全域智能框架下的智慧警務(wù)建設(shè)

鄭 輝，來春麗，馬立新

（1.金華市公安局，浙江 金華 321000；2.環(huán)球新時空（北京）信息技術(shù)研究院，北京 100036；3.一體化指揮調(diào)度技術(shù)國家工程實驗室，北京 100190）

0 引言

“可控”目標(biāo)的逐漸落地，公安部門已掌握大量視頻回顧公安信息化建設(shè)歷程，從“金盾工程”打破圖像資源，積累了深厚的視圖數(shù)據(jù)基礎(chǔ)，但不斷采傳統(tǒng)案件、公安內(nèi)部信息傳達(dá)模式開始拉開帷幕，集的視頻、圖片等數(shù)據(jù)數(shù)量大、類型多，傳統(tǒng)的數(shù)再到2003年后以視頻監(jiān)控為主的“平安城市”建設(shè)，據(jù)庫只能管理文本類的結(jié)構(gòu)化數(shù)據(jù)，而對于圖片、視頻監(jiān)控系統(tǒng)從少數(shù)城市試點到大規(guī)模城市普及，視頻等非結(jié)構(gòu)化數(shù)據(jù)以及圖像特征向量等半結(jié)構(gòu)視頻圖像信息在公安機關(guān)打擊犯罪、治安防控等化數(shù)據(jù)難以統(tǒng)一管理，已經(jīng)無法滿足這些 PB級海各項業(yè)務(wù)中均發(fā)揮了不可替代的作用。自 2016年以量數(shù)據(jù)的應(yīng)用。而大數(shù)據(jù)技術(shù)中的非關(guān)系型數(shù)據(jù)來，國家開啟“雪亮工程”建設(shè)解決社會面視頻監(jiān)控庫，可實現(xiàn)視頻圖像中的結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)建設(shè)聯(lián)網(wǎng)應(yīng)用問題，進(jìn)一步補齊了公安自建視頻監(jiān)構(gòu)化數(shù)據(jù)的管理，是智慧警務(wù)建設(shè)的重要組成部控盲點。隨著“全域覆蓋、全網(wǎng)共享、全時可用、全程分”， 為構(gòu)建以大數(shù)據(jù)智能應(yīng)用為核心的智慧警務(wù)新模式提供了重要技術(shù)手段。

1 智慧警務(wù)面臨的挑戰(zhàn)

然而隨著警務(wù)工作科技化的不斷深入，目前智慧警務(wù)建設(shè)在技術(shù)和業(yè)務(wù)上也面臨一系列的挑戰(zhàn)。

1.1 技術(shù)方面

海量的多維度數(shù)據(jù)都通過網(wǎng)絡(luò)存儲在分布廣泛、不同地域、各種類型的服務(wù)器和存儲設(shè)備中，傳統(tǒng)的網(wǎng)絡(luò)和計算架構(gòu)已經(jīng)不能適應(yīng)“大數(shù)據(jù)”高速響應(yīng)的要求，需要新的技術(shù)架構(gòu)來有效整合、管理、計算、挖掘利用這些數(shù)據(jù)。

首先需要整合各種業(yè)務(wù)系統(tǒng)的分散化、碎片化數(shù)據(jù)，再對種類繁多、復(fù)雜的數(shù)據(jù)進(jìn)行靈活管理；其次通過全域智能化，提供視頻數(shù)據(jù)支撐；最后通過對數(shù)據(jù)進(jìn)行深度挖掘與分析，提升數(shù)據(jù)利用和分享率。

1.2 業(yè)務(wù)方面

隨著社會安保需求變化，在有限警力和繁重任務(wù)的矛盾下，原來傳統(tǒng)公安盲目、被動、粗放、零碎的工作思路和方式已經(jīng)難以適應(yīng)“大數(shù)據(jù)”警務(wù)管理的要求，需要構(gòu)建以大數(shù)據(jù)智能應(yīng)用為核心的智慧警務(wù)新模式，實現(xiàn)向精準(zhǔn)、主動、精細(xì)、系統(tǒng)的四個轉(zhuǎn)變，把有限的警力用到實處。

