SEWAbility 系统：一种基于视频的岗位分析框架，用以理解任务特定的岗位需求

这对工人和雇主为何重要

许多有健康问题的人希望工作，但难以找到真正符合其身体承受能力的岗位。同时，工厂也需要可靠的方法来了解每个岗位对工人的身体要求。本研究提出了 SEWAbility——一种新的基于视频的系统，利用人工智能读取普通工厂摄像头画面，并将缝纫工作转换为对身体动作的清晰、可测量描述。长期目标是帮助将人（尤其是残障人士）更安全、更公平地匹配到适合其能力的工作。

从工厂摄像到有用的岗位信息

传统的岗位分析常依赖专家观察工人、记录笔记、召开焦点小组并访谈经理。这个过程既慢又主观，且不足以捕捉岗位所需的精确动作与用力程度。在一家中国缝纫厂，研究团队亲眼见到这些局限：工人可能会说他们在缝被单或校服，但无法以清晰、可测量的方式描述每一步。职业康复专业人员可以指出反复的手臂动作或弯腰动作，但无法给出关节移动速度或范围的精确数值。SEWAbility 的创建就是为了解决这一空白：将俯视的工作视频转化为可一致分析的客观运动数据。

将缝纫工作拆分为更小的构建单元

SEWAbility 关注缝纫工人的手臂和上身动作。它从俯视摄像开始，以不显示面部来保护隐私。系统逐帧追踪肩、肘、腕关节，然后用 88 项运动特征（如速度、方向和活动范围）汇总这些关节随时间的移动情况。首先，系统仅基于运动模式将视频分组为广义任务类型——比如缝制上衣、床上用品或下装。在对 21 段真实厂区视频的测试中，这种自动分组在约 86% 的情况下正确匹配了任务类型，表明不同的缝纫工作在摄像画面上确实留下了不同的运动“指纹”。

发现重复的周期和微小的重复动作

一旦识别出任务类型，SEWAbility 就会放大细节。它能检测工作周期，例如从开始到完成缝制一整片床单。在缝纫中，一个明显的线索是工人俯身移走完成的布料并拿起新布的那一刻。通过追踪手出现在台面边缘附近的位置，系统标记出每个周期的开始与结束。在每个周期内，它会将视频切分为许多短的、重叠的一秒片段并聚类，以找出最常见的动作模式。第二步更精确地利用腕部上下运动的峰值，将该主导模式切割成非常小的工作要素——基本的重复动作，例如将布料推过缝针。

将动作转化为描述岗位需求的数字

针对这些重复的工作要素，SEWAbility 计算详细的“重复运动模式”特征，包括每个关节移动的距离、移动速度以及肘与肩角度的变化程度。在一段缝制上衣的视频中，系统识别出七个清晰的工作周期，仅在第一个周期就检测到 18 个稳定的重复工作要素，每个要素持续略超过一秒。针对选定示例，系统显示工人的手臂在水平方向的移动远大于垂直方向，这与将布料在缝纫机中滑动时的预期相符。通过相对于肩宽来标定动作，这些特征可以解释为真实世界中的厘米和角度，便于临床医生和人体工程学专家将其作为参考基线使用。

这可能为更公平更安全的工作带来什么

尽管本初步研究侧重于一名有身体障碍的缝纫工人，SEWAbility 框架表明，仅使用工作场所视频就技术上可行地构建丰富的、任务特定的岗位负荷档案。随着更多工人和更多任务的加入，这些运动档案可以支持数据驱动的就业建议，帮助将人的身体能力与工厂岗位的真实需求相匹配。与传统、更主观的岗位分析相比，SEWAbility 提供了一种可扩展的方法来长期监测重复性工作，为更公平的招聘、更好的职业康复规划和更有依据的工作场所设计铺平道路。

引用: Hu, H., Ding, Z., Fu, E.Y. et al. The SEWAbility system: a video-based job analysis framework for understanding task-specific job demands. Sci Rep 16, 10370 (2026). https://doi.org/10.1038/s41598-026-41536-w

关键词: 职业康复, 缝纫厂工作, 基于视频的运动分析, 岗位需求, 工作场所人体工程学