稠密轨迹提取程序

#include “DenseTrack.h“
#include “Descriptors.h“
#include “Initialize.h“

IplImageWrapper image prev_image grey prev_grey;
IplImagePyramid grey_pyramid prev_grey_pyramid eig_pyramid;

CvCapture* capture = 0;
float* fscales = 0; // float scale values
int show_track = 0; // set show_track = 1 if you want to visualize the trajectories

int main（ int argc char** argv ）
{
	int frameNum = 0;
	TrackerInfo tracker;
	DescInfo hogInfo;
	DescInfo hofInfo;
	DescInfo mbhInfo;

	char* video = argv[1];
	arg_parse（argc argv）;

//	std::cerr << “start_frame: “ << start_frame << “ end_frame: “ << end_frame << “ track_length: “ << track_length << std::endl;
//	std::cerr << “min_distance: “ << min_distance << “ patch_size: “ << patch_size << “ nxy_cell: “ << nxy_cell << “ nt_cell: “ << nt_cell << std::endl;

	InitTrackerInfo（&tracker track_length init_gap）;
	InitDescInfo（&hogInfo 8 0 1 patch_size nxy_cell nt_cell）;
	InitDescInfo（&hofInfo 9 1 1 patch_size nxy_cell nt_cell）;
	InitDescInfo（&mbhInfo 8 0 1 patch_size nxy_cell nt_cell）;

	capture = cvCreateFileCapture（video）;

	if（ !capture ） { 
		printf（ “Could not initialize capturing..\n“ ）;
		return -1;
	}

	if（ show_track == 1 ）
		cvNamedWindow（ “DenseTrack“ 0 ）;

	std::vector > xyScaleTracks;
	int init_counter = 0; // indicate when to detect new feature points
	while（ true ） {
		IplImage* frame = 0;
		int i j c;

		// get a new frame
		frame = cvQueryframe（ capture ）;
		if（ !frame ） {
			//printf（“break“）;
			break;
		}
		if（ frameNum >= start_frame && frameNum <= end_frame ） {
		if（ !image ） {
			// initailize all the buffers
			image = IplImageWrapper（ cvGetSize（frame） 8 3 ）;
			image->origin = frame->origin;
			prev_image= IplImageWrapper（ cvGetSize（frame） 8 3 ）;
			prev_image->origin = frame->origin;
			grey = IplImageWrapper（ cvGetSize（frame） 8 1 ）;
			grey_pyramid = IplImagePyramid（ cvGetSize（frame） 8 1 scale_stride ）;
			prev_grey = IplImageWrapper（ cvGetSize（frame） 8 1 ）;
			prev_grey_pyramid = IplImagePyramid（ cvGetSize（frame） 8 1 scale_stride ）;
			eig_pyramid = IplImagePyramid（ cvGetSize（frame） 32 1 scale_stride ）;

			cvCopy（ frame image 0 ）;
			cvCvtColor（ image grey CV_BGR2GRAY ）;
			grey_pyramid.rebuild（ grey ）;

			// how many scale we can have
			scale_num = std::min（scale_num grey_pyramid.numOfLevels（））;
			fscales = （float*）cvAlloc（scale_num*sizeof（float））;
			xyScaleTracks.resize（scale_num）;

			for（ int ixyScale = 0; ixyScale < scale_num; ++ixyScale ） {
				std::list& tracks = xyScaleTracks[ixyScale];
				fscales[ixyScale] = pow（scale_stride ixyScale）;

				// find good features at each scale separately
				IplImage *grey_temp = 0 *eig_temp = 0;
				std::size_t temp_level = （std::size_t）ixyScale;
				grey_temp = cvCloneImage（grey_pyramid.getImage（temp_level））;
				eig_temp = cvCloneImage（eig_pyramid.getImage（temp_level））;
				std::vector points（0）;
				cvDenseSample（grey_temp eig_temp point