自主医院转运中的人体紧急状况检测
机器人学
2025-03-12 v1
摘要
医院中的人体转运劳动密集，且主要为节省时间而在床上进行。该转运方式无助于患者的活动能力或自主性。为将护理人员从这一耗时任务中解放，我们开发了可自主在医院内转运人员的移动机器人。其提供包括行走与坐轮椅在内的多种转运模式。本文关注的问题是在转运过程中检测紧急状况并确保患者安危。为此，利用相机系统追踪并监测患者。OpenPose 用于人体姿态估计，训练的分类器用于紧急状况检测。我们在实验室与医院环境中采集并发布含 18,000 张图像的数据集。其与相关工作的不同在于：我们拥有在高度动态、场景含多人的环境中以不同转运模式运动的机器人，且仅使用 RGB-D 数据。为提升关键的召回率指标，我们采用阈值移动与延时处理。我们用 AutoML 方法比较不同模型。本文表明，行走时的紧急状况最佳由 SVM 以单帧 95.8% 召回率检测；坐式转运时最佳模型召回率为 62.2%。贡献在于在该新数据集上建立基线，并为该用例下的人体紧急状况检测提供概念验证。
引用
@article{arxiv.2307.08359,
title = {Human Emergency Detection during Autonomous Hospital Transports},
author = {Andreas Zachariae and Julia Widera and Frederik Plahl and Björn Hein and Christian Wurll},
journal= {arXiv preprint arXiv:2307.08359},
year = {2025}
}
备注
Preprint of the corresponding IAS18-2023 conference publication (Proceedings of the 18th International Conference IAS-18)