编程

Depression Behavioral Markers (Long Immobility & Appetite Change) | 抑郁症辅助行为标记（长时间不动、食欲改变）

用家庭摄像头视频识别老人长时间卧床与食欲下降，跨日比对后输出行为变化提醒。

它能做什么

对家庭卧室与餐厅固定摄像头录制的连续 ≥24 小时视频进行分析，统计每日卧床时长、离床次数以及进食动作次数与时长，并与过去 7-14 天的个人基线比对。当出现卧床超过 20 小时/天、进食动作低于基线 50% 等异常，且持续达到设定天数（如 3 天）时，输出行为变化报告，并附带面向家属或社区医生的友好提醒；强信号情况下会加入心理援助热线。本技能仅作为行为观察辅助工具，不输出抑郁症诊断、量表评分或用药建议。

什么时候用它

独居老人居家日常行为监测
社区养老远程心理健康观察
家属照护场景下的多日异常模式预警
云端历史行为变化报告查询与回顾

技能文档

🌧️ Depression Behavioral Markers (Long Immobility & Appetite Change) | 抑郁症辅助行为标记（长时间不动、食欲改变）

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	抑郁症辅助行为标记（长时间不动、食欲改变）
🎯 核心目标	通过家庭固定摄像头（卧室和餐厅区域），分析老年人或独居者连续多日的行为模式，检测卧床时长（连续卧床超过20小时/天）以及进食频次/时长骤减（如每日进食动作次数低于历史基线的50%）。当这些行为变化持续超过设定天数（如3天）时，输出行为变化报告，提醒家属或社区医生关注可能存在的抑郁倾向或其他健康问题。
🖼️ 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	`SMYX_DEPRESSION_BEHAVIORAL_MARKERS_ANALYSIS`

Using fixed home cameras (bedroom and dining area), the system analyzes the multi-day behavior pattern of elderly people or solo-living individuals, detecting daily lying-in-bed duration (continuous lying > 20 hours per day) and a sharp drop in eating frequency / duration (e.g., daily eating-action count below 50% of personal baseline). When these behavioral changes persist beyond a configured threshold (e.g., 3 days), the system outputs a behavioral-change report to remind family members or community doctors about possible depressive tendency or other health issues. This skill is ONLY a behavioral-observation aid and is NOT a medical diagnostic tool. Application scenarios: solo-living elderly homes, remote mental-health monitoring, community elderly care. The system generates a daily behavior summary and pushes alerts when an abnormal pattern is detected. Skill features: depression in the elderly often presents as decreased activity, reduced appetite, and increased bed time. AI auto-monitoring of these behavior changes can issue early signals before family or doctors notice, supporting timely intervention, reducing suicide risk, and improving quality of life. Can be integrated into home-care cameras or health-management platforms as a practical mental-health monitoring tool.

通过家庭固定摄像头（卧室和餐厅区域），分析老年人或独居者连续多日的行为模式，检测卧床时长（连续卧床超过20小时/天）以及进食频次/时长骤减（如每日进食动作次数低于历史基线的50%）。当这些行为变化持续超过设定天数（如3天）时，输出行为变化报告，提醒家属或社区医生关注可能存在的抑郁倾向或其他健康问题。该技能仅为行为观察辅助工具，不作为医学诊断依据。应用场景：独居老人家庭、精神健康远程监测、社区养老。系统每日生成行为摘要，当检测到异常行为模式时推送提醒。技能特点：老年人抑郁症常表现为活动减少、食欲下降、卧床时间增多。通过AI自动监测这些行为变化，可在家属或医生尚未察觉时发出早期信号，有助于及时干预，降低自杀风险，改善生活质量。该技能可集成到居家养老摄像头或健康管理平台中，成为精神健康监测的实用工具。

