Suicide Risk Assessment from AI-powered Video Surveillance: An Interpretable Framework for Prevention in Metro Stations
यह शोध पत्र मेट्रो स्टेशनों में आत्महत्या के जोखिम के आकलन के लिए पहले व्याख्यात्मक (interpretable) एआई फ्रेमवर्क को प्रस्तुत करता है, जो प्रारंभिक हस्तक्षेप के लिए वास्तविक दुनिया के डेटा पर 83.2% ROC-AUC प्राप्त करने हेतु निगरानी वीडियो के व्यक्ति ट्रैकिंग, गतिविधि पहचान और स्थानिक-सामयिक (spatial-temporal) विश्लेषण को एकीकृत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक व्यस्त सबवे स्टेशन की कल्पना करें जो लोगों की एक विशाल, बहती हुई नदी की तरह है। आमतौर पर, हर कोई एक स्थिर, अनुमानित लय के साथ चलता है। लेकिन कभी-कभी, एक व्यक्ति अलग तरह से व्यवहार करना शुरू कर सकता है—आगे-पीछे टहलना, अंधेरी सुरंग में ताकना, या किनारे के बहुत करीब रुक जाना। अतीत में, स्टेशन के कर्मचारियों को लगातार सैकड़ों स्क्रीन देखनी पड़ती थी, इस उम्मीद में कि किसी त्रासदी के होने से पहले वे इन सूक्ष्म संकेतों को पकड़ सकें। यह एक पूरे झरने को देखते हुए उस पानी की एक अकेली बूंद को खोजने की कोशिश करने जैसा है जो अभी-अभी चट्टान से गिरने वाली है।
यह शोध पत्र एक नए "स्मार्ट असिस्टेंट" का परिचय देता है जिसे SRA-Framework कहा जाता है। इसे एक मन पढ़ने वाली मशीन के रूप में नहीं, बल्कि एक अत्यधिक चौकस, अथक जासूस के रूप में सोचें जो वीडियो फीड को देखता है और पूछता है: "क्या इस व्यक्ति का व्यवहार, और वह जहाँ खड़ा है, मिलकर खतरे का एक पैटर्न बना रहा है?"
यह सिस्टम कैसे काम करता है, इसके सरल चरण यहाँ दिए गए हैं:
1. सिस्टम की तीन आँखें
केवल एक डरावनी क्रिया (जैसे कूदना) को खोजने के बजाय, यह सिस्टम पूरी तस्वीर को समझने के लिए तीन अलग-अलग "आँखों" का उपयोग करता है:
- ट्रैकर (द बॉडीगार्ड): यह हर व्यक्ति का एक साये की तरह पीछा करता है, यह ट्रैक रखता है कि वे कहाँ हैं और कैसे चलते हैं, भले ही भीड़ कितनी भी घनी क्यों न हो जाए।
- एक्टर (द ट्रांसलेटर): यह पहचानता है कि लोग क्या कर रहे हैं। क्या व्यक्ति चल रहा है? क्या वह स्थिर खड़ा है? या क्या वह सुरंग की ओर देख रहा है?
- मैप-मेकर (द आर्किटेक्ट): यह स्टेशन के लेआउट को समझता है। इसे पता है कि "सुरक्षित क्षेत्र" (safe zone) कहाँ है, "पीली सुरक्षा रेखा" (yellow safety line) कहाँ है, और सुरंग के पास का "खतरा क्षेत्र" (danger zone) कहाँ से शुरू होता है।
2. "रिस्क हीटमैप" (मौसम का नक्शा)
एक नक्शे के रूप में सबवे प्लेटफॉर्म की कल्पना करें। सिस्टम इसके ऊपर एक "हीट मैप" बनाता है।
- यदि कोई व्यक्ति बस गुजर जाता है, तो नक्शा ठंडा (नीला) रहता है।
- यदि कोई व्यक्ति लंबे समय तक किनारे के पास खड़ा रहता है, या दीवार और पीली रेखा के बीच आगे-पीछे टहलता है, तो नक्शे का वह स्थान चमकने लगता है।
- सिस्टम केवल एक क्षण को नहीं देखता; यह देखता है कि वह "चमक" कितनी देर तक रहती है। एक त्वरित नज़र ठीक है; खतरे के क्षेत्र में एक लंबी, टकटकी लगाकर देखना लाल चमक को और गहरा कर देता है।
3. "रिस्क स्कोर" (मौसम का पूर्वानुमान)
