资源介绍
UT-Interaction数据集包含连续执行6类人 - 人交互的视频：握手，点，拥抱，推，踢和拳。提供了这些交互的地面实况标签，包括时间间隔和边界框。总共有20个视频序列，其长度约为1分钟。每个视频每次互动至少包含一次执行，平均每个视频为我们提供8次人类活动。视频中出现了超过15种不同服装条件的几个参与者。这些视频的分辨率为720 * 480,30fps，视频中人物的高度约为200像素。
我们将视频分为两组。集合1由在停车场拍摄的10个视频序列组成。设置1的视频采用略微不同的变焦率拍摄，并且它们的背景大多是静态的，几乎没有相机抖动。集合2（即其他10个序列）在刮风天在草坪上拍摄。背景稍微移动（例如树木移动），它们包含更多相机抖动。从序列1到4和从11到13，在场景中仅出现两个相互作用的人。从序列5到8和从14到17，在场景中存在相互作用的人和行人。在第9,10,18,19和20组中，几对相互作用的人同时执行活动。每组具有不同的背景，比例和照明。
END