🤖 AI 角色 | AI Role

角色要点	说明
说明 1	假设你是一个专业的老年人行为健康监测 AI。你的任务是分析家庭固定摄像头（卧室和餐厅区域）的连续视频（至少 24 小时），检测卧床时长（统计一天内卧床总时长）以及进食行为（识别手部抓握餐具送入口中的动作次数和时长）。对比历史基线（过去 7-14 天的个人平均数据），当卧床时长超过 20 小时/天或进食动作次数/时长低于基线的 50% 时，输出行为变化报告。不要提供医疗诊断，仅输出基于视觉的行为统计和变化提示。

🎬 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

基于家庭卧室 + 餐厅双区域固定摄像头连续 ≥ 24 小时视频，统计每日卧床总时长 + 离床事件次数 + 进食动作次数 + 进食总时长 + 完整餐次数 → 与个人 7-14 天基线对比 → 连续异常 ≥ 3 天 → 输出行为变化报告 + 家属/社区医生友好提醒

2. 🛠️ 能力范围

序号	具体能力
1	人体检测 + 床位 ROI 卧位识别（lying_in_bed_duration_daily_min）
2	离床事件计数
3	手部抓握餐具送入口动作识别（eating_action_count_daily）
4	餐次数与进食总时长统计
5	餐后剩余食物比例估计（参考）
6	个人 7-14 天基线均值/标准差计算
7	连续异常天数累计
8	行为异常模式分类（hypersomnia_immobility / appetite_loss / both / none）
9	风险信号等级判定（none → strong_signal）
10	家属/社区医生友好提醒文本生成
11	心理援助热线参考

3. ⚡ 触发条件

触发类型	触发规则
✅ 默认触发	默认触发：当用户提供家庭卧室 + 餐厅区域固定摄像头连续 ≥ 24 小时视频 URL 或文件需要分析时，默认触发本技能进行抑郁症辅助行为标记分析
🔎 明确分析意图	当用户明确提及老年人抑郁、长时间卧床、食欲下降、不爱吃饭、整天躺着、活动减少、精神健康远程监测、社区养老心理等关键词，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：查看抑郁行为标记历史报告、卧床/食欲变化报告清单、行为变化报告清单、查询历史行为变化记录、显示所有抑郁辅助行为报告、显示精神健康行为诊断报告，查询抑郁辅助预警清单

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.smyx_depression_behavioral_markers_analysis --list

类型	要求
✅ 必须	使用 `python -m scripts.smyx_depression_behavioral_markers_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	📥 准备家庭卧室 + 餐厅区域固定摄像头连续视频输入	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	⚙️ 执行抑郁症辅助行为标记分析	调用 `-m scripts.smyx_depression_behavioral_markers_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`	本地家庭固定摄像头（卧室+餐厅区域，≥24h）视频文件路径	适用于本地文件分析
`--url`	网络家庭固定摄像头（卧室+餐厅区域，≥24h）视频 URL 地址（API 服务自动下载）	API 服务自动下载网络资源
`--pet-type`	类别标识，老年人行为健康监测场景默认 `other`	按需填写
`--list`	显示抑郁症辅助行为标记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/smyx_depression_behavioral_markers_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	输入要求：支持 mp4/avi/mov 视频；关键约束：单次分析必须 ≥ 24 小时连续记录，且必须同时覆盖卧室与餐厅
🔎 使用提醒	单日感冒、发烧、近期手术康复期、外出旅行等情形会显著影响卧床与进食指标，建议在配置中标记"非常态期"以暂停告警
🔎 使用提醒	老人在外用餐（如子女家、社区食堂）会导致 eating_action_count_daily 显著低估，需结合家庭日程综合判定
🧑‍⚖️ 结果性质	红线约束：禁止输出抑郁症诊断、量表评分（GDS-15 / PHQ-9）、用药建议或处方；禁止长期存储原始视频；禁止将"行为变化"等同于"确诊抑郁症"
🔎 使用提醒	当出现 `strong_signal` 或老人有任何自伤/自杀言语或行为时，必须在提醒中附心理援助热线 010-82951332 / 400-161-9995并强烈建议家属立即介入
🔏 隐私合规	隐私合规：卧室视频涉及高度敏感个人隐私，使用前需取得老人本人明确知情同意，妥善加密保管；建议优先采用人体轮廓 + 面部马赛克模式 + 仅保存指标统计
🚫 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
📜 报告输出	当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段作为超链接地址，且自动转化为如下 Markdown
📜 报告输出	表格输出示例

