%0 Journal Article %1 daiidentification %A Dai, Fei %A Ning, Xiaopeng %D 2013? %K CP CTD DET HA IB MSD PA PREC REC RGB WA WE WP WR %T Identification of Construction Cumulative Trauma Disorders: A Machine Vision Approach %X Cumulative trauma disorders (CTDs) are a leading cause of disability which generates huge direct and indirect costs in the construction industry. Existing efforts identify the risk of CTDs through survey or observatory studies which are subjective and expensive. This paper attempts to automatically identify the risk of CTDs on construction sites with the aid of a video surveillance system. Specific emphasis is placed on low back disorders (LBDs) which is one of the major work­related CTDs. To this end, a risk identification method is proposed based on location changes of region of interests in the resulting video streams at minimum supervision. It is used to detect repetitive trunk flexion­extension motions, awkward trunk postures, and assess risk of job­related LBDs. Preliminary experimental analysis on lab datasets demonstrates the promise of the proposed method.

@article{daiidentification, abstract = { Cumulative trauma disorders (CTDs) are a leading cause of disability which generates huge direct and indirect costs in the construction industry. Existing efforts identify the risk of CTDs through survey or observatory studies which are subjective and expensive. This paper attempts to automatically identify the risk of CTDs on construction sites with the aid of a video surveillance system. Specific emphasis is placed on low back disorders (LBDs) which is one of the major work­related CTDs. To this end, a risk identification method is proposed based on location changes of region of interests in the resulting video streams at minimum supervision. It is used to detect repetitive trunk flexion­extension motions, awkward trunk postures, and assess risk of job­related LBDs. Preliminary experimental analysis on lab datasets demonstrates the promise of the proposed method.}, added-at = {2013-12-04T14:05:18.000+0100}, author = {Dai, Fei and Ning, Xiaopeng}, biburl = {https://www.bibsonomy.org/bibtex/290965ff021a796dd8c7cac45dee4ceb7/leandromaf}, description = {MUY BUENA REFERENCIA Y TRABAJO PREVIO ESTE trabajo tendria que intentar reproducir!!!! LEER para la parte de ERgonomia y related work, todos los antecedentes y las referencias, en especial las marcadas En el paso 6 (risk asessment) hay un ejemplo concreto de como evaluan el riesgo, y en tareas relcionadas al levantamiento con problemas de la espalda (lowback disorders LBD) !!!! En este trabajo presentan tecnicas preliminares para lograr identificar riesgos de CTD (aka MSD) , especificamente Low Back Disorders (LDBs), en sitios de trabajo de la construcción aplicando técnicas de vision computacional a videos rgb de vigilancia y mediante el desarrollo y aplicación de un modelo biomecánico. El approach en general presenta un worklfow con los siguientes pasos : 1-Detección atomática de movimiento del cuerpo humano de trabajadores de la construcción: realizado con un algoritmo de CV que ejecuta los pasos de : inicializacion , tracking , y estimación de la pose (ya lo tendria cubierto) 2-Reconstrucción de la vista: se estiman las posiciones 3D de las articulaciones a partir de su ubicación 2D (ya lo tendria cubierto) 3-Extracción de datos ergonímicos: ubicacion 3d de articulaciones, angulo de flexion del tronco, centros de masa (COM) de los segmentos del cuerpo , velocidad linear y angular, aceleracion de los COM. 4-Determinación del momento de la articulacion lumbar : segun una ecuacion (y la ecuacion?? no esta en el trabajo??) 5-Estimación de la carga de la articulación lumbar: se estima la compresion de la articulación lumbosacral y las shera forces. Para eso se osaron modelos de optimización desarrollados que usan información antroprometrica y kinemática. 6-Evaluación de riesgo: se evalua el riesgo a corto y largo plazo de LBD (ampliar por que esta bueno para aplicarlo o usar las referencias) Se desarrollaron experimentos para validar la performance de la estimaacion de la pose realizando movimientos de inclincación de distintas formas y con distintos angulos. Se uso un metodo implementado en matlab usando un algortimo conocido. Los resultados fueron bastante buenos . }, interhash = {5cc04170e2a0c52eaaa9689507d17f80}, intrahash = {90965ff021a796dd8c7cac45dee4ceb7}, keywords = {CP CTD DET HA IB MSD PA PREC REC RGB WA WE WP WR}, timestamp = {2013-12-04T14:07:43.000+0100}, title = {Identification of Construction Cumulative Trauma Disorders: A Machine Vision Approach}, year = {2013?} }