动作识别

使用Matlab对数组和字符串进行处理，用于静态背景条件下的人体动作识别研究。

该存储库展示了使用视频动作识别的时间表示方法，通过集成C代码在MATLAB中实现。方法利用预训练的大规模图像数据网络进行特征提取，并结合金字塔池时间序列来捕获短期和长期特征。此外，还提出了一种简单的视频级表示方法，通过时间分割解决了长视频的信息丢失问题。实验结果表明，该方法在第一人称和第三人称动作识别中表现出良好的性能。

名词术语一、基本名词

视频图matlab代码主页：论文“基于全局时间表示的CNN用于红外动作识别”的代码抽象。红外人体动作识别具有多种优势，对光照、外观和阴影变化不敏感。现有方法虽有基于空间或局部时间信息，未考虑全局时间信息对视频中身体运动的更佳描述。本研究提出光流堆叠差异图像（OFSDI）作为新的全局时间表示形式，综合局部、全局和空间时间信息，从红外动作数据中提取鲁棒且判别性强的特征。利用局部、空间和全局时间流应用CNN获取有效的卷积特征图，并通过轨迹约束池聚合为三流轨迹合并的深度卷积描述符（TSTDD）。采用局域约束线性编码（LLC）方法提高特征鲁棒性，并通过线性SVM对动作数据进行分类。实验在红外动作识别数据集InfAR和NTU RGB + D上验证了该方法的优越性。

这个项目是我独立完成的，功能完备，非常适合大学生学习和应对数字图像处理课程设计、大作业和毕业设计等。欢迎下载并进行交流，共同学习，共同进步！

精选的关于弱监督时间动作本地化的出版物列表，帮助研究者在这一领域导航。此存储库仅包含接受的会议论文，以确保可靠性和更新性。最近更新日期为2021年5月3日。性能指标报告了在不同IoU阈值下的平均精确度（mAP），涵盖了THUMOS14和ActivityNet的不同版本。链接指向实现框架的规范。

该软件包包含P-CNN算法的Matlab实现，基于姿势的CNN功能用于动作识别。它集成了预训练的vgg-f外观模型和流模型的Matlab版本，以及Brox光流实现。CNN实现依赖MatConvNet库，在CPU模式下编译。为了提升计算速度，建议启用GPU支持。您可以通过修改提供的my_build.m文件来定制编译设置。演示示例展示了在JHMDB数据集上运行P-CNN的效果。 reproduce_ICCV15_results命令可再现P-CNN的性能。

该脚本使用 7.1 版本，能够记录用户的鼠标和键盘操作。

这是一个简单的PSD动作预设，适用于Photoshop软件。您可以通过此预设快速完成常见的图像处理操作。

%9":中触发器的结构如图;