💻 computer science

DAÏO: A High-Specificity Real-TimeVision-Based Fall Detection SystemUsing Advanced Kinematic Tracking andComputer Vision

El artículo presenta DAÏO, un novedoso sistema de detección de caídas basado en visión con capacidad para dispositivos periféricos que combina un estimador de pose ligero, un Filtro de Kalman Extendido adaptativo y un Motor de Lógica de Triple Verificación para lograr una alta especificidad (96.4 %) y reducir significativamente los falsos positivos de actividades diarias y postraciones religiosas, manteniendo al mismo tiempo el rendimiento en tiempo real en hardware de consumo.

Autores originales: Alamin Abubakar Nataala

Publicado 2026-07-17

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Alamin Abubakar Nataala

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el guardián de una biblioteca muy antigua y muy preciosa. Tu trabajo es vigilar a los visitantes, específicamente a los ancianos que podrían tropezar y caerse. En el pasado, podrías haberles pedido que usaran un reloj despertador pesado y ruidoso en la muñeca. Pero a menudo se olvidaban de ponérselo o se lo quitaban para cargarlo, dejándolos desprotegidos. Así que decidiste usar una cámara en su lugar. Es como tener un guardia de seguridad silencioso e invisible que nunca parpadea. Pero aquí está la parte difícil: los guardias de seguridad comunes (o los programas informáticos) son terribles para distinguir entre una escena dramática de una película y la vida real. Si una persona mayor se arrodilla para atarse un zapato, o se inclina profundamente para rezar, o incluso se sienta rápidamente en un sofá, una cámara simple podría gritar: "¡CAÍDA! ¡LLAMEN AL 911!". Esto se llama una "falsa alarma", y si sucede con demasiada frecuencia, las alarmas reales empiezan a ser ignoradas. Este artículo aborda exactamente ese problema: ¿cómo construimos un sistema de cámaras que sea lo suficientemente inteligente como para saber la diferencia entre un tropiezo peligroso y un movimiento normal y cotidiano, sin necesidad de enviar videos privados a internet?

Presentamos DAÏO, un nuevo tipo de "ojo inteligente" diseñado para detectar caídas con alta precisión mientras ignora las cosas inofensivas. Piensa en DAÏO no como una simple cámara, sino como un detective con un superpoder: no solo mira dónde está parada una persona, sino que calcula qué tan rápido se está moviendo y cuánto se está inclinando, utilizando las leyes de la física para emitir su juicio.

El problema de las cámaras "tontas"

La mayoría de los sistemas de visión computarizada actuales son como estudiantes que han memorizado un libro de texto pero no entienden la historia. Ven las partes del cuerpo de una persona moviéndose de cierta forma y dicen: "¡Eso parece una caída!". Pero se confunden cuando una persona hace una sentadilla profunda, se ata los cordones de los zapatos o realiza una prostración religiosa (inclinarse para rezar). Estas acciones parecen una caída para una computadora simple, lo que genera muchas falsas alarmas. El artículo argumenta que estos sistemas son demasiado "ruidosos" y carecen de una verdadera comprensión de cómo funcionan la gravedad y la velocidad.

Cómo funciona DAÏO: El kit de herramientas del detective

DAÏO resuelve esto utilizando un sistema de "Triple Verificación" de tres pasos, combinado con una herramienta matemática llamada Filtro de Kalman Extendido (EKF). Vamos a desglosar esto con algunas analogías divertidas:

El Corredor Fluido (El EKF):
Imagina que estás intentando rastrear a un amigo corriendo a través de un parque con niebla. A veces se esconde detrás de un árbol (oclusión) y otras veces la cámara se sacude. Un rastreador normal podría saltar erráticamente, pensando que tu amigo teletransportó. DAÏO usa el EKF como un "corredor fluido". Predice dónde debería estar tu amigo basándose en su velocidad y dirección. Si la cámara se confunde o el amigo se esconde detrás de un árbol, el EKF dice: "Sé hacia dónde va basándome en su impulso", y continúa rastreándolo suavemente sin entrar en pánico. También ajusta su confianza: si el árbol bloquea la vista, confía más en su predicción que en la imagen borrosa.
La Regla de los Tres Chequeos:
Para hacer sonar la alarma, DAÏO exige que tres cosas sucedan exactamente al mismo tiempo. Es como una bóveda de seguridad que necesita tres llaves diferentes para abrirse:
- Llave 1: La Caída. Las caderas de la persona deben bajar significativamente más allá de su altura normal de pie.
- Llave 2: La Inclinación. Su cuerpo debe estar acostado plano, como un panqueque en el suelo, en lugar de estar de pie o inclinado.
- Llave 3: El Pestillo de Velocidad (El ingrediente secreto). Esta es la parte más importante. El sistema comprueba qué tan rápido está cayendo la persona. Una caída real es un choque; ocurre rápido. Pero si alguien se arrodilla lentamente para rezar o se sienta suavemente, se está moviendo lentamente. DAÏO tiene un "pestillo de velocidad" que dice: "Si no te estás moviendo lo suficientemente rápido como para ser un choque, no eres una caída". Esta única regla evita que el sistema grite por personas atándose los zapatos o rezando.

¿Qué descubrieron?

Los investigadores probaron DAÏO en una colección masiva de videos: unos 340 clips diferentes con más de 153,000 fotogramas. Incluyeron escenarios complicados como personas haciendo sentadillas profundas, sentarse rápidamente e incluso prostraciones religiosas activas.

Los resultados fueron impresionantes:

Precisión: El sistema acertó el 95.3% de las veces.
Sensibilidad: Detectó el 93.3% de las caídas reales (no perdió muchas emergencias reales).
Especificidad: Ignoró correctamente el 96.4% de los eventos que no eran caídas. Esto significa que rara vez dio falsas alarmas.

Lo más importante es que el "pestillo de velocidad" (la comprobación de velocidad) redujo las falsas alarmas en un 79.7% en comparación con los sistemas anteriores que solo miraban la forma del cuerpo. En una prueba específica que involucraba a personas realizando prostraciones religiosas repetitivas (inclinarse para rezar), los sistemas antiguos fallaron el 100% de las veces, pensando que cada inclinación era una caída. DAÏO, sin embargo, logró una especificidad del 100%, lo que significa que identificó correctamente cada una de esas inclinaciones como "no una caída" porque el movimiento era demasiado lento y controlado.

Funcionando en una computadora pequeña

Otra característica genial es que DAÏO no necesita una supercomputadora gigante y costosa. Funciona enteramente en el dispositivo mismo (llamado "computación en el borde" o edge computing), lo que mantiene segura su privacidad porque ningún video sale de la habitación.

En una computadora estándar, funciona a 35.7 fotogramas por segundo (muy fluido).
En una computadora pequeña y barata llamada Raspberry Pi 4, todavía funciona a una velocidad decente, demostrando que puede trabajar en hogares reales sin necesidad de una conexión a la nube.

Los Límites

Los autores son honestos sobre lo que DAÏO aún no puede hacer. Si alguien cae muy lentamente, como deslizándose por una pared porque se desmayó, el sistema podría no detectarlo porque la "velocidad" no es lo suficientemente alta como para activar la alarma. Además, si la persona está oculta detrás de una pared o un mueble durante más de 2.0 segundos, el sistema podría confundirse cuando reaparezca.

La Conclusión

DAÏO es una forma inteligente y respetuosa con la privacidad para vigilar las caídas sin molestar a las personas con falsas alarmas. Al combinar un modelo matemático de seguimiento fluido con una estricta "regla de tres chequeos" que incluye la velocidad, aprende a distinguir entre un choque peligroso y un movimiento normal y cotidiano. Es un paso hacia la creación de hogares más seguros para nuestros mayores, asegurando que cuando la alarma suena, es por una emergencia real, no solo porque alguien se está atando los zapatos.

