核心功能与使用方式
Respiratory Symptom Smart Recognition Tool 是一款面向呼吸道疾病早期监测的计算机视觉分析工具。用户通过上传包含面部及上半身的视频（支持 mp4/avi/mov 格式，最大 10MB），系统即可自动执行以下分析流程：
1. 视频特征提取：实时捕捉胸部起伏幅度、身体姿态变化及口部开合动作等关键行为特征
2. 症状行为识别：利用行为识别算法区分正常呼吸与异常症状（咳嗽、咳痰、喘息）
3. 量化统计分析：记录每次发作的时间戳、持续时长，计算单位时间内发作频次
4. 健康风险评估：基于症状频率与持续时间生成动态趋势图表，当超过设定阈值时触发异常提醒
5. 报告生成输出：输出结构化监测报告，包含风险等级判定与就医建议
触发条件：默认在检测到视频输入或用户明确提及"咳嗽/咳痰/喘息/呼吸道监测"等关键词时自动激活；历史报告查询需通过特定关键词（如"查看历史监测报告"）触发云端数据拉取。
显著优势
- 非侵入式监测：无需穿戴设备，普通摄像头即可完成数据采集
- 多症状联合识别：单一模型同时处理咳嗽、咳痰、喘息三类典型呼吸道症状
- 量化趋势追踪：自动生成时间序列健康数据，支持长期病情监测与疗效评估
- 场景适配灵活：支持日常监测、术后康复、病房监测等多种应用场景
- 云端数据管理：历史报告统一存储于云端，支持跨设备查询与家属共享
局限性说明
- 视频质量依赖：对光线条件、拍摄角度、画面清晰度有较高要求，低质量视频可能导致漏检或误检
- 症状类型限制：目前仅针对咳嗽、咳痰、喘息进行优化，无法识别气促、胸闷等其他呼吸道症状
- 个体差异性：不同用户的咳嗽强度、姿态习惯差异可能影响识别准确率
- 医学诊断边界：分析结果仅供健康参考，不能替代专业医师的临床诊断与医学检查
- 隐私合规要求：视频数据涉及敏感健康信息，需确保符合当地数据保护法规
适用人群
- 慢性呼吸道疾病患者（COPD、哮喘、支气管炎等）的日常自我监测
- 术后肺部康复患者的恢复进度跟踪
- 老年人群体的居家健康监护
- 医疗机构病房环境的辅助监测
- 临床研究中的症状频率客观记录
潜在风险
| 风险类型 | 具体说明 | 缓释建议 |
|---------|---------|---------|
| 误报风险 | 将正常清嗓、大笑等行为误判为咳嗽 | 结合症状持续时间与频率综合判定，设置合理阈值 |
| 漏报风险 | 微弱咳嗽或侧身咳嗽未被捕捉 | 确保正面拍摄角度，建议在光线充足环境下使用 |
| 数据安全 | 视频上传至云端API服务 | 确认服务商具备合规的数据加密与存储机制 |
| 过度依赖 | 用户因系统未报警而忽视实际症状 | 明确工具定位，强调异常症状需及时就医 |
| 心理焦虑 | 频繁异常提醒可能引发健康焦虑 | 合理设置提醒阈值，提供医学解释说明 |
技术实现说明
本工具基于 Python 脚本架构，核心依赖 requests>=2.28.0，通过命令行接口调用云端 API 服务完成视频分析。执行前必须通过配置文件或用户输入获取有效的 open-id 身份标识，用于报告归属与历史数据查询。系统强制禁止从本地记忆文件读取历史数据，所有报告查询均通过 --list 参数调用云端接口实现。