小时，自己算，这还是一个摄像头。”
秦刚吐了吐舌头，“听着有点吓人。”
小安也来了兴趣，“现在的人脸识别技术不是已经很成熟了吗？一些办公大厦、高铁站，刷脸就能通行。”
“没错，但本质概念还是一样的。高铁站刷脸，是用你真实的人脸和身份证上的人脸作对比，一共就两张图，以身份证照片作为底图。而且有效的人脸范围只需要双眼到下巴这个区间，眼睛以上和下巴以下都是无用数据，用证件照去和抓拍的人脸进行比对，这个对比数据量其实很小，结果都是秒出。”
“是啊，坐高铁进站的都是脸对着摄像头一刷就行，最多一秒。”秦刚道。
“那只是整个过程，实际不需要一秒，对比结果还要通知传感器，传感器发出开闸指令，整体过程大概一秒。”
“那我们现在的难度在哪里。”小安道。
“第一我们没有原型，不过原型库容易建，就是背包和帽子，找一些体型身高不同的人穿戴起来，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