Resumen Técnico: DAÏO – Un sistema de detección de caídas basado en visión en tiempo real de alta especificidad

1. Planteamiento del problema

El rápido envejecimiento de la población mundial ha intensificado la necesidad de sistemas autónomos de detección de caídas, ya que las caídas son la segunda causa principal de muerte por lesiones accidentales entre adultos mayores de 65 años. El desenlace clínico para una víctima de una caída depende en gran medida del "tiempo de permanencia" (lie time): la duración antes de que llegue la asistencia médica. Mientras que los sensores vestibles sufren de una baja adherencia del usuario y los sensores ambientales enfrentan problemas de instalación e interferencia, los sistemas basados en visión ofrecen una alternativa no intrusiva. Sin embargo, los enfoques actuales de visión computacional enfrentan tres limitaciones críticas:

Inestabilidad Cinemática: Los datos brutos de estimación de pose son propensos al jitter de alta frecuencia y al retraso de seguimiento durante movimientos rápidos u oclusiones.
Altas Tasas de Falsos Positivos (FPR): Las Actividades de la Vida Diaria (AVD) rutinarias que imitan la física de una caída —como sentadillas profundas, sentarse rápidamente o postraciones religiosas— activan frecuentemente falsas alarmas, provocando fatiga por alertas.
Privacidad y Latencia: Los sistemas tradicionales suelen depender del procesamiento en la nube, lo que compromete la privacidad en espacios privados e introduce latencia que retrasa las respuestas de emergencia.

2. Metodología

El artículo propone DAÏO, un marco localizado, capaz de ejecutarse en el borde (edge), que reemplaza la clasificación de aprendizaje profundo de "caja negra" con una arquitectura basada en reglas e informada por la física. El sistema opera a través de cinco etapas secuenciales:

A. Estimación de Pose Humana Basada en el Borde

El sistema ingiere fotogramas de video RGB 2D y utiliza MediaPipe Pose para extraer 33 puntos de referencia esqueléticos. Crucialmente, aprovecha las métricas de visibilidad integradas de MediaPipe ( $v_i$ ) para determinar si una articulación está ocluida.

B. Modelado de Espacio de Estados y Filtro de Kalman Extendido (EKF)

Para mitigar el jitter y manejar las oclusiones, DAÏO implementa instancias independientes de EKF para el punto medio de la cadera ( $H$ ) y el punto medio de los hombros ( $S$ ).

Vector de Estado: Modelado como un vector 4D que contiene coordenadas filtradas ( $x, y$ ) y velocidades ( $\dot{x}, \dot{y}$ ).
Ruido de Medición Adaptativo: Una innovación central es el ajuste dinámico de la covarianza del ruido de medición ( $R$ ) basado en la puntuación de visibilidad de la articulación. Cuando una articulación está ocluida (baja visibilidad), la Ganancia de Kalman se escala hacia cero, haciendo que el filtro dependa enteramente del modelo de proceso físico interno en lugar de observaciones crudas no fiables. Esto evita picos de seguimiento durante eventos de oclusión.
Seguimiento del Ángulo del Torso: El sistema linealiza el cálculo del ángulo del torso (vector de $H$ a $S$ ) utilizando derivaciones de Jacobiano para asegurar la estabilidad matemática durante rotaciones rápidas.

C. Motor de Lógica de Triple Verificación

Para asegurar una alta especificidad, una caída solo se confirma si tres condiciones independientes se cumplen simultáneamente:

Verificación de Posición Dinámica: El desplazamiento vertical de las caderas debe caer por debajo del 50% de la altura de pie calibrada.
Análisis del Ángulo del Torso: El torso debe estar en una orientación casi horizontal (aprox. 0° a 15° respecto al suelo), filtrando acciones verticales como sentadillas profundas.
3.Enganche de Velocidad Cinemática (Kinematic Velocity Latch): La velocidad vertical de las caderas debe exceder un umbral (1.5 m/s). Esto diferencia las caídas incontroladas de los movimientos descendentes controlados (ej. arrodillarse o postraciones). Un mecanismo de "enganche" mantiene el estado de alerta incluso cuando la velocidad cae a cero durante la fase estática post-caída.