傳統(tǒng)的警務(wù)工作方式普遍存在疲于應(yīng)付、事后追溯的被動局面，特別是以人工為主的信息采集模式導(dǎo)致數(shù)據(jù)滯后、呆板、單一，信息應(yīng)用針對性不強、精確性不高，需要以警務(wù)實戰(zhàn)為核心，運用云計算、大數(shù)據(jù)、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、人工智能等前沿科技創(chuàng)新應(yīng)用，融合感知資源、警務(wù)資源和社會面資源等數(shù)據(jù)資源，充分挖掘數(shù)據(jù)資源潛能，構(gòu)筑以“數(shù)據(jù)指導(dǎo)警務(wù)”的公安機關(guān)新型戰(zhàn)斗力。

2 全域智能警務(wù)建設(shè)思路

基于大數(shù)據(jù)的智慧警務(wù)有“三要素”分別是準(zhǔn)確數(shù)據(jù)、信息在線和智能應(yīng)用，在智慧警務(wù)建設(shè)頂層規(guī)劃過程中，應(yīng)作為關(guān)鍵性措施來抓，以此推動基礎(chǔ)信息化、警務(wù)實戰(zhàn)化、執(zhí)法規(guī)范化和隊伍正規(guī)化。

圖1 應(yīng)用組件

圍繞“數(shù)據(jù)、在線、應(yīng)用”三要素以“數(shù)據(jù)處理結(jié)構(gòu)化，信息網(wǎng)絡(luò)立體化，上層應(yīng)用智能化”作為全域智能警務(wù)建設(shè)核心理念，依托前沿智能視頻分析技術(shù)，將視頻流轉(zhuǎn)換為數(shù)據(jù)流，最大化有價值視頻信息提取，結(jié)合云計算、大數(shù)據(jù)技術(shù)運用，實現(xiàn)各系統(tǒng)內(nèi)部、系統(tǒng)之間價值數(shù)據(jù)的比對碰撞、深入挖掘，并以智能應(yīng)用為展現(xiàn)方式，服務(wù)于公安各項業(yè)務(wù)，促進(jìn)預(yù)警預(yù)防能力、打擊犯罪能力、整體防控能力、基礎(chǔ)管控能力顯著提升。

2.1 基于全域智能的警務(wù)視頻大數(shù)據(jù)

智慧警務(wù)視頻大數(shù)據(jù)的建設(shè)是通過深度學(xué)習(xí)的視頻分析處理技術(shù)與視頻監(jiān)控系統(tǒng)的不斷融合，對海量視頻資源基于視頻內(nèi)容中包含的目標(biāo)、場景、行為等多類元素實現(xiàn)數(shù)字化解析，并將視頻解析后的結(jié)構(gòu)化數(shù)據(jù)融合警務(wù)業(yè)務(wù)數(shù)據(jù)進(jìn)一步挖掘數(shù)據(jù)價值，進(jìn)行大數(shù)據(jù)實戰(zhàn)應(yīng)用。

2.1.1 建設(shè)方向

警務(wù)視頻大數(shù)據(jù)建設(shè)的方向從架構(gòu)上看分為三塊：前端、邊緣和中心，通過規(guī)范有序地拓展視頻圖像全時解析的“智感”前端，優(yōu)化承載各類泛在感知數(shù)據(jù)的“智聯(lián)”網(wǎng)絡(luò)，打造云邊協(xié)同的“智算”環(huán)境，提升中心挖掘視頻圖像價值信息的“智萃”能力，完善全流程運維管控和立體化縱深防護的“智防”體系，實現(xiàn)視頻圖像全時段高效調(diào)閱、多要素解析比對、多維度關(guān)聯(lián)分析、各警種普遍受益的“智惠”應(yīng)用。

2.1.2 關(guān)鍵技術(shù)

2.1.2.1 行人重識別Person-ReID

行人重識別技術(shù)簡稱 Person-ReID，通過計算機視覺技術(shù)檢索不同攝像頭下的同一個目標(biāo)行人。該技術(shù)對人工智能在實際業(yè)務(wù)落地中有著巨大的實用價值，因不同攝像頭下圖像拍攝角度、分辨率、目標(biāo)姿態(tài)、障礙物遮擋、光照不均存在差異，容易導(dǎo)致同一目標(biāo)漏拍、識別不準(zhǔn)。

