💻 ciencias de la computación

A real-world indoor dynamic skeleton dataset of elderly abnormal gait including crutch-assisted walking

El artículo presenta ElderlyPipe, un conjunto de datos de interiores del mundo real de acceso público con 63.855 fotogramas de esqueletos de calidad asegurada que capturan comportamientos de personas mayores, incluyendo la marcha asistida con muletas, lo cual demuestra que los modelos de grafos espaciotemporales superan a los enfoques de fotograma único en el análisis del desequilibrio de la marcha.

Autores originales: Shaojiang Huang, Manqing Yang, Wei Zhang

Publicado 2026-10-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Shaojiang Huang, Manqing Yang, Wei Zhang

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

Las caídas son una de las principales causas de lesiones y muerte en adultos mayores, resultando a menudo de cambios sutiles en el equilibrio que pasan desapercibidos hasta que es demasiado tarde. Para prevenir estas tragedias, los cuidadores y profesionales médicos necesitan una forma de monitorear cómo camina la gente, buscando los signos tempranos de inestabilidad antes de que ocurra una caída. Durante décadas, los investigadores han intentado construir sistemas informáticos que puedan observar a una persona y comprender su movimiento, pero estos sistemas han luchado con un problema importante: carecen de buenos datos. La mayoría de los registros existentes de movimiento humano provienen de personas jóvenes y sanas en estudios luminosos y controlados, o dependen de sensores que se llevan puestos en el cuerpo y que la gente suele olvidar ponerse. Lo que ha faltado es un registro claro y detallado de cómo se mueven realmente las personas mayores en la realidad desordenada e impredecible de un hogar de ancianos o una sala de estar, especialmente cuando tienen dificultades para caminar o usan un bastón para apoyarse. Sin este tipo de información específica, las computadoras no pueden aprender a distinguir entre un paso normal y un tropiezo peligroso.

Un equipo de investigadores de la Universidad de Ciencia y Tecnología de Zhejiang ha llenado este vacío creando una nueva colección de datos llamada ElderlyPipe. En lugar de grabar videos de los rostros o cuerpos de las personas, lo que plantea preocupaciones de privacidad, los investigadores capturaron el movimiento y lo convirtieron en esqueletos digitales. Estos esqueletos no son dibujos, sino una serie de puntos matemáticos que marcan la ubicación de las articulaciones de una persona, como hombros, codos y rodillas, mientras se mueven a través del tiempo. El equipo se centró en registrar a residentes mayores reales en sus entornos diarios, incluyendo pasillos, vestíbulos y áreas de comedor, capturando cuatro comportamientos distintos: estar de pie, caminar, sentarse y el acto crítico y desequilibrado de caminar con una muleta. Al reunir 63.855 de estos fotogramas de movimiento de alta calidad de 287 segmentos de video continuos, los investigadores han proporcionado un recurso que permite a las computadoras estudiar los patrones específicos y temblorosos de la marcha que señalan el peligro en los adultos mayores.

El proceso de convertir el video bruto en estos esqueletos digitales útiles requirió un enfoque cuidadoso de múltiples pasos para manejar los desafíos de un entorno del mundo real. En un hogar de ancianos, la iluminación puede cambiar repentinamente y las personas suelen bloquear la vista de la cámara hacia otras, haciendo que las herramientas estándar de visión por computadora pierdan el rastro de una extremidad. Para resolver esto, los investigadores desarrollaron un sistema que primero identifica las articulaciones utilizando una herramienta de detección estándar, y luego rellena las piezas faltantes cuando una extremidad está oculta. Si una articulación desaparece por un corto tiempo, el sistema adivina su ubicación dibujando una línea recta entre donde fue vista antes y donde reaparece. Si una extremidad está oculta por más tiempo, el sistema utiliza la longitud conocida del brazo o la pierna de la persona para estimar dónde debe estar la articulación faltante, basándose en la posición de las articulaciones que aún son visibles. Una vez completado el esqueleto, el sistema suaviza los movimientos erráticos y temblorosos que las computadoras suelen introducir, creando un registro fluido y continuo del movimiento de la persona.

