【论文】动态贝叶斯网络用于时序建模及动作分类

为督促自己更好的理解论文，而不是仅看看不思考，今后【论文】系列将会至少每周总结一篇这周看过的论文，总结需分为两部分，一部分忠于原文详细总结原理方法，另一部分阐述自己的理解，以便达到整理研究思路，提高论文写作水平的目的
本周总结思考的论文为：Object-based analysis and interpretation of human motion in sports video sequences by dynamic Bayesian networks.¹

前言

虽然文献的研究对象为实例级别(object-based)，但由于文献发表时间早于Alexnet的出现，所以动作实例特征的提取不涉及高级语义，仅为纹理颜色形状等低级特征，故**视频物体(VOs,video objects)**的提取前置步骤不列为总结重点，重点放在如何使用数学方法建模时序上。
本文要解决的两个关键问题为：

• 1. what features we shall count on

• 2. what mapping we shall use

针对这两个关键问题，本文涉及的关键步骤有：

1. video objects segmentation
   目的：根据镜头检测的结果分割VOs
   算法：change detection or object tracking（两种都用了）
2. video objects abstraction
   目的：鉴别关键帧以减少数据冗余，提取VOs特征
   算法：cluster analysis or sequential selection
3. semantic feature modeling
   目的：建模语义对象的时空特性
   算法：动态贝叶斯网络(DBN, Dynamic Bayesian Network)

整体架构流程图如下：

VOs提取结果

Video modeing and inter pretation

为了获取视频片段的语义，需要用DBN将低级特征映射为高级语义。

贝叶斯公式

其中：

• $p(w)$：为先验概率，表示每种类别分布的概率；
• $p($