大学篮球伤病监测数据集

摘要：大学篮球伤病监测数据集是一个面向大学篮球运动员运动损伤风险分析、姿态估计与智能健康监测研究的视觉运动数据集，主要用于探索篮球运动过程中人体动作模式与潜在损伤风险之间的关系。

数据集概述

大学篮球伤病监测数据集是一个面向大学篮球运动员运动损伤风险分析、姿态估计与智能健康监测研究的视觉运动数据集，主要用于探索篮球运动过程中人体动作模式与潜在损伤风险之间的关系。该数据集来源于 256次室内篮球训练课程，包含从训练视频中提取的 362张高分辨率帧级图像，同时提供一个完整视频文件 basketball.mp4。训练场景覆盖跳跃、落地、冲刺、急停和变向等篮球运动中的典型高强度动作，可用于捕捉运动员不同阶段的身体姿态与关节运动状态，为运动生物力学分析和基于人工智能的伤病预防研究提供视觉数据基础。

数据结构与关键特征

该数据集主要由篮球训练图像序列和视频数据构成，其中帧级图像能够记录运动员在特定运动时刻的身体姿态，视频则保留连续动作过程中的时间信息。关键视觉特征包括人体骨骼关键点、髋关节与膝关节角度、踝关节运动、躯干倾斜程度、四肢位置以及关节运动轨迹等，可用于分析跳跃起跳、落地缓冲、横向移动和快速变向过程中的动作稳定性。通过姿态估计算法，可以进一步提取膝外翻、左右肢体不对称、关节活动范围、落地姿势和动态平衡等生物力学指标，并结合连续视频计算运动速度、轨迹变化和动作时序特征，为伤病风险评价提供量化依据。

应用价值与研究方向

该数据集适用于体育人工智能、运动医学、计算机视觉和运动生物力学等领域，可开展人体姿态估计、人类活动识别、篮球动作分析和运动损伤风险预测等研究。研究人员可以采用 OpenPose、MediaPipe、YOLO-Pose、HRNet 等方法提取人体关键点，并结合 LSTM、TCN、Transformer 等时序模型分析连续动作中的关节轨迹和姿态变化。进一步可研究篮球运动员落地损伤风险检测、膝关节异常姿态识别、运动疲劳与动作稳定性分析、个体化训练动作评估以及实时伤病预警系统，为教练训练决策、运动员健康管理和大学篮球运动损伤预防提供技术支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-430
文件大小：13M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。