Action Bank A High-Level Representation of Activity in Video实验

1介绍

这是一个动作识别的paper，本文主要介绍实验环境怎么配置，以及如何运行作者的代码。代码使用python写的，用起来不难，但因为是第一次接触python，遇到了一些问题，就记录下来。

作者是把场景分类的object bank方法应用到video。分类准确率高，而且作者给出的代码可以直接运算出一个video片段的特征，然后直接就可以训练分类器。

2实验环境步骤

KTH数据集的准率是98.2%，UCT-sport数据集准确率是95.0%。paper里用的是linear svm。可见性能还是很不错的。下面说明我在windows7下部署环境的步骤和问题。

1、下载Python 2.7.3，选择64位版本的。由于程序的运行需要占用很大的内存，32位Python会造成memory error。

网址：https://www.python.org/download/releases/2.7.3/，并且把python的根目录添加到path里面。

2、安装依赖项numpy和scipy，这是科学计算的库。安装的版本需要是64位的，可以选择安装非官方的第三方扩展，

网址：http://www.lfd.uci.edu/~gohlke/pythonlibs/。

3、如果安装第三方库时，提示“python 2.7 was not found in the registry ”，表明系统找不到Python的路径。可以参考方法：

http://www.cfanz.cn/index.php?c=article&a=read&id=74416

http://www.th7.cn/Program/Python/201412/334345.shtml

然后再安装库，就应该没问题了

4、安装ffmpeg。这是开源的处理视频的库。这里我们只需要利用编译好的二进制文件和可执行文件即可。

网址：http://ffmpeg.zeranoe.com/builds/，选择下载64位的“shared”版本的ffmped。然后把根目录下的bin文件夹的地址添加的path。

5、安装Matplotlib，选择64位版本的。Matplotlib库需要安装pyparsing，也是64位的。

网址：http://www.lfd.uci.edu/~gohlke/pythonlibs/。

6、其他依赖项：setuptools，dateutil等。安装setuptools之后，把Python目录下的scripts文件夹的目录添加到path。然后在命令行下，运行easy_install python-dateutil。

3时间花销

作者主页上，有FAQ，有计算1个video的特征的方法。也可参考代码里面的readme文件。

比较郁闷的是，计算的时间代价太大了。作者在4核的机器上，计算一个3秒的视频的特征，花费了1个多小时。我自己在一个8核的机子上实验，也花费了20多分钟。

参考文献：Action Bank A High-Level Representation of Activity in Video

主页：http://www.cse.buffalo.edu/~jcorso/r/actionbank/

欢迎登陆我的个人主页，hello2019，查看原文：http://richardliu.cn/