario use sensores adicionales.

Metodología
El estudio propone y compara cinco enfoques de modelado distintos para clasificar el uso del caminador, la posición inicial (sentado vs. de pie) y posturas específicas utilizando datos basados en esqueleto. El sistema utiliza un Caminador de Asistencia Social (SAW) equipado con una cámara USB, LiDARs, resistores sensibles a la fuerza (FSR) y una Unidad de Medición Inercial (IMU).

1. Adquisición y Preprocesamiento de Datos:

   • Recopilación de Datos: Los datos se recopilaron de 21 participantes sanos (edades de 21 a 48 años) que realizaban ejercicios predefinidos (levantamiento de brazos, flexiones de torso, sentarse, ponerse de pie) bajo condiciones controladas.
   • Detección de Puntos de Referencia de la Pose: Se empleó el marco de detección de pose de Google MediaPipe (BlazePose) para extraer 33 puntos de referencia corporales tridimensionales en tiempo real. Este enfoque evita la necesidad de procesamiento de imágenes en bruto, transmitiendo solo coordenadas basadas en texto para mayor eficiencia.
   • Extracción de Características: Las coordenadas de los puntos de referencia en bruto se preprocesaron para extraer 48 características geométricas, incluidas distancias y ángulos entre las articulaciones.

2. Arquitecturas de Modelos:

   • Redes Neuronales Convolucionales (CNN): Se probaron dos arquitecturas: una CNN de 4 capas (probada tanto con puntos de referencia en bruto como con características ingenierizadas) y una CNN de 6 capas (solo puntos de referencia en bruto). Estos modelos utilizan capas de convolución, normalización por lotes, agrupación máxima (max pooling) y dropout.
   • CNN Codificador-Decoder (EDCNN): Una arquitectura diseñada para la reducción de dimensionalidad y la reconstrucción, que presenta un codificador con tres capas convolucionales y un decodificador con capas convolucionales transpuestas, entrenado conjuntamente para la clasificación.
   • Máquina de Vectores de Soporte (SVM): Un algoritmo supervisado utilizado para identificar hiperplanos óptimos para separar clases.
   • Extreme Gradient Boosting (XGBoost): Un método de aprendizaje de conjunto que utiliza árboles de decisión, combinado con un MultiOutputClassifier para predecir múltiples variables simultáneamente.
   • Enfoque Geométrico: Un método basado en reglas, sin aprendizaje, que establece una pose base y clasifica las desviaciones utilizando distancias euclidianas y umbrales determinados empíricamente, aumentado por datos de FSR para la detección de levantamiento de manos.

3. Tareas de Clasificación:
   Los modelos se entrenaron para predecir tres salidas:

   • Elección del Caminador: Clasificación binaria (caminador usado vs. no usado).
   • Posición Inicial: Clasificación binaria (sentado vs. de pie).
   • Clasificación de Postura: Clasificación multiclase (17 posturas específicas para modelos supervisados; 8 posturas para el enfoque geométrico).

Resultados Clave
El estudio evaluó el rendimiento utilizando precisión, exactitud, puntuación F1, sensibilidad y especificidad tanto en conjuntos de entrenamiento/validación como en datos de prueba no vistos.

• Clasificación Binaria (Elección de Caminador y Posición Inicial):

  • XGBoost surgió como el mejor rendimiento, logrando una precisión de entrenamiento casi perfecta (100% para la elección del caminador, 99.9% para la posición inicial) y manteniendo una alta precisión de predicción (99.84% y 99.69%, respectivamente).
  • Modelos de Aprendizaje Profundo: La CNN de 4 capas, la CNN de 6 capas y la EDCNN también demostraron un rendimiento sólido en tareas binarias, con precisiones de entrenamiento que generalmente superaron el 98%.
  • SVM mostró un rendimiento variable, logrando una precisión del 97.4% para la elección del caminador pero resultados más bajos para la posición inicial (90.3%).

• Clasificación de Postura Multiclase:

  • Desafíos: Todos los modelos enfrentaron dificultades significativas con la tarea de postura de 17 clases en comparación con las tareas binarias.
  • XGBoost: Logró una precisión de entrenamiento del 99.24%, pero cayó a una precisión de predicción del 74.1% para la tarea de 17 clases. Cuando se simplificó a una clasificación de riesgo de una sola salida (de pie, sentado o mala postura), logró una precisión de predicción del 85.0%.
  • Aprendizaje Profundo: La CNN de 4 capas logró la mayor precisión de predicción para la tarea de 17 clases entre los modelos de aprendizaje profundo con un 76.0%. La EDCNN y la CNN de 6 capas mostraron precisiones de predicción más bajas (66.0% y 75.7%, respectivamente).
  • Enfoque Geométrico: En una prueba específica con 8 posturas, este enfoque logró una precisión general del 89.87%. Rindió excepcionalmente bien para poses estáticas (De pie: 98.15%) y acciones de levantamiento de manos (más del 98%), aunque el rendimiento disminuyó para simulaciones de caídas (por ejemplo, Caída hacia atrás: 60.02%).

• Métricas Comparativas:

  • Para tareas binarias, XGBoost y el enfoque geométrico generalmente arrojaron las puntuaciones F1 más altas.
  • Los modelos de aprendizaje profundo mostraron un rendimiento competitivo pero lucharon más con la complejidad de la clasificación multiclase, particularmente a medida que aumentaba la profundidad arquitectónica (por ejemplo, CNN de 6 capas).

Significado y Afirmaciones
El artículo afirma que el aprendizaje automático, particularmente los enfoques XGBoost y geométricos, tiene un potencial significativo para mejorar la interacción humano-robot en caminadores inteligentes para la prevención de caídas. Las contribuciones clave incluyen:

1. Viabilidad del Procesamiento a Bordo: El estudio demuestra que el uso de puntos de referencia de esqueleto (datos de texto) en lugar de imágenes en bruto permite un procesamiento eficiente, haciendo factible el monitoreo en tiempo real en dispositivos con recursos limitados como la Raspberry Pi 4.
2. Superioridad de XGBoost para Tareas Binarias: XGBoost se identifica como el modelo más efectivo para determinar estados binarios críticos (uso del caminador, sentado vs. de pie), que son fundamentales para activar mecanismos de seguridad como frenos durante las transferencias de sentado a de pie.
3. Detección de Factores de Riesgo: Si bien la clasificación de postura multiclase sigue siendo un desafío, la capacidad de detectar "malas posturas" o desviaciones de la posición de pie (por ejemplo, inclinarse, levantar las manos) con una precisión razonable (puntuación F1 del 83% para la salida única de XGBoost) ofrece un método viable para la detección temprana del riesgo de caídas.
4. Privacidad y No Intrusividad: Al utilizar sistemas de cámara sin marcadores montados en el caminador, el enfoque evita las preocupaciones de privacidad y las barreras de usabilidad asociadas con los sensores portátiles.

Limitaciones Reconocidas
Los autores señalan que el conjunto de datos fue relativamente pequeño (21 participantes), lo que limita la generalización. Además, la precisión de la clasificación de postura multiclase sigue siendo inferior a la de las tareas binarias, lo que sugiere la necesidad de arquitecturas más sofisticadas. El estudio también destaca que los requisitos computacionales para el aprendizaje profundo pueden dificultar la implementación en computadoras de placa única y que no se evaluaron la latencia y el consumo de energía. El trabajo futuro se dirige hacia la validación en el mundo real y la integración de modalidades de sensores adicionales.