本篇博客介绍如何安装denseflow工具，由https://github.com/yjxiong/dense_flow提供。
这个工具可以对视频进行截帧，并计算光流保存到本地，使用了GPU编译的OpenCV，所以提取速度很快，后续可以用于行为动作识别中，例如two-stream网络、TSN等。
1、简单介绍
官方提供的安装方式很简单，如下，编译后就可以了，但往往不尽如人意，每次编译都会遇到各种各样的问题，因此，本篇博客记录过程中遇到的问题以及解决方案。
2、预备工作
首先，denseflow的readme一开始就说了，有一个依赖库需要安装。如下：
Depencies:
LibZip: to install on ubuntuapt-get install libzip-dev
on macbrew install libzip
这里说下linux上不使用apt-get安装的方法，原因为什么不这样做呢，因为一般linux上有很多账号，出了管理员外我们没有权限进行apt-get，而且，apt-get很容易出问题，或者对之前的环境变量造成影响，对其他账号的环境也可能有影响。因此为了避免这些问题，还是在自己账号下编译一个，只供自己可用的。因此，这里我们可以选择编译安装。
库链接：https://libzip.org/download/
你可以选择任意一个下载后解压，里面有INSTALL.md，也可以去GitHub上下载，链接为：https://github.com/nih-at/libzip/
下面说下安装libzip的过程。人家INSTALL.md中也写的很清楚了，如下：
mkdir build
cd build
cmake ..
make
make test
make install
如果你没有管理员权限，那么在你make install的时候，就会报以下的错误：
-- Install configuration: ""
CMake Error at cmake_install.cmake:36 (file):
file cannot create directory: /usr/local/lib64/pkgconfig. Maybe need
administrative privileges.
make: *** [install] Error 1
因此，我们需要自己指定路径。
这里说下如何自己指定路径cmake，这样编译后的路径就不会是usr/local了。不会影响全局。改后的完整安装命令如下：
mkdir build
cd build
cmake -DCMAKE_INSTALL_PREFIX=你自己的路径 ..
make
make test
make install
比如，你的路径可以是/home/账户名/libzip_tools/，下面都以此举例。
这里，在make test的时候可能会报错，如下，不用理会，只是个测试而已。后面继续。
98% tests passed, 3 tests failed out of 128
Total Test time (real) = 63.38 sec
The following tests FAILED:
21 - clone-fs-add.test (Not Run)
22 - clone-fs-delete.test (Not Run)
23 - clone-fs-replace.test (Not Run)
Errors while running CTest
make: *** [test] Error 8
好了，到现在为止，你已经install好了libzip，现在，在你的指定路径下，已经出现了如下内容：
如果你现在很高兴，决定去install denseflow了，你会遇到下面这个问题，
CMake Error: The following variables are used in this project, but they are set to NOTFOUND.
Please set them or make sure they are set and tested correctly in the CMake files:
LIBZIP_INCLUDE_DIR_ZIP
used as include directory in directory .....
....
LIBZIP_INCLUDE_DIR_ZIPCONF
used as include directory in directory .....
....
LIBZIP_LIBRARY
linked by target .....
....
-- Configuring incomplete, errors occurred!
为什么？现在我们装好libzip后，但是linux还不知道你的到底装哪了啊，你需要在自己的系统环境变量中添加这一路径。这里的lib64就是你要引入的路径了。
具体命令如下：
首先对.bashrc文件进行修改，先打开
vim ~/.bashrc
然后添加如下信息：
export PKG_CONFIG_PATH=前面指定的路径/lib64/pkgconfig/
也就是说：
export PKG_CONFIG_PATH=/home/账户名/libzip_tools/lib64/pkgconfig/
然后修改完保存，这里要让环境变量立即生效，要么重启，重启是不可能的，
所以，执行如下命令：
source ~/.bashrc
好了，此时你又高兴的开始install denseflow，发现还是有问题，如下
CMake Error: The following variables are used in this project, but they are set to NOTFOUND.
Please set them or make sure they are set and tested correctly in the CMake files:
LIBZIP_LIBRARY
linked by target .....
....
-- Configuring incomplete, errors occurred!
......
跟上面一样，第三个怎么还是找不到，这里，需要去denseflow源码里修改了。
在你下载的denseflow中，有一个cmake文件夹，一路cd，
cd cmake
cd Modules
vim FindLibZip.cmake
然后在FindLibZip.cmake中进行修改，把你指定的路径直接写入进去，即，将
find_library(LIBZIP_LIBRARY
NAMES zip)
改为，
find_library(LIBZIP_LIBRARY
NAMES zip
HINTS /home/账户名/libzip_tools//lib64)
好了，至此，你的libzip之路已经完成了，撒花花！
下面进入install denseflow阶段。
3、安装
当你开始按照官网提供的步骤，如下，开始编译时，
git clone --recursive http://github.com/yjxiong/dense_flow
mkdir build && cd build
cmake .. && make -j
你会发现，在你cmake的时候，会出现这些错误，
/usr/bin/ld: cannot find -lopencv_dep_nppial
/usr/bin/ld: cannot find -lopencv_dep_nppicc
/usr/bin/ld: cannot find -lopencv_dep_nppicom
/usr/bin/ld: cannot find -lopencv_dep_nppidei
/usr/bin/ld: cannot find -lopencv_dep_nppif
/usr/bin/ld: cannot find -lopencv_dep_nppig
/usr/bin/ld: cannot find -lopencv_dep_nppim
/usr/bin/ld: cannot find -lopencv_dep_nppist
/usr/bin/ld: cannot find -lopencv_dep_nppisu
/usr/bin/ld: cannot find -lopencv_dep_nppitc
collect2: error: ld returned 1 exit status
make[2]: *** [extract_cpu] Error 1
make[1]: *** [CMakeFiles/extract_cpu.dir/all] Error 2
make: *** [all] Error 2
.........
