将KTH视频数据集转换为类似VOC的数据集以使用SSD进行人体活动检测

Question

我的项目是关于第k个数据集的人类活动检测。我打算使用单发多重检测算法进行此操作。 如何将视频数据集转换为VOC之类的数据集？ 如何做标签，数据扩充？