真实世界人类步行：地形类型、步态参数与能量消耗之间的相互作用

数据集获取

源站：https://search.dataone.org/view/sha256%3Ab074122c96a933e59414a310010414516b784d4b6833d16954df55ebbd47fb7b

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

人类经常在具有各种表面不规则和不一致的真实环境中行走，这些情况会扰乱稳定的步态并需要额外的努力。然而，此类影响几乎没有被定量证明，因为很少有实验室生物力学测量方法适用于户外。尽管如此，步行仍可通过其他方式进行量化。特别是，足部在空间中的轨迹可以从足部安装的惯性测量单元（IMUs）重建，从而得出步幅及相关变异性的测量值。但这些测量值是否与代谢能量消耗相关仍不清楚。因此，我们量化了五种不同户外地形对健康成年人（N = 10；以1.25 m/s行走）足部运动（来自IMUs）和净代谢率（来自耗氧量）的影响。能量消耗按人行道、泥土、砾石、草地和木屑的顺序显著增加（P < 0.05），其中木屑比人行道贵约27%。地形类型还影响了测量值，特别是步幅变异性和虚拟足部 clearance（摆动足在连续落脚点上方的最低高度）。

综合来看，这些措施还能大致预测代谢成本（经调整的偏最小二乘回归），甚至能区分地形类型（重分类误差为10%）。可穿戴传感器能够表征现实世界中不平坦地形如何影响步态、步态变异性和代谢成本。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。