Lo que hace que este conjunto de datos sea particularmente valioso es que no solo muestra a una persona de pie; captura el flujo del movimiento a través del tiempo. Los investigadores organizaron los datos en pequeñas ventanas de veinticuatro fotogramas, permitiéndoles estudiar cómo se mueve el cuerpo de una persona de un momento al siguiente. Encontraron que observar la secuencia de movimientos en conjunto es mucho más efectivo que mirar instantáneas individuales. Cuando probaron modelos computacionales en estos datos, el sistema que comprendía la conexión entre los movimientos pasados y presentes era mucho mejor identificando la marcha difícil y desequilibrada de alguien que usa una muleta. Este sistema identificó correctamente estos movimientos de alto riesgo con más frecuencia que los modelos que solo miraban un fotograma a la vez, demostrando que la historia de una caída se cuenta en el ritmo de los pasos, no solo en la posición de un solo pie.

Los datos están diseñados para ser seguros y privados, ya que no contienen imágenes de rostros ni nombres, solo las coordenadas numéricas de las articulaciones. Esto permite a la comunidad de investigación construir y probar nuevas herramientas de seguridad sin comprometer la dignidad de los adultos mayores que contribuyeron al estudio. El lanzamiento incluye no solo los datos, sino también el código y los métodos utilizados para limpiarlos y organizarlos, asegurando que otros científicos puedan reproducir los resultados. Al centrarse en el desafío específico y a menudo pasado por alto de la caminata asistida por muletas en entornos interiores reales, este trabajo proporciona una nueva base para desarrollar tecnología que algún día pueda vigilar a nuestros mayores, detectando los signos de desequilibrio y ayudando a mantenerlos seguros mucho antes de que ocurra una caída.

Resumen Técnico: Conjunto de Datos ElderlyPipe

Declaración del Problema
Las caídas y los desequilibrios en la marcha representan una amenaza crítica para la salud de los adultos mayores de 65 años, lo que requiere un monitoreo temprano y continuo en entornos de cuidado. Sin embargo, el progreso en el análisis de la marcha basado en datos para este grupo demográfico se ve obstaculizado por la escasez de conjuntos de datos públicos de alta calidad. Los recursos existentes sufren de limitaciones fundamentales: los benchmarks de propósito general (por ejemplo, NTU RGB+D, Kinetics) se centran en sujetos jóvenes en entornos controlados; las colecciones clínicas (por ejemplo, UR-Fall, UP-Fall) dependen de sensores corporales (wearables) en lugar de datos visuales; y los esfuerzos recientes en el cuidado de ancianos (por ejemplo, CarePD) se dirigen a condiciones específicas como el Parkinson, en lugar de marchas desequilibradas clínicamente críticas como la caminata con apoyo de muletas. Existe una falta distintiva de un conjunto de datos público que satisfaga simultáneamente cuatro condiciones: (i) sujetos reales de edad avanzada (65+), (ii) entornos de cuidado interiores reales (no laboratorios guionizados), (iii) caminata asistida con muletas anotada, y (iv) secuencias de esqueletos a nivel de fotograma adecuadas para el análisis espaciotemporal del desequilibrio.

Metodología
Los autores presentan ElderlyPipe, un conjunto de datos de esqueletos dinámicos construido a partir de metraje de vigilancia de interiores del mundo real. La metodología abarca la recolección de datos, un riguroso flujo de trabajo de control de calidad y un protocolo de evaluación libre de filtraciones (leakage-free).

Recolección de Datos: Los videos fueron grabados a 30 fps (1920×1080) en cinco subáreas interiores de una residencia de ancianos (habitaciones de actividad, pasillos, vestíbulo, área de comedor) bajo diversas condiciones de iluminación y oclusión. El conjunto de datos captura cuatro comportamientos: estar de pie, caminar, sentarse y caminar con apoyo de muletas (el estado desequilibrado clínicamente crítico).
Flujo de Preprocesamiento:
1. Estimación de Pose Base: Los fotogramas brutos se procesan utilizando el marco de trabajo BlazePose/MediaPipe para generar esqueletos 3D de 33 puntos clave (keypoints).
2. Compensación de Oclusión Jerárquica: Para abordar la pérdida de puntos clave, se emplea una estrategia de compensación de dos etapas:
  - Interpolación Lineal: Utilizada para oclusiones cortas (<15 fotogramas) donde el punto clave es visible antes y después del intervalo.
  - Estimación de Restricción Geométrica: Utilizada para oclusiones más largas (≥15 fotogramas). La posición se estima basándose en la relación de longitud de los huesos aprendida respecto a los puntos clave padre o hijo visibles. Las longitudes de los huesos se actualizan dinámicamente en línea mediante una ventana deslizante de muestras válidas.
3. Suavizado de Kalman Adaptativo Sensible a la Visibilidad: Un filtro de Kalman suprime el jitter de alta frecuencia y une fotogramas no fiables. Crucialmente, el filtro se adapta en línea:
  - El ruido de observación ( $R$ ) se escala según la confianza de visibilidad (una menor confianza genera un mayor ruido).
  - El ruido de proceso ( $Q$ ) se adapta a la magnitud del movimiento.
  - El paso de actualización se omite para fotogramas con baja confianza, confiando únicamente en la predicción para salvar breves oclusiones.
Representación de Datos: Las secuencias limpias se organizan en ventanas estandarizadas de 24 fotogramas (paso o stride de 2). Estas se formalizan como grafos espaciotemporales donde los nodos representan puntos clave y las aristas codifican tanto las conexiones esqueléticas espaciales como las trayectorias temporales a través de los fotogramas.
Protocolo de Evaluación: El conjunto de datos se evalúa mediante una validación cruzada de 5 pliegues (5-fold cross-validation) estratificada por video y libre de filtraciones. Esto asegura que ningún fotograma de un video de prueba esté presente en el conjunto de entrenamiento, evitando la filtración de identidad y asegurando que las métricas reflejen la dificultad real de los datos.

