我有一些Kinect数据显示有人站着(合理地)仍在进行各种打击。我给它的格式为x,y,z坐标,每个关节为20,所以每帧有60个数据点。
我正在尝试对拳击执行分类任务但是我在使数据正常化时遇到了一些问题。从图中可以看出,有些部分的“振幅”比其他部分高得多,我的信念是,这是由于在读取数据时该人与kinect传感器的接近程度。 (该图实际上是PCA为每个帧获得的第一个主要系数,同一个打孔的多个序列在此图中串联在一起)
回顾数据文件,看起来像'out'的那些有一个z坐标(来自传感器的深度)~2.7,而其他人则徘徊在3.3-3.6左右。
如何使用深度值进行标准化以使每个序列彼此更接近?我已尝试区分以获得速度,尽管它有助于实际规范化输出结果太相似,很难归类。
编辑:我应该提到我已经使用标准化方法,通过减去每个关节的臀部位置,试图使坐标相对。
答案 0 :(得分:1)
当被跟踪的人站在Kinect视图的边缘附近时,Kinect可以输出一些奇怪的值。我要么完全忽略这些数据,要么只用前2和后2的平均值替换数据。
例如: 1,2,1,12,1,2,3
将12替换为(2 + 1 + 1 + 2)/ 4 = 1.5
您基本上可以使用您拥有的整个数组值来实现此目的,这样您就可以获得更加标准化的线/图。
您还可以使用clippedEdges值来确定一个或多个关节是否在视图之外。