在计算机视觉领域中，视频算法是重要的一个部分，不同于图像，视频需要含有时序特征的多帧图像，同时，还包括一定的运动信息，如光流。在预处理时，需要将视频中的图像和光流提取出来，开源工程dense_flow已经实现这个功能，支持GPU操作。
在CUDA 9和OpenCV 3中，配置dense_flow工程，高级版本temporal-segment-networks。同时，推荐视频的Benchmark工程mmaction。
参考：
dense_flow: https://github.com/yjxiong/dense_flow
temporal-segment-networks: https://github.com/yjxiong/temporal-segment-networks
mmaction: https://github.com/open-mmlab/mmaction
编译OpenCV
OpenCV的编译步骤如下：
- 下载opencv，下载opencv_contrib；
- 修改2个cmake文件，和1个hpp文件；
- 修改hdf5、ffmpeg、nonfree(可选)；
- make，安装opencv；
OpenCV 3
CUDA 9不支持OpenCV2.x，只能选用3.x，如3.1.0，参考
OpenCV源码
下载OpenCV源码文件，并解压：
wget https://github.com/opencv/opencv/archive/3.1.0.zip
unzip 3.1.0.zip
cd opencv-3.1.0
opencv_contrib
在opencv-3.1.0中，下载opencv_contrib文件，并解压：
wget https://github.com/opencv/opencv_contrib/archive/3.1.0.zip
unzip 3.1.0.zip
位置如下：
原因是，SURF或SIFT算法移入opencv_contrib，需要参于源码编译，在dense_flow中，调用SURF算法，否则无法找到SURF，参考。
Error：
undefined reference to `cv::xfeatures2d::SURF::create(double, int, int, bool, bool)'
修改cmake文件
CMake Error：
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:
CUDA_nppi_LIBRARY (ADVANCED)
原因是，nppi已经废弃，需要替换其他的CUDA，同时，CUDA 2.0已经不兼容当前版本，需要删除。
需要修改cmake文件夹下的FindCUDA.cmake和OpenCVDetectCUDA.cmake，还有修改common.hpp。
修改FindCUDA.cmake文件，3处替换：
替换
find_cuda_helper_libs(nppi)
为
find_cuda_helper_libs(nppial)
find_cuda_helper_libs(nppicc)
find_cuda_helper_libs(nppicom)
find_cuda_helper_libs(nppidei)
find_cuda_helper_libs(nppif)
find_cuda_helper_libs(nppig)
find_cuda_helper_libs(nppim)
find_cuda_helper_libs(nppist)
find_cuda_helper_libs(nppisu)
find_cuda_helper_libs(nppitc)
替换
set(CUDA_npp_LIBRARY "${CUDA_nppc_LIBRARY};${CUDA_nppi_LIBRARY};${CUDA_npps_LIBRARY}")
为
set(CUDA_npp_LIBRARY "${CUDA_nppc_LIBRARY};${CUDA_nppial_LIBRARY};${CUDA_nppicc_LIBRARY};${CUDA_nppicom_LIBRARY};${CUDA_nppidei_LIBRARY};${CUDA_nppif_LIBRARY};${CUDA_nppig_LIBRARY};${CUDA_nppim_LIBRARY};${CUDA_nppist_LIBRARY};${CUDA_nppisu_LIBRARY};${CUDA_nppitc_LIBRARY};${CUDA_npps_LIBRARY}")
替换
unset(CUDA_nppi_LIBRARY CACHE)
为
unset(CUDA_nppial_LIBRARY CACHE)
unset(CUDA_nppicc_LIBRARY CACHE)
unset(CUDA_nppicom_LIBRARY CACHE)
unset(CUDA_nppidei_LIBRARY CACHE)
unset(CUDA_nppif_LIBRARY CACHE)
unset(CUDA_nppig_LIBRARY CACHE)
unset(CUDA_nppim_LIBRARY CACHE)
unset(CUDA_nppist_LIBRARY CACHE)
unset(CUDA_nppisu_LIBRARY CACHE)
unset(CUDA_nppitc_LIBRARY CACHE)
修改OpenCVDetectCUDA.cmake文件，2处删除：
将"Fermi"注释，将"Kepler"提前，即删除"Fermi"的if分支，主要是为了删除CUDA的2.0版本兼容。
