DT: 用于行为识别的密集轨迹和运动界限描述子

论文： Dense trajectories and motion boundary descriptors for action recognition

 

 主要贡献

1.提出了对采样特征点进行密集轨迹跟踪的方式

2.提出基于运动界限直方图的描述子（MBH）

3.介绍了9个数据集（虽然这些数据集不是这篇论文贡献出来的，但比较详细地介绍了这些数据集，不用自己去到处找有哪些数据集了，这一点是对个人的贡献，不是对这个领域的贡献）

 

Dense Trajectories

 

第一步，采样。

    以1/√2为比例因子，获取最多八层(不一定要取八层)的金字塔图像，对每层在一个W（一般取5）的像素块中对特征点采样。由于同域部分的图像基本没什么特征点，因此设置一个阈值T，计算图像的自相关矩阵，若自相关矩阵最大的特征值都小于阈值T，那这部分区域就不进行采样。

第二步，计算跟踪轨迹点的位置。

    计算光流估计，Wt = (Ut, Vt)，Ut,Vt分别表示垂直和水平方向的光流。给定It帧中的某个点

    这里M是中值滤波