当前的视频数据库包含六种类型的人类动作（步行，慢跑，奔跑，拳击，挥手和拍手），由25个对象在四种不同情况下执行了几次：户外s1，比例变化为s2的户外，衣服为s3的户外室内s4，如下图所示。当前数据库包含2391个序列。所有序列均使用具有25 fps帧频的静态相机在均质的背景下拍摄。序列被下采样到160x120像素的空间分辨率，平均长度为4秒。

在ICPR'04报告的实验中 ，就受试者而言，所有序列均分为训练集（8人），验证集（8人）和测试集（9人）。分类器在训练集上训练，而验证集用于优化每种方法的参数。识别结果是在测试集上获得的。

所有序列均使用AVI文件格式存储，并且可以在线使用（DIVX压缩版本）。未压缩版本可按需提供。25个主题，6个动作和4个场景的每种组合都有25x6x4 = 600个视频文件。在我们的实验中，每个文件包含四个子序列作为一个序列。按照开始帧和结束帧以及所有序列的列表，将每个文件细分为序列，如下所示

请参见00sequences.txt

每个动作的样本序列（DivX压缩）

person15_walking_d1_uncomp.avi

person15_jogging_d1_uncomp.avi

person15_running_d1_uncomp.avi

person15_boxing_d1_uncomp.avi

person15_handwaving_d1_uncomp.avi

person15_handclapping_d1_uncomp.avi

Related publications
    "Recognizing Human Actions: A Local SVM Approach",
    Christian Schuldt, Ivan Laptev and Barbara Caputo; in Proc. ICPR'04, Cambridge, UK.
    "Local Spatio-Temporal Image Features for Motion Interpretation",
    Ivan Laptev; PhD Thesis, 2004, Computational Vision and Active Perception Laboratory (CVAP), NADA, KTH, Stockholm
    "Local Descriptors for Spatio-Temporal Recognition",
    Ivan Laptev and Tony Lindeberg; ECCV Workshop "Spatial Coherence for Visual Motion Analysis"
    "Velocity adaptation of space-time interest points",
    Ivan Laptev and Tony Lindeberg; in Proc. ICPR'04, Cambridge, UK.
    "Space-Time Interest Points",
    I. Laptev and T. Lindeberg; in Proc. ICCV'03, Nice, France, pp.I:432-439.
Contact
    Ivan Laptev <laptev at nada.kth.se>
    Barbara Caputo <laptev at nada.kth.se>