Python 活动形状模型：将模型点与目标点匹配

我有一个关于活动形状模型的问题。我使用的是T.库茨的论文（可以找到）

我已经完成了所有的初始步骤（Procrustes分析来计算平均形状，PCA来减少尺寸），但我仍然坚持拟合

这就是我现在所处的情况：我已经用点X计算了平均形状，还计算了一组新的点Y，该点X应该移动，以更好地适合我的图像

我使用的算法如下，可在先前链接的论文第23页找到：

---

---

澄清：是使用Procrustes分析计算的平均形状，是包含使用PCA计算的特征向量的矩阵

到第4步，一切都进展顺利。我可以计算姿势参数并将变换反转到点Y

然而，在STAP5中，发生了一些奇怪的事情。无论在stap 3中计算并应用于stap 4中的姿势参数是什么，stap 5总是产生几乎完全相同的向量y'，且值非常低（例如，其中一个为1.17747114e-05）。（所以无论我计算的是1/10还是1000，y'几乎没有变化）

这导致算法总是收敛到相同的值b，因此在相同的输出形状x，无论目标点Y的输入集是什么，我都希望模型点x匹配

这当然不是算法的目标。。。有人能解释这种奇怪的行为吗？不知何故，将步骤5中计算出的向量y投影到“切平面”中并不考虑步骤4中所做的任何更改

---

编辑：我有更多的理由，虽然没有解释或解决办法。如果在步骤5中，我手动将y'设置为仅由零组成，则在步骤6中，b等于特征向量与均值形状相乘的矩阵。这导致了我总是得到相同的b（因为y'总是一个值很低的向量）

但这些特征向量是使用PCA从平均形状计算出来的。。。所以我们期望的是，不应该发生任何变化，对吗

---

---

您可以检查的是您的坐标是否正确缩放：该算法假设所有坐标都已缩放，以便平均形状向量具有欧几里德范数1。如果不是这样（特别是如果它比一大得多，你会得到非常小的y分量）