Python中使用Douglas-Peucker来减少HMM识别中的状态点

手势识别中，基于手运动的位置信息，识别手势运动轨迹，由于相机采集的频率问题，导致数据点太多，HMM中显状态数量太多，使用Douglas-Peucker来减少轨迹中的运动点。

Douglas-Peucker的原理如下图所示：

                          

自然语言表达方式如下：

1.首先以端点A，a连接作为一条直线，如果曲线Aa只包含两个端点 A a， 则此曲线去点循环结束。循环剩下所有的点，计算点与直线的垂直距离，确定与直线距离最大的点及距离ε, 

2.if ε小于预定的值，那么A到a之间的所有点都被删除，使用Aa线段来代替此段曲线，此曲线段循环结束。否则曲线被分成两段Ac, ca

3.继续进行步骤1，直到满足退出循环去点条件。

最后可以看到曲线中的点的数量变少。

基于Python实现的代码粘结在下面:

import math
import re
import matplotlib.pyplot as plt
#use the dp algorithm to simplify the line.
def DPeucker(dataOrigin):
    data = list()
    #to make sure that the datatype is list type instead of numpy list
    print(type(dataOrigin))
    if(type(dataOrigin) == type([])):
        print(