研究：用OpenPose体态关键点与语音特征自动编码亲子互动质量，或提升依恋干预评估效率
一项发表于《ACM Journal on Computing and Sustainable Societies》（Association for Computing Machinery，美国计算机协会出版）的摘要级研究，用220段家庭录制的亲子互动视频，尝试以姿态分析工具OpenPose（从视频中提取人体关键点的开源工具）提取的人体关键点与音频语音活动特征，训练机器学习原型替部分人工编码。
摘要仅称在提升亲子互动编码效率上有潜在价值，并设想未来可支持社工的AI（人工智能）辅助育儿指导。 需注意：证据仅限题录与摘要，未披露准确率、与人工编码一致性或儿童结局数据，作者愿景不等同于临床评估或干预有效的验证。
研究对象为参与依恋（attachment，指儿童与照护者之间的情感联结）干预项目的亲子二元组，共220段在家中半结构化互动任务（如“三袋评估”）中录制的视频。 传统做法由人工编码员逐段评分，耗时较长。 研究团队提取OpenPose人体关键点与音频中的语音活动特征，构建机器学习原型。
摘要仅称“存在潜在价值”可改善编码效率，并称模型经进一步开发后“可能”有助于形成AI（人工智能）辅助育儿指导的新设想，使循证干预在更大范围内可及、可负担。 摘要未报告模型准确率、与人工编码的一致性数值或任何儿童结局数据。
论文作者来自 University of Maryland Baltimore County（美国马里兰大学巴尔的摩县分校）、Johns Hopkins University（美国约翰斯·霍普金斯大学）、University of Maryland School of Social Work（美国马里兰大学社会工作学院）与 Columbia University School of Social Work（美国哥伦比亚大学社会工作学院）。
这项工作的意义在于把AI（人工智能）放在“评估工具”而非“治疗者”位置：替人工完成重复性编码，理论上可释放社工时间。 但需注意三点：一是视频在家录制，涉及家庭隐私与知情同意的伦理问题，摘要未说明； 二是依恋质量评估高度依赖情境与临床判断，关键点与语音特征能否捕捉情感联结质量尚无数据； 三是摘要所说的“可及、可负担”是作者愿景，不是已实现的成本比较。
后续观察信号
- 检索该团队后续发表，确认是否超出摘要披露效果数据
- 核实OpenPose在家庭场景遮挡条件下的可用性讨论