2.1.2.2 目標(biāo)檢測

基于深度學(xué)習(xí)的目標(biāo)檢測算法一般分為：一階段目標(biāo)檢測算法和二階段目標(biāo)檢測算法。

如圖2所示，一階段目標(biāo)檢測算法輸入一張圖片可以直接輸出目標(biāo)的位置和類別信息，相比二階段目標(biāo)檢測算法，不要候選區(qū)域提取階段，整體流程較為簡單，速度較快。

圖2 一階段目標(biāo)檢測算法的檢測過程

如圖3所示，二階段目標(biāo)檢測算法首先將圖片輸入深度卷積神經(jīng)網(wǎng)絡(luò)中，檢測目標(biāo)可能出現(xiàn)的候選區(qū)域，然后對這些候選區(qū)域進(jìn)行特征提取，并輸出目標(biāo)的分類信息和回歸位置，最后經(jīng)過非極大值抑制得到目標(biāo)檢測的最終結(jié)果。

圖3 二階段目標(biāo)檢測算法的檢測過程

紅色框圖代表第一階段候選區(qū)域提取，藍(lán)色框圖代表第二階段對候選區(qū)域進(jìn)行目標(biāo)框的分類和回歸，最后經(jīng)過非極大值抑制輸出目標(biāo)檢測結(jié)果。

2.1.2.3 目標(biāo)屬性分析

目標(biāo)屬性分析是一個基于分類的識別問題，在給定的訓(xùn)練集數(shù)據(jù)和類別信息后，訓(xùn)練一個分類器，對應(yīng)未知類別的樣本，分類器輸出類別的識別結(jié)果，包含行人、機動車、非機動車的屬性分析。近些年來，隨著硬件計算能力的顯著提升和大規(guī)模標(biāo)注數(shù)據(jù)集的出現(xiàn)，深度網(wǎng)絡(luò)可以自動的學(xué)習(xí)判別能力強的特征，分類識別效果更好，而且深度網(wǎng)絡(luò)將特征提取和分類整合在一個網(wǎng)絡(luò)中，如圖4所示，實現(xiàn)端到端的目標(biāo)屬性分析系統(tǒng)。

圖4 端到端的目標(biāo)屬性識別系統(tǒng)

2.1.2.4 以圖搜圖

以圖搜圖，也稱為目標(biāo)檢索，包含行人檢索、機動車檢索和非機動車檢索。以行人以圖搜圖為例，其實際應(yīng)用場景如圖 5所示：行人從左到右經(jīng)過了兩個攝像頭，前一攝像頭中目標(biāo)圖像已知，通過算法判斷目標(biāo)是否出現(xiàn)在其他攝像頭中，以此獲得目標(biāo)的行動信息。

圖5 行人以圖搜圖實際應(yīng)用場景示意圖

2.2 基于視頻大數(shù)據(jù)的在線警務(wù)

智慧警務(wù)的關(guān)鍵在于“在線”，在于如何將公安關(guān)注的各類對象感知上線，在于如何利用視頻大數(shù)據(jù)技術(shù)圍繞打防控業(yè)務(wù)分別構(gòu)筑各類警務(wù)模型，挖掘潛在風(fēng)險，在于如何創(chuàng)新警務(wù)工作模式實現(xiàn)風(fēng)險的預(yù)測預(yù)警預(yù)防。最終形成“大腦 +手腳”運作模式和“情報 +行動”的運作機制，從而提升公安機關(guān)核心戰(zhàn)斗力。

通過警務(wù)在線工作平臺，實現(xiàn)數(shù)據(jù)儀表盤發(fā)現(xiàn)問題，情報工具集分析問題，合成作戰(zhàn)平臺解決問題，最終實現(xiàn)警務(wù)工作的線下轉(zhuǎn)線上，減負(fù)一線工作。

