lk.cpp在mex文件夾下面，在compile時和Opencv的庫文件一起編譯，在tldExample->tldProcessFrame->tldTracking中被調用，輸入前一幀圖像，後一幀圖像和前一幀目標窗口提取的特徵矩陣，這個矩陣是平均散落在目標窗口中的，並非是特殊的角點，因此也帶來了一些問題，就是圖像比較複雜時跟蹤出錯情況很明顯，比如有許多人，而且發生遮擋頻繁時，tld就根本跟蹤不到目標了。lk文件處理兩種情況，第一種case 0是對變量的初始化，IMG是存放輸入圖像的，PYR是放金字塔緩存的，CvPoint2D32f* points[3] = {0,0,0};是指向圖像中點的指針，CvPoint2D32f定義如下：
typedef struct CvPoint2D32f
{
float x;
float y;
}
CvPoint2D32f;
case 2是用來處理跟蹤的，lk(2,tld.img{I}.input,tld.img{J}.input,xFI,xFI)，2用來選擇處理哪類問題，tld.img{I}.input前一幀圖像，是原始圖像未處理過，tld.img{J}.input，後一幀圖像，xFI是選取的特徵點矩陣。
其中的主要函數：loadImageFromMatlab()顧名思義，就是把matlab裏的圖像，其實就是一個二維矩陣，讀入到Iplimg類型的變量裏去，其實就是存到imagedata結構裏面。cvCalcOpticalFlowPyrLK，主要的跟蹤處理函數，具體流程也不太熟，目的是在下一幀圖像中跟蹤前一幀的點，結果放入status數組中，status[i]==1表示跟蹤上，==0表示沒有跟蹤上，normCrossCorrelation是對跟蹤上的點，計算匹配度，就是計算ncc的值，euclideanDistance是計算相應的點對之間的歐式距離，計算fb的值。lk(2,tld.img{I}.input,tld.img{J}.input,xFI,xFI)這句的輸出是一個列向量集，每列對應着一個點，前兩個是x,y 座標，後兩個是匹配度和歐式距離。