Contribuciones Clave

Conjunto de Datos ElderlyPipe: Una liberación de 63,855 fotogramas de esqueleto con garantía de calidad, organizados en 287 segmentos continuos y 28,735 ventanas estandarizadas de 24 fotogramas. Es el primer conjunto de datos público que combina sujetos de edad avanzada reales, entornos de cuidado interiores reales y caminata asistida con muletas anotada.
Flujo de Garantía de Calidad: Una cadena de procesamiento novedosa que combina la compensación de oclusión jerárquica (interpolación lineal y estimación geométrica) con el suavizado de Kalman adaptativo sensible a la visibilidad para producir secuencias de esqueletos fiables bajo condiciones del mundo real desafiantes (por ejemplo, retroiluminación, oclusión severa).
Liberación Anonimizada: El conjunto de datos proporciona secuencias de esqueletos derivadas y anonimizadas (33 puntos clave con $x, y, z$ y visibilidad) sin metraje RGB bruto, equilibrando la privacidad con la utilidad para el desarrollo de algoritmos.
Benchmarks de Referencia: La liberación incluye código y benchmarks para dos modelos basados en esqueletos:
- GCN Estático: Una red convolucional de grafos de un solo fotograma.
- ST-GCN: Una red convolucional de grafos espaciotemporales que integra la dinámica temporal.

Resultados
Los benchmarks de la liberación demuestran que la asociación temporal es crítica para analizar el desequilibrio de la marcha:

El ST-GCN (modelo espaciotemporal) logró un F1 score de 0.656, superando al GCN Estático (modelo de un solo fotograma) que obtuvo un 0.605.
El modelo espaciotemporal mostró una capacidad superior para separar la caminata con apoyo de muletas (el estado desequilibrado representativo) de los comportamientos cotidianos en comparación con sus contrapartes de un solo fotograma.
La compresión de datos es significativa: un clip de 24 fotogramas a 1080p ( $~1.49 \times 10^8$ píxeles) se reduce a 3,168 números (24 fotogramas × 33 puntos clave × 4 características), lo que permite costos de inferencia bajos.

Significancia
El artículo posiciona a ElderlyPipe como un recurso necesario para abordar el cuello de botella en el análisis de la marcha de personas mayores causado por la falta de datos dirigidos y de alta calidad. Al centrarse en la caminata con apoyo de muletas en entornos de cuidado interiores reales, el conjunto de datos permite el desarrollo de sistemas de monitoreo no invasivos basados en visión capaces de detectar estados de desequilibrio de alto riesgo. Los autores enfatizan que el conjunto de datos complementa los recursos de propósito general existentes al llenar un vacío clínico específico, permitiendo la cuantificación de marcadores biomecánicos (por ejemplo, velocidad de la marcha, asimetría de las extremidades) directamente a partir de secuencias de esqueletos sin instrumentación adicional. El protocolo de evaluación libre de filtraciones asegura que las métricas de rendimiento reportadas sean robustas y reproducibles, fomentando la confianza en futuros desarrollos algorítmicos para el cuidado inteligente de los ancianos.

Resumen Técnico: Conjunto de Datos ElderlyPipe

Más como este