Question

我要写一个小应用来识别手势（现在用鼠标）。

现在，将鼠标坐标记录在Point对象（具有x和y属性的简单类）的numpy数组中。为了训练我的系统（基于HMM）我需要（我认为......）相同长度的一些样本在相同范围之间归一化。

比方说，我需要一个8元素长度的数组用于我的训练和分类器。我刚刚记录了a1（5-len元素）和a2（9-len元素）。如何实现len（a1）== len（a2）== 8？

编辑：我找到了一个解释我问题的网站： http://www.creativedistraction.com/demos/gesture-recognition-kinect-with-hidden-markov-models-hmms/ 他在8簇中使用k-means来减少元素..

解决方案：我有一些分散点（我不知道有多少），我想把它减少到8个意义点。我可以使用的一种技术是使用一些集群算法对它们进行聚类。 KMeans可能是一种可能性。在scipy中使用此代码：来自scipy.cluster.vq import kmeans2

def clusterize(numpy_array, n_cluster):
    centroids, labels = kmeans2(numpy_array, n_cluster)
    #print centroids, labels
    return centroids

注意：如果numpy_array大小小于n_cluster，我注意到解决方案并不好，但在我的实际案例中经过一些试验后，我观察到我有更多（numpy_array size＆gt; = 60，n_cluster = 8）。这是非常合乎逻辑的：k-means不是一个确定性的alorightm，但它是一个涉及一些随机初始化的迭代过程，因为对于这种问题没有解决方案（如果我理解的话）。

肯定有一些我不想深入研究的数学见解。这样做了。

Answer 1

我不确定这是你需要的，但是这将从n均匀间隔点的输入线性插值。

input = np.array([0, 1, 2, 3, 4]) ** 2
n = 8
m = len(input)
out = np.interp(np.linspace(0, m-1, n), np.arange(m), input)

重新采样并规范化numpy数组以进行手势识别

1 个答案: