□ 文/路大為

大數(shù)據(jù)是指無法在一定時間內用傳統(tǒng)數(shù)據(jù)庫軟件工具對其內容進行抓取、管理和處理的數(shù)據(jù)集合。業(yè)界用4 個V 概括大數(shù)據(jù)基本特征，即volume （ 量大）、variety （ 多樣化）、value （ 價值密度低）和velocity（處理要求快），而視頻大數(shù)據(jù)是大數(shù)據(jù)的子集，屬于智能安防領域的概念，用于描述對視頻關聯(lián)的有價值信息的集合。以公共安全領域為例，隨著技術的不斷發(fā)展及信息化系統(tǒng)的深入建設，一個中等城市，50000路高清視頻，30天的存儲容量將達到60PB；視頻中30天活動目標的描述信息將超過600億條；而10000個卡口/微卡口系統(tǒng)，1年的過車數(shù)據(jù)量將超過200億條。而且，數(shù)據(jù)類型呈現(xiàn)多樣性，有視頻、圖片等非結構化數(shù)據(jù)，有文本、日志等半結構化數(shù)據(jù)，也有位置信息、過車記錄、活動目標描述、模型數(shù)據(jù)等結構化數(shù)據(jù)，視頻大數(shù)據(jù)技術正在解決對如此龐大且類型多樣的數(shù)據(jù)的分析處理與數(shù)據(jù)服務。

天津市圖偵工作現(xiàn)狀

隨著公安立體化防控體系的建設，視頻監(jiān)控系統(tǒng)成為了社會治安綜合治理防控體系中的重要組成部分。至今，天津市在全市視頻監(jiān)控建設聯(lián)網(wǎng)工作上取得了長足的進展，已經建成了10.5萬路一類高清視頻監(jiān)控點位，初步實現(xiàn)了視頻監(jiān)控的全域覆蓋。在應用方面已經初步構建了人臉與車輛的輔助辦案系統(tǒng),實現(xiàn)了1.168億車輛分析能力與2000路人臉分析能力，為我市反恐維穩(wěn)、應急處突、打擊犯罪、社會管理和服務民生提供了豐富的視頻圖像支撐。

在實際工作中，各級公安機關對視頻監(jiān)控的應用也越來越深入。以天津市公安局圖偵工作現(xiàn)狀為例，近年來天津市公安局陸續(xù)完成了全市視頻資源的聯(lián)網(wǎng)整合工作，并與廠家共同研發(fā)了視頻偵查實戰(zhàn)應用平臺，實現(xiàn)了對案件的視頻偵查研判和刑偵涉案視頻、圖片的管理。“視頻警務門戶+案件偵查+視圖中心+工具集”的視頻偵查模型，初步滿足視頻偵查對基礎數(shù)據(jù)的信息化管理需要和案件偵辦協(xié)同化的需求。

天津市公安局圖偵工作業(yè)務流程包括如下五個步驟：創(chuàng)建案件、資源搜索、目標查找、軌跡分析、視偵報告。創(chuàng)建案件是結合了執(zhí)法辦案系統(tǒng)，錄入案件的基本信息，是建立個案研判的必要條件。資源搜索是根據(jù)案件的基本信息，進行視頻、圖片、卡口資源的收集，主要服務于后期的可疑目標查找工作。目標查找是對視頻、圖像中的嫌疑目標查找、確認并補充標記。當初步查找到嫌疑目標后，也可通過串并案思維，在視圖中心中碰撞線索，也可結合相應的視頻監(jiān)控技戰(zhàn)法，擴展偵查思維，縮小偵查范圍。軌跡分析是刻畫可疑目標的軌跡，對可疑目標進行追蹤，并分析各類目標（人、車、物）之間的時空關系，以確定目標是否有犯罪嫌疑。視偵報告是案件偵查后的歸檔操作，這個階段的主要作用是對案件視頻偵查結果的偵查固證、歸檔備案。

但在實際應用中，依然存在不足和差距：

第一，缺乏視頻智能化分析、研判手段，在案事件偵查過程中需要進行大量的錄像的瀏覽和查詢，這種以人工檢索為主的工作模式已經逐漸成為視頻應用的瓶頸。

第二，對視頻圖像解析、處理等深度應用等工作尚未有效開展，大量視頻圖像資源用途有限，難以有效的支撐圖偵研判工作。

第三，缺乏視頻圖像信息資源匯聚整合的依托，缺乏視頻圖像信息與其它公安信息系統(tǒng)關聯(lián)交互，實現(xiàn)對視頻數(shù)據(jù)的深度應用和碰撞比對。

圖偵工作新業(yè)務需求分析

在視頻大數(shù)據(jù)技術的背景下，圖偵工作相關的涉案人、車的特征信息比原始視頻圖片更能滿足快速檢索、高效研判的需要。圖偵工作新業(yè)務的需求將基于全市公共安全視頻監(jiān)控網(wǎng)建設現(xiàn)狀，并創(chuàng)建街頭路面視頻捕獲的人、車特征大數(shù)據(jù)庫，實現(xiàn)圖偵視頻圖像大數(shù)據(jù)的深度應用，主要需求如下：

視頻圖像信息資源庫建設

人員、車輛、案件的視頻圖像信息是圖偵工作的核心，對人員、車輛、案件資源的整理匯總與分類主題庫的建設，是實現(xiàn)圖偵業(yè)務應用基礎。建設的視頻圖像信息資源庫需實現(xiàn)對人、車、案視頻圖像信息的有效匯聚，具備快速結構化、數(shù)據(jù)智能清洗、信息分類歸檔、多條件復合檢索等功能，并實現(xiàn)一人一檔、一車一檔、一案一檔的管理模式。

視頻圖像結構化處理

公安實戰(zhàn)應用需要對視頻圖像中特定人、車、物的特征進行提取和標記，傳統(tǒng)的處理方式依賴于人工辨看和手工標注。面對海量的視頻圖像資源，傳統(tǒng)的處理方式速度慢、效率低，無法滿足應用需求。需要將海量視頻圖像非結構化數(shù)據(jù)自動轉化為可供快速檢索的結構化數(shù)據(jù)，實現(xiàn)自動識別、準確標注、快速高效處理。

視頻圖像與公安業(yè)務大數(shù)據(jù)關聯(lián)共享

對視頻圖像中特定的人、車等結構化信息，在推送給公安機關共享應用的同時，需獲取對應的人員背景及車輛檔案信息并實現(xiàn)關聯(lián)。同時，建立特定人、車行進軌跡，以及人與車、車與人，人、車到案件的內在邏輯關系，并實現(xiàn)對應信息的關聯(lián)應用。

豐富便捷的應用功能和實用高效的技戰(zhàn)法

通過建立不同的系統(tǒng)應用模塊，實現(xiàn)快速獲取人、車軌跡，落地人、車信息，支持在GIS地圖上的全景展現(xiàn)與應用。并結合公安實戰(zhàn)中積累的戰(zhàn)法經驗，建立智能分析、綜合研判的技戰(zhàn)法應用模型。如：套牌分析、跟車分析、初次入域等功能。

利用視頻大數(shù)據(jù)技術完善圖偵工作模式的設計思路

視頻大數(shù)據(jù)技術為圖偵工作新模式提供了關鍵的參考價值，新圖偵工作模式從業(yè)務流程優(yōu)化開始。融合視頻大數(shù)據(jù)理念，原圖偵業(yè)務流程的五大步驟將調整為：創(chuàng)建案件、資源搜索、解析處理、大數(shù)據(jù)查找、軌跡分析、視偵報告六大步驟。其中解析處理是針對為了實現(xiàn)對涉案甚至所有視頻、圖片進行結構化處理與特征信息解析，自動完成活動目標的結構化標注。而大數(shù)據(jù)查找是目標查找的升級，是為了大幅度提升人工查找的效率而設計了基于視頻活動目標描述信息的檢索模式。借助視頻大數(shù)據(jù)技術，將對關注的視頻圖像中特定人、車等目標快速識別、自動標注，替代傳統(tǒng)的手工標注方式，通過解析數(shù)據(jù)的分類存儲，實現(xiàn)對關注人、車等目標特征的快速檢索、比對，以及特定目標的軌跡回溯。從而大幅減少民警工作量，提升工作效率。

