探索视频中行为识别：Action Recognition in Video

在这个激动人心的开源项目中，我们聚焦于解决视频中的行为识别问题。借助UCF-101数据集，开发者可以深入研究和实验各种不同的解决方案。

项目设置

项目易于上手，只需按照以下步骤进行：

1. 进入data/目录。
2. 运行download_ucf101.sh脚本下载约7.2GB的UCF-101数据集。
3. 解压缩数据集（使用unrar x UCF101.rar）。
4. 解压ucfTrainTestlist.zip文件。
5. 最后，运行python3 extract_frames.py从视频中提取帧（这可能需要一段时间，请耐心等待）。

ConvLSTM模型

目前，该项目已探索了一种基于卷积LSTM的方法，它通过双向LSTM对预训练的ResNet-152提供的帧嵌入进行操作，以预测视频中的活动。模型结构包括：

1. 用于提供视频帧潜在表示的卷积特征提取器（ResNet-152）。
2. 基于这些帧的潜在表示，双向LSTM分类器来判断视频中的动作。

已经提供了一个预先训练好的模型，可以在此处获取。

训练模型

$ python3 train.py  --dataset_path data/UCF-101-frames/ \
                    --split_path data/ucfTrainTestlist \
                    --num_epochs 200 \
                    --sequence_length 40 \
                    --img_dim 112 \
                    --latent_dim 512

在视频上测试

$ python3 test_on_video.py  --video_path data/UCF-101/SoccerPenalty/v_SoccerPenalty_g01_c01.avi \
                            --checkpoint_model model_checkpoints/ConvLSTM_150.pth

结果

在随机采样的测试集中（占UCF-101总数的20%），该模型达到了**91.27%**的分类精度。计划在官方的训练/测试分割上重新训练模型，并在有时间时发布结果。

应用场景与项目特点

1. 广泛应用：这个项目对于开发视频监控系统、体育赛事分析软件或社交媒体内容分析工具等有着广泛的应用潜力。
2. 直观易用：清晰的代码结构和文档使得轻松上手和调整参数成为可能。
3. 强大模型：基于ConvLSTM的模型设计，能够捕捉到视频序列的时间动态，提高了行为识别的准确性。
4. 预训练模型：提供预训练模型，用户可以直接试用，节省大量训练时间。

无论你是深度学习初学者还是经验丰富的研究人员，这个项目都是一个绝佳的学习资源和实践平台。加入我们，一起探索视频行为识别的世界吧！