用图像的连续信息估算是不准确的。”
林书点了点头，说道：“是的，所以在这里需要加入视频数据的连续信息时间、变化快慢及速度等，时间可以从视频的左上角提取出来。因为所给视频设置为固定机位所拍摄的，所以变化的仅仅只有雾的面积和浓度，提取出的数据包括了图像特征，图像之间的差异性，气温、压强等能见度数据，我们便可以从卷积、递归神经网络等进行建模。”
对于林书这么快就给出了建模方向，刘征心里都不得不给林书竖起了一个大拇指。
后面的问题还有两个：
三，高速公路某路段只有监控视频数据，建立不依赖能见度仪观测数据的能见度估计算法(提示:事实上，在有雾的情形可以估计视频中物体的景深1]。反过来，理论上也可以利用视频中不同景深的物体，在不同能见度下的亮度差异估计能见度)，讨论相关算法实现过程，并针对题目提供的一段视频(高速公路视频截图.zip)绘制该时间段这段高速公路能见度随时间变化曲线;
四、利用问题三得到的能见度随时间变化规律，建立数学模型预测大雾变化趋势（加重或减弱）、何时散去（达到指定的能见度，比如mor=150m）？
林书说道：“第三问的目的在于和以后的相关算法进行比较分析，找出最适合的模型，最后绘制出能见度曲线，利用机场视频进行检测。”
“第四问这一问是一个预测问题，由于前一问所给的数据仅仅只有100个，类似于神经网络的方法便不在适用，我们可以采用时间预测或者灰色预测等简单的模型进行操作。”
刘征点头，非常同意林书的建模方向。
可以说，林书已经给出了大体的解题思路和方向，而且可以说是非常优的方向。
毫无疑问，现在对于林书队伍来说是非常好的开始，接下来就是要爆肝建模，然后编程写论文了。
其他队伍也都开始选定题目，陆续开始准备解题。
