車輛警務(wù)大數(shù)據(jù)系統(tǒng)在安防行業(yè)中的應(yīng)用

吳權(quán)暉

摘 要：隨著現(xiàn)代社會發(fā)展，人們越來越重視安防工作，僅依靠人力監(jiān)控會耗費大量的精力及時間，且監(jiān)控質(zhì)量、效率均較低，而車輛警務(wù)大數(shù)據(jù)系統(tǒng)應(yīng)用了先進的大數(shù)據(jù)技術(shù)，將其應(yīng)用于安防行業(yè)中意義重大，提高了安防水平，確保了數(shù)字化、智能化監(jiān)控系統(tǒng)戲能的有效發(fā)揮。

關(guān)鍵詞：視頻監(jiān)控系統(tǒng)；安防行業(yè)；公安網(wǎng)；圖像信息

中圖分類號：D631.4 文獻標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2017.12.151

警務(wù)大數(shù)據(jù)系統(tǒng)在業(yè)務(wù)層面，涵蓋圖像信息接入、數(shù)據(jù)挖掘處理、研判分析應(yīng)用等多個環(huán)節(jié)。在用戶層面，面向交警、治安、刑偵、情報、指揮中心等多個部門；在網(wǎng)絡(luò)架構(gòu)層面，部署在公安網(wǎng)內(nèi)，面向公安網(wǎng)用戶提供支撐服務(wù)。由此可見，警務(wù)大數(shù)據(jù)系統(tǒng)在安防行業(yè)中有極大的應(yīng)用價值。

1 軟件技術(shù)架構(gòu)

車輛警務(wù)大數(shù)據(jù)系統(tǒng)利用先進的深度學(xué)習(xí)與模式識別技術(shù)、實時搜索引擎技術(shù)、分布式存儲技術(shù)等領(lǐng)先科技解決公安傳統(tǒng)刑偵手段遇到的技術(shù)難題。

視頻監(jiān)控信息、人員信息、案件庫信息、社會資源信息等作為原始信息流進入分布式消息總線，經(jīng)過預(yù)處理的信息流再通過計算調(diào)度中心流向?qū)崟r搜索引擎服務(wù)器、分布式存儲計算服務(wù)器等進行深入學(xué)習(xí)，最后為分析研判、布控預(yù)警、業(yè)務(wù)處理等應(yīng)用提供API接口。

實時搜索引擎技術(shù)可對信息進行即時、快速搜索。車輛警務(wù)大數(shù)據(jù)系統(tǒng)利用實時搜索引擎技術(shù)實現(xiàn)10億條過車數(shù)據(jù)內(nèi)按品牌、型號等條件組合查詢時間不超過400 ms的性能指標(biāo)。

分布式存儲是實現(xiàn)數(shù)據(jù)物理與邏輯隔離的重要技術(shù)，可實現(xiàn)全市公安信息聯(lián)網(wǎng)共享。車輛警務(wù)大數(shù)據(jù)系統(tǒng)利用Hadoop技術(shù)構(gòu)建分布式文件系統(tǒng)HDFS，HDFS文件系統(tǒng)具有高度的可擴展性，有利于大量視頻圖像信息的存儲。在數(shù)據(jù)管理層，利用非關(guān)系型數(shù)據(jù)庫HBase對文件系統(tǒng)中的非結(jié)構(gòu)化數(shù)據(jù)實現(xiàn)統(tǒng)一管理。

系統(tǒng)采用Nginx和HAproxy技術(shù)保障系統(tǒng)集群的負載均衡、高容錯性以及高可用性，使系統(tǒng)可以提供不間斷、快速響應(yīng)、支持高并發(fā)請求的服務(wù)。

2 警務(wù)大數(shù)據(jù)深度挖掘與實戰(zhàn)應(yīng)用

以公安實戰(zhàn)應(yīng)用為核心，創(chuàng)新實戰(zhàn)技戰(zhàn)法，使偵防工作模塊化、桌面化，帶動警務(wù)模式的轉(zhuǎn)變，解決海量視頻圖片數(shù)據(jù)難以針對性挖掘應(yīng)用于實戰(zhàn)的問題。本文重點對大數(shù)據(jù)研判應(yīng)用模塊進行了闡述。

2.1 警務(wù)大數(shù)據(jù)實時預(yù)警與布控查緝

依托海量數(shù)據(jù)智能挖掘技術(shù)和大數(shù)據(jù)分析算法，系統(tǒng)可整合道路卡口/電警視頻監(jiān)控、治安監(jiān)控、公安信息庫、社會資源信息、互聯(lián)網(wǎng)高價值信息等，以過車數(shù)據(jù)為主線，實現(xiàn)車輛軌跡與人員、案件、物品、電磁軌跡等數(shù)據(jù)的關(guān)聯(lián)挖掘。通過對關(guān)鍵情報的自動提取、檢索和分析處理，可高效實現(xiàn)對重點人員、敏感行為、特定時段與區(qū)域的精確布控和實時預(yù)警。

