視頻大數(shù)據(jù)在公安行業(yè)的應(yīng)用分析

摘 要 近年來，視頻監(jiān)控市場發(fā)展迅猛，視頻監(jiān)控設(shè)備已經(jīng)走入千家萬戶，在工商業(yè)、公共基礎(chǔ)設(shè)施、家庭等各個領(lǐng)域得到廣泛應(yīng)用。這就給公安行業(yè)應(yīng)用視頻大數(shù)據(jù)分析提供了海量的視頻資源基礎(chǔ)。但視頻資源的管理、應(yīng)用、共享等環(huán)節(jié)還存在一些問題。本文將結(jié)合視頻大數(shù)據(jù)應(yīng)用中存在的問題，分析如何提高視頻大數(shù)據(jù)在公安行業(yè)的應(yīng)用效率。

關(guān)鍵詞 大數(shù)據(jù);偵查;技術(shù);公安

公安行業(yè)通過從海量視頻數(shù)據(jù)中查找有價值案件線索、利用智能分析技術(shù)、對“元數(shù)據(jù)”進行信息重構(gòu)，并以數(shù)據(jù)TAG方式重組、存儲、學習各類信息，能夠更加高效地識別犯罪分子行為痕跡，使得預(yù)警、防控、犯罪打擊更加高效。偵查破案能力得到提升。

1 視頻數(shù)據(jù)在安防應(yīng)用中存在的問題

視頻大數(shù)據(jù)的發(fā)展過程就是不斷提高視頻清晰度、存儲空間、算法檢測識別率的過程[1]。這三大問題的存在對于我國視頻大數(shù)據(jù)的發(fā)展造成了不利影響。視頻清晰度問題主要是監(jiān)控設(shè)備分辨率受到限制導致的。存儲空間不足問題主要受視頻壓縮解碼性能不足影響，或者由網(wǎng)絡(luò)傳輸速度限制導致。算法檢測識別率的準確性不足問題可能會影響到智能視頻查找搜索相關(guān)視頻的能力。當前我國視頻監(jiān)控的方法還比較粗略簡單、在算法與識別率方面較為落后，給跟蹤工作造成較大困擾。視頻數(shù)據(jù)智能分析很早就被應(yīng)用于公安行業(yè)，但早期監(jiān)控設(shè)備攝像性能低、智能算法本身存在缺陷。而隨著技術(shù)的發(fā)展，算法的優(yōu)化，海量而多元的異結(jié)構(gòu)數(shù)據(jù)成為智能融合與管理的技術(shù)壁壘。因此，突破視頻資源整合、管理、分析、共享等環(huán)節(jié)的障礙成為推動警務(wù)效率，提升視頻大數(shù)據(jù)分析應(yīng)用能力的關(guān)鍵。

2 視頻大數(shù)據(jù)關(guān)鍵技術(shù)

2.1 大規(guī)模視頻解析技術(shù)

以云存儲、云計算技術(shù)為支撐的大規(guī)模視頻解析技術(shù)，具有云量的大規(guī)模存儲空間能夠?qū)Ａ康囊曨l數(shù)據(jù)進行計算分析。其強大的運算能力能夠?qū)Ω黝愐曨l進行分析、對比、處理。包括從海量視頻中挖掘犯罪嫌疑人、嫌疑車輛、犯罪事件以及犯罪歷史過程。這項技術(shù)可以針對結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)采用不同的計算與檢索方式[2]，根據(jù)不同警務(wù)需求，組織視頻資源，極大程度上提高了數(shù)據(jù)計算與關(guān)聯(lián)查詢的效率。

2.2 深度學習技術(shù)

深度學習技術(shù)是一種對人腦學習神經(jīng)網(wǎng)絡(luò)的模擬，并通過賦予計算機人腦學習機制進行數(shù)據(jù)的解析，以發(fā)掘數(shù)據(jù)抽象的分布特征的智能算法。這項技術(shù)在人臉識別、人體識別、車輛分析、物體識別等方面發(fā)揮著重要作用。

2.3 視覺智能分析技術(shù)