2.3 基于在線警務(wù)的智能應(yīng)用

2.3.1 數(shù)據(jù)應(yīng)用

2.3.1.1 海量數(shù)據(jù)管理

感知智能服務(wù)在統(tǒng)一的前端，邊緣，中心算力池中，實現(xiàn)海量靜態(tài)圖片庫統(tǒng)一管理，并且支持按需推送到前端，邊緣和中心算力，以實現(xiàn)更好的資源利用率和更快的響應(yīng)速度。

2.3.1.2 海量以圖搜圖

感知智能服務(wù)通過任務(wù)管理和調(diào)度系統(tǒng)，能夠通過分布式任務(wù)并發(fā)實現(xiàn)基于海量圖片庫的快速以圖搜圖任務(wù)，并且支持不同算法的結(jié)果統(tǒng)一匯聚。

2.3.2 業(yè)務(wù)應(yīng)用

圍繞實戰(zhàn)應(yīng)用，以全能力支撐，根據(jù)不同的業(yè)務(wù)場景提供不同的業(yè)務(wù)應(yīng)用，真正完成從事中、事后到事前的預(yù)測預(yù)警預(yù)防，提供在線警務(wù)模式。

2.3.2.1 人臉業(yè)務(wù)應(yīng)用

在準(zhǔn)確率達(dá)到一定程度下，決定實戰(zhàn)效果的是根據(jù)場景提供實戰(zhàn)業(yè)務(wù)模型。例如預(yù)警，人臉系統(tǒng)的預(yù)警按照點預(yù)警，區(qū)域預(yù)警和類別預(yù)警理念設(shè)計。

點預(yù)警：在逃，臨控等重點人員預(yù)警，一般廠家提供這些。

區(qū)域預(yù)警：例如市政府，娛樂場所這種場景，除了點預(yù)警還可以做區(qū)域預(yù)警。

類別預(yù)警：例如商圈 /超市這種場景，除了點預(yù)警還可以進(jìn)行類別預(yù)警。

同樣的人臉系統(tǒng)，應(yīng)更關(guān)注業(yè)務(wù)場景，提供不同的感知設(shè)備，智能能力和計算模型，緊緊圍繞業(yè)務(wù)警種來做人臉預(yù)警。

圖6 人臉業(yè)務(wù)應(yīng)用

2.3.2.2 人體人臉關(guān)聯(lián)應(yīng)用

視頻結(jié)構(gòu)化對人、機、非結(jié)構(gòu)化提取的同時可以檢測目標(biāo)人臉，通過人體關(guān)聯(lián)人臉提高目標(biāo)覆蓋程度。人臉需要人體來提供更多線索，人體需要人臉來進(jìn)行精準(zhǔn)的身份落地。

人臉人體關(guān)聯(lián)的兩個思路：

（1）不清晰的人體目標(biāo)→清晰的人體目標(biāo)→清晰的人臉目標(biāo)→身份落地。

圖7 思路（1）

（2）清晰的人臉→關(guān)聯(lián)人體軌跡→聯(lián)合軌跡補全。

圖8 思路（2）

2.3.2.3 多維數(shù)據(jù)應(yīng)用

多維數(shù)據(jù)應(yīng)用核心在于動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)的結(jié)合，典型的動態(tài)數(shù)據(jù)有：人臉，車輛，手機（MAC），RFID（物聯(lián)網(wǎng)數(shù)據(jù)），門禁，智能門鎖，視頻結(jié)構(gòu)化及人證合一等 8大類動態(tài)感知數(shù)據(jù)。靜態(tài)數(shù)據(jù)主要是公安檔案數(shù)據(jù)。多維大數(shù)據(jù)的核心業(yè)務(wù)應(yīng)用是通過構(gòu)建人員檔案中心，挖掘不放心人員標(biāo)簽，最終利用各種感知設(shè)備達(dá)到多維數(shù)據(jù)統(tǒng)一預(yù)警和多維數(shù)據(jù)軌跡刻畫。

圖9 動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)，動靜分離+動靜合一

2.3.2.4 在線實景指揮

做了多維數(shù)據(jù)預(yù)警，下一步要考慮如何構(gòu)建在線實景指揮，即指揮中心建設(shè)。首先是可視化實景指揮，主要利用移動 APP，AR和大數(shù)據(jù)可視化技術(shù)（儀表盤）。

