נפילה חמורה יותר כשאף אחד לא רואה אותה

נפילות הן בין הסיבות המובילות למוות בתאונות בעולם. ארגון הבריאות העולמי מעריך כי הן גרמו לכ-842,000 מקרי מוות בשנת 2023, מהם 71% בקרב מבוגרים בני 60 ומעלה (עלון ארגון הבריאות העולמי על נפילות). מאחורי המספרים הללו עומד גורם שמשפיע על תוצאות כל תאונה: הזמן שעובר עד שמישהו מגיע לעזרה.

בחנות, במחסן או במרלו"ג, הזמן הזה תלוי לרוב במזל: לקוח שעובר במעבר, עמית לעבודה שחוזר להביא קרטון. מצלמה שמקליטה בלי שאף אחד מביט במסך לא משנה דבר. את הזמן הזה ניתן לקצר באמצעות ניתוח וידאו מבוסס בינה מלאכותית.


איך הבינה המלאכותית מזהה נפילה

העיקרון מבוסס על ניתוח תנוחות הגוף, ולא על זיהוי אנשים. המודל מזהה אובדן של היציבות האנכית: צללית שעוברת בבת אחת מעמידה לתנוחה על הרצפה. הוא עובד על התמונות של המצלמות שכבר מותקנות.

  • זיהוי במקום. ב-Oxania, הזרם הראשי של המצלמות מנותח באופן מקומי, על GPU ייעודי שמותקן בחנות, וזרם הווידאו נשאר באתר.
  • התראת וידאו. קטע קצר מגיע בתוך פחות מ-10 שניות לנייד, לטאבלט או למחשב, עם זום אוטומטי על האזור הרלוונטי.
  • החלטה אנושית. מי שמקבל את ההתראה צופה בקטע ומחליט מה לעשות. אדם שמתכופף כדי לקחת מוצר מהמדף התחתון אינו דורש את אותה תגובה כמו אדם שנשאר שרוע על הרצפה.

הבינה המלאכותית מזהה את הנפילה עצמה, יהיו הסיבות אשר יהיו: החלקה, מעידה או התעלפות שגורמת לאדם ליפול מפעילות אותה התראה. לעומת זאת, חוסר חולשה או התעלפות בלי נפילה אינם ניתנים לזיהוי לפי התנוחה.

ההחלטה האנושית חשובה לא פחות מהזיהוי: הטכנולוגיה מזהה, הצוות מחליט. אין זיהוי פנים ואין מעקב אחר אדם ממצלמה למצלמה, כפי שמפורט במאמר שלנו על בינה מלאכותית חזותית שמנתחת תנועות, ולא אנשים.


בחנות: לקוחות וצוותים

בשטח המכירה, לנפילות יש לרוב סיבות יומיומיות: רצפה רטובה בכניסה ביום גשום, מוצר שנשפך במעבר, מדרגה שלא סומנה היטב. הן עלולות לקרות ללקוחות מכל הגילים, ובראש ובראשונה למבוגרים, שההשלכות עבורם חמורות יותר.

בצד הצוותים, הסיכון עובר אל המחסן ואל שעות השקט: סידור מדפים גבוהים, סולם, הובלת קרטונים, פתיחה או סגירה של החנות בידי אדם אחד. התראה מיידעת אז עמית או אחראי בלי להמתין שמישהו יעבור במקום.

את התגובה מכינים מראש: מי מקבל את ההתראה לפי המשמרת, מי מגיע למקום, מי קורא לכוחות הצלה במקרה הצורך. העקרונות הם אלה של כל התראת וידאו, והם מוצגים במדריך שלנו על בניית נוהל תגובה לצוות.


מחסנים ואתרים לוגיסטיים

במחסנים מצטברים מצבי סיכון רבים: שטחים גדולים, תנועת ציוד מכני, עבודה בגובה, עובדים שלעיתים נמצאים לבדם במעבר מרוחק. ארגון העבודה הבינלאומי מעריך כי 395 מיליון עובדים בעולם סובלים מפציעות תעסוקתיות שאינן קטלניות (הערכה שפורסמה על ידי ארגון העבודה הבינלאומי).

רציפי הטעינה, מעברי ההכנה ואזורי האחסון הגבוהים הם המקומות הראשונים שכדאי לכסות. במרחבים האלה מצלמה רואה שטח גדול יותר ממה שצוות יכול לסייר בו. התראת הנפילה משלימה את אמצעי ההגנה על עובדים בודדים במקומות שבהם הם קיימים, ואינה מחליפה אותם.


מוסדות בריאות ומקומות המארחים אנשים שברירים

נפילות פוגעות קודם כול בקשישים. בחללים המשותפים של מוסד בריאות או של בית מגורים לקשישים (לובי, מסדרונות, חדרים משותפים), התראה מהירה עוזרת לצוות להתערב מוקדם יותר. הפרטיות רגישה שם עוד יותר: רק החללים המשותפים מתאימים לכך, ולעולם לא החדרים ושירותי ההיגיינה.

מה צריך להכין לפני הפעלת ההתראה

  • כיסוי אזורי הסיכון: כניסה, מעברים של מוצרים נוזליים, מחסן, רציפי אספקה. בדיקת זוויות הצילום, כפי שמתואר במאמר על הטמעת ניתוח וידאו על מצלמות קיימות, מראה מה המצלמות באמת רואות.
  • הנמענים: אדם אחד או שניים בכל משמרת, שניתן להשיג בנייד, בטאבלט או במחשב שבעמדת הקבלה.
  • יידוע האנשים המצולמים: להודיע על נוכחות המצלמות ועל השימוש בניתוח וידאו בהתאם לרגולציה המקומית, ולהיוועץ בנציגי העובדים במקום שבו החוק קובע זאת.
  • השמירה: רק קטעים הקשורים להתראה נשמרים, בשרתים הממוקמים קרוב ככל האפשר למדינת הלקוח, למשך תקופה התואמת את הרגולציה המקומית.

אותה רשת מצלמות משמשת אז לכמה שימושים: מניעת הפסדים, סטטיסטיקות לפי אזור ולפי משמרת, ביטחון אנשים. ב-Oxania, התראת הנפילה מגיעה לאותה אפליקציה שבה מגיעות שאר ההתראות, עם אותן יכולות זום ולוחות מחוונים. עבור הצוות זו התראה נוספת שצריך להכיר, ולא כלי נוסף שצריך ללמוד: המאמר שלנו על התראת נפילה בחנות והיתרון של מערכת אחת מפרט את דרך הארגון הזו.