視覺智能分析技術(shù)，從監(jiān)控設(shè)備中收集非結(jié)構(gòu)性數(shù)據(jù)集合，對視頻圖像進行理解和分析，生成圖像內(nèi)容并進行語義描述，查找異常現(xiàn)象。通過這項技術(shù)，可以將固定場景視頻濃縮成更小一段視頻，并利用車輛、人臉、人體等算法，對視頻圖片中的目標人、車輛的特征進行提取，提高視頻線索偵查，排查以及定位的效率如下圖1所示。

如圖所示，通過視頻技術(shù)與智能學習算法的利用，可精確識別視頻流或圖片中的人、車輛目標屬性，人臉清晰可見、包括了性別、年齡、發(fā)型、物品。車輛信息翔實，包括車標、車牌號、車身顏色、車速等特征都可清晰展現(xiàn)。

3 視頻大數(shù)據(jù)在公安行業(yè)的應(yīng)用分析

隨著云計算、計算機技術(shù)的發(fā)展與普及，視頻資源的采集以及利用效率大大提升。智能視頻分析系統(tǒng)在其中扮演著重要的角色。在用戶、案件信息、案件視頻數(shù)據(jù)存儲、視頻數(shù)據(jù)處理、智能識別、線索檢索、線索時空性分析方面功能強大且完善。具體體現(xiàn)在以下幾個方面。

3.1 分析人員關(guān)系

視頻大數(shù)據(jù)智能分析技術(shù)將匯集到公安大數(shù)據(jù)平臺的人臉、人體圖片等結(jié)構(gòu)性數(shù)據(jù)信息進行深度處理，建立起轄區(qū)常住人口、流動人口、全國在逃人員、重點關(guān)注人員以及各類嫌疑人員分類數(shù)據(jù)庫，構(gòu)建起一條以人臉、人體、時間、地點為要素的大數(shù)據(jù)人像分析、緝查布控應(yīng)用體系[3]。

其優(yōu)勢在于可對目標群體之間的關(guān)系進行細致梳理，發(fā)掘隱藏的未知關(guān)系，判斷篩查群體內(nèi)不同目標對象之間的關(guān)聯(lián)與聯(lián)系。在已知關(guān)系網(wǎng)絡(luò)中，依靠六度空間理論，進行特定目標人員之間的關(guān)系挖掘。例如：行為關(guān)系，包括交通工具同行關(guān)系、賓館同住關(guān)系、網(wǎng)吧同行關(guān)系、同車違法、同案犯、共同遭遇事故、同事、鄰居關(guān)系等。虛擬關(guān)系，包括微信、QQ、陌陌等各類社交平臺好友關(guān)系。通過不同關(guān)系層次的挖掘、找出相關(guān)人員之間的互動聯(lián)系，包括活動的軌跡分析、經(jīng)常出沒的地點分析、經(jīng)常交往的人員分析、一同出沒的人員分析、落腳地點分析等信息。而后生成分屏頁面、進行一對一、一對多、多對多對比分析，以此查找分析線索，提高偵查效率。

3.2 車輛軌跡時空分析

視覺智能分析技術(shù)可以將車輛視頻信息進行智能化的解析。將目標車輛自動分離，因而可以根據(jù)數(shù)據(jù)特征進行針對性的檢索，對于提高車輛識別的效率和準確率具有重要作用。車輛軌跡時空分析，是將所有車輛相關(guān)信息進行整合，以車輛為主體進行相關(guān)關(guān)系的挖掘、例如人與車的關(guān)系、車輛之間的關(guān)系、車輛異常狀態(tài)等。而后通過相關(guān)數(shù)據(jù)分析，對目標車輛進行判斷是否為嫌疑車輛。例如，可以根據(jù)目擊者所描述的車輛顏色，對過往車輛信息進行檢索，而后針對事件發(fā)生時間、地點，排查過往車輛，鎖定目標車輛，調(diào)取車輛信息，查找車主與駕駛?cè)藛T。

