[骨架动作识别]ST-NBNN&Deep Learning on Lie Groups CVPR2017

一、ST-NBNN：

没上神经网络
Each 3D action instance is represented by a collection of temporal stages composed by 3D poses, and each pose in stages is presented by a collection of spatial joints.

1. Introduction

learning-based classifiers,基于学习的骨架分类方法[5, 24, 35, 21, 14, 13] 已经取得了很多进展
non-parametric classifiers 不需要学习，训练参数 的分类方法还没有被很好的探索

• 动机有二
  1:
  2：骨架信息并不像图片，有成千上万个像素，只有上十个joints，因此不需要端到端的复杂模型，非参数模型也能搞定
  

• 方法
  1：通过使用stage-to-class distance and bilinear classifier，该模型结合了参数模型和非参数模型的长处
  2：通过关键帧和关键的骨架节点（key temporal stages and spatial joints），模型能提取出必要的时空模型spatio-temporal patterns

• 结果
  仅用线性分类器就能超过很多端到端的模型

2. Relat