通過各種各樣的儀表盤給局領(lǐng)導(dǎo)，業(yè)務(wù)警種提供趨勢分析，成果展示，決策依據(jù)等。

3 智慧警務(wù)實踐案例分析-金華公安智慧警務(wù)

按照省廳“云上公安、智能防控 ”大數(shù)據(jù)戰(zhàn)略 2018年推進(jìn)計劃要求：要最大限度的地獲取和感知人、車、物等動態(tài)信息，建立一張覆蓋全省城鄉(xiāng)的感知天網(wǎng)；并要整合視頻監(jiān)控、車輛卡口、人像卡口、無線射頻等前端各類感知設(shè)備。金華公安下發(fā)《全市公安機關(guān)科技信息化建設(shè)三年規(guī)劃（ 2018-2020）》，要求建立完善的物聯(lián)網(wǎng)，提升對外界事物的感知能力。將人臉識別、手機MAC、RFID射頻等技術(shù)進(jìn)行深化設(shè)計，構(gòu)建立體多元防控體系。

金華，作為浙江省的一個地級市，土地轄區(qū)面積10，942平方千米，全市常住人口約 560.4萬人。金華市公安局管轄市本級 4個分局、 7個縣市局，截至2018年底，全市公安機關(guān)建設(shè)的社會治安動態(tài)視頻監(jiān)控系統(tǒng)，共建設(shè)一類視頻監(jiān)控探頭3.9萬余路，智能卡口1萬余套，每天匯聚4，000多萬條過車記錄，其他政府職能部門、社會單位、特定公共場所等二、三類視頻監(jiān)控，已整合接入3萬余路。在此基礎(chǔ)之上，進(jìn)一步打造了一張基于邊緣計算的多維感知智能網(wǎng)絡(luò)，在前端實現(xiàn)對人、車、RFID、MAC數(shù)據(jù)的系統(tǒng)化采集和智能解析，真正實現(xiàn)對重點人員和車輛的觸網(wǎng)感知、預(yù)測預(yù)警。

金華公安將視頻萃取技術(shù)引入泛智能場景、將車輛識別/人臉識別技術(shù)應(yīng)用到重點防控區(qū)域，構(gòu)建全網(wǎng)全域的視頻解析中心，打造一套套覆蓋面廣、視頻智能化水平高的視頻圖像信息綜合應(yīng)用系統(tǒng)。以服務(wù)全警實戰(zhàn)業(yè)務(wù)為本，整合全網(wǎng)資源，實現(xiàn)“視頻之眼”的天網(wǎng)系統(tǒng)到“數(shù)據(jù)之腦”的智網(wǎng)系統(tǒng)的全面升級。

自建設(shè)使用以來，截至2018年年底，同比2016年全市接警數(shù)下降15.05%，刑事案件下降31.94%，治安案件下降13.25%。視頻應(yīng)用在刑事案件偵破中的成效也愈發(fā)凸顯，視頻打處占比從2016年的32.44%提升到2018年的36.36%，視頻破案占比從2016年的38.34%提升到2018年的45.28%。真正實現(xiàn)了警情案情大幅下降、視頻破案打處大幅上升、群眾安全感滿意度提升的良好態(tài)勢。

4 結(jié)束語

全域智能服務(wù)框架下建設(shè)智慧警務(wù)，是以公安業(yè)務(wù)為牽引，以視頻大數(shù)據(jù)智能化能力為支撐，根據(jù)不同的業(yè)務(wù)場景創(chuàng)新提供不同的實戰(zhàn)應(yīng)用，解決平安城市海量視頻圖像中人員身份難還原、軌跡難定位的問題。通過對視頻全域智能解析，可借助人體還原人臉，進(jìn)行身份落地補全人像實戰(zhàn)業(yè)務(wù)應(yīng)用，同時可基于多維度信息關(guān)聯(lián)分析，完整刻畫城市活動軌跡，對發(fā)現(xiàn)的異常和可疑行為進(jìn)行實時預(yù)警和布控，實現(xiàn)由“案后被動偵控”向“案前主動查緝”的創(chuàng)新轉(zhuǎn)變，真正完成從事中、事后到事前的預(yù)警預(yù)測預(yù)防。