3DKinect瑜伽拉伸动作全身关节数据集-dasmehdixtr
数据来源：互联网公开数据
标签：Kinect, 3D, 姿态识别, 瑜伽, 拉伸, 骨骼数据, 运动分析, 人体姿态, 康复, 健身
数据概述：
本数据集包含由Kinect V2传感器采集的3D全身关节数据，用于研究瑜伽拉伸动作。数据以60帧/秒的速度记录，涵盖了6种不同的瑜伽拉伸动作，每个动作有10次重复，总共有541个文件。每个文件包含25个身体关节的位置和速度信息，这些关节包括：头部、颈部、肩部脊椎、中部脊椎、底部脊椎、右肩、左肩、右髋、左髋、右肘、右腕、右手、右手尖、右拇指、左肘、左腕、左手、左手尖、左拇指、右膝、右踝、右脚、左膝、左踝、左脚。
每个动作的数据被存储在单独的文件夹中，文件夹以“受试者编号_动作名称_试验编号”的格式命名。受试者编号范围从0到8，动作名称包括：美人鱼式（Mermaid）、坐姿（Seated）、相扑式（Sumo）、毛巾式（Towel）、墙式（Wall）、Y式（Y）。试验编号范围从0到9，代表重复次数。坐标系的原点位于受试者的上胸部中心。
数据采集时的标准化条件包括：Kinect放置高度为2英尺3英寸；受试者与摄像头保持6.5英尺的固定距离，胸部朝向摄像头；每个参与者在继续下一个动作之前，完成每个拉伸动作的10次重复。
数据采集前，数据预处理包括：使用离散导数方程计算速度数据，帧间距为5帧，以降低速度函数的敏感度。计算适用于所有身体部位和所有轴。
数据来自以下人群：年龄18-21岁的成年人，女性4人，男性5人。
数据用途概述：
该数据集适用于人体姿态识别、运动分析、康复理疗研究、健身动作评估等多种场景。研究人员可以利用该数据开发新的姿态识别算法，分析瑜伽动作的生物力学特征；康复师可以利用该数据评估患者的运动恢复情况；健身爱好者可以利用该数据进行动作纠正和效果评估。此外，该数据集也适合用于教育和研究，帮助理解人体运动规律和开发相关应用。
