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

Resumen Técnico: Evaluación del Riesgo de Suicidio mediante Videovigilancia Impulsada por IA

Definición del Problema
El artículo aborda el desafío de la Evaluación del Riesgo de Suicidio (ERS) en estaciones de metro mediante videovigilancia continua. Si bien los sistemas basados en visión existentes a menudo dependen de señales visuales simples (por ejemplo, cruzar barreras de seguridad) o de la observación humana continua, estos métodos frecuentemente detectan incidentes demasiado tarde para una prevención efectiva o sufren de fatiga humana. El problema central consiste en ir más allá de la detección de eventos aislados o la inferencia directa de la intención. En su lugar, los autores definen la ERS como una tarea que requiere el razonamiento conjunto del comportamiento individual de los pasajeros, el contexto espacial y la dinámica temporal. El objetivo es evaluar una puntuación de riesgo variable en el tiempo para cada pasajero basándose en la acumulación de señales conductuales y espaciales observables, en lugar de realizar un diagnóstico clínico de la intención suicida.

Metodología: El Marco ERS
Los autores proponen el Marco ERS, la primera pipeline interpretable diseñada para evaluar el riesgo de suicidio agregando evidencia a lo largo del tiempo. El marco opera mediante una pipeline unificada que consta de cinco módulos secuenciales:

1. Detección, Seguimiento y Estimación de Pose de Personas:

   • Utiliza un detector YOLOx preentrenado para identificar clases de "persona".
   • Emplea ByteTrack para el seguimiento de múltiples objetos en el espacio de la imagen.
   • Aplica HRNet para extraer puntos clave del cuerpo en 2D dentro de los cuadros delimitadores.
   • Proyecta las posiciones rastreadas en un sistema de coordenadas referenciado a la plataforma utilizando una matriz de homografía, lo que permite un análisis espacial consistente a lo largo del tiempo.

2. Reconocimiento de Actividad Humana:

   • Utiliza SSTAR, un modelo de reconocimiento de acciones espaciotemporales basado en esqueletos preentrenado en el conjunto de datos ARMM.
   • Detecta específicamente tres acciones de pasajeros: 'MirarTúnel', 'Caminar' y 'Estar de Pie'.
   • Estas etiquetas se ponderan según su contexto espacial y duración.

3. Construcción de Semántica de Plataforma y Zonas:

   • Utiliza YOLOv8n para la segmentación semántica con el fin de dividir la plataforma en zonas espaciales relevantes basadas en la consulta con expertos:
     • Zona A (Proximidad a la Pared): Cerca de la pared de la plataforma.
     • Zona B (Proximidad a la Línea Amarilla): La zona de transición de seguridad.
     • Zona C (Zona Lejana): El área inmediatamente adyacente al túnel/borde.
   • Este modelado geométrico permite la detección de patrones específicos como el movimiento de vaivén entre la pared y la línea amarilla.

4. Generación de Mapa de Calor de Riesgo Posicional:

   • Genera mapas de calor individuales mediante la acumulación de densidad y el suavizado gaussiano de puntos de trayectoria en 2D.
   • Agrega estos mapas en un Mapa de Calor de Riesgo Posicional global ($H(x,y)$) promediando las trayectorias de individuos conocidos en riesgo. Esto captura patrones espaciales compartidos y factores ambientales persistentes.

5. Evaluación del Riesgo de Suicidio (Inferencia):

   • Extrae ocho indicadores de riesgo interpretables para cada individuo $p$ dentro de una ventana temporal $W_t$:
     1. Puntuación de Riesgo Posicional ($PR_p$)
     2. Caminar/Estar de pie sobre la línea amarilla ($Cr_p$)
     3. Número de cruces de la línea amarilla ($NCr_p$)
     4. Tiempo pasado sobre la línea amarilla ($TY_p$)
     5. Segmento continuo más largo sobre la línea amarilla ($LY_p$)
     6. Recuento de movimientos de vaivén entre la pared y la línea amarilla ($BF_p$)
     7. Acción de MirarTúnel ($LT_p$)
     8. Entrada a la zona lejana ($E_p$)
   • Estos indicadores forman un vector de características que se introduce en un modelo supervisado XGBoost para generar una puntuación de riesgo continua $R_p \in [0, 1]$.

Contribuciones Clave

1. Formalización de la ERS: El trabajo define la ERS como una tarea computacional distinta enfocada en evaluar niveles de riesgo basados en evidencia conductual y espacial acumulada, en lugar de predecir la intención o etiquetar a individuos.
2. Pipeline Interpretable: Los autores presentan el primer marco de extremo a extremo que integra seguimiento, reconocimiento de actividad, segmentación semántica y modelado de riesgo para producir evaluaciones continuas a nivel individual sin depender de señales de apariencia o atributos personales.
3. Alineación con Hallazgos Interdisciplinarios: Los indicadores de riesgo se derivan explícitamente de estudios psicológicos y conductuales previos (por ejemplo, Mishara et al.), asegurando que el sistema refleje patrones establecidos como el pacing repetido y la presencia prolongada cerca del borde de la plataforma.
4. Evaluación en el Mundo Real: El marco se evalúa sobre datos de videovigilancia del mundo real aprobados éticamente de un sistema de metro canadiense, proporcionando tanto métricas de rendimiento cuantitativas como análisis de interpretabilidad cualitativa.

Resultados Experimentales
El marco se evaluó en un conjunto de datos que comprende 66 grabaciones de video de "riesgo" (pre-intento) y 56 grabaciones de "control", generando 256 instancias individuales (66 en riesgo, 190 de control).

• Rendimiento: La configuración totalmente automática logró un ROC-AUC del 83.2% ($\pm 0.095$).
• Sensibilidad/Especificidad: Con un umbral fijo de 0.2 (elegido para favorecer la detección temprana), el sistema alcanzó una sensibilidad del 63.1% y una especificidad del 90.2%.
• Análisis del Límite Superior: Cuando los módulos de detección/seguimiento y reconocimiento de actividad se reemplazaron con anotaciones de verdad fundamental, el ROC-AUC mejoró al 91.9% y 89.3% respectivamente, lo que indica que los errores en los módulos tempranos de percepción contribuyen significativamente a la brecha de rendimiento.
• Interpretabilidad: El análisis de importancia de características (mediante XGBoost y valores SHAP) confirmó que los indicadores relacionados con la interacción directa con la línea amarilla (cruce, tiempo pasado, movimiento de vaivén) fueron los predictores más dominantes, alineándose con la investigación conductual previa.

Significado y Afirmaciones
El artículo afirma que su principal significado radica en cerrar la brecha entre la vigilancia basada en IA y la investigación interdisciplinaria sobre la prevención del suicidio. Al formalizar la ERS como un problema de evaluación de riesgo a largo plazo consciente del contexto, el marco va más allá de la simple detección de anomalías o alertas de intrusión. Los autores enfatizan que el sistema está diseñado para ser interpretable, permitiendo a los operadores humanos comprender por qué una puntuación de riesgo es alta (por ejemplo, debido a patrones espaciales específicos y persistencia temporal) en lugar de depender de una predicción de "caja negra". Este enfoque busca apoyar a los operadores humanos en la monitorización en tiempo real mientras se adhieren a las restricciones éticas, evitando la inferencia de estados psicológicos o el uso de atributos personales. El trabajo destaca la complejidad de la evaluación del riesgo de suicidio y abre nuevas direcciones para el desarrollo de sistemas de IA interpretables para el bien social.