人类活动的多感官分析用于功能限制的诊断和早期检测 (EYEFUL)

病理引起的身体和认知变化会恶化个人的功能能力，使其更难以进行日常生活活动（ADL）并导致依赖性和/或残疾。 有标准化的观察测试用于对基本或工具性 ADL 的功能限制程度进行临床评估（例如，评估运动和过程技能 - AMPS）。 另一方面，所有这些测试都存在评估者在分析中的主观性问题。 测试中评估者的存在可能会影响受试者执行 ADL 的方式。

该项目的目标是开发一种方法来设计、实施和验证功能限制的自动临床测试，即：1）提供具有临床有效性的客观评估，2）消除由于物理存在而对测试执行造成的干扰评估者。 人类评估者的主观性将被自动系统所取代，该系统在用户功能评估期间从环境中提取多模式（即多感官）信息。 具体包括音频、视频和深度传感器以及从被测对象可能携带的可穿戴传感器收集的信息。 客观评估还将提供线索，根据受试者的临床病史，可用于早期发现局限性。

文献中尚未系统地解决这个问题。 因此，该项目是自动化系统开发和临床验证的第一个解决方案，可以对观察测试进行客观评估。 然后，将在 URJC 设施中经过调整的真实环境（配备足够的电子传感器）中进行功能限制的临床评估。

EYEFUL-URJC子项目在自动评估工具的方法学设计和临床验证中发挥着关键作用。 他们还将对正常受试者和患者进行实际测试，将当前工具（如 AMPS）的输出与为该项目开发的评估工具的输出进行比较。 为了从视频、深度、音频和其他传感器中提取相关特征，该项目利用了EYEFUL-UPM和EYEFUL-UAH在智能空间中自动感知人类活动的研究经验。 EYEFUL-UPM 子项目专注于分析受试者面部、头部姿势、注视以及面部标志的精确 3D 对齐，从而能够估计适用于不同测试的面部属性（即注意力集中、是否存在疼痛、困惑） 、恐惧等）。 EYEFUL-UAH 子项目通过深度和视频传感器集中分析用户的全身活动以及她/他与物体的交互，并集成音频和可穿戴设备的数据以自动评估被评估人员的功能能力。 三个协调小组以跨学科的方式处理该项目，在整个开发过程中，他们之间都有强烈的反馈要求。 鉴于任务的严格临床要求，这种密切的互动对于确保技术开发的充分关注至关重要。