🧰 使用示例 | Examples

# 分析本地连续 24h+ 卧室+餐厅视频
python -m scripts.smyx_depression_behavioral_markers_analysis --input /path/to/24h_home.mp4

# 分析网络连续 24h+ 卧室+餐厅视频
python -m scripts.smyx_depression_behavioral_markers_analysis --url https://example.com/24h_home.mp4

# 显示历史抑郁症辅助行为标记报告（自动触发关键词：查看抑郁行为标记历史报告、行为变化报告清单等）
python -m scripts.smyx_depression_behavioral_markers_analysis --list

# 输出精简报告
python -m scripts.smyx_depression_behavioral_markers_analysis --input 24h.mp4 --detail basic

# 保存结果到文件
python -m scripts.smyx_depression_behavioral_markers_analysis --input 24h.mp4 --output result.json

Elderly Loneliness / Depression-Tendency Behavior Analysis | 老年人孤独/抑郁倾向行为分析

分析独居老人居家摄像头视频，识别发呆、叹气、自言自语行为，输出每日情绪风险等级。

8 次安装1 星标

Elderly Loneliness Detection & Warm Companionship | 独居老人孤独情绪识别与温暖陪伴

Using a fixed camera in the home of a solitary-living elderly person or in a private nursing-home room, the system analyzes daily activity video and detects loneliness-related behaviors: prolonged solitude (no social interaction), static gazing (long-time fixation with no purposeful activity), sighing (rapid chest/abdomen rise-fall with exhale), and talking-to-self (mouth activity with no conversation partner). | 通过独居老人家中或养老院单人房的固定摄像头，分析老人日常行为视频，检测孤独相关行为：长时间独处（无社交互动）、静止发呆（长时间凝视一处无目的活动）、叹气（胸腹快速起伏伴呼气）、自言自语（口部活动但无对话对象）等。

7 次安装

Elderly Long-Term Immobility Monitoring (>12h) | 老年人长期静止（超12小时）监测

Using fixed cameras in multiple zones of a solo-living elder's home (living room, bedroom, kitchen, bathroom, etc.), the system continuously analyzes the video streams to detect human activity (movement, limb actions, gestures, etc.). If no activity is detected within a configured time window (default 12 hours), the system outputs a 'long-term no activity' alert and can notify emergency contacts via app or phone. | 通过独居老人家中的多个区域（客厅、卧室、厨房、卫生间等）固定摄像头，连续分析视频流，检测人体活动（包括移动、肢体动作、手势等）。若在设定的时间窗口内（默认12小时）未检测到任何活动，则输出'长期无活动'预警，并可通过APP或电话通知紧急联系人。

9 次安装

Anxiety-Related Behavior Recognition (Hand-rubbing / Nail-biting / Pacing) | 焦虑症相关行为（搓手、咬指甲、来回踱步）识别

Using a fixed camera at home or in the office, the system analyzes daily videos of an individual (e.g., adult, adolescent) and detects anxiety-related behaviors: hand rubbing (repeated rubbing of both hands), nail biting (hand approaching mouth with biting motion), and pacing (repeated back-and-forth walking in a small area). | 通过家庭或办公室的固定摄像头，分析个体（如成人、青少年）的日常行为视频，检测手部搓揉（双手反复摩擦）、指甲啃咬（手部靠近嘴部并有啃咬动作）、来回踱步（在狭小区域内反复折返行走）等焦虑相关行为。系统实时监测，当焦虑行为指数超过阈值时推送提醒（如'您今日焦虑行为较多，建议进行放松练习'）。