將案件相關(guān)人、車要素之間的復雜關(guān)系在GIS上進行可視化的軌跡展示，可以更清楚詳細地展現(xiàn)現(xiàn)有地涉車案件分析結(jié)果，使得涉案實證信息得到空間和時間上的延伸，案件分析依據(jù)更加翔實可靠。同時可以將不規(guī)則、零散的信息進行串聯(lián)，組織起完整的數(shù)據(jù)。將嫌疑車輛的移動軌跡清晰地呈現(xiàn)出來。通過大數(shù)據(jù)平臺將匯集起來的卡口圖片、和結(jié)構(gòu)性屬性信息進行深度的數(shù)據(jù)分析，根據(jù)車輛盜搶情況、車輛駕駛情況等各個數(shù)據(jù)庫的全面信息整合，構(gòu)建起一條以車牌、車型、地點、時間為基礎(chǔ)的車輛分析預(yù)測、緝查布控體系[4]。具體而言，應(yīng)用內(nèi)容包括了車輛分析活動路線、是否為套牌車輛、分析車輛使用的頻次、分析是否有尾隨跟蹤、分析是否在某區(qū)域徘徊、分析車輛落腳點等。分析過后，能夠得到線索標記的信息，通過線索信息，對系統(tǒng)中的案件內(nèi)容進行篩選對比，將案件不同的關(guān)鍵目標同屏呈現(xiàn)，快速比對，鎖定嫌疑目標。

3.3 可視化關(guān)系分析

視頻大數(shù)據(jù)在充分的數(shù)據(jù)積累與研判模型的建立基礎(chǔ)上，可實現(xiàn)將報警信息直接推送到民警面前。實現(xiàn)不同警種、不同地方、不同部門之間的數(shù)據(jù)資源的共享。對提高案件偵破、信息研判具有極大的促進作用?？梢暬瘜τ诠补ぷ饔兄辽偃矫娴膬r值。第一，分析發(fā)現(xiàn)關(guān)系，比如一個車牌號碼就可以分析出其車輛軌跡、車主信息、車輛信息。點擊一下車主信息，又可以進一步分析車主的活動軌跡、人員關(guān)系。第二，發(fā)現(xiàn)犯罪規(guī)律。大量研判思路與方法的分享對警察研判的意義是明顯可見的。第三，發(fā)現(xiàn)異常。例如，同一個身份證件、同時在中國南北不同城市都有開房信息，同一個人不可能同時身處兩地，這顯然是一個明顯的預(yù)警信號?？梢暬脚_將這類異常信息實時推送到辦案民警面前，可及時發(fā)現(xiàn)異常、及時報警、提供常態(tài)化的布控預(yù)警功能。

4 結(jié)束語

綜上所述，視頻大數(shù)據(jù)分析對于提高公安行業(yè)的偵查效率、開展布防預(yù)警工作提供了強大的信息支撐。為進一步提高視頻大數(shù)據(jù)的利用程度、需要提高信息采集的效率，利用視頻處理技術(shù)等IT技術(shù)深度挖掘視頻資源。實現(xiàn)警務(wù)功能的智能化，將人工智能運用到保衛(wèi)國民安全的戰(zhàn)場之中。

參考文獻

[1] 何勇，司敏.視頻監(jiān)控在公安偵查工作中的應(yīng)用分析[J].科學大眾（科學教育），2018，（11）：197.

[2] 鄧曄.視頻大數(shù)據(jù)在安防行業(yè)的應(yīng)用實踐[J].中國安防，2018，（09）： 80-85.

[3] 胡人斌，周沈標.公眾對公共視頻監(jiān)控接受度的實證研究[J].河南警察學院學報，2017，（01）：110-115.

[4] 周川，朱維和，王鑫，等.視頻大數(shù)據(jù)分析及其在公安合成作戰(zhàn)中的應(yīng)用[J].警察技術(shù)，2017，（04）：11-14.

作者簡介

殷寶華（1978-），男，廣東深圳人;學歷：本科，網(wǎng)絡(luò)工程師，研究方向：視頻監(jiān)控、網(wǎng)絡(luò)通信技術(shù)管理工作。