In our baseline, we follow the configuration proposed by Wang et al. [1] and extract the following descriptors: Trajectory, Histogram of Gradients (HOG), Histogram of Optical Flow (HOF), and Motion Boundary History (MBH), where MBH can be divided into MBHx and MBHy containing the motion boundary in x and y axes respectively.
In order to optimize parameters in the SVM classifier, we follow Hsu et al. [2] and perform a grid search for SVM using RBF kernel and another grid search for SVM with a linear kernel. For both models we range the values of C from 2e-5 to 2e15, increasing by 2e2 each step, and for the model with the RBF kernel, we vary the hyperparameter Gamma from 2e-15 to 2e3, increasing by 2e2 each step. Given this combination, for each descriptor, we generate 11 models for linear SVM and 110 models for the RBF kernel, achieving the following results:
| C | Trajectory | HOG | HOF | MBHx | MBHy | Dense |
|---|---|---|---|---|---|---|
| 2e-5 | 0.119 | 0.119 | 0.119 | 0.119 | 0.119 | 0.120 |
| 2e-3 | 0.119 | 0.119 | 0.119 | 0.119 | 0.119 | 0.120 |
| 2e-1 | 0.121 | 0.119 | 0.123 | 0.119 | 0.119 | 0.161 |
| 2e1 | 0.144 | 0.119 | 0.153 | 0.123 | 0.119 | 0.274 |
| 2e3 | 0.157 | 0.124 | 0.233 | 0.168 | 0.152 | 0.584 |
| 2e5 | 0.283 | 0.434 | 0.528 | 0.356 | 0.313 | 0.799 |
| 2e7 | 0.464 | 0.814 | 0.687 | 0.588 | 0.566 | 0.842 |
| 2e9 | 0.501 | 0.907 | 0.737 | 0.730 | 0.745 | 0.844 |
| 2e11 | 0.519 | 0.919 | 0.745 | 0.791 | 0.804 | 0.844 |
| 2e13 | 0.516 | 0.919 | 0.745 | 0.804 | 0.802 | 0.844 |
| 2e15 | 0.515 | 0.919 | 0.745 | 0.804 | 0.802 | 0.844 |
| C | Gamma | Trajectory | HOG | HOF | MBHx | MBHy | Dense |
|---|---|---|---|---|---|---|---|
| 2e-5 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.120 |
| 2e-3 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.124 0.149 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.123 0.148 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.120 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 |
0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.133 0.180 |
| 2e-1 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.120 0.150 0.150 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.125 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.120 0.153 0.214 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.123 0.168 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.137 |
0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.153 0.248 0.472 |
| 2e1 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.119 0.121 0.143 0.152 0.257 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.125 0.414 |
0.119 0.119 0.119 0.119 0.119 0.119 0.120 0.153 0.225 0.512 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.123 0.169 0.348 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.148 0.310 |
0.120 0.120 0.120 0.120 0.120 0.120 0.161 0.275 0.555 0.751 |
| 2e3 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.119 0.121 0.143 0.152 0.257 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.125 0.431 0.808 |
0.119 0.119 0.119 0.119 0.119 0.120 0.153 0.228 0.518 0.686 |
0.119 0.119 0.119 0.119 0.119 0.119 0.123 0.168 0.358 0.575 |
