面向目标的英文是Object-Oriented，在软件领域也称为面向对象，为了有所区别，我们在这里称为面向目标。目标指的不是一个抽象的概念，而是一个实实在在的事物，比如说一个人、一辆车等。我们可以发现目标的特点，观察目标的行为，也就是说目标是可观测的。

    那么所谓“面向目标”的安防思路何新之有呢？要回答这一问题，我们先来举例分析一下目前现有的安防思路是怎样的：

    场景一：某银行储蓄所的营业间，安装了若干台摄像机进行24小时录像。
    由于投入的原因，摄像机数量是有限的，所以不可能只拍摄某个局部，因为这样做太浪费；也不可能事先知道什么时间开始拍，拍哪里，会拍到些什么内容。我们所能做的只有在全时间段进行全景摄像，记录下营业间内人来人往的排队等待过程。而其中99.9%的信息都是没有任何价值的！
    我们不知道抢劫犯是谁，什么时候出现，会做些什么。我们只有守株待兔！
    而一旦真正的抢劫犯出现，我们能够得到的，往往只是现场的一段质量糟糕的录像，嫌疑人往往距离很远、面孔模糊（至少从多个警方公开发布的银行劫案录像上看是如此）。这个时候往往是一些模糊图像处理、人像组合复原技术会出来充当事后英雄（此处绝无贬低之意），而我们投入巨资建立的监控录像系统除了录下了一大堆垃圾数据外，对于真正有价值的本原信息却收获甚微。

 
    场景二：某机场的安检台，安装了若干台X光机，有的甚至安装了若干台摄像机。
    目的是什么？是为了检查旅客是否携带了危险品，拍摄下的录像据说是为了事后调查用的。（光是一个“事后”二字，就够你胆战心惊的了）可是我们除了控制旅客随身携带的物品和安检的过程以外，还能控制什么呢？我们能控制人的思维吗？同样，我们也不知道劫机犯是谁，乘坐哪趟班机，采用何种手段劫机？
这就能够解释“9·11”事件为什么得以有机会发生。

    场景三：某仓库的库区，安装了周界防范报警装置和一些视频监控装置，可是由于库区面积太大，边界情况复杂（有房屋、河道等），监控往往不能覆盖所有的区域和边界，即使有摄像机拍摄的录像，也因为距离太远，光线复杂，而不能有效发现和辩识侵入的目标。由于根本看不清侵入者是谁，他们似乎可以随时、随处，进入禁区，在保卫人员根本来不及赶到的时候逃之夭夭。

    总结一下，以上场景中描述的安防思路都是面向过程的，或者说是面向事件的。使用者力图记录下所有事件发生的经过，孰不知世事万千，要想完整保留和再现所有发生过的事件的努力一定是徒劳的（排除时空穿梭的可能性）。

 
    面向事件的安防控制，必然面对下面的问题：

    1.事件千头万绪，如果要记录必然是海量数据。
    2.无法辨别哪些是有用的事件，哪些是无用的事件。
    3.事件本身是复杂的，互相之间有交叉和重叠，信息存在大量干扰和冗余。
    4.事件除了时间维度外，几乎没有其他参照系数，如果要想查找信息的话，必须要花费同样多的时间来遍历事件。
    5.无法预测事件发展的趋势，所有的控制措施都是滞后的。

    如果我们转换一下思路，还是在刚才的场景中，由面向过程改为面向目标，看看能够发生一些什么样的变化：
    场景一：某银行储蓄所的营业间,当一名顾客从监控区域走过，摄像机立即发现了目标，悄悄地推近镜头,近距离地拍摄一组高清晰度的照片,然后再跟踪另一个目标……所有这一切都是自动完成的。