技术方案核心点的构思过程

在整个技术方案的撰写生涯中，经历了很多个阶段。

从最初的不知何为核心，到之后的初窥门径，再之后的复杂构造，之后又回到精简范畴，而后繁复复杂，在这样一个简单到复杂的撰写模式之间反复变化。

其实形式上的复杂与核心点的充分并不是对应的关系。

并不是说内容越多越复杂，技术方案的质量就越高。

撰写的案件到现在也快有300个了，在这个过程中其实是可以意识到，核心点的挖掘与构造其实是一个比较抽象的概念，为了将这个概念具像化一些，就需要引入，场景，技术这两个大的概念进行具像化表达。

技术方案是一个方案，简单来说就是在一个场景中应用一个技术，这个场景中需要这个技术来达到一个目的，得到一个结果。这里场景与技术是融为一体的。

图像处理，包括了图像识别，图像分割，图像压缩等等场景目的。对应到现实的实际场景，就比如在门禁系统中，通过人脸识别技术来进行权限判断，从而达到实际场景中门禁的目的。在这个示例中，门禁系统才是场景，人脸识别则为技术，场景与技术结合，达到一个效果。

这样就清晰了起来，对于一个核心点来说就是找到场景中的场景问题，而这个场景问题对应着一个技术问题，这二者是统一的，在挖掘的过程中一定要将这二者形成一个对应关系。

示例：在门禁系统中，因为门禁系统使用中存在着户外场景，而在户外场景中，因为环境光线的多样性，所以会出现光线影响识别的问题。这是一个场景问题，这时就一定要将这个场景问题对应到技术问题中，在门禁系统中，其是通过人脸识别技术进行权限判断，而在人脸识别中，需要进行门禁系统实时图像采集，通过实时采集的图像进行特征提取，获取实时采集图像的特征向量，并将获取到的特征向量与数据库中的特征向量进行对比，从而达到识别的效果。而在该场景问题中，对于技术流程的影响就对应在了实时图像采集后特征提取过程中出现干扰，因为实际场景问题导致了特征向量不准确，受到环境光线干扰，从而导致技术流程中无法准确进行特征向量的对比，也就无法进行准确的人脸识别。

那在这个示例中，需要解决的技术问题点就是如何在场景中存在光线干扰时，准确的进行特征向量的提取，此时优化的中心就在于特征提取模块的细分流程，通过设计一个环境优化方法来进行特征向量的准确提取，以此来解决这个场景问题。

分析到这里，也就可以开始核心点的挖掘，在确定了要解决的场景问题之后，核心点中最重要的内容就是如何去解决技术中在场景中存在的问题。此时就需要进一步确定特征提取模块中的现有方法，也就是如何对采集到的图像进行特征向量的提取，这个提取的过程中的技术流程是什么，比如现有的特征向量提取过程是对采集到的图像进行下采样，之后对下采样的图像通过SIFT算法进行特征表述子的提取，从而形成图像的特征向量，那么这里实际的技术问题就是如何解决SIFT算法中特征提取过程中会受到环境影响的问题，从而继续分析在SIFT算法流程中，哪些步骤会受到环境影响，从而导致特征提取不准确的问题，这样就确定了最核心的要解决技术问题。

在确定了技术问题之后，并不是通过一个通用的方案去优化，核心点中最重要的概念就是根据场景来解决问题，从而使得核心点形成的技术方案的创造性。具体而言，就是在对技术问题的解决过程中，需要去挖掘场景特征，将场景问题更细致化，虽然是细致化但同时还要保证场景问题的必要性。对于实际场景，则需要去分析环境干扰具体事怎么干扰的，对于特定的门禁系统，特定的具体场景，这个场景中的环境干扰有什么特征，这个特征就是场景特征，通过场景特征来解决技术问题，这样的一个组合就是一个技术方案的核心点。

在确定了核心点之后，需要考虑到核心点是否饱满，是否具有足够的创造性，为了使得核心点更为充分，所以需要进行进一步的一点多层过程，这里的一点，就是一个核心点，多层则是指，上述的问题解决为第一层，第二层则是继续分析在通过设计的第一层核心点中的场景问题与技术问题的解决中是否仍然存在问题，这里就出现了一个问题延伸的概念。

具体来说则是，在第一层中，对于问题的解决聚焦于对于环境中的光线干扰进行优化，解决门禁系统中人脸识别的实际场景中光线干扰的问题，而在第一层问题解决的过程中所使用的特征，是否会在不同的光线干扰过程中出现一些其他情况，也就是一些特殊场景的例外情况，或者是该场景中出现的一些特殊问题。对于这个场景，可以简单想到的就是，在通过环境光线分析从而进行图像特征向量提取优化的过程中，因为光线的干扰有时是导致图像边缘特征被忽略，有时则是使得面部图像的边缘特征增强，为了保证特征向量的稳定，则需要在面部图像的边缘特征被环境光线增强的时候，进行特征限制，这样也就确定了第二层核心的确定，从而达到一点多层的效果。