0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.151 0.311 0.557 |
0.120 0.120 0.120 0.120 0.120 0.161 0.274 0.573 0.789 0.809 |
| 2e5 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.119 0.121 0.144 0.155 0.282 0.437 |
0.119 0.119 0.119 0.119 0.119 0.119 0.124 0.436 0.813 0.908 |
0.119 0.119 0.119 0.119 0.123 0.153 0.233 0.529 0.686 0.750 |
0.119 0.119 0.119 0.119 0.119 0.123 0.168 0.358 0.584 0.723 |
0.119 0.119 0.119 0.119 0.119 0.119 0.151 0.313 0.562 0.738 |
0.120 0.120 0.120 0.120 0.161 0.272 0.583 0.804 0.834 0.809 |
| 2e7 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.119 0.121 0.144 0.158 0.284 0.458 0.508 |
0.119 0.119 0.119 0.119 0.119 0.124 0.436 0.813 0.905 0.922 |
0.119 0.119 0.119 0.123 0.153 0.233 0.528 0.688 0.739 0.754 |
0.119 0.119 0.119 0.119 0.123 0.168 0.356 0.586 0.730 0.785 |
0.119 0.119 0.119 0.119 0.119 0.152 0.313 0.567 0.743 0.797 |
0.120 0.120 0.120 0.161 0.274 0.583 0.802 0.842 0.836 0.809 |
| 2e9 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.119 0.121 0.144 0.157 0.282 0.467 0.516 0.512 |
0.119 0.119 0.119 0.119 0.124 0.436 0.813 0.907 0.920 0.922 |
0.119 0.119 0.123 0.153 0.233 0.528 0.688 0.735 0.746 0.754 |
0.119 0.119 0.119 0.123 0.168 0.356 0.586 0.729 0.786 0.790 |
0.119 0.119 0.119 0.119 0.152 0.313 0.566 0.745 0.807 0.804 |
0.120 0.120 0.161 0.274 0.584 0.800 0.842 0.842 0.836 0.809 |
| 2e11 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.119 0.121 0.144 0.157 0.283 0.467 0.506 0.518 0.512 |
0.119 0.119 0.119 0.124 0.434 0.814 0.907 0.920 0.920 0.922 |
0.119 0.123 0.153 0.233 0.528 0.688 0.737 0.744 0.746 0.754 |
0.119 0.119 0.123 0.168 0.356 0.588 0.730 0.790 0.800 0.790 |
0.119 0.119 0.119 0.152 0.313 0.566 0.745 0.805 0.800 0.805 |
0.120 0.161 0.272 0.584 0.800 0.843 0.843 0.842 0.836 0.809 |
| 2e13 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.119 0.121 0.144 0.157 0.283 0.464 0.506 0.516 0.517 0.512 |
0.119 0.119 0.124 0.434 0.814 0.907 0.919 0.920 0.920 0.922 |
0.121 0.153 0.233 0.528 0.687 0.737 0.746 0.744 0.746 0.754 |
0.119 0.123 0.168 0.356 0.588 0.730 0.788 0.808 0.800 0.790 |
0.119 0.119 0.152 0.313 0.566 0.745 0.804 0.800 0.803 0.805 |
0.161 0.272 0.583 0.800 0.842 0.845 0.843 0.842 0.836 0.809 |
| 2e15 | 2e-15 2e-13 2e-11 2e-9 2e-7 2e-5 2e-3 2e-1 2e1 2e3 |
0.121 0.144 0.157 0.282 0.464 0.505 0.515 0.513 0.517 0.512 |
0.119 0.124 0.434 0.811 0.907 0.919 0.919 0.920 0.920 0.922 |
0.154 0.233 0.528 0.687 0.737 0.744 0.746 0.744 0.746 0.754 |
0.123 0.168 0.356 0.586 0.730 0.787 0.804 0.808 0.800 0.790 |
0.119 0.152 0.311 0.564 0.746 0.805 0.799 0.803 0.803 0.805 |
0.277 0.583 0.800 0.842 0.844 0.845 0.843 0.842 0.836 0.809 |
[1] Wang, Heng and Kläser, Alexander and Schmid, Cordelia and Liu, Cheng-Lin. Action Recognition by Dense Trajectories. In Proceedings of the 2011 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'11), Providence, RI, USA, pp. 3169-3176, IEEE, 2011.
[2] Hsu, Chih-Wei and Chang, Chih-Chung and Lin, Chih-Jen. A Practical Guide to Support Vector Classification. Technical Report of the Department of Computer Science, National Taiwan University, July 2003.