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

• arxiv url: http://arxiv.org/abs/2605.22904v1
• Date: Thu, 21 May 2026 17:45:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.03717
• Title: Suicide Risk Assessment from AI-powered Video Surveillance: An Interpretable Framework for Prevention in Metro Stations
• Title（参考訳）: AIを利用したビデオサーベイランスによる自殺リスク評価:地下鉄駅における予防のための解釈可能な枠組み
• Authors: Safwen Naimi, Wassim Bouachir, Guillaume-Alexandre Bilodeau, Brian Mishara,
• Abstract要約: 我々は、地下鉄駅における自殺リスクアセスメント(SRA)のタスクを形式化し、この課題に対処する最初の解釈可能な枠組みを導入する。 孤立したサブタスクに焦点を当てたり、直接意図を推測しようとするアプローチとは異なり、我々の定式化は蓄積された証拠から自殺リスクを評価する。 この研究は、自殺リスク評価の複雑さを強調し、社会的善のための解釈可能なAIシステムの研究のための新たな方向性を開く。
• 参考スコア（独自算出の注目度）: 7.595559146358305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding and monitoring human behavior in metro stations play an important role in supporting suicide prevention efforts, where early identification of high-risk situations can enable timely intervention. This requires assessing suicide risk from a surveillance video by jointly reasoning about the behavior of each passenger, his/her spatial context, and temporal dynamics. However, this assessment using videos captured by surveillance cameras is challenging, as it demands accurate perception of human motion, understanding of platform geometry, and aggregation of heterogeneous behavioral cues over time. In this work, we formalize the task of Suicide Risk Assessment (SRA) in metro stations and introduce the first interpretable framework that addresses this challenge. Unlike approaches that focus on isolated subtasks or attempt to infer intent directly, our formulation assesses suicide risk from accumulated evidence by incorporating person tracking, activity recognition, semantic segmentation of the platform, and trajectory-driven risk heatmap modeling. By formalizing SRA as a distinct task and benchmarking a complete operational pipeline achieving 83.2% ROC-AUC on real surveillance data, this work highlights the complexity of suicide risk assessment and opens new directions for research on interpretable AI systems for social good.
• Abstract（参考訳）: 地下鉄駅における人間行動の理解とモニタリングは,早期に高リスク状況の認識がタイムリーな介入を可能にする自殺予防活動を支援する上で重要な役割を担っている。 これは、各乗客の行動、その空間的状況、時間的ダイナミクスを共同で推論することで、監視ビデオから自殺リスクを評価する必要がある。 しかし、監視カメラが捉えたビデオを用いたこの評価は、人間の動きの正確な認識、プラットフォーム形状の理解、時間とともに異質な行動手段の集約を必要とするため、難しい。 本研究では、地下鉄駅における自殺リスクアセスメント(SRA)のタスクを形式化し、この課題に対処する最初の解釈可能な枠組みを導入する。 個人追跡,活動認識,プラットフォームのセマンティックセグメンテーション,軌道駆動型リスクヒートマップモデリングを組み込むことで,個別のサブタスクに焦点をあてたり,直接意図を推測しようとするアプローチとは違って,蓄積された証拠から自殺リスクを評価する。 SRAを独立したタスクとして形式化し、実際の監視データに基づいて83.2%のLOC-AUCを達成する完全な運用パイプラインをベンチマークすることにより、自殺リスク評価の複雑さを強調し、社会的善のための解釈可能なAIシステムの研究のための新たな方向性を開く。

関連論文リスト

• Emergent Strategic Reasoning Risks in AI: A Taxonomy-Driven Evaluation Framework [63.74295981594549]
  大規模言語モデル(LLM)は、自身の目的を達成する行動に関与している。 これには、詐欺(故意に誤解を招くユーザや評価者)、評価ゲーム(安全テスト中のパフォーマンスを戦略的に操作する)、報酬ハッキングなどが含まれる。 自動行動リスク評価のための分類駆動型エージェントフレームワークであるESRRSimを紹介する。
  論文  参考訳（メタデータ） (2026-04-23T23:44:01Z)
• HomeGuard: VLM-based Embodied Safeguard for Identifying Contextual Risk in Household Task [42.665798473119516]
  CG-CoT(Context-Guided Chain-of-Thought)を特徴とするアーキテクチャ非依存型セーフガードを提案する。 CG-CoTは、リスクアセスメントをアクティブな知覚に分解し、相互作用対象や関連する空間近傍への注意を順次固定する。 実験により、我々のモデルであるHomeGuardは安全性を大幅に向上し、ベースモデルと比較してリスクマッチ率を30%以上改善することが示された。
  論文  参考訳（メタデータ） (2026-03-15T13:09:43Z)
• AURA: Development and Validation of an Augmented Unplanned Removal Alert System using Synthetic ICU Videos [1.8993428741072542]
  集中治療室 (ICUs) における非計画的外挿 (UE) の重要性 AURA(Augmented Unplanned removal Alert)は、完全に合成されたビデオデータセットに基づいて開発・検証された視覚ベースのリスク検出システムである。
  論文  参考訳（メタデータ） (2025-11-15T14:52:37Z)
• RADAR: A Risk-Aware Dynamic Multi-Agent Framework for LLM Safety Evaluation via Role-Specialized Collaboration [81.38705556267917]
  大規模言語モデル(LLM)の既存の安全性評価手法は、固有の制約に悩まされている。 リスク概念空間を再構築する理論的枠組みを導入する。 マルチエージェント協調評価フレームワークRADARを提案する。
  論文  参考訳（メタデータ） (2025-09-28T09:35:32Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• InSight-R: A Framework for Risk-informed Human Failure Event Identification and Interface-Induced Risk Assessment Driven by AutoGraph [9.484700902829578]
  原子力などの安全上重要な領域では、人間の信頼性が重要な問題となっている。 現在の手法は、人間の失敗事象(HFE)を特定し、パフォーマンスに影響する要因(PIF)を割り当てる専門家の判断に大きく依存している。 本研究では,オートグラフ(InSight-R)によるリスク情報に基づくヒューマン障害事象識別とインターフェースリスク評価のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-28T02:04:06Z)
• A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time [1.0124625066746595]
  本研究では,歩行者の潜在的なリスクをリアルタイムに評価するために,コンピュータビジョン技術と予測モデルを用いたフレームワークを開発した。 P-PET(Predicted Post-Encroachment Time)は、交差点で歩行者や車両が到着する時刻を予測できるディープラーニングモデルから派生した、予測後時間(Predicted Post-Encroachment Time)である。
  論文  参考訳（メタデータ） (2024-04-24T04:10:05Z)
• Analyzing vehicle pedestrian interactions combining data cube structure and predictive collision risk estimation model [5.73658856166614]
  本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。 本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
  論文  参考訳（メタデータ） (2021-07-26T23:00:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。