set(__cuda_arch_ptx "")
if(CUDA_GENERATION STREQUAL "Fermi")
set(__cuda_arch_bin "2.0")
elseif(CUDA_GENERATION STREQUAL "Kepler")
set(__cuda_arch_bin "3.0 3.5 3.7")
修改为
set(__cuda_arch_ptx "")
if(CUDA_GENERATION STREQUAL "Kepler")
set(__cuda_arch_bin "3.0 3.5 3.7")
在CUDA版本大于6.5时，删除2.0版本的兼容，修改完成如下：
elseif(${CUDA_VERSION} VERSION_GREATER "6.5")
set(__cuda_arch_bin "3.0 3.5")
在opencv-3.1.0/modules/cudev/include/opencv2/cudev/common.hpp的头文件中，添加：
#include
参考
hdf5 error
Error:
hdf5.hpp:40:18: fatal error: hdf5.h: No such file or directory
修改opencv-3.1.0/modules/python/common.cmake文件，在文件头部中，添加
find_package(HDF5)
include_directories(${HDF5_INCLUDE_DIRS})
参考
nonfree error
Error:
fatal error: opencv2/nonfree/nonfree.hpp: No such file or directory
安装包libopencv-nonfree-dev：
sudo apt-get update
sudo add-apt-repository --yes ppa:xqms/opencv-nonfree
sudo apt-get update
sudo apt-get install libopencv-nonfree-dev
如果不成功，更换ppa的源：
sudo add-apt-repository --remove ppa:xqms/opencv-nonfree
sudo add-apt-repository --yes ppa:jeff250/opencv
sudo apt-get update
sudo apt-get install libopencv-dev
sudo apt-get install libopencv-nonfree-dev
参考、参考
ffmpeg error
Error:
c->flags |= CODEC_FLAG_GLOBAL_HEADER
在opencv-3.1.0/modules/videoio/src/cap_ffmpeg_impl.hpp中，添加：
#define AV_CODEC_FLAG_GLOBAL_HEADER (1 << 22)
#define CODEC_FLAG_GLOBAL_HEADER AV_CODEC_FLAG_GLOBAL_HEADER
#define AVFMT_RAWPICTURE 0x0020
参考
make
执行make操作，在OPENCV_EXTRA_MODULES_PATH中，需要引入opencv_contrib：
make -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/data1/wcl/workspace/opencv-3.1.0/opencv_contrib-3.1.0/modules/ ..
执行make，32进程：
make -j32
安装，并且将opencv导入系统环境。
sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
编译DenseFlow
参考
安装libzip-dev
apt-get install libzip-dev
下载dense_flow工程，切换OpenCV的3.1分支：
git clone --recursive http://github.com/yjxiong/dense_flow
git checkout remotes/origin/opencv-3.1
指定OpenCV_DIR，编译工程：
mkdir build && cd build
OpenCV_DIR=/opencv-3.1.0/build cmake .. -DCUDA_USE_STATIC_CUDA_RUNTIME=OFF
make -j32
编译成功之后，在build文件夹中：
- 869956383.mp4为测试视频，建立tmp文件夹。
- 执行命令，注意空格全部替换为“=”，参考和参考。
- 在tmp文件夹中，生成视频帧以image前缀，x轴光流以
flow_x前缀，y轴光流以flow_y前缀，其余参数参考。
./extract_gpu -f=980044841.mp4 -x=./tmp/flow_x -y=./tmp/flow_y -i=./tmp/image -b=20 -t=1 -d=0 -s=1 -o=dir
Error，提示无法打开视频，将空格替换为“=”即可。
FATAL [default] Check failed: [video_stream.isOpened()]
测试视频：
输出结果：
GPU使用情况
OK, that's all! Enjoy it!