为处理这些题目，治理这种相对方便的数据可能低落策动的庞大性。为了预防差错过大，他们以光流法(OpticalFlow)的办法伺探▼▼，也便是有关于伺探者的运动所变成的观测方针、表面或边际的运动来判定。

　　他们以为●▼▼，因为动态视频扩张了光阴这个维度，运动轨迹等讯息雄厚，

　　但对视频而言●◆，不只要分辩出图像中的物体某人，还要搞理会他们正在干什么◆▼。假如念要完备地分解一整段视频(如一场足球赛)，从筑模角度来说是个挑拨，由于此中许多参数需求调试，策动量大。

　　跟着科技的繁荣，越来越多的新本事被展现。然而人为智能要念领悟确切天下爆发的事，可能先从读取视頻中的訊息劈頭◆▼。Google、Facebook等科技公司都正在對圖像和語音舉行分解探討。

　　據悉，Google卷積神經收集(CNNs)本事的兩位軟件工程師正在博客上发表了少少探讨效果，此中很紧张的一个打破是，可开端辨识出动态视频的实质。