本流程概述了采集跑步視頻的步驟，以便后續進行人工智能驅動的步態分析和報告生成。
采集流程步驟
設置(Setup):受試者首先在室內跑步機上以自我選擇的、舒適的跑步速度開始跑步。
視頻采集(VideoAcquisition):測試人員将使用智能手機或平板電腦(手機/平板)拍攝受試者。
定位(Positioning):測試人員必须站在受試者的左右側，鏡頭拍攝受試者的矢狀面(側面)，建議右側。
距離(Distance):保持大約**2米(6-7英尺)**的拍攝距離。
取景(Framing):視頻必须在整個跑步運動過程中完整捕捉受試者的全身和四肢。
視頻時長(Video Duration):采集持續10到20秒的跑步運動視頻
提交与分析(Submission &Analysis):采集到的視頻将被提交。AI應用程序将执行雲端推理并生成評估報告。
要求和最佳實踐
為確保采集到的視頻適用於精確的AI步態分析，請遵守以下要求:
跑步機遮擋(Treadmill Obstruction):跑步機的框架或控製台應尽量不遮擋受試者的下肢(包括髋部、膝蓋、脚踝和足部)。這能確保所有關鍵的運動關節都能被AI完整捕捉和跟踪。
受試者着裝(Subject Attire):受試者的衣物應尽可能貼身(例如，壓縮衣物)。貼身衣物有助於提高AI姿態估計的準確性，從而實現更精確的關節運動跟踪。
拍攝平面(FilmingPlane):確保相機處於水平:并且相對於受試者的運動，严格保持在矢狀面(側視圖)。精確的側視圖對於標準的二維運動学測量至關重要，而這是跑姿步態分析的基础。
AI推理
HoloMotionAI是基於視覺識別技術研發的HoloMotion運動適能風險損傷評估算法，我們通過深度攝像頭對人體影像進行采集，通過特有技術對人體活動中各運動關節和環節的生物力学數據進行計算的設備
該設備依據人體功能解剖標準及深度攝像頭采集的空間數據坐標，通過智能后台計算，對人體關節活動度、穩定度、對稱性、靜態姿勢以及運動風險進行評估。
(HoloMotionRun)則是基於HoloMotionAl研發出來的移動端應用，用戶可以使用自己的手機或iPad采集跑者在室內跑步機上的跑步姿態，并由HoloMotionAI進行進行運動表現和生物力学分析和評估。
跑步姿勢分析:靜態和峰值几何結構
本模塊側重於步態周期關鍵瞬間身體節段的几何對齊，這些指標決定了跑者的結構效率以及他們因不良對齊而容易遭受過度使用損傷的程度
關鍵指標与深度解讀:
脊柱角度和頭部水平角度測量跑者的“倾斜度”。輕微的前倾(來自脚踝，而非腰部)可以利用重力輔助推進，但過度前倾(在腰部彎曲)會限製髋關節伸展并影响呼吸。跑得過於直立則可能導致步幅過大和製動力增加。保持頭部穩定和目光水平有助於防止上半身紧張。
最大大腿屈曲和伸展代表了髋部驅動的運動範圍(ROM)。其中，最大大腿伸展對速度至關重要;伸展受限通常表明髋屈肌紧張(常見於辦公族);從而减少了步長和力量。屈曲不足會影响膝蓋驅動，導致“拖沓”的步態。
最大膝蓋屈曲在支撐期和擺動期各有側重。@支撐期的屈曲是關鍵的减震指標:落地時膝蓋鎖定會傳遞高冲擊力，因此膝蓋需要輕微屈曲，以加載股四頭肌并吸收地面反作用力。@擺動期的屈曲決定了腿部的“擺錘”速度:擺動階段更高的屈曲會縮短腿部的力臂，使其以更少的能量消耗更快地向前擺動。
肘部角度和小腿角度(@支撐期)也不容忽視。手臂擺動用於平衡腿部旋轉，保持一致的約90°肘部角度可以防止旋轉惯性减慢跑者的速度。在觸地時，垂直的小腿通常意味着在重心下方以中足着地。如果小腿明顯向前倾斜，則通常表明是脚跟觸地(heel strike)和步幅過大。
運動学指標(Kinematic Indicators):時空中的運動表現
姿態分析關注的是几何結構，而運動学(Kinematics)關注的是運動特徵-即身體如何在空間和時間中移動。這些指標是跑步經濟性(RunningEconomy，即特定速度下的氧耗量)的主要決定因素
關鍵指標与深度解析:
效率指標(Cadence,Stride Length,GCT,Vertical Oscillation):
步頻(Cadence):效率的黃金標準。較高的步頻(170-180+)通常能通過降低每一步的冲擊力，减少膝關節和髋關節的負荷。
觸地時間(Ground Contact Time - GCT):足部停留在跑帶上的時長。精英短跑運動員的觸地時間極短。較高的GCT意味着跑者“沉”入步態間極短。較高的GCT意味着跑者“沉”入步態中，而未能利用肌腱的彈性勢能(拉長-縮短周期)進行回彈，
垂直振幅(VerticalOscillation):即“腾空高度/顛簸”。虽然跑步需要一定的腾空，但過度的垂直運動意味着能量被浪費在對抗重力上，而非用於向前推進。
与地面的交互(Footstrike Position,StrikeType):
着地类型(StrikeType):AI會對落地模式(前掌、中足、后跟)進行分类。虽然脚跟落地很常見，但分析其相對於身體重心(COM)的位置至關重要。在COM前方過遠的脚跟着地會產生刹车效應
周期圖与轨迹(Knee,Hip,Footpath Curves):
足部轨迹曲線(Footpath Curve):描绘脚踝/足部在空間中的轨迹。水滴狀是理想的形狀。這種可視化有助於識別左右腿的不對稱性(例如:一條腿拖沓或抬升不夠高)。
屈曲-伸展曲線(Flexion-Extension Curves):這是整個步態周期中的連續數據圖。它們揭示了“协調變異性(coordination variability)"-即關節從屈曲過渡到伸展的平滑程度。不平滑的曲線可能表明神經肌肉疲勞或缺乏控製.
生物力学指標(BiomechanicalIndicators):力与肌肉(Kinetics)
這是最進階的層級。利用AI從視頻中估算動力学(Kinetics)和神經肌肉活動(無需測力台或EMG傳感器)，提供了關於受傷風險和組織負荷的高價值數據。
關鍵指標与深度解析:
地面反作用力(Ground Reaction Forces- MaxVertical & Braking Force):
最大垂直力(MaxVerticalForce):身體必须支撐的負荷(通常是體重的2.5到3倍)。過高的峰值与骨應力損傷(應力性骨折)相關。
最大製動力(MaxBrakingForce):着地時抵抗向前運動的水平力。高製動力意味着跑者每一步都在与跑步機履帶“對抗”。减少這種力可以立即提高速度和效率。
關節負荷(Joint Loading - Hip & Knee InternalRotation Force):
分析:估算施加在關節上的旋轉力矩。
含義:過度的內旋(InternalRotation)(通常表現為膝蓋向內塌陷，即“膝外翻valgus”)是導致髌股關節疼痛綜合徵(跑者膝)和髂胫束綜合徵的主要原因。檢測到高旋轉力可提醒用戶臀肌穩定性不足。
