🦾 AI Rehab System (AI 復健系統)

An intelligent motion analysis system for elderly rehabilitation. 專為老年人設計的智慧化復健運動學分析系統。

---

📸 Demo Showcase

---

這是一套結合 電腦視覲 (MediaPipe) 與 機器學習 (Scikit-learn) 的智慧復健系統，專為老年人「從坐到站 (Sit-to-Stand)」動作設計。系統能即時偵測骨架、計算關節角度，並透過 AI 模型分析動作階段，提供即時回饋。

---

📊 系統截圖 (Screenshots)

---

🏗️ 系統架構 (System Architecture)

技術棧 (Technology Stack)

層級	技術	用途
前端框架	HTML5 + CSS3 + JavaScript	使用者介面與即時影像擷取
後端框架	Flask (Python 3.9+)	Web 伺服器與 RESTful API
電腦視覺	MediaPipe Pose	33 點人體骨架即時偵測
影像處理	OpenCV (cv2)	影片讀取、畫面處理與視覺化疊加
機器學習	Scikit-learn (Random Forest)	動作分類模型 (健康/衰弱/代償)
資料處理	Pandas + NumPy	特徵工程與資料分析

---

系統流程 (Data Pipeline)

graph LR
    A[📹 影片上傳] --> B[MediaPipe 骨架偵測]
    B --> C[關節角度計算]
    C --> D[特徵萃取]
    D --> E[Random Forest 分類]
    E --> F[風險評估結果]
    F --> G[視覺化報告影片]
    
    style A fill:#e1f5ff,stroke:#01579b,stroke-width:2px
    style E fill:#fff3e0,stroke:#e65100,stroke-width:2px
    style G fill:#f3e5f5,stroke:#4a148c,stroke-width:2px

Loading

---

核心功能模組 (Core Modules)

1. 骨架偵測模組 (utils/processor.py)

• 技術：MediaPipe Pose (33-landmark model)
• 功能：
  • 即時追蹤 33 個人體關鍵點 (肩膀、髖部、膝蓋、腳踝等)
  • 動態偵測左/右側運動
  • 計算軀幹前傾角度、膝關節角度、手膝距離

2. AI 診斷模型 (model/train_model.py)

• 演算法：Random Forest Classifier
• 輸入特徵 (4 項生物力學指標)：
  • X1_MaxTrunkLean：最大軀幹前傾角度 (°)
  • X2_TotalDuration：動作總時長 (秒)
  • X3_MinHandKneeDist：最小手膝距離 (像素)
  • X4_EndKneeAngle：終止膝關節角度 (°)
• 輸出分類：
  • 0 = 健康 (Healthy)：動作標準
  • 1 = 衰弱風險 (Frailty)：軀幹過度前傾
  • 2 = 代償動作 (Compensation)：手扶膝蓋借力

3. 視覺化引擎 (utils/visualizer.py)

• 技術：OpenCV Video Writer
• 功能：
  • 在原始影片上疊加骨架線條
  • 動態標註關鍵角度數值
  • 嵌入 AI 診斷結果與建議文字

---

專案結構 (Project Structure)

AI_Rehab_System/
├── app.py                   # Flask 主程式 (路由與業務邏輯)
├── config.py                # 設定檔 (路徑、模型參數)
├── requirements.txt         # Python 依賴套件清單
│
├── model/                   # AI 模型訓練與儲存
│   ├── train_model.py       # 從 CSV 訓練模型
│   ├── train_from_videos.py # 從影片批次訓練
│   └── rehab_model.pkl      # 訓練好的模型檔 (Random Forest)
│
├── utils/                   # 核心工具模組
│   ├── processor.py         # 骨架偵測 + 特徵計算
│   └── visualizer.py        # 結果影片生成
│
├── templates/               # HTML 模板
│   ├── index.html           # 首頁 (檔案上傳)
│   ├── record.html          # 即時錄影頁 (WebRTC)
│   └── result.html          # 結果展示頁
│
├── static/                  # 靜態資源 (CSS/JS)
├── uploads/                 # 使用者上傳影片暫存
├── results/                 # 分析結果 (CSV + 視覺化影片)
└── training_data/           # 訓練資料集

---

🔬 技術細節 (Technical Details)

MediaPipe Pose 關鍵點定義

系統使用 MediaPipe 的 33 點模型，主要分析以下關鍵點：

• 軀幹：肩膀 (11, 12) → 髖部 (23, 24)
• 下肢：髖部 → 膝蓋 (25, 26) → 腳踝 (27, 28)
• 上肢：手腕 (15, 16) 用於偵測代償動作

特徵工程原理

特徵	計算方法	臨床意義
軀幹前傾角	arctan(Δy / Δx)	核心肌力指標
動作時長	從坐到站的總幀數	肌力衰弱篩檢
手膝距離	√((x₁-x₂)² + (y₁-y₂)²)	代償動作偵測
膝關節角	三點向量夾角	動作完成度

---

🚀 快速開始 (Quick Start)

1. 環境準備

安裝 Python 3.9+ (勾選 Add Python to PATH) 與 Git。

2. 下載專案

git clone https://github.com/Yile516/AI_Rehab_System.git
cd AI_Rehab_System

3. 安裝依賴

pip install -r requirements.txt

4. 啟動系統

python app.py

打開瀏覽器輸入 http://127.0.0.1:5000 即可開始使用。

---

📂 開發與同步指南 (Git Guide)

🔄 Git Cheat Sheet (常用指令懶人包)

當你在不同電腦切換工作時，請遵循以下流程：

動作 (Action)	指令 (Command)	使用時機 (When to use)
開始工作	git pull	每次打開電腦先執行，獲取雲端最新版本。
收集修改	git add .	修改完程式碼後，準備進行存檔。
本地存檔	git commit -m "備註"	為這次的修改留下紀錄。
推送到雲端	git push	正式同步到 GitHub 網頁。

---

License

© 2026 Yile516 - AI Rehab System Project