行为识别和视频分类是计算机视觉领域中非常有挑战性的课题,因为其不仅仅要分析目标体的空间信息,还要分析时间维度上的信息,如何更好的提取出空间-时间特征是问题的关键。我们先了解相关技术进展,从传统特征法到深度学习中的3DCNN,LSTM,Two-Stream。
1 视频分类/行为识别问题
首先我们要明确这是一个什么问题,基于视频的行为识别包括两个主要问题,即行为定位和行为识别。行为定位即找到有行为的视频片段,与2D图像的目标定位任务相似。而行为识别即对该视频片段的行为进行分类识别,与2D图像的分类任务相似。
2 视频分类/行为分析重要数据集
深度学习任务的提升往往伴随着数据集的发展,视频分类/行为识别相关的数据集非常多,下面介绍一下HMDB-51据集。
2.1 HMDB-51
HMDB-51共51个类别,6766个短视频。数据集地址:http://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/#dataset,发布于2011年。
数据来源非常广泛,包括电影,一些现有的公开数据集,YouTube视频等。从中选择了51个类别,每一个类别包含101个以上视频。
分为5大类