楼梯步态分析数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22694652

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。

数据集大小约 994.7 KB。

数据说明

楼梯步态分析（下肢上台阶与下台阶动作）本数据集包含健康年轻成年人进行上台阶和下台阶活动时采集的二维姿态标注数据、膝关节角度和步态相位标签。该数据集旨在支持下肢运动分析、人体姿态估计、步态评估、步态相位检测、关节角度估计、时空参数提取以及基于机器学习的运动分类等研究。共有19名年龄在20至25岁之间的健康参与者自愿参与了本研究。参与者均无神经退行性疾病、肌肉骨骼疾病或异常步态病史，且身体能够独立完成实验活动，无需外部支撑。每位参与者在楼梯上完成上台阶和下台阶动作，并以设定为每分钟90拍的节拍器控制节奏。下肢运动使用索尼Alpha 6000系列无反相机记录，相机垂直于参与者的矢状面放置。

随后使用Kinovea 2023.1.2版本生成了真实解剖标志点轨迹。选取三个解剖关键点（左髋、左膝和左踝）用于下肢运动分析。在视频中手动识别所选解剖标志点，并使用Kinovea在整个记录序列中进行跟踪。对跟踪轨迹逐帧进行审核，以验证标志点位置的一致性和准确性。数据集包含两组文件：1. 关键点坐标文件（subject1.csv至subject17.csv）：受试者1至17的左髋、左膝和左踝关键点的逐帧X和Y图像平面坐标。2. 膝关节角度与步态相位文件（subject1_knee_angle_phase.csv至subject19_knee_angle_phase.csv）：受试者1至19的逐帧膝关节角度和步态相位标签。每个文件

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。