几个视频中行为识别的底层特征及代码
2016-01-25 13:54
691 查看
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。
本文转自:http://blog.sina.com.cn/s/blog_631a4cc40100zi2p.html
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。
本文转自:http://blog.sina.com.cn/s/blog_631a4cc40100zi2p.html
相关文章推荐
- MyEclipse 使用 CVS 版本控制-冲突解决方法
- java开发环境搭建
- Java习惯用法总结
- qt之添加资源文件
- php课程---面向对象
- springmvc文件上传下载
- freemarker生成的word文件打不开
- [C++学习]奇怪的除法
- [java学习]移位运算交换两数的值的出错情况
- Java枚举应用实例
- ThinkPHP整合微信支付之刷卡模式
- C# CRC32
- [算法学习]Java实现字符串全排列
- 使用BAT编译,链接,执行汇编代码
- ThinkPHP整合微信支付之Native 扫码支付 模式一
- Java中的对象和对象引用实例浅析
- ThinkPHP整合微信支付之Native 扫码支付 模式二
- Java JVM使用哪种编码格式
- 使用python打印所有汉字
- java反编译插件jadclipse安装