时序动作检测

最终的结果是得到图像或视频段中目标的行为类别。视频中人体行为识别主要分为两个子方向。

行为分类/识别 Action Recognition

• 给定一个包含一段明确的动作的视频片段进行分类，使用的视频序列数据都先将动作分割好了，时间较短（几秒钟）且有唯一确定的标签。所以也可以看作是input为视频，输出为label。

时序动作检测 Temporal Action Detection
主要解决的是两个任务：localization+recognization

1)where:什么时候发生动作，即开始和结束时间；
2)what：每段动作是什么类别
一般把这个任务叫做Temporal Action Detection，有的直接叫Action Detection，还有叫Action Localization、

• 数据是未分割的较长视频序列，不仅要知道一个动作在视频中是否发生，还需要知道动作发生在视频的哪段时间（包括开始和结束时间）（行为检测 Temporal Action Localization）
• 特点是需要处理较长的、未分割的视频，且视频中通常有较多干扰，目标动作一般只占视频的一小部分。也可以说是对视频进行指定行为的检测