一. 提出背景
目标:给定一段视频,通过分析,得到里面人员的动作行为。
问题:可以定义为一个分类问题,通过对预定的样本进行分类训练,解决一个输入视频的多分类问题。
这里提出的问题是简单的图片(视频)分类问题,该问题的前提条件是:场景目标为单人,并且占据图片比较大的比例,如下图所示:
还有一类问题是基于行人检测,去估计行人的姿态和动作,暂时不在本篇讨论范围内。
二. 行为识别的发展
和其他领域一样,我们还是先从未被深度学习攻占的传统方法讲起,我们标记的里程碑算法是 iDT。
iDT 方法是基于 DT(Dense Trajectories)方法,第一印象可以理解为 稠密光流 的轨迹。
如图所示,我们将算法描述为以下步骤:
1)在原始图像多尺度上进行密集特征点采样,采样间隔为W(上图左);
2)进行有效的特征点筛选(只保留有用的),这里选用的方式是基于自相关矩阵的特征值;
和直接通过surf去选择特征点的思路基本上一样。
该 Step 形成空域信息。
3)跟踪特征点,在时间轴形成特征点的轨迹序列(上图中);
该 Step 形成时域信息。
4)对应每个时间片上的每个特征点,在该点影响范围内 分别进行特征采样(HOG、HOF、MBH)(上图右),
对序列进行编码(Fisher Vecto