识别多种人体姿势，包括站立、坐姿、躺卧、弯腰、举手、跑步、摔倒等。支持异常姿势识别和摔倒预警功能。
🧍 Human Pose Recognition Skill | 人体姿态识别技能
功能概述
🧍 Human Pose Recognition Skill | 人体姿态识别技能是一项面向实际任务的技能，主要用于智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询；🧭 技能概览 | Overview；
核心要点
- 🏷️ 技能名称；
- 人体姿态识别技能；
- 🎯 核心目标；
使用与执行
人体姿态识别技能，识别站立、坐姿、躺卧、弯腰、举手、奔跑、摔倒等多种人体姿态，支持肢体异常姿态识别和摔倒预警，适用于安防监测、老人看护等场景。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
🧍 Human Pose Recognition Skill | 人体姿态识别技能
智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询
🧭 技能概览 | Overview
| 模块 | 内容 |
|---|---|
| 🏷️ 技能名称 | 人体姿态识别技能 |
| 🎯 核心目标 | 人体姿态识别技能，识别站立、坐姿、躺卧、弯腰、举手、奔跑、摔倒等多种人体姿态，支持肢体异常姿态识别和摔倒预警，适用于安防监测、老人看护等场景 |
| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |
| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |
| 🧩 场景码 | HUMAN_POSTURE_RECOGNITION |
This capability supports the recognition of various human postures, including standing, sitting, lying down, bending, raising hands, running, and falling, while featuring abnormal limb posture identification and fall warning. Based on skeletal keypoint detection and temporal action analysis, the system effectively distinguishes between normal activities and abnormal behaviors such as falls or rigidity. It is suitable for scenarios like security monitoring, nursing homes, and care for seniors living alone. Once a fall or prolonged abnormal posture is detected, it automatically triggers warning notifications, helping to ensure personnel safety.
本技能支持识别站立、坐姿、躺卧、弯腰、举手、奔跑、摔倒等多种人体姿态，并具备肢体异常姿态识别与摔倒预警能力。系统基于骨骼关键点检测与时序动作分析，能够有效区分正常活动与跌倒、僵持等异常行为，适用于安防监测、养老院及独居老人看护等场景。一旦检测到摔倒或长时间异常姿态，自动触发预警通知，助力保障人员安全。
🎬 技能演示 | Skill Demo
▶️ 点击查看技能使用介绍
🎯 任务目标 | Goals
1. 🧩 技能用途
通过视频对人体姿态进行识别分析，获取结构化的人体姿态识别报告
2. 🛠️ 能力范围
| 序号 | 具体能力 |
|---|---|
| 1 | 多种姿态分类识别 |
| 2 | 摔倒异常检测 |
| 3 | 肢体异常姿态识别 |
| 4 | 姿态频次统计 |
| 5 | 异常预警 |
3. ⚡ 触发条件
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供监控视频 URL 或文件需要进行人体姿态识别时，默认触发本技能 |
| 🔎 明确分析意图 | 当用户明确需要进行姿态识别、摔倒检测、老人看护监测，提及姿态识别、摔倒预警、异常姿态等关键词，并且上传了视频文件 |
| 📚 历史报告查询 | 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史识别报告、姿态识别报告清单、识别报告列表、查询历史报告、显示所有识别报告、姿态识别历史记录，查询人体姿态识别分析报告 |
4. 🤖 自动行为
| 自动行为 | 执行要求 |
|---|---|
| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |
| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |
⚠️ 强制数据获取规则（次高优先级）
橙色强约束： 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。
必须执行：
python -m scripts.human_posture_recognition_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.human_posture_recognition_analysis --list 调用 API 查询云端的历史报告数据 |
| 🚫 严格禁止 | 从本地 memory 目录读取历史会话信息 |
| 🚫 严格禁止 | 手动汇总本地记录中的报告 |
| 🚫 严格禁止 | 从长期记忆中提取报告 |
| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |
📦 前置准备 | Requirements
- 依赖说明:scripts 脚本所需的依赖包及版本
requests>=2.28.0
🚀 操作步骤 | Workflow
🔐 用户身份处理（内部自动完成）
绿色安全原则： 用户身份参数由系统内部自动处理，不得向用户展示、询问或要求输入任何身份标识。
执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：
| 场景 | 系统行为 |
|---|---|
| 上游系统有内部身份参数 | 由脚本静默接收并使用 |
| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |
| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |
| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |
🔒 关键约束
| 禁止/要求 | 说明 |
|---|---|
| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |
| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |
| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |
| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |
🧪 标准流程 | Standard Flow
| 步骤 | 阶段 | 执行动作 |
|---|---|---|
| 1 | 📥 准备视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |
| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |
| 3 | ⚙️ 执行人体姿态识别 | 调用 -m scripts.human_posture_recognition_analysis 处理输入（必须在技能根目录下运行脚本） |
| 4 | 📊 查看分析结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |
⚙️ 脚本参数说明
| 参数 | 含义 | 备注 |
|---|---|---|
--input |
本地视频文件路径 | 适用于本地文件分析 |
--url |
网络视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |
--alert-fall |
是否开启摔倒预警，yes/no，默认 yes | 按需填写 |
--list |
显示人体姿态识别历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 用于云端历史报告查询 |
--api-url |
API 服务地址（可选，使用默认值） | 按需填写 |
--detail |
输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |
--output |
结果输出文件路径（可选） | 可选 |
🗂️ 资源索引 | Resource Index
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/human_posture_recognition_analysis.py |
调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 🐍 必要脚本 | scripts/config.py |
调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 📘 领域参考 | references/api_doc.md |
了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |
⚠️ 注意事项 | Notes
| 分类 | 注意事项 |
|---|---|
| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |
| 📁 格式支持 | 视频要求：支持 mp4/avi/mov 格式，最大 10MB |
| 🧑⚖️ 结果性质 | 分析结果仅供安全监测参考，紧急情况请及时处置 |
| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |
| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |
| 📁 格式支持 | 当显示历史识别报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含" |
| 📜 报告输出 | 表格输出示例 |
🧰 使用示例 | Examples
# 分析本地监控视频 python -m scripts.human_posture_recognition_analysis --input /path/to/monitor.mp4 --alert-fall yes # 分析网络监控视频 python -m scripts.human_posture_recognition_analysis --url https://example.com/monitor.mp4 --alert-fall yes # 关闭摔倒预警（仅统计姿态） python -m scripts.human_posture_recognition_analysis --input /path/to/monitor.mp4 --alert-fall no # 显示历史识别报告/显示识别报告清单列表/显示历史姿态报告（自动触发关键词：查看历史识别报告、历史报告、识别报告清单等） python -m scripts.human_posture_recognition_analysis --list # 输出精简报告 python -m scripts.human_posture_recognition_analysis --input video.mp4 --detail basic # 保存结果到文件 python -m scripts.human_posture_recognition_analysis --input video.mp4 --output result.json
热门AI工具
相关专题
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
0
2026.10.22
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查，覆盖本地环境、Docker及多平台用法，帮助Go开发者快速上手。
0
2026.10.22
PHP2Shell漏洞是什么，哪些PHP版本和运行环境会受到影响，服务器应该如何检测与修复？本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤，以及修复验证、临时缓解和应急响应方案。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.5万人学习
共6课时 | 54.7万人学习
