如何整理我的爪子？

Question

在my previous question I got an excellent answer中，帮助我发现了一个爪子撞到压板的位置，但现在我正在努力将这些结果与相应的爪子联系起来：

我手动注释了爪子（RF =右前，RH =右后，LF =左前，LH =左后）。

正如您所看到的那样，显然有一种重复的模式，它几乎在每次测量中都会出现。 Here's a link to a presentation of 6 trials that were manually annotated.

我最初的想法是使用启发式方法进行排序，例如：

• 前爪和后爪之间的重量比约为60-40％;
• 后爪通常表面较小;
• 爪子（经常）在空间上左右分开。

然而，我对我的启发式方法持怀疑态度，因为一旦遇到我没想过的变化，他们就会对我失败。他们也无法应对可能有自己规则的跛脚犬的测量结果。

此外，Joe提出的注释有时会搞砸，并没有考虑到爪子实际上是什么样的。

根据我收到的答案on my question about peak detection within the paw，我希望有更高级的解决方案来对爪子进行排序。特别是因为每个单独的爪子的压力分布和其进展是不同的，几乎像指纹一样。我希望有一种方法可以使用它来聚集我的爪子，而不是按照发生的顺序对它们进行排序。

所以我正在寻找一种更好的方法来用相应的爪子对结果进行排序。

对于接受挑战的任何人，I have pickled a dictionary all the sliced arrays that contain the pressure data of each paw（测量捆绑）和the slice that describes their location（位置及时间位置）。

澄清：walk_sliced_data是一个包含['ser_3'，'ser_2'，'sel_1'，'sel_2'，'ser_1'，'sel_3']的字典，它们是测量的名称。每个测量包含另一个字典，[0,1,2,3,4,5,6,7,8,9,10]（例如来自'sel_1'），表示提取的影响。

另请注意，可以忽略“假”影响，例如部分测量爪子的位置（空间或时间）。它们只是有用，因为它们可以帮助识别模式，但是 不会被分析。

对于任何有兴趣的人，I’m keeping a blog with all the updates regarding the project!

Answer 1

Answer 2

纯粹基于持续时间使用这些信息，我认为你可以应用建模运动学的技术;即Inverse Kinematics。结合方向，长度，持续时间和总重量，它提供了一定程度的周期性，我希望这可能是尝试解决“爪子分类”问题的第一步。

所有这些数据都可用于创建有界多边形（或元组）列表，您可以使用它们按步长排序，然后按paw-ness [index]进行排序。

Answer 3

您是否可以让技术人员手动输入第一个爪子（或前两个）？这个过程可能是：

• 显示步骤图像的顺序，并要求它们注释第一个爪子。
• 根据第一个爪子标记其他爪子，并允许技术人员进行更正或重新运行测试。这允许跛脚或三条腿的狗。