孩子玩耍泰迪熊的视频：算法识别出两个不同的物体是可见的。他注意到它们有不同的颜色和纹理。孩子的皮肤很光滑，这意味着颜色过渡柔和，对比度低，而泰迪熊的结构非常复杂，对比度高，而且颜色完全不同。可以通过巧妙地改变对比度、亮度、饱和度和其他因素来区分这两个物体，也可以通过有选择地隐藏不感兴趣的区域（例如背景）来区分。在某个时刻，算法可以确定两个物体的起点和终点，并最终根据视频过程中形状的变化识别它们可能是什么。
当然，这不是一个简单的例子，滚动的球或天空中的飞机都是更简单的情况。然而，通过巧妙地利用给定的图像信息，可以提取许多细节，经过彻底的处理后进行分类。
距离自动标记所有视频还有多远？
物体识别技术的研究已经进行了十多年。它们在静态图像处理方面已经表现出色，这一点从 黎巴嫩号码数据 自动车牌识别和光学字符识别（OCR）中可以看出。然而，迄今为止，运动图像所需的计算速度仍然不足。然而，谷歌拥有如此巨大的计算能力，该技术的大规模应用是可以实现的。谷歌也一次又一次地证明，该公司管理大量数据并使其快速可搜索并非问题。因此它不会在速度、内存和时间方面失败。
这项技术对于用户来说无疑将是一个有用的补充，因为它可以使用标签来查找与用户所寻找内容更加匹配的视频。这当然取决于谷歌标签的详细程度，但通常可以想象，这将导致找到更多与搜索词匹配或至少接近搜索词的视频。