D. Máquina de Estados Finitos (FSM)

Una máquina de estados gestiona las transiciones del sistema para evitar errores de un solo fotograma:

Calibrando: Establece la altura base (100 fotogramas).
Monitoreando: Ejecuta EKF y verificaciones lógicas.
Caída Sospechada: Un búfer temporal que requiere 30 fotogramas consecutivos (1.0s) de verificaciones positivas.
Caída Confirmada: Dispara alertas locales seguras (MQTT/Telegram).
Recuperación: Reinicia el sistema solo después de que el usuario regresa a una postura erguida durante 150 fotogramas (5.0s).

3. Contribuciones Clave

Arquitectura Híbrida: La integración de un estimador de pose ligero (MediaPipe) con un EKF basado en la física y un motor de lógica basado en reglas, evitando la pesadez computacional de los clasificadores temporales profundos.
Modelado de Ruido Adaptativo: Un método novedoso para ajustar dinámicamente el ruido de medición del EKF basado en puntuaciones de visibilidad en tiempo real, manejando eficazmente las oclusiones parciales sin fallos de seguimiento.
Mecanismo de Enganche de Velocidad: Un filtro cinemático específico que reduce drásticamente los falsos positivos causados por AVD que imitan la geometría de una caída pero carecen de un impacto de alta velocidad.
Despliegue en el Borde Preservando la Privacidad: Todo el pipeline se ejecuta localmente en hardware de consumo (ej. Raspberry Pi 4), asegurando que el video bruto nunca salga del dispositivo; solo se transmite la telemetría estructurada.

4. Resultados

El sistema fue evaluado en un conjunto de datos compuesto de 340 secuencias de video (~153,000 fotogramas) de UR Fall Dataset, Multiple Cameras Fall Dataset (MCFD) y escenarios de pruebas de estrés personalizados.

Métricas de Desempeño:
- Precisión General: 95.3%
- Sensibilidad (Recall): 93.3%
- Especificidad: 96.4%
- Latencia Media de Alerta: 1.23 segundos.
Estudio de Ablación (Impacto del Enganche de Velocidad):
- Comparado con una línea base de solo postura, el pipeline completo de DAÏO redujo la Tasa de Falsos Positivos en un 79.7%.
- Postraciones Religiosas: El modelo de solo postura clasificó erróneamente el 100% de las secuencias de oración como caídas. DAÏO logró un 100% de especificidad (Tasa de Verdaderos Negativos) en estas secuencias mediante la detección de la falta de impacto de alta velocidad.
- Compromiso de Sensibilidad: Se observó una disminución menor del 0.9% en la sensibilidad, aislada a caídas de "descenso lento" (ej. deslizarse por una pared debido a un desmayo) que no exceden el umbral de velocidad de 1.5 m/s.
Ejecución en Tiempo Real:
- Estación de Trabajo (i7-11700K, RTX 3070): 35.7 FPS.
- Dispositivo de Borde (Raspberry Pi 4): 12.3 FPS.
- El EKF y las verificaciones lógicas añadieron una sobrecarga insignificante (5ms en estación de trabajo, 8ms en Pi), confirmando la viabilidad para nodos de borde de baja potencia.

5. Significado y Reivindicaciones

El artículo afirma que DAÏO aborda el "déficit de especificidad" en los sistemas actuales de detección de caídas al embeber las leyes físicas (gravedad y cinemática) directamente en el bucle de seguimiento, en lugar de depender únicamente del reconocimiento de patrones basado en datos.

Robustez: El sistema demuestra una alta fiabilidad para distinguir entre caídas genuinas y AVD complejas, particularmente aquellas que involucran un movimiento descendente rápido sin impacto (como las postraciones).
Privacidad: Al operar enteramente en el borde, elimina las preocupaciones de privacidad asociadas con la transmisión de video a la nube, lo que lo hace adecuado para entornos sensibles como dormitorios y baños.
Limitaciones Reconocidas: Los autores señalan modestamente que el sistema puede perder caídas de descenso lento (síncope) debido al umbral de velocidad y puede experimentar inestabilidad si las articulaciones clave están totalmente ocluidas por más de 2.0 segundos.

Se propone como trabajo futuro expandir el sistema a redes de múltiples cámaras, integrar sensores de profundidad/infrarrojos para condiciones de baja luz y utilizar aprendizaje activo para adaptarse a los patrones de marcha cambiantes del usuario a lo largo del tiempo.