ACSA653

ACSA653数据集包含653个视频片段，涵盖6种刻板运动类型，包括身体摇摆、拍手、头部倾斜、过度活跃、手舞和戳刺。数据在混合现实（MR）水族馆训练系统中收集，确保自然行为。视频经过手动裁剪和编辑，以确保统一的规格和高品质。参与者为6名自闭症谱系障碍（ASD）儿童。数据由五名医生手动标注，记录刻板运动的开始和结束时间及其类别。与其他现有公共数据集相比，ACSA653在样本量、动作类别和模态（RGB+骨骼）方面具有显著优势。

The ACSA653 dataset contains 653 video clips covering 6 types of stereotypical movements, including body swaying, hand clapping, head tilting, hyperactivity, hand flapping, and stabbing. The data was collected using a mixed reality (MR) aquarium training system to ensure naturalistic behaviors. All videos were manually cropped and edited to guarantee uniform specifications and high quality. The participants were 6 children diagnosed with autism spectrum disorder (ASD). The dataset was manually annotated by five physicians, who recorded the start and end timestamps and the corresponding categories of each stereotypical movement. Compared with other existing public datasets, ACSA653 boasts remarkable advantages in terms of sample size, action categories and modalities (RGB + skeleton).

原始信息汇总

ACSA653 数据集概述

• 数据集名称: ACSA653
• 规模: 包含653个视频片段
• 类别数量: 6种刻板动作类型
  • 类别包括: 身体摇摆、拍手、头部倾斜、过度活跃、手舞足蹈、戳刺
• 数据收集环境:
  • 在混合现实（MR）水族馆训练系统中收集，以确保自然行为。
  • 训练期间，儿童与虚拟生物互动，摄像头位于水族馆上方记录其动作。
• 视频质量: 手动裁剪和编辑，以确保统一的规格和高品质。
• 参与者: 6名自闭症谱系障碍（ASD）儿童
• 数据标注:
  • 由五名医生手动标注，记录刻板动作的开始和结束时间及其类别。
  • 视频根据标注的动作类型进行分段和分类。
• 比较优势:
  • 与现有公开数据集相比，ACSA653在样本量、动作类别和模态（RGB+骨骼）方面具有显著优势。

该数据集为研究自闭症谱系障碍儿童刻板动作的识别提供了宝贵的资源，有助于更深入地分析行为模式。

搜集汇总

数据集介绍

构建方式

ACSA653数据集的构建基于一个混合现实（MR）水族馆训练系统，旨在捕捉自闭症谱系障碍（ASD）儿童的自然行为。该数据集由653个视频片段组成，涵盖6种刻板动作类别，包括身体摇摆、拍手、头部倾斜、过度活跃、手舞和戳刺。数据收集过程中，儿童与虚拟生物互动，摄像头位于水族馆上方记录其动作。视频经过手动裁剪和编辑，确保统一规格和高品质。数据标注由五名医生手动完成，记录了刻板动作的开始和结束时间及其类别，视频随后根据标注的动作类型进行分段和分类。

使用方法

ACSA653数据集的使用需通过联系作者获取，仅限非商业用途。感兴趣的研究者需提供姓名、机构及使用目的，并在使用数据时引用相关文献。数据集适用于研究ASD儿童刻板动作的识别和行为模式分析，可用于开发和验证相关算法和模型。通过该数据集，研究者能够深入探讨ASD儿童的行为特征，推动相关领域的研究进展。

背景与挑战

背景概述

ACSA653数据集是一个专注于自闭症谱系障碍（ASD）儿童刻板运动识别的视频数据集，由653个视频片段组成，涵盖6种刻板运动类型，包括身体摆动、拍手、头部倾斜、过度活跃、手舞和戳刺。该数据集由山东大学的研究人员创建，旨在通过混合现实（MR）水族馆训练系统捕捉儿童的自然行为，确保数据的真实性和有效性。数据集的构建过程中，视频经过手动裁剪和编辑，以保证高质量和一致性。五名医生对视频进行了手动标注，记录了刻板运动的开始和结束时间及其类别，为研究ASD儿童的行为模式提供了宝贵的资源。

当前挑战

ACSA653数据集在构建过程中面临多项挑战。首先，数据收集环境需要确保儿童在自然互动中的行为真实性，这对混合现实系统的设置提出了高要求。其次，视频的手动裁剪和编辑过程耗时且复杂，确保视频质量的一致性是一个重要挑战。此外，数据标注的准确性依赖于医生的专业判断，标注过程的复杂性和主观性增加了数据处理的难度。最后，数据集的样本量和动作类别虽然丰富，但如何有效利用这些数据进行行为模式的深入分析，仍是一个待解决的研究问题。

常用场景

经典使用场景

在自闭症谱系障碍（ASD）儿童的行为研究领域，ACSA653数据集以其独特的视频片段集合，成为识别和分析儿童刻板运动的重要工具。该数据集包含了653个视频片段，涵盖了六种典型的刻板运动类型，如身体摆动、拍手、头部倾斜、过度活跃、手舞和戳刺。通过在混合现实（MR）水族馆训练系统中收集的数据，研究人员能够深入探讨ASD儿童的行为模式，为行为识别算法的开发提供了丰富的素材。

解决学术问题

ACSA653数据集在解决自闭症谱系障碍儿童行为研究中的关键问题方面具有重要意义。它不仅提供了大量高质量的视频数据，还通过精细的手动标注，记录了每种刻板运动的起始和结束时间及其类别。这使得研究人员能够更准确地分析和识别ASD儿童的行为特征，从而推动相关领域的学术研究进展。此外，该数据集的多模态特性（RGB+骨骼）进一步增强了其在行为识别和分析中的应用价值。

实际应用

在实际应用中，ACSA653数据集为自闭症谱系障碍儿童的行为评估和干预提供了有力的支持。通过分析数据集中的视频片段，医疗专业人员可以更准确地识别和理解ASD儿童的刻板行为，从而制定更为个性化的治疗方案。此外，该数据集还可用于开发和验证行为识别算法，这些算法在临床环境中具有广泛的应用前景，能够帮助医生和治疗师更有效地监测和干预ASD儿童的行为。

数据集最近研究

最新研究方向

在自闭症谱系障碍（ASD）儿童的行为研究领域，ACSA653数据集的引入为前沿研究提供了新的视角。该数据集通过混合现实（MR）技术捕捉儿童在自然环境中的刻板运动，如身体摆动、手拍、头部倾斜等六种类型。这一创新的数据收集方法不仅提升了样本的多样性和质量，还为行为识别算法的开发与优化提供了丰富的素材。当前，研究者们正利用ACSA653数据集探索更精准的行为分类模型，以及如何通过多模态数据（如RGB和骨架信息）的融合来提高识别的准确性和鲁棒性。此外，该数据集的共享政策也促进了跨学科的合作，推动了自闭症儿童行为研究的发展。