几个视频中行为识别的底层特征及代码

几个视频中行为识别的底层特征及代码

 (2012-02-20 09:50:02) 转载▼

标签：  视频   行为识别   特征   it

1. 比较出名的是Ivan Laptev的 3D Harris，这是一个可执行文件，用起来比较方便，是Harris在3维空间的扩展，检测到特征点之后是用HOG和HOF进行表示。一共的特征维数是162维。点击这里进入下载界面。

2. P. Dollar的cuboids角点检测，方法大致是用1D的gabor进行滤波。检测到角点之后，作者的实验表明直接用cuboids里面的梯度作为表示，然后再进行降维。我认为这个方法的缺点是降维之前的维数太高，求协方差矩阵特征值所花费的时间比较多（一般降维前的特征都是上万维的）。但是这个算法的一个好处是可以控制每个视频提特征点的个数。所以现在这个特征用的人是最多的。代码需要给作者发邮件获取。

3. Alexander Klaser的3D HOG不需要进行特征点检测，是对视频进行稠密采样，提取3D HOG特征。点击这里下载。这种稠密采样的特征在UCF Sports这个数据库上面的效果很好。

4. Paul Scovanner 的3D SIFT，同样也是将图像中很火的SIFT扩展到3维情况。但是这个特征用的人相对较少。 点击这里下载。

总结

以上是生活随笔为你收集整理的几个视频中行为识别的底层特征及代码的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。