[论文阅读]Rank Pooling for Action Recognition

Rank Pooling for Action Recognition

2015/12 PAMI
作者：http://users.cecs.anu.edu.au/~basura/

---

首先，framework

1、对每一帧都进行特征编码，作者选择的特征有HOG HOF MBH TRJ
2、进行平滑
3、rankSVM，求出参数u
4、对参数u进行分类（SVM）

所以实际上就是用参数u来表达一个视频，在其所在空间进行分类

---

abstract & intro

视频的表示方法有很多，一般是把它看作帧的序列。论文提出一种新的方法——基于函数的时间池化方法，捕捉视频序列的潜在结构，比如说帧级别的特征随着时间是如何演化的。
in this paper：

• 提出了新的视频表达方式。rank pooling。
  
  • 可以捕捉视频级别的时间演化。虽然同一个动作的时间长短是不一样的，但是元动作的时间顺序是不变的。
  • 通过训练线性ranking machine来捕捉特定视频的时间顺序。具体来说，就是对于给定视频的所有帧， 学习如何按照时间顺序来arrange这些帧。
  • 用ranking function的参数编码视频的帧序列。
  • ranking machine采用有监督学习方式，在同一个动作的不同视频上进行训练，应当得到相似的ranking function。因此，提出用ranking machine的参数作为新的动作识别的表达形式。在这种新的representation 上来训练分类器。

Video representations

函数参数作为时间表达

视频帧：$x_t(x_t\in R^D)$
视频：$X=[x_1,x_2,...,x_n]$
给定一个向量序列，先进行平滑（后面详细讨论如何平滑），得到新的序列：$V=[v_1,v_2,...,v_n]$
（$x_{1:t}$ or