我有一些Kinect数据显示某人（合理地）仍然站着并执行各种打击 . 我给它的格式为x，y，z坐标，每个关节为20，所以每帧有60个数据点 .
我正试图在拳头上执行分类任务但是我在使数据正常化时遇到了一些问题 . 从图中可以看出，有些部分的“振幅”比其他部分高得多，我的信念是，这是由于在读取数据时该人与kinect传感器的接近程度 . （该图实际上是PCA为每个帧获得的第一个主要系数，同一个打孔的多个序列在此图中串联在一起）
回顾一下数据文件，看起来像'out'的那些有一个z坐标（来自传感器的深度）~2.7，而其他人则徘徊在3.3-3.6左右 .
How can I perform a normalization with the depth values to make them closer to each other for each sequence? 我已经尝试过差异来获得速度，虽然它有助于规范化输出实际上最终太相似并且使得很难进行分类 .
编辑：我应该提到我已经使用归一化方法，通过减去每个关节的臀部位置，试图使坐标相对 .
1 回答
当被跟踪的人站在Kinect视图的边缘附近时，Kinect可以输出一些奇怪的值 . 我要么完全忽略这些数据，要么只用前2和后2的平均数替换数据 .
例如：1,2,1,12,1,2,3
将12替换为（2 1 1 2）/ 4 = 1.5
您基本上可以使用您拥有的整个数组值来实现此目的，这样您就可以获得更加标准化的线/图 .
您还可以使用clippedEdges值来确定一个或多个关节是否在视图之外 .