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

Resumo Técnico: Avaliação de Risco de Suicídio a partir de Vigilância por Vídeo com IA

Definição do Problema
O artigo aborda o desafio da Avaliação de Risco de Suicídio (ARS) em estações de metrô utilizando vídeo de vigilância contínua. Embora os sistemas existentes baseados em visão frequentemente dependam de pistas visuais simples (por exemplo, atravessar barreiras de segurança) ou observação humana contínua, esses métodos detectam incidentes com frequência muito tarde para uma prevenção eficaz ou sofrem com fadiga humana. O problema central é ir além da detecção de eventos isolados ou da inferência direta de intenção. Em vez disso, os autores definem a ARS como uma tarefa que exige o raciocínio conjunto do comportamento individual dos passageiros, do contexto espacial e da dinâmica temporal. O objetivo é avaliar uma pontuação de risco variável no tempo para cada passageiro com base na acumulação de pistas comportamentais e espaciais observáveis, em vez de fazer um diagnóstico clínico de intenção suicida.

Metodologia: A Estrutura ARS
Os autores propõem a Estrutura ARS, o primeiro pipeline interpretável projetado para avaliar o risco de suicídio agregando evidências ao longo do tempo. A estrutura opera por meio de um pipeline unificado composto por cinco módulos sequenciais:

1. Detecção, Rastreamento e Estimação de Pose de Humanos:

   • Utiliza um detector YOLOx pré-treinado para identificar classes de "pessoa".
   • Emprega o ByteTrack para rastreamento de múltiplos objetos no espaço da imagem.
   • Aplica o HRNet para extrair pontos-chave corporais 2D dentro das caixas delimitadoras.
   • Projeta posições rastreadas em um sistema de coordenadas referenciado à plataforma usando uma matriz de homografia, permitindo análise espacial consistente ao longo do tempo.

2. Reconhecimento de Atividade Humana:

   • Utiliza o SSTAR, um modelo de reconhecimento de ação espaço-temporal baseado em esqueleto pré-treinado no conjunto de dados ARMM.
   • Detecta especificamente três ações de passageiros: 'OlharTúnel', 'Caminhar' e 'FicarEmPé'.
   • Esses rótulos são ponderados por seu contexto espacial e duração.

3. Semântica da Plataforma e Construção de Zonas:

   • Utiliza o YOLOv8n para segmentação semântica para particionar a plataforma em zonas espaciais relevantes com base em consulta a especialistas:
     • Zona A (Próxima à Parede): Perto da parede da plataforma.
     • Zona B (Próxima à Linha Amarela): A zona de transição de segurança.
     • Zona C (Zona de Extremidade Distante): A área imediatamente adjacente ao túnel/borda.
   • Essa modelagem geométrica permite a detecção de padrões específicos, como movimento de vai-e-vem entre a parede e a linha amarela.

4. Geração de Mapa de Calor de Risco Posicional:

   • Gera mapas de calor individuais por meio de acumulação de densidade e suavização gaussiana de pontos de trajetória 2D.
   • Agrega esses mapas em um Mapa de Calor de Risco Posicional global ($H(x,y)$) ao calcular a média das trajetórias de indivíduos conhecidos como de risco. Isso captura padrões espaciais compartilhados e fatores ambientais persistentes.

5. Avaliação de Risco de Suicídio (Inferência):

   • Extrai oito indicadores de risco interpretáveis para cada indivíduo $p$ ao longo de uma janela temporal $W_t$:
     1. Pontuação de Risco Posicional ($PR_p$)
     2. Caminhar/Ficar em pé na linha amarela ($Cr_p$)
     3. Número de cruzamentos da linha amarela ($NCr_p$)
     4. Tempo gasto na linha amarela ($TY_p$)
     5. Segmento contínuo mais longo na linha amarela ($LY_p$)
     6. Contagem de movimentos de vai-e-vem entre a parede e a linha amarela ($BF_p$)
     7. Ação de Olhar para o Túnel ($LT_p$)
     8. Entrada na zona de extremidade distante ($E_p$)
   • Esses indicadores formam um vetor de características alimentado em um modelo supervisionado XGBoost para produzir uma pontuação de risco contínua $R_p \in [0, 1]$.

Principais Contribuições

1. Formalização da ARS: O trabalho define a ARS como uma tarefa computacional distinta focada em avaliar níveis de risco com base em evidências comportamentais e espaciais acumuladas, em vez de prever intenção ou rotular indivíduos.
2. Pipeline Interpretável: Os autores introduzem o primeiro framework ponta a ponta que integra rastreamento, reconhecimento de atividade, segmentação semântica e modelagem de risco para produzir avaliações contínuas em nível individual, sem depender de pistas de aparência ou atributos pessoais.
3. Alinhamento com Descobertas Interdisciplinares: Os indicadores de risco são explicitamente derivados de estudos psicológicos e comportamentais anteriores (por exemplo, Mishara et al.), garantindo que o sistema reflita padrões estabelecidos, como pacing repetido e presença prolongada perto da borda da plataforma.
4. Avaliação no Mundo Real: O framework foi avaliado em dados de vigilância do mundo real, aprovados eticamente, de um sistema de metrô canadense, fornecendo tanto métricas de desempenho quantitativas quanto análises de interpretabilidade qualitativa.

Resultados Experimentais
O framework foi avaliado em um conjunto de dados composto por 66 gravações de vídeo de "risco" (pré-tentativa) e 56 gravações de "controle", resultando em 256 instâncias individuais (66 de risco, 190 de controle).

• Desempenho: A configuração totalmente automática alcançou um ROC-AUC de 83,2% ($\pm 0,095$).
• Sensibilidade/Especificidade: Em um limiar fixo de 0,2 (escolhido para favorecer a detecção precoce), o sistema alcançou uma sensibilidade de 63,1% e uma especificidade de 90,2%.
• Análise de Limite Superior: Quando os módulos de detecção/rastreamento e reconhecimento de atividade foram substituídos por anotações de verdade fundamental, o ROC-AUC melhorou para 91,9% e 89,3%, respectivamente, indicando que erros nos módulos de percepção inicial contribuem significativamente para a lacuna de desempenho.
• Interpretabilidade: A análise de importância de características (via XGBoost e valores SHAP) confirmou que os indicadores relacionados à interação direta com a linha amarela (cruzamento, tempo gasto, movimento de vai-e-vem) foram os preditores mais dominantes, alinhando-se com pesquisas comportamentais anteriores.

Significado e Alegações
O artigo alega que seu principal significado reside em preencher a lacuna entre vigilância baseada em IA e pesquisa interdisciplinar de prevenção ao suicídio. Ao formalizar a ARS como um problema de avaliação de risco de longo prazo consciente do contexto, o framework vai além da simples detecção de anomalias ou alertas de intrusão. Os autores enfatizam que o sistema foi projetado para ser interpretável, permitindo que operadores humanos entendam por que uma pontuação de risco é alta (por exemplo, devido a padrões espaciais específicos e persistência temporal), em vez de depender de uma previsão de "caixa preta". Essa abordagem visa apoiar operadores humanos na monitorização em tempo real, enquanto adere a restrições éticas, evitando a inferência de estados psicológicos ou o uso de atributos pessoais. O trabalho destaca a complexidade da avaliação de risco de suicídio e abre novas direções para o desenvolvimento de sistemas de IA interpretáveis para o bem social.