如何针对视频中的速度轨迹进行基于密度的聚类？

Question

每帧我都有特征点的速度。视频中有165帧，其中每一帧都包含特征点的速度，这就是我的数据。

TrajDbscanData

array([[  1.        ,   0.51935178],
       [  1.        ,   0.52063496],
       [  1.        ,   0.54598193],
       ...,
       [165.        ,   0.47198981],
       [165.        ,   2.2686042 ],
       [165.        ,   0.79044946]])

其中第一个索引是帧号，第二个索引是该帧上特征点的速度。

在这里，我想针对不同的速度范围进行基于密度的聚类。为此，我使用以下代码。

import sklearn.cluster as sklc
core_samples, labels_db = sklc.dbscan(
    TrajDbscanData,  # array has to be (n_samples, n_features)
    eps=0.5,
    min_samples=15,
    metric='euclidean',
    algorithm='auto'
)
core_samples_mask = np.zeros_like(labels_db, dtype=bool)
core_samples_mask[core_samples] = True

unique_labels = set(labels_db)

n_clusters_ = len(unique_labels) - (1 if -1 in labels_db else 0)

colors = plt.cm.Spectral(np.linspace(0, 1, len(unique_labels)))
plt.figure(figcount)
figcount+=1
for k, col in zip(unique_labels, colors):
    if k == -1:
        # Black used for noise.
        col = 'k'

    class_member_mask = (labels_db == k)

    xy = TrajDbscanData[class_member_mask & core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col, markeredgecolor='k', markersize=6)

    xy = TrajDbscanData[class_member_mask & ~core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'x', markerfacecolor=col, markeredgecolor='k', markersize=4)

plt.rcParams["figure.figsize"] = (10,7)
plt.title('Estimated number of clusters: %d' % n_clusters_)
plt.grid(True)
plt.show()

我得到了以下结果。

Y轴是速度，x轴是帧号 我想根据速度进行基于密度的聚类。例如，一个群集中的速度最高为1.0，异常值从1到1.5的速度，另一个群集的速度从1.5到2.0，而另一个群集的速度则高于2.0。这有助于识别常见的运动模式类型。我该怎么办？

Answer 1

不要使用欧几里得距离。

由于x和y a的含义非常不同，因此使用的距离函数错误。

您的绘图具有误导性，因为轴的比例不同。如果您以相同的方式缩放x和y，您将了解发生了什么... y轴被有效地忽略，并且通过离散的整数时间轴对数据进行切片。

您可能需要使用通用DBSCAN并分别处理时间和价值！