To devise a typical application in

To devise a typical application in this area involves three steps: detect moving objects, segment them and track them. In order to facilitate the development of the application, steps must be taken one at a time. This means that the easiest task is implemented first, in a simple context. Simple contexts include, among others, one static image produced to test a specific algorithm, static images taken from videos or pho- tographs with good conditions like color, contrast or scenario, a sequence of created images or video, and so forth. When one task is successfully performed under simple circumstances, it can be tested under real videos, starting by the videos with better quality or scenarios.In practice, this is not followed all the time for practical reasons. Usually it is required that a set of tasks be executed at a time, not only a single one. Thus, as soon as the first task produces acceptable results under acceptable conditions, the next step is started to be implemented. When all of the steps are implemented, another cycle takes place to further improve them, applying them in more realistic conditions.Additionally, it is important to use a framework, library or some toolkit to help the development of the application, avoiding to recode known algorithms and simplifying the design and implementation of the graphical user interface (GUI). Another important investment is to use an auxiliary tool to help the development and debugging of the application.B. Prototypical StudiesOpenCV has been chosen as the underlying application pro- gramming interface (API) for the development of our platform, basically due to the fact that it is a complete, widespread and popular library with a strong community support. One additional tool was also implemented to allow easy debugging and on-the-fly configuration of algorithms without requiring recompilation of the program. Fig. 4 shows the GUI of the testing framework developed.Despite being our original interest the characterization of traffic flow on aggregate basis, first steps taken toward the implementation of our application have shown some good potential for vehicle detection as well. Both optical flow, with or without pyramidal segmentation, and background sub- traction using the Gaussian background-foreground estimation model demonstrated promising results. However, these results still require improvements that might likely be accomplished by morphological operators or by improving the quality of the video. The use of contour and blob detection algorithms achieved good results that however declined with the increase of the density of vehicles, when occlusion begins to exist.

結果 (繁體中文) 1:

要制定這方面的一個典型應用包括三個步驟：探測到移動物體，段他們並跟踪他們。為了方便應用程序的開發，步驟必須在同一時間採取之一。這意味著，最簡單的任務開始實施，在一個簡單的環境。簡單的背景包括，除其他外，一個靜態圖像產生的測試特定的算法，從視頻或喜歡的顏色，對比度或場景，創建圖像或視頻等的序列良好的條件pho- tographs拍攝靜態圖像。當在簡單的情況下成功執行一個任務，它可以在真實的視頻進行測試，用更好的質量或場景的視頻開始。
在實踐中，這是不遵循所有實際原因的時間。通常它需要的是一組任務的同時執行，不僅是單一的一個。因此，只要第一任務產生可接受的條件下可以接受的結果，下一步開始被執行。當所有的步驟被實現，另一個循環發生，進一步提高他們，更現實的條件下應用它們。
此外，使用框架，庫或一些工具來幫助應用程序的開發是很重要的，避免了重新編碼已知算法和簡化的圖形用戶界面（GUI）的設計和實施。另一個重要的投資是使用輔助工具來幫助應用程序的開發和調試。
B.原型研究
OpenCV中已被選定作為底層應用親編程接口（API），為我們的平台的發展，基本上是由於事實，即它是一個強大的社區支持一個完整的，廣泛的和流行的庫。一個額外的工具還實施允許的算法，方便調試和即時配置，而不需要程序重新編譯。圖4示出的測試框架的GUI開發。
儘管是我們原來的利益總量的基礎上的交通流的特性，對我們的應用程序所採取的第一個步驟已經顯示了車輛檢測一些很好的潛力。兩個光流，有或沒有錐體分割和背景子牽引使用證明有希望的結果高斯背景前景估計模型。然而，這些結果仍然需要可能會通過形態學運營商或通過提高視頻質量來實現改善。使用輪廓和斑點檢測算法實現了與然而車輛的密度的增加，當閉塞開始存在下降良好的結果。

結果 (繁體中文) 2:

要設計此區域中的典型應用，需要三個步驟：檢測移動物件、分割和跟蹤它們。為了促進應用程式的開發，必須一次執行一個步驟。這意味著最簡單的任務首先在簡單的上下文中實現。簡單上下文包括，例如，為測試特定演算法而生成的靜態圖像、從視頻或具有良好條件（如顏色、對比度或場景）的音像、創建的圖像或視頻序列等靜態圖像。當一個任務在簡單的情況下成功執行時，可以在真實視頻下進行測試，從品質或場景更好的視頻開始。
在實踐中，由於實際原因，這並非一直遵循。通常要求一次執行一組任務，而不僅僅是單個任務。因此，一旦第一個任務在可接受的條件下產生可接受的結果，就會開始執行下一步。實施所有步驟後，將執行另一個週期以進一步改進這些步驟，在更現實的條件下應用這些步驟。
此外，使用框架、庫或一些工具組來説明開發應用程式非常重要，避免重新編碼已知的演算法並簡化圖形化使用者介面 （GUI） 的設計和實現。另一項重要投資是使用輔助工具來輔助應用程式的開發和調試。
B. 原型研究
OpenCV 被選為開發我們平臺的基礎應用程式支援語法介面 （API），這主要是因為它是一個完整、廣泛且廣受歡迎的庫，具有強大的社區支援。還實現了一個額外的工具，以便輕鬆調試和動態配置演算法，而無需重新編譯程式。圖 4 顯示了已開發的測試框架的 GUI。
儘管我們最初感興趣的是總體交通流量的表徵，但實施我們的應用所採取的第一步也顯示了車輛檢測的良好潛力。無論有沒有金字塔分割的光學流，以及使用高斯背景前景估計模型的背景子牽引，都顯示出了可喜的結果。但是，這些結果仍然需要改進，這些改進可能由形態操作者完成，或者通過提高視頻品質來實現。使用輪廓和斑點檢測演算法取得了良好的效果，但是隨著車輛密度的增加，當遮擋開始出現時，結果會下降。

結果 (繁體中文) 3:

在這個領域設計一個典型的應用程序需要三個步驟：檢測運動對象，分割並跟踪它們。為了方便應用程序的開發，必須一次一個地採取步驟。這意味著最簡單的任務首先在一個簡單的上下文中實現。簡單的上下文包括，除其他外，為測試特定算灋而生成的靜態圖像、從具有良好條件（如顏色、對比度或場景）的視頻或照片中獲取的靜態圖像、創建的影像序列或視頻等。當一個任務在簡單的環境下成功執行時，它可以在真實的視頻下進行測試，從質量更好的視頻或場景開始。
在實踐中，由於實際原因，這並不是一直遵循的。通常要求一次執行一組任務，而不僅僅是單個任務。囙此，一旦第一項任務在可接受的條件下產生可接受的結果，就開始執行下一步。當所有步驟都得到實施時，將進行另一個週期來進一步改進這些步驟，並將其應用到更實際的情况中。
此外，使用框架、庫或一些工具包來幫助應用程序的開發，避免對已知算灋重新編碼，並簡化圖形使用者介面（GUI）的設計和實現，這一點也很重要。另一項重要的投資是使用輔助工具幫助開發和調試應用程序。
B、典型研究
OpenCV被選為我們平臺開發的底層應用程序程式設計介面（API），這主要是因為它是一個完整、廣泛和流行的庫，具有强大的社區支持。另外還實現了一個工具，可以方便地調試和動態配寘算灋，而無需重新編譯程式。圖4顯示了開發的測試框架的GUI。
儘管我們最初的興趣是在聚合的基礎上對交通流進行特徵描述，但為實現我們的應用程序而採取的第一步也顯示了一些很好的車輛檢測潜力。無論是有無金字塔分割的光流，還是使用高斯背景前景估計模型的背景子牽引，都顯示出有希望的結果。然而，這些結果仍然需要改進，這可能是通過形態學操作或提高視頻質量來實現的。使用輪廓和blob檢測算灋取得了良好的效果，但是當遮擋開始存在時，隨著車輛密度的新增，檢測效果下降。