本文详细介绍了cvpr2014年Ivan Laptev的教程中提到的iDT（Improved Dense Trajectory）特征提取方法，包括如何通过DenseTrackStab代码实现iDT，并分析了关键部分如Video.cpp和DenseTrackStab的光流计算、特征提取过程。此外，还讨论了如何使用BoundingBox消除背景噪声，以及在消除相机抖动和构建金字塔模型后的iDT特征提取步骤。
cvpr2014的Ivan Laptev大神的tutorial 中总结IDT+fisher coding是目前state-of-art的人体动作行为算法。现在基本涉及的论文效果都要跟iDT进行比对。在此写下自己对整个代码的理解，以方便学习。若有不当之处敬请指出。转载请提供原文链接出处。
LEAR实验室 这个实验室个人感觉很不错，放出来的代码基本都能work，而且有不错的的效果。
早期版本的dense trajectory代码下载，后来加入了SURF消除camera jitter以及Bounding Boxes消除了其他背景噪声，于是有了现在的iDT(improved Dense Trajectory)(http://lear.inrialpes.fr/people/wang/dense_trajectories).
首先我们先让代码运行起来看到效果再来分析一下它的实现机制吧。首先解压文件，在DenseTrackStab.cpp文件中看到：
int show_track = 0; // set show_track = 1, if you want to visualize the trajectories
为了有更好的可视化效果，我们把show_track变量改成1。
下面开始编译：在解压的
最低0.47元/天 解锁文章
扫一扫
3451
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
