第101章 非必要交锋（1 / 2）

李清澜并不知道距离他仅几十公里之外城中的许墨痕的情况。

  许墨痕也没留下任何可供李清澜作为追踪信号的痕迹。

  面对这种情况，李清澜自是明白许墨痕的选择。但明白不代表认同，许墨痕可以因为察觉到过于危险而选择独自面对，那么李清澜也可以自己决定是否要参与进来。

  如果许墨痕是已经提前言明了她自己的选择，并要求李清澜暂时不要插手，如此的话，李清澜大概会选择只在许墨痕有生命危险的时候动手。当然了，说是这样说，但估计出现情况的时候，李清澜大概率会选择直接出手，而不是什么用战斗来磨炼技艺这种屁话。

  战斗应该做的是展示技艺，而不是什么磨炼。

  四个小时，李清澜醒来得分秒不差。简单以能量棒补充完毕身体的消耗之后，李清澜再次开始了资料的分析。相比于一开始的毫无头绪，至少现在李清澜已经找到了三十个值深究的对象，以及两份值得分析的录像资料。

  对于那三十个人，李清澜完全不关心他们的身份，只在乎对方的行踪而已。所以这部分的工作被李清澜用程序代替了人工。这种重复性极高，并且要求不能出现错漏的工作，程序的效果比他自己在那里盯着看要高效得多。

  进化只是减少了犯错的可能性，而不是杜绝了这种可能性。况且，李清澜所用的分析软程序可不是什么大路货色，完全可以自主归纳那些关键人物的活动轨迹，并且还能直接给出一些浅显的分析结果，例如：这些人行动轨迹的最大交集地点等。

  相比之下，对视频的解包分析方面的工作，李清澜更不太愿意用将在监控当中抹去身影的反向解析上传到自动解析的软件上面。他自己也明白，这几个方面的技术基本不可能泄露出去，但是李清澜也依旧将他穿越以来建立的这些技术各自独立的分开存放。

  映照在李清澜脸上的电子微光，表明了当前他所做的修复工作进展很缓慢。

  实时监控中抹除身影的原理主要依赖计算机视觉和图像处理技术。首先，通过背景建模建立稳定的背景模型，常用算法包括高斯混合模型和帧差法。接着，系统通过比较连续帧来检测运动物体并标记相应区域。然后，使用对象分割算法将运动物体从背景中分离，识别其轮廓。对于被检测到的身影，应用图像修复技术（如泊松重建）进行抹除，并利用周围像素信息填补空白。最后，系统持续实时更新背景模型，以应对新物体和场景变化，从而有效保持背景的自然性。

  而李清澜现在正在做的则是逆向恢复这个过程。

  逆向恢复是从已知结果推导原始输入或模型的过程，首先需获取损坏或被修改的图像数据，然后提取特征，如边缘和纹理。接着，选择合适的恢复模型，如稀疏表示或深度学习模型，利用优化算法最小化恢复结果与已知数据之间的差异。随后，应用图像修复技术（如泊松重建或生成对抗网络）来恢复细节。最后，对恢复结果进行评估与调整，必要时进行后处理，如增强对比度或去噪声，以提高最终效果。

  这已经不是能不能成功的问题了，李清澜手中有着这玩意的原始数据和对应的算法程序，所以成功是绝对能够成功的，但是时间消耗就不一定了。

  甚至都不需要再次重复计算，李清澜在设计的最开始就已经知道单靠他自己现有的这点设备是很难在安全时间内完成视频的逆向恢复。至于安全时间是多久？这要看许墨痕能把握局面多久。

  更麻烦的是，李清澜并不知道许墨痕的具体情况，也就更难以确定还有多少时间了。所以李清澜只有不断的压缩时间了。

  李清澜知道很多的方法，比如优化算法，更新模型等。但是设计算法、更新模型需要时间，而他现在最缺少的便是时间。硬件方面的优化已经达到了当前李清澜能做到的最佳水准，但是依旧缓慢，再加强就需要时间和金钱了。

  估算过后，李清澜直接转变策略。既然自己的资本不足以支撑高强度的逆向解析工作，那就“借一借”其他人的设备了。相比于那些设置一个病毒软件等待别人下载的做法，李清澜的手段更加极端一些，属于是直接强硬的入侵周围的电脑，然后强行利用起来。

  链接，拓展，蔓延。

  李清澜并没有选用病毒入侵这种缓慢的方式，而是直接用大量的邮件、信件、通知等请求，配合着对方的家庭网络信号，李清澜总算是将对监控视频的逆向解析进度推进了五十个百分点左右。

  而代价则是李清澜的动静直接被维尔夫科斯的城市信息安全部门察觉，接着便是全城范围内的信号捕捉。

  李清澜扫了一眼弹出的警告框，手上的动作却没有任何停顿。六个子网，三个虚拟局域网的构建，直接将最重要的分析机保护在层层防御当中。配合上物理层面的设备分区，李清澜自信能在被查到位置之前完成对视频的解析。

  相比于李清澜的冷静，维尔夫科斯城市信息安全部门的那些人就紧张得多。