论文阅读：Motion Recognition Employing Multiple Kernel Learning of Fisher Vectors using Local Skeleton Features

论文下载地址：https://www.cv-foundation.org/openaccess/content_iccv_2015_workshops/w11/papers/Goutsu_Motion_Recognition_Employing_ICCV_2015_paper.pdf

summary：
作者首先提取了骨架点数据的 local skeleton features（每四个节点一组，组合是设定好的。四个节点之间随时间变化的距离就是 local skeleton features）。接着用隐马尔科夫模型（HMM）对 local skeleton features 进行时间维度的建模，得到一个 motion feature。再将 motion feature 用 Fisher Vector 表述（encode）出来，再用 SVM 通过核函数将向量映射到高维空间，使得向量在高维空间线性可分。但在利用 SVM 进行训练时，会涉及核函数的选择问题，譬如线性核，rbf 核等等，所以作者提出使用多核学习（Multiple Kernel Learning），即为融合几种不同的核来训练，对不同的 motion 做一个加权整合，得到最后的分类结果。

想法：
传统机器学习真的难理解，努力啃！