Linux无管理权限dense_flow光流提取工具安装

如果编译不好的，可以直接在此处下载。

更新！！！

在安装opencv时，cmake -D后面不要有空格，不然后报找不到源文件错误。而且cmake后面加两个…不然会说找不到Cmakelist.txt

cd opencv3.1.0
mkdir build && cd build
cmake ../
	  -DCMAKE_INSTALL_PREFIX=/app/opencv 
      -DOPENCV_EXTRA_MODULES=../opencv3.1.0/opencv_contrib-3.1.0/modules 
      -DWITH_CUDA=ON .. \开启GPU加速功能
      -DWITH_TBB=ON ..
      -DCUDA_ARCH_BIN="7.0" \这个需要根据显卡的算力进行设置，可在https://developer.nvidia.com/cuda-gpus查看
make -j64
make install

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)

编译选项加上-DCMAKE_BUILD_TYPE=Release -DCUDA_nppi_LIBRARY=true即可

---

最近毕设在所基于two-stream的人体行为识别，需要用到光流提取工具dense_flow,由于之前没接触过Linux，捣鼓了三四天才把它装好。下面记录一下在安装dense_flow中出现的一些问题以及解决的方案。
dense_flow工具：https://github.com/yjxiong/dense_flow

1、新建python环境（已有环境可以跳过）

在服务器上跑项目，因此我直接在我的目录下新建了一个python环境来进行环境配置。
1、服务器联网状态下输入conda create -n workspace python=3.5(python版本可自己更改，workspace环境名称)。
2、安装好后输入source activate workspace激活环境。
3、安装conda，可以使用国内镜像源
4、配置pip

参考博客：https://blog.csdn.net/qq_37254336/article/details/81988872

2、cmake3.3.2安装

由于我没有管理员权限，因此在安装包时不能使用apt-get安装，只能通过编译安装，因此需要先安装cmake。
1、下载cmake包

wget https://cmake.org/files/v3.3/cmake-3.3.2.tar.gz

2、安装

tar -zxvf cmake-3.3.2.tar.gz
cd make3.3.2
./bootstrap
./configure --prefix=/app/cmake3.3（自定义安装路径,最好是绝对路径）
make
make install

3、安装完后需要将cmake安装路径写进系统变量

vim ~/.bashrc
export PATH=/app/cmake3.3/bin/:$PATH
source ~/.bashrc

这样cmake就安装好了

4、输入cmake -version检查是否安装成功

现在就可以用cmake命令来进行opencv的安装啦。

3、opencv3.1.0&opencv_contrib3.1.0

安装在安装opencv时，需要注意一点，opencv和opencv_contrib版本要一致，不然在后面编译时可能会有各种错误，我的版本都是3.1.0。且如果要做视频处理的话，需要有ffmpeg的支持，如果没有的需要去下载编译安装。（一定要先装ffmpeg再装opencv，不然后面opencv会无法读取视频，血的教训）

3.1 ffmpeg安装

1、 手动下载地址：https://git.ffmpeg.org/ffmpeg.git

git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg
cd source_directory
./configure --prefix=/app/ffmpeg --enable-nonfree --enable-pic --enable-shared
make
make install

–prefix自己的安装路径，后面三个必须要有，使用-fPIC为后面opencv动态链接库做准备。
2、环境变量

vim ~/.bashrc
export PATH=/app/ffmpeg/bin/:$PATH
export LD_LIBRARY_PATH=/app/ffmpeg/lib/:$LD_LIBRARY_PATH
source ~/.bashrc

3、检查安装是否成功

$ ffmpeg --version
ffmpeg version 4.2.2 Copyright (c) 2000-2019 the FFmpeg developers
built with gcc 4.8.5 (GCC) 20150623 (Red Hat 4.8.5-28)
configuration: --prefix=/SISDC_GPFS/Home_SE/kongj-jnu/wangsq-jnu/lsw/app/ffmpeg --enable-pic --enable-shared --enable-nonfree --disable-x86asm --enable-gpl --enable-swscale
libavutil      56. 31.100 / 56. 31.100
libavcodec     58. 54.100 / 58. 54.100
libavformat    58. 29.100 / 58. 29.100
libavdevice    58.  8.100 / 58.  8.100
libavfilter     7. 57.100 /  7. 57.100
libswscale      5.  5.100 /  5.  5.100
libswresample   3.  5.100 /  3.  5.100
libpostproc    55.  5.100 / 55.  5.100

