Skeleton-Based Posture Classification to Promote Safer Walker-Assisted Gait in Older Adults

Resumo Técnico: Classificação de Postura Baseada em Esqueleto para Marcha Assistida por Andador Mais Segura

Declaração do Problema
A população global envelhecida enfrenta desafios de saúde significativos, incluindo declínios no equilíbrio, massa muscular e mobilidade, que aumentam drasticamente o risco de quedas. Embora dispositivos assistivos como andadores sejam padrão para mitigar esses riscos, seu mau uso — especificamente postura incorreta ou manuseio inadequado — pode paradoxalmente levar a quedas. As soluções atuais de classificação de postura frequentemente dependem de conjuntos de dados de corpo inteiro que exigem poder de processamento substancial ou marcadores vestíveis, que podem ser intrusivos, custosos e difíceis de manter para idosos. Há uma necessidade de um sistema não intrusivo e em tempo real capaz de monitorar a postura do usuário usando câmeras a bordo em dispositivos assistivos para detectar posturas perigosas e prevenir quedas sem exigir que o usuário use sensores adicionais.

Metodologia
O estudo propõe e compara cinco abordagens de modelagem distintas para classificar o uso do andador, a posição inicial (sentado vs. em pé) e posturas específicas usando dados baseados em esqueleto. O sistema utiliza um Andador Socialmente Assistivo (SAW) equipado com uma câmera USB, LiDARs, resistores sensíveis à força (FSRs) e uma Unidade de Medição Inercial (IMU).

1. Aquisição e Pré-processamento de Dados:

   • Coleta de Dados: Os dados foram coletados de 21 participantes saudáveis (idades entre 21–48 anos) realizando exercícios predefinidos (levantamento de braços, flexões de tronco, sentar, ficar em pé) sob condições controladas.
   • Detecção de Marcos de Pose: O framework de Detecção de Pose do Google MediaPipe (BlazePose) foi empregado para extrair 33 marcos corporais tridimensionais em tempo real. Esta abordagem evita a necessidade de processamento de imagem bruta, transmitindo apenas coordenadas baseadas em texto para eficiência.
   • Extração de Características: Coordenadas de marcos brutos foram pré-processadas para extrair 48 características geométricas, incluindo distâncias e ângulos entre articulações.

2. Arquiteturas de Modelo:

   • Redes Neurais Convolucionais (CNN): Duas arquiteturas foram testadas: uma CNN de 4 camadas (testada com tanto marcos brutos quanto características engenhadas) e uma CNN de 6 camadas (apenas marcos brutos). Esses modelos utilizam convolução, normalização em lote, max pooling e camadas de dropout.
   • CNN Codificador-Decodificador (EDCNN): Uma arquitetura projetada para redução de dimensionalidade e reconstrução, apresentando um codificador com três camadas convolucionais e um decodificador com camadas convolucionais transpostas, treinado conjuntamente para classificação.
   • Máquina de Vetores de Suporte (SVM): Um algoritmo supervisionado usado para identificar hiperplanos ótimos para separar classes.
   • Gradient Boosting Extremo (XGBoost): Um método de aprendizado de conjunto usando árvores de decisão, combinado com um MultiOutputClassifier para prever múltiplas variáveis simultaneamente.
   • Abordagem Geométrica: Um método baseado em regras, não de aprendizado, que estabelece uma pose de referência e classifica desvios usando distâncias euclidianas e limites empiricamente determinados, aumentado por dados de FSR para detecção de levantamento de mãos.

3. Tarefas de Classificação:
   Os modelos foram treinados para prever três saídas:

   • Escolha do Andador: Classificação binária (andador usado vs. não usado).
   • Posição Inicial: Classificação binária (sentado vs. em pé).
   • Classificação de Postura: Classificação multiclasse (17 posturas específicas para modelos supervisionados; 8 posturas para a abordagem geométrica).

Principais Resultados
O estudo avaliou o desempenho usando precisão, recall, pontuação F1, sensibilidade e especificidade em conjuntos de treinamento/validação e dados de teste não vistos.

• Classificação Binária (Escolha do Andador e Posição Inicial):

  • XGBoost emergiu como o melhor desempenho, alcançando precisão de treinamento quase perfeita (100% para escolha do andador, 99,9% para posição inicial) e mantendo alta precisão de previsão (99,84% e 99,69%, respectivamente).
  • Modelos de Aprendizado Profundo: A CNN de 4 camadas, a CNN de 6 camadas e a EDCNN também demonstraram forte desempenho em tarefas binárias, com precisões de treinamento geralmente superiores a 98%.
  • SVM mostrou desempenho variável, alcançando 97,4% de precisão para escolha do andador, mas resultados mais baixos para posição inicial (90,3%).

• Classificação de Postura Multiclasse:

  • Desafios: Todos os modelos enfrentaram dificuldade significativa com a tarefa de postura de 17 classes em comparação com tarefas binárias.
  • XGBoost: Alcançou 99,24% de precisão de treinamento, mas caiu para 74,1% de precisão de previsão para a tarefa de 17 classes. Quando simplificado para uma classificação de risco de saída única (em pé, sentado ou postura ruim), alcançou 85,0% de precisão de previsão.
  • Aprendizado Profundo: A CNN de 4 camadas alcançou a maior precisão de previsão para a tarefa de 17 classes entre os modelos de aprendizado profundo em 76,0%. A EDCNN e a CNN de 6 camadas mostraram precisões de previsão mais baixas (66,0% e 75,7%, respectivamente).
  • Abordagem Geométrica: Em um teste específico com 8 posturas, esta abordagem alcançou uma precisão geral de 89,87%. Desempenhou excepcionalmente bem para poses estáticas (Em pé: 98,15%) e ações de levantamento de mãos (98%+), embora o desempenho tenha caído para simulações de queda (por exemplo, Queda para Trás: 60,02%).

• Métricas Comparativas:

  • Para tarefas binárias, XGBoost e a abordagem Geométrica geralmente produziram as pontuações F1 mais altas.
  • Modelos de aprendizado profundo mostraram desempenho competitivo, mas lutaram mais com a complexidade da classificação multiclasse, particularmente à medida que a profundidade arquitetônica aumentava (por exemplo, CNN de 6 camadas).

Significado e Alegações
O artigo alega que o aprendizado de máquina, particularmente abordagens XGBoost e geométricas, possui potencial significativo para aprimorar a interação humano-robô em andadores inteligentes para prevenção de quedas. As principais contribuições incluem:

1. Viabilidade de Processamento a Bordo: O estudo demonstra que o uso de marcos de esqueleto (dados de texto) em vez de imagens brutas permite processamento eficiente, tornando o monitoramento em tempo real viável em dispositivos com recursos limitados, como o Raspberry Pi 4.
2. Superioridade do XGBoost para Tarefas Binárias: O XGBoost é identificado como o modelo mais eficaz para determinar estados binários críticos (uso do andador, sentado vs. em pé), que são primordiais para acionar mecanismos de segurança como freios durante transferências de sentar para em pé.
3. Detecção de Fatores de Risco: Embora a classificação de postura multiclasse permaneça desafiadora, a capacidade de detectar "posturas ruins" ou desvios da posição em pé (por exemplo, inclinação, levantamento de mãos) com precisão razoável (pontuação F1 de 83% para saída única do XGBoost) oferece um método viável para detecção precoce de risco de queda.
4. Privacidade e Não Intrusividade: Ao utilizar sistemas de câmera sem marcadores montados no andador, a abordagem evita preocupações de privacidade e barreiras de usabilidade associadas a sensores vestíveis.

Limitações Reconhecidas
Os autores observam que o conjunto de dados foi relativamente pequeno (21 participantes), limitando a generalização. Além disso, a precisão da classificação de postura multiclasse permanece inferior às tarefas binárias, sugerindo a necessidade de arquiteturas mais sofisticadas. O estudo também destaca que os requisitos computacionais para aprendizado profundo podem impedir a implantação em computadores de placa única e que latência e consumo de energia não foram avaliados. O trabalho futuro é direcionado para validação no mundo real e integração de modalidades de sensor adicionais.