2.2 大數(shù)據(jù)關(guān)聯(lián)與共享統(tǒng)查模塊

可根據(jù)辦案需要將車輛信息與車主信息、車主關(guān)系人信息、全國機動車登記信息、重點人員信息、吸毒人員信息、盜搶機動車信息等數(shù)據(jù)進行關(guān)聯(lián)與分析，并可實現(xiàn)各地區(qū)過車數(shù)據(jù)的共享統(tǒng)查。

2.3 過車信息實時搜索分析系統(tǒng)

可按照車型、類別、車牌、照片以及依據(jù)車輛局部特征對過車數(shù)據(jù)進行實時搜索。

2.3.1 按車型搜車

可依據(jù)品牌、型號、年款、時間、地點的任意組合搜索，支持精確車牌、模糊車牌以及無車牌的搜索。

2.3.2 按類別搜車

在任意時間段內(nèi)進行單個類別、多個類別、某個類別下的多品牌或單個品牌的搜索。

2.3.3 按車牌搜車

根據(jù)已有車牌快速進行歷史行車信息的搜索，在搜索時可限定地理范圍及查詢時間。

2.3.4 按照片搜車

針對現(xiàn)有車型數(shù)量龐大，人工難以全部識別的問題，可根據(jù)車輛照片自動進行車輛信息數(shù)據(jù)的識別。

2.3.5 按車輛局部特征搜車

在已有車輛照片的情況下，依據(jù)照片上的車輛局部特征，比如車輛內(nèi)飾、年檢標(biāo)示、車頭標(biāo)示等局部的唯一特征進行快速分析，查找該車輛的行車信息。

2.4 車蹤大數(shù)據(jù)研判系統(tǒng)

根據(jù)不同案件的處理需要，可滿足以下具體功能需求。

2.4.1 初次入城

可進行日期、時間的選擇，可靈活設(shè)置回溯時長進行分析，在分析結(jié)果中能查看車輛照片。

2.4.2 套牌車篩選

可進行手動圈定地理區(qū)域、任意選擇有效時間范圍進行過車車輛的分析。

2.4.3 落腳點分析

依據(jù)車輛信息（包含但不限于），比如車牌、車型等，在限定的時間范圍內(nèi)進行分析，展示車輛最大可能性落腳地點，在地圖上進行位置標(biāo)示。落腳點分析時，落腳時長的限定可靈活設(shè)置。

2.4.4 自定義碰撞

滿足根據(jù)設(shè)定的多個案件信息進行自定義碰撞分析，鎖定嫌疑車輛范圍。需要支持實現(xiàn)多個案件信息的設(shè)定，每個案件信息都包含案件時間、案件地點、車輛信息等。

支持通過案件時間的選擇以及案件地點信息進行車輛分析，獲取嫌疑車輛并根據(jù)嫌疑度排序。根據(jù)案情的需要，還需支持可限定車輛范圍進行挖掘，比如品牌、型號、年款、顏色等。

2.4.6 相似車牌串并

支持根據(jù)已有的車牌進行自動串并，獲取車牌號相差一位或兩位的同車型相似車輛。

2.4.7 一牌多車

支持根據(jù)已有的車牌號信息，快速查找出懸掛該車牌號的所有車輛，并依據(jù)照片分析出車型信息，分組顯示出與車牌號不符的車輛。

2.4.8 頻繁過車

支持通過限定查詢?nèi)掌?、時間以及可靈活設(shè)定的過車次數(shù)，快速查找出符合條件的車輛；支持固定車型或特定類別車輛的頻繁過車分析。

2.4.9 軌跡重現(xiàn)

支持在已有單個車牌或多個車牌的情況下，在限定的時間區(qū)域內(nèi)快速在地圖上還原車輛的歷史軌跡，進行軌跡重現(xiàn)分析時可限定車型及顏色。

2.4.10 遮擋面部檢測

支持通過設(shè)定查詢時間、查詢區(qū)域等進行快速獲取符合條件的駕駛員遮擋面部行駛的車輛，支持在限定車型或車輛類別情況下的遮擋面部檢測。

2.4.11 同行車輛

支持通過設(shè)定車輛的信息，比如車牌號、跟車時長、同行路口數(shù)量以及同行的時段進行分析，查找尾隨車輛的信息；根據(jù)固定的品牌、型號、年款、顏色，可實現(xiàn)某具體車型信息的限定查找。

3 結(jié)束語

綜上所述，車輛警務(wù)大數(shù)據(jù)系統(tǒng)為社會發(fā)展下的產(chǎn)物，為安防行業(yè)建設(shè)及發(fā)展提供了條件與基礎(chǔ)，把視頻監(jiān)控系統(tǒng)應(yīng)用于安防領(lǐng)域?qū)儆谡_選擇。車輛警務(wù)大數(shù)據(jù)系統(tǒng)在今后必將朝向高清化、遠程化與數(shù)字標(biāo)準(zhǔn)化方向發(fā)展，也屬于今后社會發(fā)展的重點研究課題。

參考文獻

[1]黎洪松.數(shù)字視頻技術(shù)及其應(yīng)用[M].北京：清華大學(xué)出版社，1994.

[2]楊春雷.云計算在安防視頻監(jiān)控領(lǐng)域的應(yīng)用[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2015（05）.

〔編輯：張思楠〕