第79章 AI演算法課

刑斌和剛子都兩眼通紅髮澀，看錄影是現代刑偵的一門必需技術手段，但也是一項體能和意志煎熬的工作。

一整夜努力，找出了三個適合的人選。

刑斌跟小衛要了眼藥水，倆人都躺平在椅子上滴眼睛。

“你說我們會不會漏掉監控沒有複製，一晚上就整了這麼三個人出來，感覺跟昨天我們的分類產品一樣，木有啥期望啊。”剛子道。

“要不然了，我們複製的只是其中六分之一不到的攝像頭錄影，全複製回來，這一週都耗這上面，也不見得能多幾個人出來，這是幾條必經路線，如果沒有我估計是真的沒有，完美避開，現在我心裡就一上一下的有點慌。”

刑斌所言不假，如果這三個人都排除掉，昨天這場大範圍大規模的行動，大機率是雷聲大雨點小了。

“假如現代人工智慧的技術突飛猛進，是不是能讓計算機代替我們完成這事兒？就是說，有這麼一套軟體系統，我給出目標畫像，不光是人還有車牌等等，再給出影片原始檔，然後由計算機自動給我們作對比，我們就喝著茶吃著瓜，然後叮一聲結果就出來了。”

剛子眨巴眨巴眼睛，刺眼的燈光讓他不得不又閉上。

“理論上是可以的，其實這個我是真的思考過，需要建模型。影片是由一幀一幀的影象構成，精度越高，每秒的幀數越多。普通的監控一秒25幀，也就是一秒拍了25張像，一個小時9萬張。其實我們肉眼掃描跟計算機掃描本質是不一樣的，肉眼是憑藉對幾何圖形的直觀感覺，計算機則不一樣。”

刑斌起身在白板上寫下幾點：

1.影象縮放到一定大小

2.轉化為灰階

3.計算所有畫素平均值

4.比較畫素的灰度：將每個畫素的灰度，與平均值進行比較，大於或等於平均值記為1，小於平均值記為0；

5.計算雜湊值：將上一步的比較結果，組合在一起，就構成了一個64位的整數。

“就是說每一張圖片都有大小轉換後畫素化再取值的一個過程，這是一個很大的運算量。比如，我們給定條件：揹包、帽子背影或側面，這是一個很模糊的概念。計算機做對比，首先需要一張底圖，那這張底圖應該是什麼樣子呢，我和你揹包、戴帽背影應該差不多，小安跟我們有區別，前天晚上見到的老洗跟我們有區別。包的形狀帽子的形狀，幾個因素的綜合，需要建一個底圖模型庫。比較範圍也不是整個人全部，是從頭部到腰以上，因為揹包長度正常不會過腰。然後才是影片裡的每一幀圖片，每獲取一幀就與底相簿做一次比較，大約是這麼一種模式。如果我們的底相簿是100張，一個小時的影片，需要比對900萬次，我們複製的錄影時長10個小時，自己算，這還是一個攝像頭。”

剛子吐了吐舌頭，“聽著有點嚇人。”

小安也來了興趣，“現在的人臉識別技術不是已經很成熟了嗎？一些辦公大廈、高鐵站，刷臉就能通行。”

“沒錯，但本質概念還是一樣的。高鐵站刷臉，是用你真實的人臉和身份證上的人臉作對比，一共就兩張圖，以身份證照片作為底圖。而且有效的人臉範圍只需要雙眼到下巴這個區間，眼睛以上和下巴以下都是無用資料，用證件照去和抓拍的人臉進行比對，這個對比資料量其實很小，結果都是秒出。”

“是啊，坐高鐵進站的都是臉對著攝像頭一刷就行，最多一秒。”剛子道。

“那只是整個過程，實際不需要一秒，對比結果還要通知感測器，感測器發出開閘指令，整體過程大概一秒。”

“那我們現在的難度在哪裡。”小安道。

“第一我們沒有原型，不過原型庫容易建，就是揹包和帽子，找一些體型身高不同的人穿戴起來，拍下正面和側面，這個量不會大，效率高人齊兩小時就弄完，難點是第二。”

不知不覺間，好幾個事同事都豎起耳朵聽著刑斌講解。

“繼續繼續，別停下來。”小安顯得尤為感興趣。