视频识别的基础概念

一、视频识别几大问题

1. 未修剪视频分类(Untrimmed Video Classification)：通过对输入的长视频进行全局分析，然后软分类到多个类别
2. 修剪视频识别(Trimmed Action Recognition)：给出一段只包含一个动作的修剪视频，要求给视频分类
3. 时序行为提名(Temporal Action Proposal)：从长视频中找出可能含有动作的视频段
4. 时序行为定位(Temporal Action Localization)：从视频中找到可能存在行为的视频段，并且给视频段分类
5. 密集行为描述(Dense-Captioning Events)：将一段未修剪的视频进行时序行为定位得到许多包含行为的视频段后，对该视频段进行行为描述

2、常见的解决方案

iDT

iDT算法框架主要包括：密集采样特征点，特征轨迹跟踪和基于轨迹的特征提取三个部分。
光流：在时间间隔很小的情况下，视频像素位移
特征提取:通过网格划分的方式在多尺度图像中分别密集采样特征点。通过计算特征点临域内的光流中值得到特征点运动方向。

编码:使用了HOF，HOG和MBH三种特征描述光流
HOG：灰度图像梯度直方图，HOG特征的长度为2238=96。