下面简要介绍了一些本项目的项目结构
Video-based-Action-Recognition/
│
├── README.md
│
├── Video-based-Action-Recognition-Pytorch/ 这里存放了本项目代码的 pytorch 版本，可以使用 GPU 进行加速
│
├── Video-based-Action-Recognition-Tensorflow/ 这里存放了本项目代码的 Tensorflow 版本
│
├── CLIP 这里存放的是视频切割的相关代码，你可以用它来构建本项目所需要的数据集
略
这里的数据集实际上时按照动作类别分类了的短视频的集合，每类动作对应一个目录，每个目录下有很多视频文件，在制作自己的数据集时，可以像这样把项目应用的视频数据按动作分类这样分目录存放，一个目录对应一个动作。
注意这里的动作类别，在后面模型训练时还需要用到，会作为一个参数传进模型训练代码中去，比如这里的 myvdiodataset 下有两个子文件夹：openfile1 openmail1 ,在后续运行 lstm_model_train.py时就需要传入参数 --classes_list openfile1 openmail1
进入对应版本的目录（比如cd ./Video-based-Action-Recognition-Pytorch/，然后直接在命令行中运行下列命令即可
bash lstm_model_train.sh
注意，lstm_model_train.sh中会设置若干参数，它们的含义如下：
--dataset_dir ：指定用于训练模型的数据集所在的目录路径。
--classes_list：列出数据集中包含的类别名称。
--image_height ：设置输入图像resize后的高度。
--image_width ：设置输入图像resize后的宽度。
--sequence_length ：设置输入序列的长度，这对基于时间序列的模型（如 LSTM）是重要的，因为它们需要一定数量的连续帧来进行预测。
--seed ：设置随机种子。
--epochs ：设置训练过程中的迭代次数（epoch）。
--batch_size ：设置每次迭代中用于训练模型的样本数量（batch size）。
--extract_keyframe: 如果需要在训练之前对训练视频进行关键帧提取，可以添加此参数。
由于需要保持输入视频长度一致，采用"TOP_ORDER"方法进行提取，并将num_top_frames参数设置为sequence_length
直接在命令行中运行下列命令即可
bash lstm_model_inference.sh
注意，lstm_model_inference.sh中会设置若干参数，它们的含义如下：
--model_path ：指定预训练 LSTM 模型文件的路径。这个 .h5 文件包含了模型的权重和结构，用于对视频数据进行预测。
--input_video_file_path ：指定要进行预测的视频文件的路径。这个视频将被输入到模型中，以识别其中的动作或事件。
--classes_list ：列出模型可以预测的类别名称。
--extract_keyframe: 如果需要在推理之前对待检测视频进行关键帧提取，可以添加此参数。对于长视频而言，这样做通常可以提高时间效率。
--method --num_top_frames --threshold --len_window 均为关键帧提取的相关参数，具体含义参见下面关键帧提取的部分。
模型推理完成之后，会生成一系列视频，其中会有一个和输入视频长度一致的长视频，改视频的右上角会被打上对应的标签（如果识别出了对应的动作）
还会有一系列视频，它们从原视频中截取的对应的动作的视频（这一部分视频的命令规则是f"./{output_dir}/{current_label}_{start_time}_.mp4",其中，output_dir是对应的输出目录，current_label是该视频对应识别出来的动作，start_time是该动作视频在原输入视频的出现时间。
如果要单独测试关键帧提取的效果，在命令行运行如下命令
bash extract_keyframes.sh
注意，extract_keyframes.sh中会设置若干参数，它们的含义如下：
--video_file_path: 需要处理的视频路径。
--output_dir：输出路径，提取的所有关键帧将会被保存在该目录下。
--method：进行关键帧提取的方法，可选的方法包括：
"TOP_ORDER"：根据帧差最大的前 `num_top_frames` 帧来选择关键帧。
"Threshold"：选择帧差相对变化超过 `threshold` 的帧。
"LOCAL_MAXIMA"：从平滑处理后的帧差数组中选择局部最大值帧。
--num_top_frames：使用 "TOP_ORDER" 方法时提取的关键帧数量， 默认为50。
--threshold：在 "Threshold" 方法中使用，用于定义连续帧之间的最小相对变化，以便将某帧视为关键帧。该参数为0到1之间的浮点数，默认为0.6，该取值越大时，提取到的关键帧越少。
--len_window：在 "LOCAL_MAXIMA" 方法中用于平滑帧差的窗口大小， 默认为50。