康复评估为什么需要更自然、更高频的动作数据？

核心观点： 康复评估真正需要的，不是把一次动作测得“看起来很精确”，而是在明确的功能任务、测量模型和误差边界下，持续获得能够比较的数据。无标记动作捕捉减少贴点和穿戴对受试者及流程的干扰，使步态、坐站转换、平衡、触达等动作更容易被重复采集；多相机三维重建、实时质量检查、采后高精度处理和多模态同步，则让这些自然动作有机会进入专业分析。它的核心价值不是自动给出临床结论，而是把康复评估从少量时间点和结果评分，扩展为可追踪动作策略、可识别代偿、可观察纵向变化的数据工作流。

在康复评估中，我们经常面对一个比“动作是否完成”更重要的问题：受试者究竟是怎样完成这个动作的？

同样是10秒内完成五次坐站，一位受试者可能恢复了患侧髋膝伸展能力，另一位则可能通过加大躯干前倾、依赖健侧或借助手臂完成；同样是步速提高，可能来自步长和节律改善，也可能伴随支撑时间缩短、躯干摆动增加或稳定性下降；同样能够把手伸向目标，肩、肘和躯干之间的协调策略也可能完全不同。

时间、距离、次数和量表分数告诉我们“结果如何”，身体各节段随时间变化的数据则帮助我们理解“结果是如何产生的”。

这也是我们重新审视动作捕捉的原因。康复团队需要的不只是实验室里一次高规格测量，而是一种能够在较少干扰下反复使用、覆盖完整动作过程，并与既有临床和研究方法共同工作的数据工具。

无标记动作捕捉的意义，正是在这里开始显现。

一、康复评估不能只看损伤，还要看人在任务中如何行动

世界卫生组织的《国际功能、残疾和健康分类》（ICF）将健康状态放在身体功能与结构、活动、参与及环境因素的关系中理解。对康复工作来说，这意味着评估不能只停留在某块肌肉力量或某个关节活动度，也需要观察一个人能否完成实际任务，以及完成任务时采用了怎样的策略。

因此，一套完整的康复评估通常包含不同层级的信息：

- 身体功能与结构层面：肌力、肌张力、关节活动范围、疼痛、感觉及神经肌肉控制；

- 活动层面：步行、坐站转换、上下台阶、平衡、触达、抓取和转身；

- 参与层面：能否回到家庭、工作、学习和社会活动；

- 环境与个体因素：辅助器具、场地、疲劳、恐惧、任务熟悉度和生活方式。

动作捕捉主要提供身体功能和活动层面的运动学信息。它不能独立描述疼痛体验、生活参与或康复目标，却能把肉眼难以稳定记录的动作过程转化为可量化轨迹。

例如，五次坐站测试通常以完成时间作为结果，但三维运动数据还可以分析每次起身的阶段、躯干前倾角度、髋膝伸展时序、左右侧动作差异和重复间波动。10米步行测试给出步速，多步三维数据则能够补充步长、步频、支撑—摆动比例、骨盆和躯干运动以及关节角度随步态周期的变化。

从这个角度看，动作捕捉不是另一套孤立的评分工具，而是把功能任务内部的运动过程展开。它与量表、计时测试、患者报告结局和专业观察共同构成对功能变化的理解。

二、一次评估只是一个时间切片，康复需要的是变化曲线

康复过程具有明显的时间属性。

疼痛、疲劳、药物状态、治疗阶段、学习效应和心理预期，都可能影响同一天甚至同一小时内的动作表现。只比较治疗前与治疗后两个时间点，很难判断变化从何时开始、是否持续，以及某次测量是否只是偶然波动。

