A New Representation of Skeleton Sequences for 3D Action Recognition
Qiuhong Ke, Mohammed Bennamoun, Senjian An, Ferdous Sohel, Farid Boussaid
(v1: 3/9/2017)cs.CV
CVPR 2017
论文精度：
NTU-RGBD
SBU：93.57%
CMU：93.22% ，88.30%
主要方法：
用3D骨架的轨迹来做动作识别
每一段video都转换成四张图片。
根据节点的位置关系，生成四个矩阵，再把这四个矩阵归一化到0-255之间，变成灰度图片，再送入网络提特征。
1.New Representation:四张图片如何来：
以左肩 右肩左臀右臀作为基准点，计算和其他节点的相对位置，由此得到四个矩阵，四个图片维度（m-1）X t
m:关节点个数，t:帧数
因为每张图片都是针对同一个节点的，因此同一张图片都是 spatial invariarant的，所以描述出来的temporal dynaminc都很鲁棒。
2.网络结构：
先用VGG的前五层提特征，得到14X14x512的特征向量
再在行上（时间上）做池化，池化kernel 14x1
再将得到的14X512个feature map串联
4个feature map得到四个prediction，这4个task的得分用来计算一个总的损失函数，学习网络参数。