Tolkbar och lättvikts fallidentifiering i ett kulturarvsgalleri med YOLOv11‑SEFA för edge‑utplacering

Varför galleriers säkerhet spelar roll

När befolkningen åldras besöker fler äldre museer och kulturarvsgallerier—vackra lokaler som aldrig konstruerades med modern säkerhetsövervakning i åtanke. Ett enkelt fall i sådana miljöer kan leda till allvarlig skada, men att dra ledningar för nya sensorer eller att ständigt övervaka kameraflöden är dyrt, integritetskränkande och ofta opraktiskt. Denna artikel undersöker ett nytt sätt att automatiskt och snabbt upptäcka fall i sådana utrymmen, med kompakt artificiell intelligens som kan köras nära kamerorna utan att översvämma internet med video eller inkräkta på besökarnas privatliv.

En svårmiljö att hålla koll på

Rochfort Gallery i North Sydney, en renoverad byggnad från 1920‑talet med högt i tak, utsmyckade ytor, blanka golv och glasmontrar, fungerar som testmiljö för arbetet. Dessa egenskaper gör platsen visuellt rik för besökare men svår för maskiner: ljus reflekteras i glas, skuggor förskjuts under dagen och publikflöden varierar. Regler för kulturarvsskydd begränsar dessutom borrning, kablage och skrymmande utrustning. Författarna framhåller att ett fallidentifieringssystem här måste vara kompakt, energieffektivt och integritetsvänligt, samtidigt som det är tillförlitligt nog för att hjälpa personal att skydda sårbara besökare.

Att lära datorer vad ett fall är

För att träna sitt system förlitade sig teamet inte på en liten iscensatt datamängd. Istället utökade de en befintlig bildsamling med tusentals ytterligare fotografier tagna i museer, gallerier och samhällscenter. Varje bild märktes som antingen en normal hållning (till exempel stående eller gående) eller en fallhållning (liggande på golvet i olika orienteringar), och bilderna togs från olika vinklar—takmonterat, sidovy och ögonhöjd—under förhållanden från dagsljus till dämpat, spotlightat ljus. De inkluderade också medvetet scener med partiell blockering av möbler eller andra besökare, liksom trånga rum, för att spegla röran och störningarna i verkliga offentliga miljöer.

En lättviktig smart övervakare vid kanten

Kärnan i systemet är ett strömlinjeformat objekt‑detektionsnätverk kallat YOLOv11‑SEFA, som analyserar varje kameraram och avgör om någon har fallit. Istället för att bygga en tyngre och mer komplex modell lägger författarna till två fokuserade justeringar i en befintlig snabb detector så att den uppmärksammar små eller delvis dolda kroppar och regionerna där en person berör golvet. Detta ökar både andelen faktiska fall som fångas och noggrannheten i avgränsningsrutorna, samtidigt som beräkningen hålls låg nog för att köras på modest utrustade "edge"‑datorer installerade i byggnaden. Tester mot flera populära alternativ visar att denna anpassade modell erbjuder en av de bästa avvägningarna mellan noggrannhet och hastighet, med endast en liten ökning av processorkraft jämfört med utgångspunkten.

Från enkla larm till graderad risk

I stället för att bara ropa "fall" eller "inget fall" går systemet ett steg längre och tilldelar varje upptäckt händelse en risknivå från 0 till 3. För detta omvandlar det den visuella detektionen till sex enkla siffror: hur mycket av bilden personen upptar, hur lutad personen är, hur långt bort personen verkar vara från kameran, hur utdragen eller tillplattad siluetten är, hur visuellt stökigt omgivningen är och hur många andra personer som är närvarande. En separat beslutsmodell, inspirerad av experters säkerhetsbedömningar, kombinerar dessa värden till fyra band: normal aktivitet, låg‑risk udda hållning, medel‑hög risk och uppenbart högriskfall. Viktigt är att författarna använder ett förklaringsverktyg för att bekräfta att modellen verkligen förlitar sig mest på hållningsrelaterade signaler, som kroppslutning och form, snarare än irrelevanta bakgrundsdetaljer.

Testning i det verkliga galleriet

Det kompletta systemet kopplar samman kameror, lokala edge‑datorer och en molntjänst i en fyralagrad pipeline. Kameror strömmar video i reducerad hastighet till kompakta maskiner på samma våningsplan, som kör fall‑detektorn och genererar aviseringar; endast korta utdrag eller värmekartöverslag skickas till molnet vid behov, vilket begränsar både bandbredd och integritetsrisk. I en 72‑timmars pilot på Rochfort Gallery bibehöll systemet svarstider på omkring en kvarts sekund även i trånga scener och gav färre än en halv falsk alarm per timme vid toppar—mest från besökare som hukar sig för att ta bilder—samtidigt som iscensatta testfall alla upptäcktes. Författarna betonar att dessa siffror kommer från en relativt kort, kontrollerad prövning, men de visar att tillvägagångssättet är tekniskt genomförbart i en krävande verklig miljö.

Vad detta betyder för framtida offentliga rum

För icke‑experter är huvudresultatet att det nu är möjligt att lägga till ett automatiskt, graderat varningslager för fall till befintliga kamerasystem i historiska gallerier och liknande offentliga byggnader utan omfattande ombyggnad eller ständig mänsklig övervakning. Genom att köra en effektiv detektor på små lokala datorer och noggrant strukturera hur resultat tolkas och delas erbjuder systemet tidiga bevis för att tekniken tyst kan stå vakt i bakgrunden—upptäcka sannolika fall, ange hur allvarliga de kan vara, och göra detta med måttlig hårdvara och hänsyn till integritet. Vidare och längre försök, samt utvidgningar till andra typer av byggnader, kommer att behövas innan det kan betraktas som en stadsomfattande säkerhetsstandard, men detta arbete skisserar en tydlig, praktisk väg i den riktningen.

Citering: Wu, S., Yang, H., Hu, Y. et al. Interpretable and lightweight fall detection in a heritage gallery using YOLOv11-SEFA for edge deployment. Sci Rep 16, 7795 (2026). https://doi.org/10.1038/s41598-026-39527-y

Nyckelord: fallidentifiering, smarta gallerier, edge‑AI, äldrars säkerhet, datorseende