根据美国劳工统计局的数据，2017年有近35万起工人因伤害影响肌肉，神经，韧带或肌腱而感染病假 - 如腕管综合症。在事件数量最多的工人中：在工厂和仓库工作的人。

当人们使用笨拙姿势或执行重复任务时，肌肉骨骼疾病会在工作中发生。这些行为随着时间的推移会对身体产生压力。因此，重要的是要指出并尽量减少危险行为，以保持工作人员的健康。

华盛顿大学的研究人员利用机器学习开发了一个新系统，可以监控工厂和仓库工人，并告诉他们他们的行为实时风险。该算法将一系列活动(例如从高架子上取下盒子，将其搬到桌子上并将其放下)分成单独的动作，然后计算与每个动作相关的风险评分。

该团队于6月26日在IEEE机器人和自动化快报上公布了结果，并将于8月23日在不列颠哥伦比亚省温哥华举行的IEEE自动化科学与工程国际会议上发表研究结果。

“现在工人可以自己进行自我评估，他们在桌子上填写日常任务，以估计他们的活动风险，”资深作者Ashis Banerjee说道，他是工业和系统工程和机械工程部门的助理教授。威斯康星大学。“但这很耗时，人们很难看到它如何直接使他们受益。现在我们已经完全自动化了整个流程。我们的计划是将其放入智能手机应用程序中，以便工作人员甚至可以监控自己并获得即时反馈“。

对于这些自我评估，人们当前使用正在执行的任务的快照。每个关节的位置得到一个分数，所有分数的总和决定了该姿势的风险程度。但是工作人员通常会针对特定任务执行一系列动作，研究人员希望他们的算法能够计算整个动作的总分。

转移到视频更准确，但它需要一种新的方法来累加分数。为了训练和测试算法，该团队创建了一个数据集，其中包含20个三分钟视频，其中包含17个在仓库或工厂中常见的活动。

“我们让人们做的任务之一就是从架子上拿起一个盒子放在桌子上，”第一作者Behnoosh Parsa说，他是一名威斯康星大学机械工程博士生。“我们想捕捉不同的场景，所以有时候他们不得不伸展手臂，扭动身体或弯腰捡东西。”

研究人员使用Microsoft Kinect摄像头捕获了他们的数据集，该摄像头录制了3D视频，使他们能够在每项任务中绘制出参与者关节发生的事情。

使用Kinect数据，该算法首先学会计算每个视频帧的风险分数。然后它进展到识别任务开始和结束的时间，以便它可以计算整个动作的风险评分。

该算法将数据集中的三个动作标记为危险行为：从高架上拾取一个盒子，并将盒子或杆放在高架子上。

现在，该团队正在开发一个应用程序，工厂工人和主管可以使用该应用程序实时监控他们日常行为的风险。该应用程序将针对中等风险的操作提供警告，并针对高风险操作发出警报。