ziding的博客

0 Abstract局部时空特征能够在视频中捕获局部时间，同时能够适应大小、频率和移动模式的速度。在这片文章中我们阐述如何使用这些特征去识别复杂的移动模式。我们在局部时空特征的序列中构造视频表述，同时整合这些表述通过SVM分类器以达到识别目的。为了实现这样的结果，我们使用一个新的视频数据库，包含25个人在4个不同场景下的6种行为。行为识别的结果证明了提出的方法的有效性，同时验证了它比其它相关行

随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。目前主要在做视频中动作定位相关的工作，为了开拓思路，读了不少视频分析相关领域的文章，所以打算写几篇博客，对视频分析相关的几个领域做一个简要的介绍。如果文章中的内容有所疏漏，烦请指正。这篇主要介绍Action Recogni

原文：http://blog.youkuaiyun.com/abcjennifer/article/details/7976145里面提到Low-Mid-High模型。Low-level：最有效率的方法就是Bag-of-Features。Mid-level：从图像中检测跟踪pose，并通过背景内容分析动态poseHigh-level：将不同时间点的feature组成时间-概率模型。比较具有