Super Normal Vector for Activity Recognition Using Depth Sequences——程序运行

最近在看CVPR2014的文章：Super Normal Vector for Activity Recognition  Using Depth Sequences，因为第一次接触这些，所以在运行作者的程序方面费了点功夫。下面来简述一下我运行程序的过程：

一、下载所需的code，data以及计算工具

1、代码（SNV-master）可以在http://github.com/xiaodongyang/SNV上直接下载，如下图所示，点击红框中的“Download ZIP”；

2、实验所需的数据可以在以下网址下载：http://research.microsoft.com/en-us/um/people/zliu/actionrecorsrc/，我只对其中的MSRAction3D Dataset进行了测试，所以只下载了MSRAction3D Dataset数据库，如下图所示，点击红框中的“MSRAction3D Dataset”即可；

3、该程序的运行依赖于[SPAMS](http://spams-devel.gforge.inria.fr/downloads.html) 和[LIBLINEAR](http://www.csie.ntu.edu.tw/~cjlin/liblinear/) 两个计算工具。如下图所示，点击红框下载，两个工具可以放在硬盘的任何位置；（该条摘于工程SNV-master中的readme）

二、运行程序

1、运行环境的配置：VS2010（先安装）+Matlab 2013b；（在计算机配置为i7CPU+16G内存，操作系统为win7 64位的情况下，会out of memory，所以建议用内存更大的计算机）

2、设置混合编译的编译器：在Matlab命令行中输入：mex -setup，按照下图操作：

3、编译SPAMS：编译过程可以参考这个博客：https://chunqiu.blog.ustc.edu.cn/?p=570，编译完之后运行SPAMS中的start_spams.m文件；（编译之后的Matlab函数接口都放在了该工程下的build文件夹中）

 

4、编译liblinear：将Matlab的当前目录切换到liblinear工程中的matlab文件夹下，运行make.m文件或者在命令行中输入：make；

 

5、运行SNV-master：用Matlab打开该工程，并为该工程添加调用[SPAMS]和[LIBLINEAR]的路径：

a）在Matlab上点击Set Path，

b）将“......spams-matlab\build”和“......liblinear-1.94\matlab”添加为该工程的函数调用路径；

 

6、运行main.m文件，剩下的就是等待程序的运行结果了。

论文的阅读心得会在后续的过程中更新