void calcOpticalFlowPyrLK(
InputArray prevImg, //第一個(gè)8位輸入圖像或者通過 buildOpticalFlowPyramid()建立的金字塔
InputArray nextImg,//第二個(gè)輸入圖像或者和prevImg相同尺寸和類型的金字塔
InputArray prevPts, //二維點(diǎn)向量存儲(chǔ)找到的光流；點(diǎn)坐標(biāo)必須是單精度浮點(diǎn)數(shù)
InputOutputArray nextPts,//輸出二維點(diǎn)向量（用單精度浮點(diǎn)坐標(biāo)）包括第二幅圖像中計(jì)算的輸入特征的新點(diǎn)位置；當(dāng)OPTFLOW_USE_INITIAL_FLOW 標(biāo)志通過，向量必須有和輸入一樣的尺寸。
OutputArray status, //輸出狀態(tài)向量（無符號(hào)char）；如果相應(yīng)的流特征被發(fā)現(xiàn)，向量的每個(gè)元素被設(shè)置為1，否則，被置為0.
OutputArray err,//輸出錯(cuò)誤向量；向量的每個(gè)元素被設(shè)為相應(yīng)特征的一個(gè)錯(cuò)誤，誤差測(cè)量的類型可以在flags參數(shù)中設(shè)置；如果流不被發(fā)現(xiàn)然后錯(cuò)誤未被定義（使用status（狀態(tài)）參數(shù)找到此情形）。
Size winSize = Size(21,21), //在每個(gè)金字塔水平搜尋窗口的尺寸。
int maxLevel = 3,//最大金字塔層數(shù); 如果設(shè)置為0，則不使用金字塔（單層），如果設(shè)置為1，則使用兩個(gè)層次，依此類推; 如果將金字塔傳遞給輸入，則算法將使用與金字塔一樣多的級(jí)別，但不超過maxLevel。
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),//指定迭代搜索算法的終止標(biāo)準(zhǔn)（指定的最大迭代次數(shù)criteria.maxCount或搜索窗口移動(dòng)小于criteria.epsilon）
int flags = 0, //操作標(biāo)志
double minEigThreshold = 1e-4 //計(jì)算光流方程的2×2標(biāo)準(zhǔn)矩陣的最小特征值除以窗口中的像素?cái)?shù)量;如果這個(gè)值小于minEigThreshold，那么一個(gè)相應(yīng)的特征被過濾出來，且它的光流不被處理，所以它允許去除壞點(diǎn)提升性能。
);

#include<opencv2/opencv.hpp>
using namespace cv;

//光流跟蹤
Mat frame, gray, pr_frame, pr_gray;
std::vector<Point2f> inPoints;
std::vector<Point2f> fpts[2];
void trackFeature();

int main()
{
  VideoCapture capture;
  capture.open(0);
  if(!capture.isOpened())
  {
    printf("can not open the camear......\n");
    return -1;
  }
  namedWindow("input", CV_WINDOW_AUTOSIZE);
  namedWindow("output", CV_WINDOW_AUTOSIZE);

  while (capture.read(frame))
  {  
    cvtColor(frame, gray, COLOR_BGR2GRAY);
    if (fpts[0].size() < 40)
    {
      imshow("input", frame);
      std::vector<Point2f> features;
      //角點(diǎn)檢測(cè)
      goodFeaturesToTrack(gray, features, 300, 0.01, 10);
      fpts[0].insert(fpts[0].end(), features.begin(), features.end());
      inPoints.insert(inPoints.end(), features.begin(), features.end());
    }
    else
      printf("object tracking......\n"); 
    if (pr_gray.empty()) 
      gray.copyTo(pr_gray);
    trackFeature();
    for (int i = 0; i < fpts[0].size(); i++) 
      circle(frame, fpts[0][i], 2, Scalar(0,255,0),2,8,0);
    gray.copyTo(pr_gray);
    frame.copyTo(pr_frame);
    imshow("output", frame);
    waitKey(1);
  }
  waitKey(0);
  capture.release();
  return 0;
}


void trackFeature()
{
  std::vector<uchar> status;
  std::vector<float> errors;
  //計(jì)算稀疏特征集的光流
  calcOpticalFlowPyrLK(pr_gray, gray, fpts[0], fpts[1], status, errors);
  int k = 0;
  for (int i = 0; i < fpts[1].size(); i++)
  {
    double dist = abs(fpts[0][i].x-fpts[1][i].x) + abs(fpts[0][i].y-fpts[1][i].y);
    if (dist > 2 && status[i])
    {
      inPoints[k] = inPoints[i];
      fpts[1][k++] = fpts[1][i];
    }
  }
  inPoints.resize(k);
  fpts[1].resize(k);
  //繪制光流軌跡
  RNG rng(0); 
  for (int i = 0; i < fpts[0].size(); i++)
  {
    Scalar color = Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255));
    line(frame, inPoints[i], fpts[1][i], color,2);
    circle(frame, fpts[1][i], 2, Scalar(0,255,255),2);
  }
  std::swap(fpts[1], fpts[0]);
}