注意：有时候无法安装ffplay等程序，需要找到opencv下的config.mak文件，去掉CONFIG_FFPLAY=yes前面的注释符号“！”后，再编译。

3.2 opencv+opencv_contrib

1、下载
opencv库：https://opencv.org/releases.html
opencv_contrib库：https://github.com/opencv/opencv_contrib/tree/3.1.0
解压会将opencv_contrib解压到opencv目录中

cd opencv3.1.0
mkdir build && cd build
cmake -DCMAKE_INSTALL_PREFIX=/app/opencv 
      -DOPENCV_EXTRA_MODULES=../opencv3.1.0/opencv_contrib-3.1.0/modules 
      -DWITH_CUDA=ON .. \开启GPU加速功能
      -DWITH_TBB=ON ..
      -DCUDA_ARCH_BIN="7.0" \这个需要根据显卡的算力进行设置，可在https://developer.nvidia.com/cuda-gpus查看
make -j64
make install

OPENCV_EXTRA_MODULES是opencv_contrib下的modules路径,CMAKE_INSTALL_PREFIX自定义的opencv安装路径。
注意：如果要用GPU提取光流的话，在编译opencv时需要将WITH_CUDA设置为ON，同时CUDA_ARCH_BIN要根据显卡的算力进行设置，否则后面提取的时候会出现GPU、CUDA等错误！

安装过程出现以下错误：ippicv_linux_20151201无法安装

由于墙的原因，无法下载ippicv_linux_20151201.tgz，因此自己去下载把它放在linux-**目录下，我的路径如下。

/opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e

然后重新编译，出现Build files have been written to…即编译成功。
Make时，由于动态链接出错
relocation R_X86_64_32 against `.rodata’ can not be used when making a shared object;
在安装ffmpeg时就说过，需要加上编译选项-fPCI，同理opencv安装也需要加上-fPCI选项，在opencv-3.1.0下的CmakeLists.txt中加一行add_compile_options(-fPIC)，重新编译，安装，成功。

参考：https://blog.csdn.net/qq_35781447/article/details/103277509

4、libzip安装

在dense_flow的ReadMe中说了，需要依赖包libzip，因此我去https://libzip.org/download/下载了libzip-1.6.1，接下来就是对libzip的安装
mkdir build && cd build
cmake --prefix=/app/libzip1.6(自定义安装路径)
make
make install
这时在/app/libzip1.6下会有以下四个文件夹

但是到这一步还没结束，虽然已经安装好了，但是系统并不知道你装在哪儿，因此需要将安装路径写进系统变量PATH中。
vim ~/.bashrc
export PATH=/app/libzip1.6/lib64/pkgconfig/:$PATH
source ~/.bashrc
到此libzip就安装好了。

5、dense_flow

在安装dense_flow时，按照给出的安装步骤

cd dense_flow
mkdir build && cd build
cmake ..
make -j

boost python3依赖安装

参考链接：https://www.cnblogs.com/freeweb/p/9209362.html

1、cmake出现未找到boost Libraries，这才想起来未安装boost，去官网下载结果都是forbidden，忘记我是在哪儿找到的了，下载了一个1.66.0版本。

2、安装成功后，满心欢喜准备去安装dense_flow时，结果又失败了，这次是未找到boost_python库。

我去找了boost/lib下找到了libboostpython3,百度了半天不得其解，后来去看了dense_flow下的CMakeLists文件，发现它的findPackage(Boost python),也就是说它要找的是libboostpython库，但是我安装的是python3，所以说将python改成python3即可。

findPackage(Boost python)
改为：findPackage(Boost python3)

5、测试

./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`

6、总结

Linux下无权限安装各种包，首先需要下载相应源码，然后需要设置–prefix自定义的安装路径，编译安装完成之后需要将run路径和库lib路径加入到环境变量中，像opencv等动态链接库时还需要将相应的.pc文件加入LD_LIBRARY_PATH中。

安装这个dense_flow，每次以为快要结束了结果又有新的问题出现。主要是各种包之间的依赖关系以及环境变量的配置，都会导致安装失败。当错误出现了，首先去看看哪里错了，很多信息都可以在配置文件中看到。当然还有一些问题是因为版本不匹配造成的问题，这种问题百度上有很多，基本上都可以解决。

希望这篇文章能帮到大家，欢迎大家来交流。
`