point.pt is a tuple（x，y）'的关系。
所以，

x = point.pt[0]
y = point.pt[1]

或者，

(x,y) = point.pt

OpenCV为此提供了一个函数，您可以运行：

pts = cv2.KeyPoint_convert(kp)

您可以使用：

import numpy as np

pts = np.float([key_point.pt for key_point in kp]).reshape(-1, 1, 2)

pts将是关键点的array。

Read the docs.

类关键点

显著点检测器的数据结构。

• Point 2f pt --关键点的坐标
• float size --有意义的关键点邻域的直径
• 浮动Angular ... ¶

所以point.pt是一个点2f。
尝试x,y= point.pt

下面是我的建议（可运行代码）：

import cv2, os
import numpy as np
import matplotlib.pyplot as plt

# INITIALISATION
filename = os.path.join('foo', 'bar.jpg')
img0 = cv2.imread(filename) # original image
gray = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY) # convert to grayscale
sift = cv2.xfeatures2d.SIFT_create() # initialize SIFT 
f, (ax1, ax2) = plt.subplots(1, 2) # create subplots

# DETECT AND DRAW KEYPOINTS
# sift.detect() returns a list of keypoints
# keypoint is a standard class of opencv (not just SIFT-related)
kp = sift.detect(gray,None) # calculates SIFT points
img1=cv2.drawKeypoints(gray,kp, None) # mae new image with keypoints drawn
ax1.imshow(img1) # plot 

# RETREIVE KEYPOINTS COORDINATES AND DRAW MANUALLY
# Reade these and make numpy array
pts = np.asarray([[p.pt[0], p.pt[1]] for p in kp])
cols = pts[:,0]
rows = pts[:,1]
ax2.imshow(cv2.cvtColor(img0, cv2.COLOR_BGR2RGB))
ax2.scatter(cols, rows)

plt.show()

我就这样解决了你的问题。

kp,des = surf.detectAndCompute(img,None) 
pts = [p.pt for p in kp]

现在，您将获得图像中所有关键点的x，y坐标列表。

为了得到光流输入的正确形状，我使用了上述方法的组合

kp = sift.detect(old_frame, None)
pts0 = cv2.KeyPoint.convert(kp).reshape(-1, 1, 2)