Autism Stereotyped Behavior Detection (Spinning / Hand-Flapping) | 自闭症儿童刻板行为识别（转圈/摆手）
通过视频分析识别自闭症儿童的刻板行为，辅助康复评估。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Autism Stereotyped Behavior Detection (Spinning / Hand-Flapping) | 自闭症儿童刻板行为识别（转圈/摆手）。 它的用途是：通过视频分析识别自闭症儿童的刻板行为，辅助康复评估。 完整的 Skill 内容见：https://321skill.com/skills/autism-stereotyped-behavior-detection-spinning-hand-flapping-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘分析过去一周小明在感统教室的视频，重点识别转圈和摆手行为，并生成频率统计图表。’，它会调用摄像头数据，通过算法识别指定行为，并输出一份包含行为发生次数、时长和趋势的可视化报告，帮助康复师量化评估行为变化。
介绍
本技能旨在解决自闭症儿童康复过程中，对刻板行为难以进行客观、持续量化记录的难题。传统的观察记录方式依赖人工，易受主观因素影响，且难以捕捉行为的细微变化和频率。
该技能通过在康复机构或家庭环境中部署固定摄像头，自动采集儿童的行为视频。系统利用先进的姿态估计和时序动作检测技术，对视频进行分析，识别出如转圈（身体旋转≥360°）、摆手（手臂非功能性重复摆动）、身体摇晃（躯干有节律摆动）等典型的重复性刻板行为。
它主要适合自闭症康复机构的治疗师、特教老师，以及有自闭症儿童的家庭。康复师可以利用它来客观记录干预前后的行为数据，评估康复方案的有效性；家长则可以用于家庭环境下的日常观察和记录，为专业评估提供补充依据。
使用建议：建议在光线充足、背景相对简单的固定场景下使用，以确保视频分析质量。使用时需注意保护儿童及家庭的隐私，视频数据应进行加密存储或本地化处理。该工具作为辅助评估手段，不能替代专业医生的诊断。
核心特点
专注于自闭症康复这一垂直领域，通过结合姿态估计与时序动作检测技术，能精准识别转圈、摆手等特定刻板行为，而非通用的动作识别。
注意事项
不适合动态、复杂背景或多人大范围活动的场景，对摄像头的固定位置和视频清晰度有一定要求。
常见问题
这个技能需要专业的摄像头吗？
不需要，普通的固定摄像头即可，但需要保证画面清晰稳定。
识别出的数据如何保证隐私安全？
建议在本地部署处理视频数据，或选择提供数据加密和隐私保护的云服务方案。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/autism-stereotyped-behavior-detection-spinning-hand-flapping-x-2/raw/index.md 读取 Autism Stereotyped Behavior Detection (Spinning / Hand-Flapping) | 自闭症儿童刻板行为识别（转圈/摆手） 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/autism-stereotyped-behavior-detection-spinning-hand-flapping-x-2/raw/index.md（查看排版版本）