对numpy数组进行重采样和归一化以识别手势

Question

我打算写一个小应用程序来识别手势（现在先用鼠标来实现）。

现在，我要把鼠标的坐标记录在一个包含点的numpy数组里（这个点是一个简单的类，里面有x和y两个属性）。为了训练我的系统（基于隐马尔可夫模型），我需要一些长度相同、范围一致的样本。

举个例子，我需要一个长度为8的数组来进行训练和分类器的使用。而我刚刚记录了a1（长度为5的元素）和a2（长度为9的元素）。我该如何让len(a1) == len(a2) == 8呢？

编辑：我找到一个网站来解释我的问题：http://www.creativedistraction.com/demos/gesture-recognition-kinect-with-hidden-markov-models-hmms/，他使用k-means算法将元素减少到8个聚类。

解决方案：我有一些分散的点（我不知道有多少），我想把它们减少到8个有意义的点。我可以使用一些聚类算法来进行聚类。KMeans可能是一个选择。在scipy中可以用这段代码实现：

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

注意：如果numpy_array的大小小于n_cluster，我发现结果并不好，但在我的实际情况中，经过一些尝试，我观察到我有超过（numpy_array大小>=60，n_cluster=8）。这很合理：k-means不是一个确定性的算法，而是一个涉及随机初始化的迭代过程，因为对于这种问题没有好的解析解（如果我理解得没错的话）。

当然，这里面有一些数学原理，我不想深入探讨。这个方法可以解决问题。

Answer 1

我不太确定这是不是你需要的，但这个方法会在输入的基础上，沿着 n 个均匀分布的点进行线性插值。

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)