Cómo medimos la detección

Los datos

• URFD (Kwolek y Kepski, 2014)

  30 caídas y 40 actividades cotidianas, de las cuales 16 terminan con la persona acostada en el suelo a propósito. Cámara a la altura del cuerpo.

• CAUCAFall (Eraso Guerrero et al., 2022)

  10 personas, cada una con 5 caídas (hacia adelante, hacia atrás, a la izquierda, a la derecha y desde sentado) y 5 actividades (caminar, saltar, recoger un objeto, sentarse y arrodillarse): 100 videos. Cámara elevada en una esquina de una casa, con obstáculos y cambios de luz.

Ninguno de los dos incluye adultos mayores ni caídas reales.

Cómo lo probamos

1. El mismo procesamiento que en la casa: cada video se reduce a 480p y 8 imágenes por segundo, se comprime en JPEG como lo hace Te Tengo Captura y pasa por MediaPipe Pose y el mismo clasificador cinemático. No se entrena ningún modelo.
2. Un video de caída cuenta como acierto si el clasificador emite al menos una caída. Un video de actividad cotidiana cuenta como falsa alarma si emite alguna.
3. Sensibilidad es la proporción de caídas detectadas; especificidad, la proporción de actividades cotidianas sin alarma.
4. Dejando un grupo fuera: hay 11 grupos (cada persona de CAUCAFall y todo URFD). Cada grupo se evalúa con el umbral calibrado sin sus videos, para no medir con los mismos datos con los que se ajustó.

Resultados

Por tipo de actividad

CAUCAFall · caída hacia atrás

10 de 10 detectadas

CAUCAFall · caída a la izquierda

9 de 10

CAUCAFall · caída hacia adelante

8 de 10

CAUCAFall · caída a la derecha

8 de 10

CAUCAFall · caída desde sentado

7 de 10

CAUCAFall · saltar

0 de 10 falsas alarmas

CAUCAFall · caminar, sentarse

1 de 10 falsas alarmas cada una

CAUCAFall · arrodillarse, recoger un objeto

3 de 10 falsas alarmas cada una

URFD · caídas

23 de 30 detectadas

URFD · actividades cotidianas

9 de 40 falsas alarmas; 6 al acostarse en el suelo a propósito

Ninguna de las 30 caídas de URFD dio un falso aviso de recuperación. A 6 y a 10 imágenes por segundo, la sensibilidad fue de 76,2 % y 81,2 %, y la especificidad de 83,3 % y 84,4 %.

Lo que todavía no sabemos

1. Acostarse en el suelo a propósito se confunde con una caída en 6 de 16 casos de URFD.
2. Recoger un objeto y arrodillarse dan falsas alarmas en 3 de cada 10 casos con la cámara elevada.
3. La calibración depende de dónde está la cámara: se repetirá con las grabaciones de la prueba piloto.
4. No hay adultos mayores ni caídas reales en los datos. La tasa real de falsas alarmas se medirá en la casa.
5. La validación es por video, no por instante: no mide cuánto tarda en llegar la alerta.

Referencias

• Chen, W., Jiang, Z., Guo, H., & Ni, X. (2020). Fall detection based on key points of human-skeleton using OpenPose. Symmetry, 12(5), 744. doi.org/10.3390/sym12050744 (se abre en otra pestaña)
• Eraso Guerrero, J. C., Muñoz España, E., Muñoz Añasco, M., & Pinto Lopera, J. E. (2022). Dataset for human fall recognition in an uncontrolled environment. Data in Brief, 45, 108610. doi.org/10.1016/j.dib.2022.108610 (se abre en otra pestaña)
• Kwolek, B., & Kepski, M. (2014). Human fall detection on embedded platform using depth maps and wireless accelerometer. Computer Methods and Programs in Biomedicine, 117(3), 489–501. doi.org/10.1016/j.cmpb.2014.09.005 (se abre en otra pestaña)
• Youden, W. J. (1950). Index for rating diagnostic tests. Cancer, 3(1), 32–35. doi.org/10.1002/1097-0142(1950)3:1<32::AID-CNCR2820030106>3.0.CO;2-3 (se abre en otra pestaña)