爲手勢識別重新採樣和規格化numpy陣列

Question

我要寫一個小應用程序來識別手勢（現在用鼠標）。

現在，將鼠標座標記錄在Point對象（具有x和y屬性的簡單類）的numpy數組中。 訓練我的系統（基於HMM）我需要（我認爲...）在相同範圍內的相同長度標準化的樣本。

舉例來說，我需要一個8個元素長度的數組用於我的訓練和分類器。 而我剛纔記錄了a1（5-len元素）和a2（9-len元素）。如何實現len（a1）== len（a2）== 8？

編輯：我發現了一個網站，解釋我的問題： http://www.creativedistraction.com/demos/gesture-recognition-kinect-with-hidden-markov-models-hmms/ 他用K-手段降低8集羣元素..

SOLUTION：我有一些零散的點（我不噸知道多少），我想把它降低到8的意義。我可以使用的技術之一是使用一些集羣算法將它們集羣化。 KMeans可能是一種可能性。在SciPy的與此代碼：從scipy.cluster.vq進口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尺寸小於n_cluster我注意到，該方案並不好，但在我的現實情況下，一些試驗後，我觀察到我有超過（numpy_array大小> = 60，n_cluster = 8）。這非常合乎邏輯：k-means不是一個確定性的alorightm，但它是一個迭代過程，涉及一些隨機初始化，因爲對於這類問題（如果我理解的很好）沒有任何分析性的良好解決方案。

肯定有一些數學見解，我不想深入研究。這做的工作。

Answer 1

我不確定這是你需要的，但是這將從輸入沿着均勻間隔點的輸入線性插入。

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)