动作识别：improved dense trajectories（iDT）特征编码—Fisher Vector代码学习

原创

于 2017-08-07 21:29:48 发布 · 4.2k 阅读

·

4

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#算法 #机器视觉 #源代码

本文介绍了如何使用Fisher Vector编码提升Dense Trajectories（iDT）特征的效果，详细阐述了Fisher Vector编码过程，并提供了iDT特征的FV编码代码资源。通过PCA降维、GMM估计、L2正则化等步骤，实现了视频动作识别的性能提升。同时，解析了训练PCA因子矩阵和Codebook的步骤，并给出了在MCAD数据库上应用的示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文”Action Recognition with Improved Trajectories”通过相机运动估计，使得提取的光流更加准确，以及ＦｉｓｈｅｒVector 编码，提升了Dense Trajectories的效果。

iDT的代码可以点击此处下载，

对iDT特征进行FV编码的代码可以在dtfv 下载。

iDT代码的解析可以参考这篇论文　http://blog.csdn.net/wzmsltw/article/details/53023363

Fisher Vector implementation for Dense Trajectories (DTFV)

是对ＩＤＴ算法Fisher Vector 编码的Ｃ＋＋实现。源代码是Ｃ＋＋写的，

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。