在視頻大數(shù)據(jù)技術的融合下，圖偵工作將包含如下三類全新的應用模式。包括：視頻深度研判、車輛深度研判、人臉深度研判。

車輛深度研判：

▲圖1

全新的圖偵業(yè)務系統(tǒng)需具備車輛圖片結構化管理與結構化信息檢索應用能力，可按照選擇時間范圍、過車區(qū)域、過車類型車牌顏色、車輛品牌、車輛類型、車牌類型、車牌顏色、車道、方向、遮陽板、安全帶、打電話、有掛件、黃標車、危險品標志、車頭方向、速度區(qū)間等條件進行篩選查詢；可對車輛的行車的路線進行分析，根據(jù)車牌，選擇一段時間，以軌跡的方式在地圖上展示，并可以模擬行駛；可支持以車搜車、特征搜車；同時，可實現(xiàn)落腳點分析、通行車輛分析、同行車輛、頻繁過車、區(qū)域碰撞、過車數(shù)據(jù)分析、行車規(guī)律分析、多車同行、夜間行車、區(qū)間低速、首次入域、套牌車分析、一車一檔等功能。系統(tǒng)架構圖如圖1所示。

人臉深度研判

▲圖2

全新的圖偵業(yè)務系統(tǒng)需具備人臉圖片結構化管理與結構化信息檢索應用能力，可實現(xiàn)人員性別、年齡段、是否戴眼鏡等人臉屬性的分析與存儲，并支持實時預警，實時監(jiān)聽接收人臉黑名單比對消息，預警顯示；支持歷史預警，根據(jù)布控任務、范圍、對象、時間等查詢歷史預警信息；同時可支持人臉比對，本地上傳兩張人臉照片進行比對，相似度確認；支持以臉搜臉，將嫌疑對象人臉照片與動態(tài)抓拍人臉庫中的人像比對，追蹤軌跡；還應支持人臉查重，人臉庫中查找是否存在相似是人臉。系統(tǒng)架構圖如圖2所示。

人體深度研判：

全新的圖偵業(yè)務系統(tǒng)需具備視頻結構化管理與結構化信息檢索應用能力，可按照人體相關條件進行查詢，其中人包含目標衣著顏色、目標大小、速度、性別、是否戴眼鏡、是否戴帽子、上衣類型下裝類型、是否帶口罩、發(fā)型、背包、拎東西、騎車、年齡段等條件進行查詢，可提供以人搜人能力，可通過嫌疑對象照片與結構化庫中的人體比對，追蹤軌跡，并可以模擬運動。系統(tǒng)架構圖如圖3所示

▲圖3

對圖偵大數(shù)據(jù)系統(tǒng)的展望

未來，圖偵大數(shù)據(jù)系統(tǒng)應能夠整合海量的非結構化、半結構化、結構化數(shù)據(jù)，并對這些數(shù)據(jù)進行分析計算，通過智能分析技術從非結構化數(shù)據(jù)中分析出結構化信息，通過全文檢索技術從結構化數(shù)據(jù)中快速定位信息，通過分析挖掘技術從結構化數(shù)據(jù)中挖掘出有價值的信息，能夠針對海量的數(shù)據(jù)進行快速檢索、快速統(tǒng)計分析，并能夠通過大數(shù)據(jù)的深度關聯(lián)分析對案事件的發(fā)展作出預測。