DT&IDT算法应该算是行为识别领域中经典中的经典了,自从13年提出以来,在HMDB-51和UCF-101等若干个数据库上得到了非常好的效果,虽然DT&IDT算法做不过深度学习,但是由于其算法的有效性,现在大部分都是以“Ours+IDT”的形式呈现在论文里,并且加上了IDT后,结果的确能得到很明显的提升。
具体IDT算法的讲解可以参考博客:行为识别笔记:improved dense trajectories算法(iDT算法)
IDT算法的代码可以在作者的主页上下载,另外作者给出的代码只包括了密集采样+轨迹跟踪+特征提取三个部分,后续的特征编码部分请点击此处下载。
1. 运行IDT算法代码
下载好代码后可以仔细阅读一下Readme
文件,首先需要配置好Opencv和ffmpeg两个库,具体的版本请参考Readme
文件。配置好后就可以在目录下直接make
,编译好的可执行文件在./release/下。
可以运行他的demo视频来看一下是否编译成功:./release/DenseTrackStab ./test_sequences/person01_boxing_d1_uncomp.avi
,如果编译成功的话会在屏幕上打印出一系列的数字,这些就是轨迹特征以及HOG, HOF和MBH特征。
IDT代码只是将各个特征打印了出来,如果需要改成保存到文件的话,更改第248-251行的