样例介绍
在创建工程时选择“vehicle_detection”工程模板将会创建视频车辆检测样例工程，该样例是一个视频类的ModelBox应用样例，通过读取视频，经过目标检测的模型得到视频中车辆的位置。该样例中“src”目录下预置了视频车辆检测的具体实现，它包含“flowunit”和“graph”两个目录，分别代表功能单元和图。
在基于ModelBox框架的AI应用开发中，AI应用是由图构成的。其中，功能单元可以理解为一段相对独立的数据处理功能，所有功能单元编排连线后构成图，代表一个AI应用。图在ModelBox中的呈现形式为toml文件，在该样例中位于如下路径：
src/graph/vehicle_detection.toml
该toml文件代表的数据处理流程如下：
该图从上到下代表了对输入视频的每一步数据处理。“video_input”是功能单元接收的输入视频流，往下分别经过“videodemuxer”和“videodecoder”功能单元，“videodecoder”功能单元输出“image”，“image”经过前处理，包含“resize”、“normalize”之后，送给模型（“vehicle_inference”是一个yolov3模型），模型将推理得到的bbox结果传入后续的后处理功能单元进行处理（vehicle_bbox_post），可得到最终的bbox框，将bbox框和“videodecoder”出来的“image”一同送入“draw_bbox”中，将绘制完bbox的image传入“videoencoder”，即得到带有检测框的视频流输出。
流程图中的各个功能单元的实现，一部分是直接使用ModelBox框架预置的功能单元，预置功能单元位于“/usr/local/lib64/”目录下，以二进制so文件的形式提供；另一部分是自己开发的功能单元，位于“src/flowunit”目录下。
每一个功能单元中即为该单元模块的实现代码，功能单元有三种类型，分别为“cpp”、“python”和“infer”，即c++功能单元、python功能单元以及推理功能单元。图4为一个c++功能单元的样例，Process函数为数据处理主函数。
