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

Sintesi Tecnica: Valutazione del Rischio di Suicidio da Videosorveglianza Alimentata dall'Intelligenza Artificiale

Definizione del Problema
Il documento affronta la sfida della Valutazione del Rischio di Suicidio (SRA) nelle stazioni della metropolitana mediante videosorveglianza continua. Sebbene i sistemi basati sulla visione esistenti facciano spesso affidamento su semplici indizi visivi (ad esempio, l'attraversamento delle barriere di sicurezza) o sull'osservazione umana continua, tali metodi rilevano frequentemente gli incidenti troppo tardi per una prevenzione efficace o soffrono di affaticamento umano. Il problema centrale consiste nel superare la rilevazione di eventi isolati o l'inferenza diretta dell'intento. Invece, gli autori definiscono la SRA come un compito che richiede il ragionamento congiunto del comportamento del singolo passeggero, del contesto spaziale e delle dinamiche temporali. L'obiettivo è valutare un punteggio di rischio variabile nel tempo per ciascun passeggero basato sull'accumulo di indizi comportamentali e spaziali osservabili, piuttosto che formulare una diagnosi clinica dell'intento suicida.

Metodologia: Il Framework SRA
Gli autori propongono il SRA-Framework, la prima pipeline interpretabile progettata per valutare il rischio di suicidio aggregando prove nel tempo. Il framework opera attraverso una pipeline unificata composta da cinque moduli sequenziali:

1. Rilevamento, Tracciamento e Stima della Posatura Umana:

   • Utilizza un rilevatore YOLOx pre-addestrato per identificare le classi "persona".
   • Impiega ByteTrack per il tracciamento multi-oggetto nello spazio delle immagini.
   • Applica HRNet per estrarre punti chiave del corpo 2D all'interno dei riquadri di delimitazione.
   • Proietta le posizioni tracciate in un sistema di coordinate riferito alla banchina utilizzando una matrice di omografia, consentendo un'analisi spaziale coerente nel tempo.

2. Riconoscimento dell'Attività Umana:

   • Utilizza SSTAR, un modello di riconoscimento di azioni spaziotemporali basato sullo scheletro pre-addestrato sul dataset ARMM.
   • Rileva specificamente tre azioni dei passeggeri: 'LookTunnel' (Guarda il tunnel), 'Walk' (Cammina) e 'Stand' (Sta in piedi).
   • Queste etichette sono ponderate in base al loro contesto spaziale e alla durata.

3. Semantica della Banchina e Costruzione delle Zone:

   • Utilizza YOLOv8n per la segmentazione semantica per partizionare la banchina in zone spaziali rilevanti basate su consultazioni con esperti:
     • Zona A (Prossima al Muro): Vicino al muro della banchina.
     • Zona B (Prossima alla Linea Gialla): La zona di sicurezza di transizione.
     • Zona C (Zona Estrema): L'area immediatamente adiacente al tunnel/bordo.
   • Questa modellazione geometrica consente il rilevamento di pattern specifici come il movimento avanti e indietro tra il muro e la linea gialla.

4. Generazione della Mappa di Rischio Posizionale:

   • Genera mappe di calore individuali tramite accumulo di densità e smoothing gaussiano dei punti della traiettoria 2D.
   • Aggrega queste mappe in una Mappa di Rischio Posizionale globale ($H(x,y)$) mediando le traiettorie di individui noti a rischio. Questo cattura pattern spaziali condivisi e fattori ambientali persistenti.