更高频的评估能够回答更多问题：

- 功能改善是逐步发生，还是在某个训练阶段后出现；

- 步态或动作范围的变化是否连续，还是只在一次测试中出现；

- 训练强度调整后，动作策略是否同步改变；

- 疲劳是否使稳定性、对称性或代偿模式发生变化；

- 某个指标是否进入平台期，是否需要重新审视训练目标；

- 受试者的平均表现是否提高，同时波动是否减小。

这里的“高频”有两层含义。

第一层是采样频率，也就是系统每秒获得多少帧。它决定动作时间分辨率，对快速摆动、着地、转身和实时反馈很重要。

第二层是评估频率，即同一受试者能否在一个疗程内接受更多次标准化测量。对纵向康复而言，这一层往往更重要。只有准备负担足够低、采集流程足够稳定，动作测量才可能从阶段性专项检查变成日常或高频随访工具。

无标记动捕同时作用于这两个层面：高帧率支持对动作过程的细致采样，无需贴点和穿戴则降低重复评估的流程成本。

三、为什么“自然动作”不是体验问题，而是测量问题

任何测量都会在一定程度上影响被测对象。

标记式光学动捕通常需要识别解剖标志、粘贴反光点，并让受试者穿着便于观察标记点的服装。惯性动捕需要在身体节段固定传感器并完成姿态校准。对健康成人来说，这些操作可能只是准备时间；对儿童、老年人、疼痛患者、脑卒中或脑瘫人群而言，穿戴、等待、暴露身体标志和重复摆位本身就可能改变疲劳、配合度和动作策略。

标记式光学系统仍然具有成熟的方法积累，尤其适合需要高精度标记点轨迹、刚体和标准实验室协议的研究。但其数据也并非直接等于骨骼真实运动：标记点位于皮肤表面，会受到软组织相对骨骼运动的影响；标记点定位还可能存在操作员间差异。

惯性测量单元具有可穿戴、便携和不依赖固定摄像空间的优势，适合部分场外或连续监测任务；与此同时，它需要稳定固定于身体节段，结果受到安装方向、校准、磁环境和积分漂移影响，绝对位置通常也需要其他传感信息补充。

无标记动捕用同步视频和人体姿态算法估计身体结构，不需要在人体表面粘贴标记点或固定惯性传感器。对康复评估而言，这种变化的价值包括：

- 降低受试者进入测试状态的身体与心理负担；

- 减少穿戴设备对动作范围、触觉和自然节律的影响；

- 缩短重复试次与不同受试者之间的转换时间；

- 让日常服装或康复训练服下的功能动作更容易被观察；

- 为儿童、老年人和行动受限人群提供更友好的采集方式。

当然，我们所说的自然采集，并不是取消实验控制，而是在保留必要标准化的同时，尽量减少测量工具对动作本身的改变。

四、无标记动捕真正改善的是整条评估流程

如果只是把贴点系统换成摄像头，而采集、质检、处理和分析仍然彼此割裂，工作流并没有真正改变。

从康复团队的角度，我们更看重以下连续过程。

1. 用评估问题决定采集协议

先明确目标是步态时空参数、下肢三维运动学、坐站策略、平衡反应，还是上肢触达。随后确定动作说明、重复次数、速度条件、辅助器具、服装、捕捉区域和外部设备。

2. 建立固定、可重复的空间条件

多相机系统需要完成相机安装、视野交叠、时间同步和空间标定。固定场地的意义，在于相机位置、标定关系、网络和软件配置可以长期复用，使不同受试者和不同时间点的数据拥有更稳定的采集基础。

3. 让受试者快速进入动作状态

人体无需粘贴反光点或佩戴惯性传感器。实验人员可以把时间用于任务讲解、安全检查、辅助器具记录和动作熟悉，减少等待和穿戴造成的疲劳。

4. 在现场完成数据质量检查

实时骨骼不是用于“展示科技感”，而是用于确认人体是否出画、动作是否完整、关键部位是否被遮挡、步数是否充足，以及外部设备是否同步。

无效试次在受试者离场前被发现，能够直接提高最终可用数据比例。

5. 区分实时结果与采后分析结果

实时链路优先保证现场反馈速度，关键试次再进入采后高精度处理。

6. 让数据进入统计和临床解释

关键点和骨骼需要转化为任务相关指标，再与量表、力台、肌电、压力和患者报告数据共同分析。组水平研究可以考察平均变化与效应量，个体随访则需要结合SEM、MDC和MCID判断。

