摘要：该数据集是一个面向中风康复姿势识别、代偿性运动检测与机器人辅助康复评估构建的三维人体姿态数据集。
数据集概述
该数据集是一个面向中风康复姿势识别、代偿性运动检测与机器人辅助康复评估构建的三维人体姿态数据集。数据采集对象包括 10 名健康参与者和 9 名中风患者，共 19 名参与者，受试者在使用上肢中风康复机器人完成一系列坐姿康复任务时，通过 Microsoft Kinect 传感器记录人体三维关节运动信息。数据集的主要研究目标是自动识别康复训练中的异常或代偿性姿势，例如躯干旋转、身体前倾和肩部抬高等，从而帮助患者减少使用非目标肌肉和关节完成动作的情况，提高康复训练的有效性。
数据结构与关键特征
数据集按照参与者编号进行组织，其中 H01～H10 对应健康参与者，P01～P09 对应中风患者。每名参与者包含多种康复动作与代偿方式组合的数据目录，例如前后伸展、左右伸展、身体前倾、肩部抬高以及躯干旋转等。每个动作目录中主要包含 Joint_Positions.csv 和标签文件，其中 Joint_Positions.csv 保存 Kinect 获取的三维人体骨骼关节坐标。每一时刻由一个 25×3 的矩阵表示，25 行对应 Kinect 定义的 25 个身体关节，3 列分别表示关节在三维世界坐标系中的空间位置。连续矩阵按时间顺序垂直堆叠，从而形成完整的三维人体运动序列。健康参与者还额外执行了预先设计的模拟代偿动作，健康人与中风患者的代偿行为均由 两名专家进行标注，同时数据集中还包含相关临床评估评分，为姿势特征与患者功能状态之间的关联研究提供依据。
应用价值与研究方向
该数据集适用于中风康复姿势识别、代偿动作检测、三维人体姿态分析、机器人辅助康复监测以及临床动作质量评估等研究方向。可以从 Kinect 三维骨骼数据中提取关节角度、关节距离、躯干倾斜程度、肩部高度差和人体运动轨迹等特征，并采用 Random Forest、SVM、XGBoost 等传统机器学习算法进行分类；也可以使用 LSTM、GRU、TCN、Transformer、GCN 或 ST-GCN 等时序与骨骼图神经网络直接分析三维关节序列。进一步还可以研究正确姿势与代偿姿势自动判别、患者康复进度评估、跨个体泛化、临床评分预测以及实时姿势纠正反馈，为智能中风康复机器人、远程康复和临床辅助评估系统提供数据支持。
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-812
文件大小：110M
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)