iDT：使用增强轨迹的行为识别

Action Recognition with Improved Trajectories（2013）

本文是DT的升级版

 主要贡献

1.提出一种去除相机运动产生的轨迹的方法

2.提出对人占屏比大的帧采用DPM进行行人检测，去除人的部分，再做相机运动估计。

（这两点都是用于对计算的轨迹进行优化，降低算法以外的因素带来的影响）

 

    如图所示，第一排是两个连续帧叠加在一起，第二排是直接进行光流估计，第三排是去除了相机运动后的光流估计，第四排中白色的箭头是相机运动产生的trajectories。

 

Camera motioin estimation

    第一步，假设两个连续的帧是同域(homography)的，（homography这里直接翻译是同域的意思，在论文里指的是两帧的差别不大，物体运动很小，例如连续两帧中的天空，基本都是一样的，那这两帧就属于homography）

    第二步，使用SURF特征（SIFT的快速版，也是升级版）和光流估计来匹配特征点对，其中，SURF更注重区域块，在前面的文章《使用增强运动向量CNNs的实时行为识别》中提到光流是基于像素的，因此这两种方法是互补的，结合使用效果更好。之所以使用SURF是因为它对于运动模糊和旋转的图像有较好的鲁棒性（但不善于处理视角变化和光照变化）。

    第三步，使用RANSAC(随机抽样一致)来估计匹配的特征点对，从而得出连续两帧的投影变换矩阵，根据投影变化矩阵可得到相机运动。

   &