‧ 參考對岸警務新常態下的「視圖大數據」實際應用

來源:CPS中安網作者:張學謙、胡明舒

1 背景介紹

數據是城市安全的寶貴財富，應用系統的價值發揮“三分靠技術、七分在數據”-而近年來對岸中國各地公安十三五規劃的重點，是建立各省的警務雲中心，核心目的是各類公安資訊化系統中的警務數據進行統一整合和深度挖掘應用，通過數據比對來產生實際價值。

目前警務雲主要是針對結構化的數據進行彙聚應用，但是平安城市影像、圖像這些非架構化數據佔了公安資料95%的體量，這些重要數據又該如何應用呢?

現階段平安城市系統積累的大量的影像、圖片、卡口(交通要道)數據、價值視圖等數據目前應用還僅僅停留在簡單的查詢上。如何進一步運用海量的視圖數據-特別是卡口過車，並聯合公安網上大量業務數據資訊，進行數據比對分析，有效挖掘視圖的價值資訊為不同警種服務，將是平安城市下一建設階段面臨的主要需求。

另一方面，影像監控應用已經深入到公安機關，對社會維穩建設的各項行動中，特別是在影像偵查應用中，但是如何在海量的影像中快速的進行分析和處理，提高公安用影像、看影像的效率，進而通過影像偵破更多的案件，產生更大的實戰效能也是公安部門越來越關注的問題。

本文結合多個專案實際方案設計和建設情況，設計了一套先進的視圖警務大資料平臺架構，並詳細介紹了基於視圖大數據平臺的1.)車輛大數據應用系統;和2.)視圖雲摘要系統。

2 視圖大數據平臺架構

2.1 視圖大數據平臺系統結構

　　圖視圖大數據平臺系統架構

視圖大數據平臺是上層視圖應用的基礎，系統採用通用開源的hadoop開放架構，並整合了優質的視圖結構化語義分析智慧演算法，同時根據上層業務的需求，封裝了一系列視圖大數據的服務介面，為上層各類應用系統，和實戰系統提供端到端的視圖處理服務能力，而在底層視圖大數據平臺則整合了視圖雲端儲存，和各類IT基礎資源池，來作為儲存和處理海量原始影像的整合設施。

3 車輛大數據系統

平安城市建設從最初的點位建設，到這幾年的資源整合，系統已經掌握了大量的車輛卡口數據和價值圖片，但是現有的應用基本上還停留在簡單的過車記錄查詢上。

1.如何對社會上的高危車輛進行有效的預警防控?優化警力部署，進行有針對性的車輛排查?(治安事前防控)

2.面對大量的涉車涉駕案件，如何從有效的鎖定嫌疑車輛，提高刑事偵查效能?(事後案件偵查)

3.1 車輛大數據應用系統

　　圖車輛大數據應用系統

車輛大數據系統基於視圖大數據平臺，系統彙聚海量車輛數據和圖片，並大量採集利用全國公安機關的網上警務綜合資訊，使用大數據平臺能力對車輛、車主、關係人屬性構建資料關係網進行深度分散式的資料採擷分析，並根據上訴設定的規則篩選出高危車輛，進行即時預警和情報推送。

另一方面，除了分析車輛過車記錄之外，車輛大數據系統使用大數據影像處理引擎，可即時處理海量的卡口過車圖片(strom架構處理，性能可線性擴展);對車輛圖片進行智慧處理之後，系統提取車型、車系、年款等關鍵資訊，提供對套牌車、假牌車分析的有力比對特徵;形成車輛特徵向量，支援對海量卡口圖片的以圖搜圖查找，快速定位目標相似車輛、而不受套牌和假牌的影響。

3.2 “數據導防數據導控數據導偵“

車輛大數據積分預警系統通過採集利用對岸全國公安機關的網上綜合資訊(各大服務請求方為主，加上一些地方的業務數據)，使用基於“車<->人<->關係人”的綜合資料模型，主要包括以下四大方面：

1.車輛基本屬性規則-自動判斷是否是：盜搶車輛、高位地區車輛、租賃公司車輛、非法運營車輛等多種條件;

2.車輛行為基本規則-自動判斷是否是：首次出現車輛、重點高位區域出現車輛、淩晨和深夜等高危時間段出現的車輛等多種條件;

3.車主基本屬性規則-自動判斷是否是：吸毒人員、一般高位地區人員、特殊高位地區人員、前科人員、在逃人員、盜搶騙人員等多種條件;

4.車主的關係人基本屬性規則-自動判斷是否是：關係人在逃、關係人為盜搶騙人員、關係人為前科人員等多種條件。

系統對車輛、車主、關係人屬性構建數據關係網進行深度智慧分析，並根據上訴設定的規則進行積分研判。

　　圖大數據積分預警模型

系統通過數據分析研判之後，可提供以下基礎功能：

1.研判結果-即時瞭解高危車輛數據和詳細的研判資訊，鎖定重點目標;

2.綜合查詢-根據案件、專項行動要求，綜合不同條件來查詢歷史研判記錄、車輛記錄、車主記錄，形成層層過濾式的嫌疑車輛排查綜合技戰法;

3.預警推送-當滿足爆表條件時(如盜搶車輛、假牌車等)，系統可聯動短信、LED屏、用戶端快顯視窗等多種方式進行即時報警，並可將車輛預警資訊推送至指揮中心、攔截站派出所、警務通APP，進行及時攔截排查;

4態勢研判-通過定時分析統計高危車輛出沒和分佈情況，可對各區域治安態勢熱力分佈形成研判依據(如瞭解前科人員、涉毒人員的出沒情況);

