摘要：面向家庭物理治疗、康复动作识别与远程康复评估研究构建的视频数据集，主要用于训练和评估基于深度学习的自动化康复动作分析模型。
数据集概述
面向家庭物理治疗、康复动作识别与远程康复评估研究构建的视频数据集，主要用于训练和评估基于深度学习的自动化康复动作分析模型。数据集视频采用普通智能手机在真实家庭环境中采集，包含自然光照变化、不同拍摄角度以及复杂背景等实际因素，更接近居家远程康复场景，可用于研究模型在非受控环境下的鲁棒性与泛化能力。
数据结构与关键特征
数据集包含 9 类物理治疗与康复训练动作，涵盖踝关节、肩关节、手臂、腕部及颈部等多个身体部位。其中包括双侧踝跖屈，以及手臂环绕、球体按压、跨体肩部拉伸、等长旋转、等长侧屈、肩外展、肩屈曲和腕伸展拉伸等动作。对于单侧动作，数据进一步按照 Left / Right 区分左右侧。数据目录按照动作类别组织，包括 Arm_Circumduction、Shoulder_Abduction、Shoulder_Flexion、Wrist-extension-stretch、ankle、ballpress、cross-body_shoulder_stretch、isoetric_rotation 和 isoetric_side_bending 等类别，同时提供 blur augment 模糊增强版本，可用于提升模型面对视频质量变化时的鲁棒性。
应用价值与研究方向
该数据集适用于人体动作识别、康复动作分类、姿态估计、运动质量评估、动作规范性检测和智能远程康复系统等研究方向。研究者可以结合 CNN、3D CNN、LSTM、Transformer、Video Swin Transformer 或人体骨架关键点模型，对康复动作进行自动识别，并进一步研究左右肢体动作区分、动作完成度评价、异常姿态检测及患者康复进展分析。由于视频采集于真实家庭环境，该数据集尤其适合用于开发具有实际部署能力的AI 居家康复监测与远程理疗辅助系统。
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-814
文件大小：49G
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。
评论(0)