5. Valutazione del Rischio di Suicidio (Inferenza):

   • Estrae otto indicatori di rischio interpretabili per ciascun individuo $p$ su una finestra temporale $W_t$:
     1. Punteggio di Rischio Posizionale ($PR_p$)
     2. Camminata/Sta in piedi sulla linea gialla ($Cr_p$)
     3. Numero di attraversamenti della linea gialla ($NCr_p$)
     4. Tempo trascorso sulla linea gialla ($TY_p$)
     5. Segmento continuo più lungo sulla linea gialla ($LY_p$)
     6. Conteggio movimenti avanti e indietro tra muro e linea gialla ($BF_p$)
     7. Azione Guarda il tunnel ($LT_p$)
     8. Ingresso nella zona estrema ($E_p$)
   • Questi indicatori formano un vettore di caratteristiche alimentato in un modello supervisionato XGBoost per produrre un punteggio di rischio continuo $R_p \in [0, 1]$.

Contributi Chiave

1. Formalizzazione della SRA: Il lavoro definisce la SRA come un compito computazionale distinto focalizzato sulla valutazione dei livelli di rischio basati su prove comportamentali e spaziali accumulate, piuttosto che sulla previsione dell'intento o sulla classificazione degli individui.
2. Pipeline Interpretabile: Gli autori introducono il primo framework end-to-end che integra tracciamento, riconoscimento di attività, segmentazione semantica e modellazione del rischio per produrre valutazioni continue a livello individuale senza fare affidamento su indizi di aspetto o attributi personali.
3. Allineamento con Risultati Interdisciplinari: Gli indicatori di rischio sono derivati esplicitamente da precedenti studi psicologici e comportamentali (ad esempio, Mishara et al.), garantendo che il sistema rifletta pattern consolidati come il pacing ripetuto e la presenza prolungata vicino al bordo della banchina.
4. Valutazione nel Mondo Reale: Il framework è stato valutato su dati di videosorveglianza reali e approvati eticamente provenienti da un sistema metropolitano canadese, fornendo sia metriche quantitative di performance che analisi qualitative di interpretabilità.

Risultati Sperimentali
Il framework è stato valutato su un dataset composto da 66 registrazioni video "a rischio" (pre-tentativo) e 56 registrazioni di "controllo", producendo 256 istanze individuali (66 a rischio, 190 di controllo).

• Performance: La configurazione completamente automatica ha raggiunto un ROC-AUC dell'83,2% ($\pm 0,095$).
• Sensibilità/Specificità: A una soglia fissa di 0,2 (scelta per favorire la rilevazione precoce), il sistema ha raggiunto una sensibilità del 63,1% e una specificità del 90,2%.
• Analisi del Limite Superiore: Quando i moduli di rilevamento/tracciamento e riconoscimento delle attività sono stati sostituiti con annotazioni ground-truth, il ROC-AUC è migliorato rispettivamente all'89,3% e al 91,9%, indicando che gli errori nei moduli di percezione iniziale contribuiscono in modo significativo al divario di performance.
• Interpretabilità: L'analisi dell'importanza delle caratteristiche (tramite XGBoost e valori SHAP) ha confermato che gli indicatori relativi all'interazione diretta con la linea gialla (attraversamento, tempo trascorso, movimento avanti e indietro) sono stati i predittori più dominanti, allineandosi alla ricerca comportamentale precedente.

Significato e Affermazioni
Il documento afferma che il suo significato principale risiede nel colmare il divario tra videosorveglianza basata sull'IA e ricerca interdisciplinare sulla prevenzione del suicidio. Formalizzando la SRA come un problema di valutazione del rischio a lungo termine e consapevole del contesto, il framework supera la semplice rilevazione di anomalie o gli avvisi di intrusione. Gli autori sottolineano che il sistema è progettato per essere interpretabile, permettendo agli operatori umani di comprendere perché un punteggio di rischio è alto (ad esempio, a causa di pattern spaziali specifici e persistenza temporale) piuttosto che affidarsi a una previsione "scatola nera". Questo approccio mira a supportare gli operatori umani nel monitoraggio in tempo reale rispettando i vincoli etici, evitando l'inferenza di stati psicologici o l'uso di attributi personali. Il lavoro evidenzia la complessità della valutazione del rischio di suicidio e apre nuove direzioni per lo sviluppo di sistemi di IA interpretabili per il bene sociale.