5.圖片二次辨識、實現真牌還原-通過大數據平臺和先進車輛圖像分析演算法，系統對海量卡口圖片進行即時二次辨識，有效提取車標、車系、年款等資訊，聯合公安車輛登記數據，對套牌車、假牌車進行有效預警，大大改善了由於現有前端卡口由於品牌不一造成的智慧分析能力弱的局限性。

3.3 系統實戰效能&&案例介紹

這一章節內容介紹我們系統在浙江(F市)的成功實戰應用情況。

目前F市前端卡口有公安卡口和交警卡口兩部分，車輛大數據應用系統目前整合了公安的卡口資料和部分交警卡口數據，目前平均每天處理過車數據130w左右。

3.3.1 實戰應用1-日常治安防控：

　　圖 F市日常治安防控效果

治安防控效益1-平均每月積分“爆表”預警直接發現逃犯車輛10輛，直接發現有效盜搶車輛10輛;

治安防控效益2-瞭解統計高危人員如-涉毒人員、前科人員、盜搶騙人員、高危地區人員、敏感關係人、七類重點人員在本地區出沒和活動情況，形成治安態勢研判重要依據。

　　圖 F市涉毒人員車輛動態分佈資訊

3.3.2 實戰應用2-找假牌、抓套牌：

找假牌-對於每條過車記錄，系統都會根據車牌號去和車管所登記資訊進行比對，若沒有命中，則在並結合卡口辨識正確率因素進行綜合的研判分析，若對於同一個車牌，若有當天多次沒有命中記錄，則假牌概率增高，進行推送預警;

抓套牌-對於每張過車圖片，大數據平臺會即時分析，提取車輛的車型、車系、年款等資訊，拉取車管所資訊進行比對，若比對沒有命中，則進行套牌嫌疑車輛推送預警;

目前採用大華先進的圖像智慧分析演算法，在普通環境下，車系等關鍵資訊辨識能達到9%準確率;

3.3.3 實戰應用3-由案到車：

對於刑偵/治安等警種，當發生案事件時，可以根據案件相關車輛初步側寫，然後進入車輛大數據系統進行“由案到車”的研判分析流程：

　　圖車輛大數據分析-由案到車應用戰法流程

由車到案-常用技戰法示例：

1. 接到報案某社區發生入室盜搶案(或者其他很有可能需要用到車輛的案件);

2. 電子地圖上框選社區周邊範圍輸，入案發大概時間點

3. 直接檢索：該時間段，該地點段所有異常車輛(異常車輛包括：1.租賃車輛 2.前科車輛 3.高危地區車輛 4.首次或極少出現車輛);

4. 人工分析結果，鎖定嫌疑車輛----在車輛大資料系統上分析該時間段，該地點段所有過車數據-包括：車輛屬性，車牌，車主，首次出現時間，出現頻率，異常屬性，時間屬性，出現地點次數，旅館住宿資訊，高速路口資訊;

5. 原形畢露!根據車主前科資訊，關係人，名下車輛，活動軌跡，手機通話記錄等跟蹤分析，一網打盡;

4. 視圖雲摘要和大數據圖偵

目前對平安城市的海量監控影像最典型的公安業務應用就是影像偵查。而在傳統影像偵查中，刑偵人員需要花費大量時間和精力查看分析影像原始檔案，且容易錯過關鍵線索。而影像摘要(即濃縮)是能有效對海量圖片進行結構化處理和提取關鍵目標的核心智慧化手段。

雖然目前各地公安局已經建設了大量具備影像摘要功能的視偵系統，但是已建視偵系統往往整合了大量的業務流程和複雜的功能，但對於用戶最關心的核心應用-影像摘要的性能和效率卻非常低下-本質原因是已建系統都是採用傳統“單機”模式來實現影像摘要功能，因此面對海量的影像處理時，完全無法滿足實際業務需求。

　　圖雲摘要系統結構圖

大華影像雲摘要系統，利用雲端運算技術提供分散式影像處理框架、利用雲端儲存可提供像“太平洋”一樣寬的儲存管道，完全解決了影像上傳下載的頻寬瓶頸，在此基礎上，對外提供極致的影像濃縮摘要服務。雲摘要系統整體計算性能可以通過增加集群的數量進行線性增加，從而可以滿足隨著非結構化數據規模的增大而不斷提高的影像結構化分析的性能要求，最小規模系統即可實現1080P高清影像1分鐘端到端處理性能規格;

　　圖雲摘要過濾顯示行人摘要

海量影像結構化分析、統一檢索.雲摘要具備強大的影像智慧分析功能以及數據處理能力，其能利用自主研發的先進的影像圖像智慧分析演算法-包括影像摘要分析、影像濃縮等，實現對海量視圖的結構化描述，形成目標影像片段+關鍵特徵描述，並提供全域檢索入口，可通過多個條件(人車分類、大小、速度、顏色、特徵等)來檢索人車等目標。

圖偵業務整合、業務深度融合。系統支援與主流視頻偵查系統融合和整合，基於雲摘要視偵系統可快速構建豐富技戰法應用和智慧化平臺、並將雲摘要分析結果快速導入警務工作流程、和業務緊密融合，實現有價值結果視圖資訊的集中保存和應用;

靈活部署、能力共用、互聯網+ 。對外提供統一IP和通用RESTful介面。系統可以獨立部署使用，也可以對接三方平臺提供更為靈活的摘要業務服務;雲摘要基礎設施能夠給上層各類影像應用以及其他系統提供各種平臺介面服務，推動影像結構化分析能力在各類業務系統中的廣泛共用和應用。進而最終改變使用者處理海量影像的應用模式-從“看影像”到“搜目標的轉變”。