Python:如何使用欧几里得算法从列表中选择心脏X，Y点

Question

我正在制作一个自己的质心跟踪器来跟踪视频中的一些对象。

从我的检测功能，我得到一个列表，列表，从给定的数据，格式如下：

[startX, startY, endX, endY,cX,cY,score]

这是一个检测到两个物体的例子：

[[10,10,200,200,105,105,0.9],[350,120,410,500,380,310,0.7]]

我想做一个函数，从我的跟踪器的给定质心点X，Y返回该列表中最近的(cX，cY(。

最好的方法是什么？所有质心跟踪器都使用欧几里得算法来计算距离。这是最好的方法吗？有人能给我解释一下吗？

我在一个网站上找到了这个功能：

def pClosest(points, K):

points.sort(key = lambda K: K[0]**2 + K[1]**2)

return points[:K]

# Driver program
points = [[3, 3], [5, -1], [-2, 4]]

K = 2

print(pClosest(points, K))

我怎样才能将它转换为我需要的？

Answer 1

您只需将np.linalg.norm与ord=2一起使用即可获得两个numpy数组之间的欧氏距离。应用于您的示例，您可以使用以下内容：

from collections import namedtuple
import numpy as np
# Introduce a named tuple for named access to start/end/center points
DetectedObject = namedtuple("DetectedObject", 
("start", "end", "center", "score"))
# I am storing your examples as DetectedObjects, each point is
# a vector of length 2.
examples = [DetectedObject(start=np.asarray([10, 10]),  # store point coordinates in array
end=np.asarray([200, 200]),
center=np.asarray([105, 105]),
score=0.9),
DetectedObject(start=np.asarray([350, 120]),
end=np.asarray([410, 500]),
center=np.asarray([380, 310]),
score=0.7)]

def get_centers(objects):
"""Retrieve center points from DetectedObject."""
return np.asarray(list(map(lambda o: o.center, objects)))
def get_closest_object_to_centroid(centroid, objects):
"""Given a centroid, extract the closest object from a collection of DetectedObjects."""
centers = get_centers(objects)
# instead of the norm you could also use np.sum((centroid-centers)**2, axis=1)
closest_index = np.argmin(np.linalg.norm(centroid-centers, ord=2, axis=1))
return objects[closest_index]

然后你可以按如下方式使用它：

closest = get_closest_object_to_centroid(centroid=np.asarray([10, 10]),
objects=examples)
closest  # DetectedObject(start=array([10, 10]), end=array([200, 200]), center=array([105, 105]), score=0.9)

Answer 2

我的朋友给我发了这个函数：

from scipy.spatial.distance import cdist
def closest_node(node, nodes):
lista = []
for item in nodes:
lista.append([item[4],item[5]])
return nodes[cdist([node], lista).argmin()]

# Driver program
points = [[10,10,200,200,105,105,0.9],[350,120,410,500,380,310,0.7]]

point = [30,50]
print(closest_node(point,points))

这很好