高齢者の転倒は世界的な公衆衛生問題であるが、継続的なビデオ監視はプライバシー、計算リソース、帯域幅の制約により大規模な展開が難しい。従来の手法は教師あり姿勢推定に依存しており、解剖学的に解釈可能である一方、遮蔽や身体の部分的可視性に脆弱である。これらの問題に対処するため、研究者らは新たなプライバシー保護フレームワークを提案した。これは教師なしキーポイントと予測的時系列モデリングを活用し、すべての視覚処理をローカルデバイスで完了させ、RGB画像ではなくコンパクトな動作表現のみを転送することで、検出精度を維持しつつ帯域幅要件を大幅に削減する。
フレームワークの核心は、まずローカルで前景分割とキーポイント抽出を行い、その後変分再帰予測モデルを用いて観測および予測された動作系列を分類することにある。研究チームはUR Fall DetectionとHuman Fallの2つの公開データセットを用い、ランダム分割、被験者別分割、遮蔽ベース分割の3つの評価プロトコルで、教師ありと教師なしのキーポイント表現を系統的に比較した。
実験結果によれば、ランダム分割では両表現に有意差は見られず、標準的な評価プロトコルが実世界の重要な差異を隠蔽している可能性が示唆された。被験者別分割では教師ありキーポイントが統計的に優位だったが、その性能は解剖学的ランドマークの可視性に大きく依存した。一方、教師なしキーポイントは遮蔽や部分的な可視性に対してより頑健であり、複雑な活動においては誤検出が増えるものの、その利点が明らかになった。最も顕著な結果は遮蔽ベースの評価で得られた。教師ありキーポイントは転倒の半数近くを見逃したのに対し、教師なしキーポイントは高い感度を維持し、大幅に優れた性能を示した。これは教師なしキーポイントが固定された解剖学的位置に依存せず、可視的な身体構造に応じて空間アンカーを適応させるためである。さらに帯域制限（通信データ量の圧縮）を導入すると、教師ありの位置推定誤差が時系列モデルを通じて蓄積され性能が急激に低下したが、教師なし手法ではその差がさらに拡大した。
本研究は、転倒検知システムの表現学習戦略は想定される視覚条件に応じて選択されるべきであることを強調する。特にカメラが部分的に遮蔽されたり、高齢者の身体が一部しか見えない現実の展開シナリオでは、教師なしキーポイントはより信頼性が高くプライバシーに配慮した選択肢を提供する。今後の課題として、教師なし手法の誤検出率の低減や、エッジデバイスとの統合の最適化が挙げられる。