通过智能检测系统告别职场腰背痛

在制造业、采矿和建筑等行业，由于工作需要频繁地推、拉、提、举，工人们常常面临极高的下背部（腰背）受伤风险。仅仅在美国，每年因职场下背部受伤导致的生产力损失就超过了1000亿美元。研究表明，弯腰、扭转躯干等不正确的发力姿势是导致这些损伤的重要危险因素。

尽管许多企业制定了最佳的操作规范，但仅靠定期的培训很难让工人在日常劳作中保持正确姿势。为了解决这一痛点，这篇研究设计并开发了一套基于计算机视觉的“以人为本的活动追踪系统”。这套系统能够实时“看懂”工人的动作，并在他们姿势错误时发出隐蔽的提醒，从而构建一个更健康的职场环境。

这套系统无需工人穿戴沉重复杂的设备，而是巧妙地结合了环境传感器与日常智能设备。论文中的图1和图2清晰地展示了该系统的运转模式：

可编程视觉传感器（PVS）：系统在天花板或高处安装了如微软Kinect这样的深度传感器，作为系统的“眼睛”，用于捕捉人体的骨骼动作。

可编程穿戴设备（PWD）：同意参与追踪的工人会在手腕上佩戴一块智能手表（如Pebble智能手表）。

智能手机与计算机：一部固定放置的智能手机作为“桥梁”，通过蓝牙连接智能手表，再通过WiFi将信息传输给运行着核心追踪算法的计算机。

医院或养老院等环境中，摄像头视野里除了工人，还有许多无需被追踪的患者或家属。如果系统对所有人进行无差别追踪，将严重侵犯他人隐私。为此，研究人员设计了一套“选择性追踪”机制：工人佩戴智能手表并按下一个按钮，然后在镜头前做出一个预设的非自然手势（例如将手臂摆成“L”型）。计算机视觉系统识别到这个手势后，便会将该工人的骨骼画面与智能手表绑定，仅对这名授权工人进行追踪。如果工人在工作时短暂离开了镜头视野，每次回来都要重新摆一次“L”型手势，无疑会极大地降低工作效率。为了提升实用性，系统引入了基于生物特征的“单点登录（Single Sign-On）”机制。系统摒弃了需要凑近镜头才能识别的面部特征或指纹，转而使用一种非侵入式的生物特征：人体骨骼长度。系统会提取工人的脊椎、上下臂、大腿和小腿等身体段的长度，组合成一个独特的二维特征向量。当工人重新进入镜头视野时，系统能在零点几秒内通过骨骼长度的匹配，自动“认出”该名工人并恢复追踪，全程无需人工干预。

这套系统并非像录像机一样盲目记录，它拥有一套基于运动学规则的判断标准，能实时分辨出增加腰背受伤风险的“违规活动”。系统规定，在弯腰进行提拉动作时，背部屈曲的角度不能超过预设的安全阈值。系统严格执行“弯腰时不扭转”的规则，一旦在背部屈曲时检测到肩膀发生扭转，就会判定为违规。

论文中的图8和图9展示了系统在不同站立角度下的检测表现。传感器能够精准绘制出工人的“背部弯曲角度（Bend Angle）”和“扭转角度（Twist Angle）”曲线。一旦这些角度曲线突破了安全边界（如一边弯腰一边扭转），系统就会立刻向工人佩戴的智能手表发送震动信号，提醒他们及时纠正姿势。

为了评估系统的真实表现，研究团队在一个模拟的专业护理设施环境中，邀请了14名受试者进行了可用性研究。论文图10展示了受试者在病床前进行的几项经典高风险护理活动。这些活动包括：在床中央为患者翻身（Rolling）、在床头垫枕头（Tucking Pillow）、以及在床尾为患者穿袜子（Putting on Socks）。通过这项贴近实战的测试，研究人员获得了许多客观结论：

视觉遮挡问题可以被巧妙化解：当工人站在病床对面面向镜头操作时，病床往往会严重遮挡工人的下半身，导致系统丢失目标。但研究发现，Kinect传感器能够非常精准地从工人“背后”进行骨骼追踪。因此，在实际部署时，将传感器放置在工人身后，可以有效避开病床的遮挡。

提醒信号必须界限分明：测试中，所有14名受试者都报告了遇到“误报”的情况。经排查发现，这是因为系统在“工人重新被识别”和“检测到危险动作”时，手表发出了相同的震动模式。这表明，针对不同类型的事件，系统必须设计出截然不同的通知方式，以免在工作中对工人造成困扰。

学者介绍：赵文兵，美国克利夫兰州立大学电气与计算机工程系教授。研究主要集中在可靠分布式系统、区块链与容错计算，同时开展面向智能健康的应用研究，包括人体动作识别、计算机视觉以及人机交互相关技术。

ORCID：0000-0002-3202-1127

DOI：10.1109/THMS.2016.2611825

已收藏 0

点赞 0