第29章 这谁接受得了？（2/5）

“告警：2008/8/2119：33，“水产区1号摄像头”人员聚集超过10人。”

“告警：2008/8/2119：33，‘日化用品’有人员长时间滞留。”

“告警：2008/8/2119：34，‘生鲜蔬菜区’有人行为异常。”

“……”

短短几分钟便跳出了上百条信息，这就是用超市监控摄像头作为测试对象的优势之所在。

论人流量，除非某些大型活动现场，否则几乎很少有能与超市相比的。

而晚上7点到8点，差不多又是超市最为忙碌的时段，很多上班族只有这个时间段才有机会到超市来逛逛。

同时超市有顾客、有员工，人员流动和人员长时间驻留现象都广泛存在。

杨禹看着这一结果，面色如常地吩咐道：“逐一检查预警信息，与录像画面对比，确定预警信息的正确性，并将结果反馈给‘道’。”

没有人质疑杨禹的决定，虽然在座的绝大部分人都不明白这种反馈有什么意义，但他们还是照着做了。

唯有林中尧惊奇地看了一眼杨禹。

正常情况下，一个软件运行结果出现偏差，程序员就应该对其软件代码或参数做出相应的调整。

而现在杨禹却要求将结果反馈给系统内置的图像智能分析模块“道”，只能说明一件事情，那就是“道”很可能是具备深度学习能力。

它或许在一开始远不如人为设定判定条件的程序来得准确，但随着通过海量数据的学习、反馈，它的准确率将与人的判断力无异，甚至超过人的判断力。

果然，在随后对日志数据的检查过程中，他们发现系统给出的很大部分告警都是错误的。

就拿人员聚集来说，它可能将动作幅度过大的一个人判定为两个人，而将搂在一起行走的两个人判定为一个人。

整体预警准确率还不到30%，这玩意儿要是拿到市场上进行商业化运作，会被用户骂到怀疑人生。