，拍下正面和侧面，这个量不会大，效率高人齐两小时就弄完，难点是第二。”

    不知不觉间，好几个事同事都竖起耳朵听着李毅讲解。

    “继续继续，别停下来。”小安显得尤为感兴趣。

    “我们做的不是静态分析，而是一种动态的行为分析。”

    李毅索性站到白板边，写下：行为分析，从校外进入往另一边的围墙走。

    “假定一段录像从头开始播，先要对比到进入画面的某个人背包戴帽的特征，这一帧图像的数据算是符合，确定一个原型，这个原型不是底图库的原型，动态的用完就删除。然后要分析是男还是女，一个人的正脸照，在计算机算法里可以识别性别，但侧脸就不清楚，估计不行，但女性需要过滤掉，然后一直到这个原型消失，这算一次行为。”

    “懂了，出现和消失，这算一次行为。”秦刚道。

    “别打岔。”小安拍拍秦刚。

    “对的，出现和消失。那什么叫做消失，我们肉眼看是这个人走进了摄像头的死角或者是走出了拍摄范围，不再出现就算消失。但对计算机数据来讲就有点模糊，电脑只认0和1，看得见存在看不见消失，按这个逻辑就会产生很多误判。”

    “为什么了。”小安比较急切。

    “如果一个人蹲下来绑鞋带，刚好被植物挡住，算不算消失了？按照0和1的逻辑，肯定算消失，但肯定不对。人可以通过快进往前继续看一段，计算机不能这么做，必须一帧一帧的对比，否则就没有意义对吧。”

    周围的同事都点头同意。

    “可这个人只是蹲下绑鞋带，实际上没有消失，这与我们设定的行为分析不一致。我们选定的摄像头是在路线上有连续性的，往一个方向过去，A处消失理论上应该在B处出现，如果他没出现，肯定是往其他方向走了。其他方向也一样，只要是向校区后面围墙走，都有连续摄像头，还是应该在我们设定的行为范围内。不过作为一个急于去现场作案的人来讲，不会这样遛弯，他选择这种方式去案发现场，就是为了避开人，尽量少见到人。”

    “那应该怎么处理了。”小安道。

    “可以做一个意外消失的阈值作为补缺，这个阈值是一个时间，可以延时5秒、10秒、20秒，时长可以自己定。也就是在一个人消失后，计算机自动往后读取阈值范围内的图像帧，如果阈值范围内人还没有出现才算消失。”

    “那这样其实可以解决这个问题。”秦刚道。

    “看似可以，其实还是存在问题。每个人的行为不一样，就像我说的刚才绑鞋带，这没有一个ISO标准，有人快5秒绑好，有人慢20秒才绑好。再或者，这个人他不是绑鞋带，他刚好有个电话进来，他就蹲在路上听电话，这个场景我们前晚从校园出来时见过。”

    李毅看看秦刚，秦刚点点头。

    “怎么还有这种嗜好，蹲着舒服吗？”小安又插了一句。

    “个人习惯吧，但这里产生的问题是：这个阈值应该设多大才合适。设小了，可能会漏掉了捕捉疑犯的机会，设大了，那非常浪费计算机的计算资源和时间。”

    秦刚举起手表示要发言，“如果这个人接电话的时候，不是蹲着，就站着不动，但是打电话时的姿态跟他背包行走的姿态完全不一样了，还能判定是同一个人吗？”

    “这一点倒没任何问题，之前讲过，从头部到腰部这个范围，不包括双手，他就是拿着大刀也不影响计算机的逻辑分析。”

    “电脑就是个死物，浪费就浪费呗，只要保证结果正确率就行。”小安道。

    “系统设计可不是这么考虑的，尤其商业应用系统，时间和计算资源都是成本。即使加大阈值，确定了这个人行为，那他一定是我们要找的人吗-->>

本章未完，点击下一页继续阅读