论文笔记：Evaluation of local spatio-temporal features for action recognition

（2011年发表的文章）

文章通过对比实验对几种常用于行为识别的spatio-temporal 特征进行比较。所有对比实验在同一环境设置下进行。分别在KTH、UCF和Hollywood2这三种常用的行为识别数据集上，将不同的spatio-temporal特征提取器（Harris3D、Cuboids、Hessian、dense sampling）和特征描述子（HOG3D、HOG/HOF、HOG、HOF、Cuboids、ESURF）进行组合然后进行对比实验。实验结果如下：

最后得出结论：

1.密集采样（dense sampling）在大部分实验中比其他兴趣点提取器（Harris3D、Cuboids、Hessian）的性能要好。不过密集采样面临的一个问题是所提取的特征数量巨大，几乎是其他兴趣点提取器的15-20倍。兴趣点提取器的性能在不同数据集上各有千秋。

2.基于梯度的描述子和基于光流的描述子都是不错的描述子的选择。dense sampling和HOG/HOF描述子组合得到的特征在Hollywood2数据集上性能最好，而在UCF数据集上，HOG3D和dense sampling组合的性能最好。

文章很简短，也并没有什么可圈点的地方，不过确实可以为特征的选择提供一个不错的依据。感谢作者。