问题描述
背景：将计算机视觉方法（在 Python 中）应用于图像 - 我已经从侧面（即侧面站立的人）提取了人体躯干的轮廓（使用 Opencv）。然后，我对轮廓数组应用了变换，以仅隔离从颈部 (C7) 到躯干后部/背部的脊柱底部 (骶骨) 的坐标。
返回一个 Numpy 数组，该数组本质上是一条开放曲线，该曲线近似于该人的脊柱对齐。
然后将 Numpy 数组中的坐标（代表脊柱轮廓）从 0-1 归一化为 min-max，并保存为一种特征向量。
我的问题：如何使用此（和其他提取的）曲线数据进行分类，将开放曲线分组（例如：直背、弯腰/弯腰/后凸、过度拱形下背部/前凸、正常等）。
我的尝试：
- 将坐标标准化为 0-1。
- 在散点图上绘制坐标
- 通过应用不同的多项式 n 次拟合并查看 r 和 r2 误差范围，对数据使用回归技术来确定开路曲线的形状。
- 没有得到我想要的结果。
后凸（前圆）过度曲线和前凸（底部拱形）过度曲线之间的细微差别没有在回归数据中准确捕捉到，这使得对极端脊柱曲线进行分类具有挑战性。
问题：应对此类挑战的最佳方式是什么？
最终目标是创建一个 Python 脚本，该脚本可以处理图像（从站立的侧面拍摄），可以相应地标记/识别脊柱对齐和分类。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）