/>
如果是军~事禁区，那这个问题当然容易回答，未授权人员只要出现在周围就算是可疑，就可以拿下，审问。

但如果放在普通的商场或者工厂当中呢，到底什么样子的行为算是可疑呢？

两个人手拉着手一起进门算是可疑吗……肯定不算。

三个人背对背，手拉手，像三合一椰蛋树一样旋转着进门呢……这其实就有点奇怪了，但好像也上升不到可疑的高度。

十个人像老鹰捉小鸡一样以一字长蛇阵飞速进门呢……这个确实得拦一下了，看看这帮人到底有什么大病。

如果在商场的每个进出口放置两个保安，固然可以拦住一些可疑的人。

但是一来，保安是需要人工成本的；二来，保安大爷也有看走眼或者判断失误的时候；三来，门口倒是有保安了，商场里面能每隔五十米再放置俩保安吗，那客人们还敢进来吗？

顾风他的工作目标，就是研究一种适配于各类监控硬件的人类行为分析软件。

总体要求是……具有深度学习能力，联网数据库可以根据用户需求进行自定义分区。最最重要且核心的是……如何让计算机理解人类行为的逻辑，判断某一种行为在特定场景下到底算不算正常？

顾风的思路比较传统……抓取这个场景下绝大部分客体的行为数据，然后建立一个对比库，形成这个场景下的参照行为逻辑。

凡是与对比库的行为逻辑相违背的，就进行人工报错，让机房内的真实人类去做进一步判断。

然后根据真实人类对这项行为的判断再反馈给对比库，使得其能够进一步完善自身，提升下次判断的准确率。

顾风的思路没有什么大的问题，就是太耗人工。

本来我们工厂需要招两百个保安来维持最基本的秩序，现在购入了这套软件，我们只要招一百九十八个就够了……你这东西很好，就是有点不好。

什么……你说只需要短短的两年时间就可以让我们的数据库完善到可以削减百分之二十人工成本的程度？

就当前这个经济形势，我们的工厂能不能再开两年都够呛呢，哪儿能想到那么久远的事情啊，回见吧您呐。

……

然而姜善樱的思路就很天才了，她提出了“想象推演”的逻辑思路，极大地缩减了数据对比的工作量，通过硬件算力的消耗来充抵软件数据库的不足。

就比如透过监控画面看到一个人在吸烟区冒烟，这是正常的；但是这个人突然又拿出了一包卫生巾，然后点燃了到处挥舞……这肯定就不能算是正常的了。

也就是说在吸烟区这个工作场景下，受到观察的人员可以点燃有限的明火，冒出有限的烟雾，并且他的动作幅度不会太大……等等。

客体，客体特征；场景，场景限制。

姜善樱将这两者作为互相对抗的红蓝双方，赋予其进退的尺度，只需要很少的演算量积累，就可以拿捏住场景方与行为方的动态平衡机制。
『加入书签，方便阅读』