未经允许，不得转载，谢谢~~

主要记录一下对于HMDB数据集的一些主要说明；

HMDB-51是action recognition方向用于判断视频分类模型准确度的一个很经典常用的benchmark。

image.png

一 基本情况

1. 关于人类活动的数据集；
2. 拥有51 distinct action classes；
3. 每个类都至少包含101个clips；
4. 共计6766个video clips；

二 HMDB-51数据集介绍

2.1 数据集采集

1. 数据来源：电影，一些现有的公开数据集，其他在网上可以获取到的资源（YouTube，Google videos）；
2. 从一共超过60类总挑选出每类都包含101个视频以上的51个类别；
3. 视频分类（5大类）：

• 常见的面部动作（smile，laugh，chew，talk）
• 有其他东西配合的面部动作（smoke，eat，drink）
• 常见的肢体动作（climb，dive，jump）
• 有其他东西配合的肢体动作（brush hair，catch，draw sword）
• 人类交互之间的肢体动作（hug，kiss，shake hands）

2.2 数据标注

与一般的视频动作识别数据的不同之处在于除了标注每个clip的label外，还手工标注了很多额外的信息：

1. visible body parts （身体的哪些部分是可见的，例如头部，上半身，还是完整的）
2. camera motion（相机是运动的还是静止拍摄的）
3. camera view point（相机拍摄角度是前面，后面还是侧面）
4. video quality（视频质量的好坏，可以简单理解为清晰度，例good表示能够清晰的看见手指和眼睛这样的小部位）
5. the number of people involved (视频中包含了多少个人)

具体的分布可以看一下这张图：

2.3 训练集和测试集的产生

1. 分成3个不同的training and testing splits；
2. 保证每个对应的training中和testing中不会同时出现来自同一个视频的片段；
3. 相机角度、视频质量等会相对均衡地分布在traing和testing这两个集合中；
4. 对于每个类别，都会产生70个相应的training clips和30个testing clips，已达到7/3的比例；

2.4 视频归一化处理

1. 为了包含数据集中视频大小和帧率的一致性；
2. height of frame = 240；
3. 保持原始的长宽比，根据height来得到宽度；
4. 帧率=30 fps
5. 视频压缩使用的是ffmpeg库中的DivX 5.0 codec

剩下对视频数据集使用没有用的部分就先不整理了~~~