Recognizing Human Actions as the Evolution of Pose Estimation Maps

  對整個視頻提取特徵進行動作識別有兩個阻礙：背景雜亂和非動作的運動。因此，可以先對視頻進行姿勢估計，再根據姿勢結果的估計進行動作識別。

  姿勢估計得到heatmaps，可以分爲probabilistic maps和estimated 2D human poses兩部分來用，前者表示了body shape，後者表示了body pose。結合shape和pose來進行動作識別。

  由於heatmap的稀疏性，論文利用spatial rank pooling(c)聚合heatmap，得到body shape evolution image。Body shape不區分身體的部分，因此又設計了body guided sampling(d)聚合body shape evolution image，得到body pose evolution image。Shape和pose互相補充，以提高識別準確率。