你发现，少了一些opencv中的库，这时你去你的opencv路径下找，发现也没有这些库，咋办，
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppial.so /usr/local/lib/libopencv_dep_nppial.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppicc.so /usr/local/lib/libopencv_dep_nppicc.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppicom.so /usr/local/lib/libopencv_dep_nppicom.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppidei.so /usr/local/lib/libopencv_dep_nppidei.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppif.so /usr/local/lib/libopencv_dep_nppif.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppig.so /usr/local/lib/libopencv_dep_nppig.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppim.so /usr/local/lib/libopencv_dep_nppim.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppist.so /usr/local/lib/libopencv_dep_nppist.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppisu.so /usr/local/lib/libopencv_dep_nppisu.so
ln -s /usr/local/cuda-9.2/targets/x86_64-linux/lib/libnppitc.so /usr/local/lib/libopencv_dep_nppitc.so
将linux安装的cuda中的库文件直接软连接到lib库下，当然，这个方法对我行不通，没有管理员权限，那咋办，
要不然直接硬拷贝到自己的路径下，在CMakeLists.txt文件里指定路径。
这个方法也进行了尝试，应该是可行的，但是无奈对cmake不太熟，搞了半天也没指定好路径，遂放弃。
此时的我万念俱灰，终于一位小伙伴告知了另一种解决方法，
cmake过程中，取寻找-lopencv_dep_nppial等动态链接库,
但是没有找到，所以需要找到中间文件link.txt，
指明这几个动态链接库所在的地址
具体操作就是，
在执行完
mkdir build
cd build
cmake ..
后，build路径下生成了新的文件，分别到以下4个路径的link.txt文件中进行修改，
cd dense_flow/build/CMakeFiles/extract_cpu.dir
cd dense_flow/build/CMakeFiles/extract_gpu.dir
cd dense_flow/build/CMakeFiles/extract_warp_gpu.dir
cd dense_flow/build/CMakeFiles/pydenseflow.dir
将link.txt文件中的
-lopencv_dep_nppial -lopencv_dep_nppicc -lopencv_dep_nppicom -lopencv_dep_nppidei -lopencv_dep_nppif -lopencv_dep_nppig -lopencv_dep_nppim -lopencv_dep_nppist -lopencv_dep_nppisu -lopencv_dep_nppitc
替换为：
/usr/local/cuda-9.0/lib64/libnppial.so /usr/local/cuda-9.0/lib64/libnppicc.so /usr/local/cuda-9.0/lib64/libnppicom.so /usr/local/cuda-9.0/lib64/libnppidei.so /usr/local/cuda-9.0/lib64/libnppif.so /usr/local/cuda-9.0/lib64/libnppig.so /usr/local/cuda-9.0/lib64/libnppim.so /usr/local/cuda-9.0/lib64/libnppist.so /usr/local/cuda-9.0/lib64/libnppisu.so /usr/local/cuda-9.0/lib64/libnppitc.so
四个link.txt都修改完后，不需要重新cmake，直接进行make，
make -j
此时，终于没有错误了，撒花！
4、测试
现在，我们来试一下，denseflow可不可以用了。
首先单独测试：
命令：
./extract_gpu -f test.avi -x tmp/flow_x -y tmp/flow_y -i tmp/image -b 20 -t 1 -d 0 -s 1 -o dir
参数解释：
test.avi: input video
tmp: folder containing RGB images and optical
flow images dir: output generated images to folder. if set to zip,
will write images to zip files instead.`
build/extract_gpu -f /my_examples/test.avi -x my_examples/result/flow_x -y my_examples/result/flow_y -i my_examples/result/image -b 20 -t 1 -d 0 -s 1 -o dir -w 256 -h 256
现在去我的my_examples/result下看看结果有没有，
都是好的。
下面再测试下tsn中的截帧提取光流脚本，将你编译好的denseflow复制到tsn路径下的lib文件夹中，然后执行scripts/extract_optical_flow.sh脚本
命令：
bash scripts/extract_optical_flow.sh SRC_FOLDER OUT_FOLDER NUM_WORKER
参数解释：
SRC_FOLDER points to the folder where you put the video dataset
OUT_FOLDER points to the root folder where the extracted frames and optical images will be put in
NUM_WORKER specifies the number of GPU to use in parallel for flow extraction, must be larger than 1
如下，我对脚本进行了修改，
执行后，会有提示：
现在去看下，是不是真的好了，
好了，现在为止，算是真的完结了，撒花✿✿ヽ(°▽°)ノ✿