Autism Stereotyped Behavior Detection (Spinning / Hand-Flapping) | 自闭症儿童刻板行为识别（转圈/摆手）
识别自闭症儿童刻板行为，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：识别自闭症儿童刻板行为，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-4/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
'请分析这段儿童行为视频，识别是否有转圈、摆手或摇晃的刻板行为，并统计频率和持续时间。' 它会调用姿态估计和时序检测模型，输出行为类型、时间戳、次数，并生成可视化报告或数据分析表格。
介绍
在康复机构或家庭环境中，自闭症儿童常表现出转圈、摆手、摇晃等刻板行为，传统记录依赖人工观察，主观性强且耗时。本系统通过固定摄像头持续采集视频，利用姿态估计（如OpenPose）和时序动作检测技术，自动识别并量化这些行为，包括身体旋转≥360°、手臂非功能性重复摆动、躯干前后或左右有节律晃动等，输出行为类型、发生时间、持续时长和频率统计。
使用方式：部署固定摄像头对准儿童活动区域，将视频流或录制文件输入系统。系统内部调用姿态估计模型提取关键点，再通过时序分析（如I3D或SlowFast）检测刻板动作片段，最终生成结构化报告或可视化热力图，可导出为CSV或JSON格式。支持实时监控和离线批量分析两种模式。
适合人群：康复师、特教老师、自闭症儿童家长，以及从事儿童行为研究的高校学生和学术研究者。康复师可用它客观记录行为变化趋势，评估干预效果；家长可在家中部署，长期追踪孩子行为改善情况；研究者可批量处理视频数据，分析行为模式与干预策略的关联。
使用建议：确保摄像头固定且视角完整覆盖儿童活动区域，避免遮挡或光照过暗。系统识别结果仅供参考，不能替代专业医疗诊断。建议定期校准模型参数以适应不同儿童体型和动作幅度。注意保护儿童隐私，视频数据应本地存储或加密传输。
核心特点
专注于自闭症儿童典型刻板行为（转圈、摆手、摇晃），使用姿态估计和时序动作检测，而非通用行为识别，可量化行为频率和持续时间，辅助康复干预效果评估。
注意事项
不适用于户外场景或摄像头角度不佳的情况，不能替代专业医疗诊断，对行为变体（如半圈旋转）识别可能不准确。
常见问题
系统能识别哪些刻板行为？
目前支持转圈（身体旋转≥360°）、摆手（手臂非功能性重复摆动）、摇晃（躯干前后或左右有节律摆动）三种主要行为，后续可扩展。
需要什么硬件设备？
建议使用分辨率≥720p的固定摄像头，如家用监控摄像头或USB摄像头，计算机需配备GPU（如NVIDIA GTX 1060以上）以加速推理。
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-4/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-4/raw/index.md（查看排版版本）