自闭症儿童刻板行为识别（转圈/摆手）

行为监测的量化痛点

在自闭症康复与家庭干预场景中，转圈、摆手、摇晃等刻板行为的发生频次和持续时间是评估干预效果的关键指标。然而，依赖康复师或家长肉眼观看监控视频并手动记录，不仅耗时耗力，且主观性强，难以实现长时间、连续化的客观数据追踪。

视觉分析与事件统计机制

该技能基于固定摄像头视角，将行为视频转化为结构化数据，核心处理流水线包含以下步骤：

• 姿态提取：通过人体检测与跟踪定位目标，提取 2D/3D 姿态关键点。
• 时序分类：利用动作分类模型识别 spinning、hand_flapping、body_rocking 等具体行为。
• 事件统计：进行事件级去重与起止时间切分，计算频次（次/小时）和累计时长。

系统支持通过 --input 传入本地 mp4/avi/mov 文件或 --url 传入网络地址。分析完成后，自动识别主导行为类别。结合 --list 参数调用云端接口，还能拉取 7-14 天的历史基线数据，生成趋势对比报告。

应用边界与工程注意点

该工具仅输出基于视觉的客观行为统计，不提供自闭症医学诊断，也不替代 ADOS-2 等专业临床量表评估。在工程落地时需注意：复杂背景、多儿童同框或光线遮挡可能导致误识别，建议定期抽样复核；涉及未成年人视频需严格遵守隐私合规要求，优先采用骨架化模式处理。