基于步态分析的跌倒风险预测数据集-MMU-FRiP-2024-limzhekhae1008
数据来源：互联网公开数据
标签：步态分析,跌倒风险,人体姿态估计,计算机视觉,康复医学,步态特征,JHFRAT,老年健康
数据概述：
本数据集MMU-FRiP（MMU-Fall Risk Prediction，MMU-跌倒风险预测）旨在通过步态分析预测人类跌倒风险。数据集利用无标记运动捕捉技术和计算机视觉中的人体姿态估计（HPE，Human Pose Estimation）技术，从原始视频中提取受试者的步态特征。数据集包含25名受试者，涵盖不同性别、种族和年龄组（4名女性和21名男性）。年龄分布包括19名年龄在20-35岁之间，2名年龄在50-59岁之间，以及4名年龄在60岁及以上的受试者。
所有受试者均接受了TUG（Timed Up and Go Test，起立行走测试）测试，测试过程使用两台摄像机以每秒30帧、1080p分辨率、16:9比例从正面和侧面进行拍摄。测试结束后，受试者填写JHFRAT（Johns Hopkins Fall Risk Assessment Tool，约翰·霍普金斯跌倒风险评估工具）问卷，以评估其跌倒风险。根据JHFRAT评估结果，25名受试者中有4名被判定为中等跌倒风险，其余为低风险。
使用AlphaPose软件提取了受试者的关键点，关键点数据以JSON文件格式存储，方便访问。使用Halpe全身人体模型（Halpe Full-Body Human model）提取了26个关键点。
数据集包含一个名为"gait_JHFRAT.csv"的CSV文件，其中包含了25名受试者的步态数据及其JHFRAT评估结果。JHFRAT调查列中的空值表示“无”。
数据用途概述：
该数据集适用于跌倒风险预测模型开发、步态分析研究、康复医学研究以及老年人健康评估等多种场景。研究人员可以利用该数据研究步态特征与跌倒风险之间的关系，开发基于步态分析的跌倒风险预测模型；康复治疗师可以利用该数据评估康复治疗效果；老年医学专家可以利用该数据进行老年人健康状况评估和风险预警。此外，该数据集也适合用于机器学习算法的训练和测试，以及相关领域的学术研究。
