本流程概述了采集跑步视频的步骤，以便后续进行人工智能驱动的步态分析和报告生成。
采集流程步骤
设置(Setup):受试者首先在室内跑步机上以自我选择的、舒适的跑步速度开始跑步。
视频采集(VideoAcquisition):测试人员将使用智能手机或平板电脑(手机/平板)拍摄受试者。
定位(Positioning):测试人员必须站在受试者的左右侧，镜头拍摄受试者的矢状面(侧面)，建议右侧。
距离(Distance):保持大约**2米(6-7英尺)**的拍摄距离。
取景(Framing):视频必须在整个跑步运动过程中完整捕捉受试者的全身和四肢。
视频时长(Video Duration):采集持续10到20秒的跑步运动视频
提交与分析(Submission &Analysis):采集到的视频将被提交。AI应用程序将执行云端推理并生成评估报告。
要求和最佳实践
为确保采集到的视频适用于精确的AI步态分析，请遵守以下要求:
跑步机遮挡(Treadmill Obstruction):跑步机的框架或控制台应尽量不遮挡受试者的下肢(包括髋部、膝盖、脚踝和足部)。这能确保所有关键的运动关节都能被AI完整捕捉和跟踪。
受试者着装(Subject Attire):受试者的衣物应尽可能贴身(例如，压缩衣物)。贴身衣物有助于提高AI姿态估计的准确性，从而实现更精确的关节运动跟踪。
拍摄平面(FilmingPlane):确保相机处于水平:并且相对于受试者的运动，严格保持在矢状面(侧视图)。精确的侧视图对于标准的二维运动学测量至关重要，而这是跑姿步态分析的基础。
AI推理
HoloMotionAI是基于视觉识别技术研发的HoloMotion运动适能风险损伤评估算法，我们通过深度摄像头对人体影像进行采集，通过特有技术对人体活动中各运动关节和环节的生物力学数据进行计算的设备
该设备依据人体功能解剖标准及深度摄像头采集的空间数据坐标，通过智能后台计算，对人体关节活动度、稳定度、对称性、静态姿势以及运动风险进行评估。
(HoloMotionRun)则是基于HoloMotionAl研发出来的移动端应用，用户可以使用自己的手机或iPad采集跑者在室内跑步机上的跑步姿态，并由HoloMotionAI进行进行运动表现和生物力学分析和评估。
跑步姿势分析:静态和峰值几何结构
本模块侧重于步态周期关键瞬间身体节段的几何对齐，这些指标决定了跑者的结构效率以及他们因不良对齐而容易遭受过度使用损伤的程度
关键指标与深度解读:
脊柱角度和头部水平角度测量跑者的“倾斜度”。轻微的前倾(来自脚踝，而非腰部)可以利用重力辅助推进，但过度前倾(在腰部弯曲)会限制髋关节伸展并影响呼吸。跑得过于直立则可能导致步幅过大和制动力增加。保持头部稳定和目光水平有助于防止上半身紧张。
最大大腿屈曲和伸展代表了髋部驱动的运动范围(ROM)。其中，最大大腿伸展对速度至关重要;伸展受限通常表明髋屈肌紧张(常见于办公族);从而减少了步长和力量。屈曲不足会影响膝盖驱动，导致“拖沓”的步态。
最大膝盖屈曲在支撑期和摆动期各有侧重。@支撑期的屈曲是关键的减震指标:落地时膝盖锁定会传递高冲击力，因此膝盖需要轻微屈曲，以加载股四头肌并吸收地面反作用力。@摆动期的屈曲决定了腿部的“摆锤”速度:摆动阶段更高的屈曲会缩短腿部的力臂，使其以更少的能量消耗更快地向前摆动。
肘部角度和小腿角度(@支撑期)也不容忽视。手臂摆动用于平衡腿部旋转，保持一致的约90°肘部角度可以防止旋转惯性减慢跑者的速度。在触地时，垂直的小腿通常意味着在重心下方以中足着地。如果小腿明显向前倾斜，则通常表明是脚跟触地(heel strike)和步幅过大。
运动学指标(Kinematic Indicators):时空中的运动表现
姿态分析关注的是几何结构，而运动学(Kinematics)关注的是运动特征-即身体如何在空间和时间中移动。这些指标是跑步经济性(RunningEconomy，即特定速度下的氧耗量)的主要决定因素
关键指标与深度解析:
效率指标(Cadence,Stride Length,GCT,Vertical Oscillation):
步频(Cadence):效率的黄金标准。较高的步频(170-180+)通常能通过降低每一步的冲击力，减少膝关节和髋关节的负荷。
触地时间(Ground Contact Time - GCT):足部停留在跑带上的时长。精英短跑运动员的触地时间极短。较高的GCT意味着跑者“沉”入步态间极短。较高的GCT意味着跑者“沉”入步态中，而未能利用肌腱的弹性势能(拉长-缩短周期)进行回弹，
垂直振幅(VerticalOscillation):即“腾空高度/颠簸”。虽然跑步需要一定的腾空，但过度的垂直运动意味着能量被浪费在对抗重力上，而非用于向前推进。
与地面的交互(Footstrike Position,StrikeType):
着地类型(StrikeType):AI会对落地模式(前掌、中足、后跟)进行分类。虽然脚跟落地很常见，但分析其相对于身体重心(COM)的位置至关重要。在COM前方过远的脚跟着地会产生刹车效应
周期图与轨迹(Knee,Hip,Footpath Curves):
足部轨迹曲线(Footpath Curve):描绘脚踝/足部在空间中的轨迹。水滴状是理想的形状。这种可视化有助于识别左右腿的不对称性(例如:一条腿拖沓或抬升不够高)。
屈曲-伸展曲线(Flexion-Extension Curves):这是整个步态周期中的连续数据图。它们揭示了“协调变异性(coordination variability)"-即关节从屈曲过渡到伸展的平滑程度。不平滑的曲线可能表明神经肌肉疲劳或缺乏控制.
生物力学指标(BiomechanicalIndicators):力与肌肉(Kinetics)
这是最进阶的层级。利用AI从视频中估算动力学(Kinetics)和神经肌肉活动(无需测力台或EMG传感器)，提供了关于受伤风险和组织负荷的高价值数据。
关键指标与深度解析:
地面反作用力(Ground Reaction Forces- MaxVertical & Braking Force):
最大垂直力(MaxVerticalForce):身体必须支撑的负荷(通常是体重的2.5到3倍)。过高的峰值与骨应力损伤(应力性骨折)相关。
最大制动力(MaxBrakingForce):着地时抵抗向前运动的水平力。高制动力意味着跑者每一步都在与跑步机履带“对抗”。减少这种力可以立即提高速度和效率。
关节负荷(Joint Loading - Hip & Knee InternalRotation Force):
分析:估算施加在关节上的旋转力矩。
含义:过度的内旋(InternalRotation)(通常表现为膝盖向内塌陷，即“膝外翻valgus”)是导致髌股关节疼痛综合征(跑者膝)和髂胫束综合征的主要原因。检测到高旋转力可提醒用户臀肌稳定性不足。