无标记动捕由此不再是一台单独设备，而成为康复数据工作流中的采集与运动学层。

五、思看(Semcam Live)如何进入这条专业康复数据链

当我们评估思看(Semcam Live)时，真正关心的不是屏幕上能否出现一副骨架，而是它是否回应了康复工作流中的关键问题。

同步多相机，为三维功能动作提供稳定观测

思看(Semcam Live)无标记动捕采用固定式同步多相机阵列。相比单一视频，多视角能够为转身、坐站、下蹲、跨步和上肢触达提供更完整的空间观测，也有助于降低单一视角自遮挡带来的影响。

边缘AI与本地Active Center，让实时质检成为流程的一部分

相机端完成人体检测、跟踪、分割、2D关键点、ReID和置信度计算，Active Center在本地完成跨相机匹配、三角化、3D关键点、骨骼解算、IK和滤波。

系统支持120fps实时动作输出，端到端延时低于100ms。对康复采集来说，它首先用于现场检查动作和数据状态，帮助实验人员及时决定保留、调整或补采。

250个关键点，为身体模型和复杂姿态保留更多信息

思看(Semcam Live)提供250个人体关键点，能够为骨盆、胸廓、四肢节段及手部提供较密集的人体结构信息。

HPE服务关键数据的采后处理

思看(Semcam Live) PRO+和ULTRA两个版本支持HPE采后非实时高精度解算，关键点误差可低于1厘米。

多模态同步与行业接口，让动作数据继续向下游流动

Active Center可衔接力台、肌电、压力台以及OpenSim、Visual3D、C3D、MATLAB和Python等流程。动作数据、外力和肌电可以围绕同一任务组织，而不必在彼此独立的时间与坐标中事后拼接。

本地部署，支持受试者数据和长期课题管理

相机计算、三维重建、HPE处理、项目管理和数据导出均可在本地完成。对于涉及受试者视频、身体特征和健康信息的项目，本地链路使机构能够在自己的网络、存储和权限体系中管理数据。

这些能力共同构成思看(Semcam Live)在康复领域的价值：降低人体采集门槛，同时保留专业多相机系统所需的同步、三维、实时、采后和接口能力。

六、从一次动作测试，到可积累的康复数据资产

我们最终希望建立的，不是一间只在科研项目开始时才启用的动捕实验室，而是一套能够持续服务康复评估的数据基础。

受试者进入空间，以较低负担完成标准任务；系统实时检查动作与采集状态；关键试次进入HPE处理；运动学数据与力台、肌电、压力或量表结果同步；不同时间点按照同一协议重复采集；最终形成个体变化曲线和可复查的研究数据。

在这条链路中，临床量表没有被取代，治疗师和研究人员也没有被算法取代。无标记动捕承担的是过去最难高频获得的一层信息：身体各节段在真实任务中如何随时间运动。

这层信息使我们有机会看见结果背后的策略，看见平均值背后的波动，也看见一次评估之间正在发生的渐进变化。

对康复团队而言，无标记动捕最重要的优势并不是“什么都不穿”这一项体验改善，而是它让自然动作、重复评估、实时质量控制、采后分析和长期数据积累有机会同时存在于一条工作流中。

当评估可以更自然地发生、更频繁地重复，并且每一次数据都能在明确的测量学边界内被比较，我们对功能恢复的理解才可能从几个时间点，走向一条连续、可解释的变化曲线。

这正是康复评估需要更自然、更高频动作数据的原因，也是将专业无标记动捕引入康复工作流的根本价值。