Python 查找面标记之间的欧氏距离

我有多个帧，我使用

Retinaface

检测到每个帧中的人脸。我想用它们的地标来追踪这些脸

为了找到两个地标之间的相似性，我尝试计算欧氏距离：

输入：

landmark_1 = [1828, 911], [1887, 913], [1841, 942], [1832, 974], [1876, 976]
landmark_2 = [1827, 928], [1887, 926], [1848, 963], [1836, 992], [1884, 990]

euclidean_dist(landmark_1, landmark_2)
>> 1424.9424549784458

参考其他链接后，我编写了以下函数，但生成的值非常高：

def欧几里德距离（向量x，向量y）：
向量x，向量y=np.数组（向量x），np.数组（向量y）
如果len（向量_x）！=len（向量y）：
引发异常（'向量必须是相同的维度'）
ans=和（（向量_x[dim]-向量_y[dim]）**2表示范围内的dim（len（向量_x）））
返回np.sqrt（np.sum（ans**2））

输出：

landmark_1 = [1828, 911], [1887, 913], [1841, 942], [1832, 974], [1876, 976]
landmark_2 = [1827, 928], [1887, 926], [1848, 963], [1836, 992], [1884, 990]

euclidean_dist(landmark_1, landmark_2)
>> 1424.9424549784458

（本例中应为较小的值）

---

我猜代码只能用于一维向量，但我真的被困在这里了。任何帮助都将不胜感激。

看起来你在两次摆正答案（

ans**2

）。但您也可以稍微简化函数：

def欧几里德距离（向量x，向量y）：
向量x，向量y=np.数组（向量x），np.数组（向量y）
返回np.sqrt（np.sum（（向量x-向量y）**2，轴=-1））

当向量是不兼容的形状时，这将自动引发异常

---

编辑：如果您使用

轴=-1

它将在数组的最后一个轴上求和，因此您可以使用二维向量数组。

看起来您将答案平方两次（

ans**2

）。但您也可以稍微简化函数：

def欧几里德距离（向量x，向量y）：
向量x，向量y=np.数组（向量x），np.数组（向量y）
返回np.sqrt（np.sum（（向量x-向量y）**2，轴=-1））

当向量是不兼容的形状时，这将自动引发异常

编辑：如果您使用

轴=-1

它将在数组的最后一个轴上求和，因此您可以使用二维向量数组。

您也可以使用

你也可以用