यह सिस्टम इन सभी सुरागों को प्रत्येक व्यक्ति के लिए एक एकल संख्या, रिस्क स्कोर (जोखिम स्कोर) में जोड़ता है।
- कम स्कोर: व्यक्ति बस ट्रेन का इंतज़ार कर रहा है, शायद अपने फोन को देख रहा है। कोई चिंता नहीं।
- उच्च स्कोर: व्यक्ति एक "खतरनाक नृत्य" (danger dance) कर रहा है। वह ऐसा कर सकता है:
- पीली रेखा पर खड़ा होना।
- दीवार और रेखा के बीच बार-बार आगे-पीछे चलना।
- सुरंग में लंबे समय तक ताकना।
- प्लेटफॉर्म के "दूर वाले छोर" (far-end zone) में बहुत अधिक समय बिताना।
यदि कोई व्यक्ति इनमें से एक चीज़ करता है, तो स्कोर थोड़ा बढ़ सकता है। लेकिन यदि वे कई चीज़ें करते हैं, या उन्हें लंबे समय तक करते हैं, तो स्कोर तेजी से बढ़ जाता है। यह सिस्टम किसी बड़ी, स्पष्ट संकट का इंतज़ार करने के बजाय, छोटे संकेतों के संचय (accumulation) को नोटिस करने के लिए बनाया गया है।
4. "व्याख्यात्मक" (Interpretable) होना क्यों महत्वपूर्ण है
कई AI सिस्टम "ब्लैक बॉक्स" होते हैं—वे उत्तर तो देते हैं लेकिन यह नहीं बताते कि क्यों। यह सिस्टम अलग है। यह एक शिक्षक की तरह है जो परीक्षा को ग्रेड देता है और अपना काम दिखाता है:
- "इस व्यक्ति का रिस्क स्कोर उच्च है क्योंकि उसने 5 बार पीली रेखा पार की और 30 सेकंड तक सुरंग की ओर ताका।"
- यह महत्वपूर्ण है क्योंकि यह मानव कर्मचारियों को सिस्टम पर भरोसा करने में मदद करता है। वे केवल एक रैंडम "खतरा" सिग्नल मिलने के बजाय, अलार्म के विशिष्ट कारणों को देख सकते हैं।
उन्होंने क्या पाया?
शोधकर्ताओं ने इस सिस्टम का परीक्षण कनाडा के एक सबवे स्टेशन के वास्तविक वीडियो फुटेज पर किया।
- परिणाम: सिस्टम लगभग 83% सटीकता के साथ जोखिम में पड़े लोगों और सामान्य यात्रियों के बीच अंतर करने में सक्षम था।
- मुख्य अंतर्दृष्टि: सबसे महत्वपूर्ण सुराग केवल "सुरंग की ओर देखना" नहीं था। सिस्टम ने पाया कि दोहराव (repetition) और स्थान (location) सबसे बड़े कारक थे। विशेष रूप से, पीली रेखा को पार करना और आगे-पीछे टहलना खतरे के सबसे मजबूत संकेत थे।
निष्कर्ष
यह शोध पत्र एक नया उपकरण प्रस्तुत करता है जो सबवे कर्मचारियों को केवल घटनाओं के बजाय व्यवहार के पैटर्न को देखकर संभावित त्रासदियों को जल्दी पहचानने में मदद करता है। यह यह अनुमान नहीं लगाता कि कोई क्या सोच रहा है; यह केवल यह मापता है कि वे खतरनाक स्थानों पर कितनी देर रहते हैं और वे कितनी बार जोखिम भरे आंदोलनों को दोहराते हैं। कंप्यूटर विज़न को आत्महत्या रोकथाम विशेषज्ञों के ज्ञान के साथ जोड़कर, इसका लक्ष्य मानव ऑपरेटरों को एक "दूसरी जोड़ी आँख" देना है जो कभी थकती नहीं है, जिससे समय रहते हस्तक्षेप करने में मदद मिल सके।
महत्वपूर्ण नोट: शोध पत्र इस बात पर जोर देता है कि यह सिस्टम व्यवहार और स्थान के आधार पर अवलोकन योग्य जोखिम का आकलन करता है। यह मानसिक स्वास्थ्य स्थितियों का निदान नहीं करता है या किसी व्यक्ति के आंतरिक विचारों या इरादों को जानने का दावा नहीं करता है। यह एक सुरक्षा उपकरण है जिसे मानवीय ध्यान की आवश्यकता वाले स्थितियों को फ्लैग करने के लिए डिज़ाइन किया गया है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।