李杰 馮偉 貴州省銅仁市公安局

引言

傳統(tǒng)公安情報大數(shù)據(jù)系統(tǒng)[1]已經(jīng)集成了多維度數(shù)據(jù)，在社會治安防控、案件偵破、線索挖掘中起到了重要作用，但傳統(tǒng)的大數(shù)據(jù)系統(tǒng)存在一定局限性，如集成的Wi-Fi探針、手機信令等數(shù)據(jù)不確定性強，戶籍、房車產(chǎn)等數(shù)據(jù)固化、更新慢等問題。如何依據(jù)人像相關(guān)數(shù)據(jù)的強ID屬性，以及無感采集、數(shù)據(jù)鮮活等特點，運用大數(shù)據(jù)分析技術(shù)手段，實現(xiàn)人車數(shù)據(jù)的深度挖掘和綜合研判，從而提升公安機關(guān)在一些典型應(yīng)用場景下的精細(xì)化治理水平，成為了當(dāng)前公安信息化建設(shè)的重要方向之一。

一、存在問題

（一）傳統(tǒng)視頻監(jiān)控技術(shù)辦案效率較為低下

傳統(tǒng)視頻監(jiān)控僅能夠解決事后查閱的應(yīng)用，往往案件發(fā)生之后需要利用大量警力從海量視頻圖像信息中獲取線索，這不僅是對警力資源大量的消耗，同時受制于人員疲倦、經(jīng)驗不足等原因會造成關(guān)鍵線索信息缺失的嚴(yán)重情況，從而降低公安辦案效率。

（二）無法有效利用AI系統(tǒng)采集的數(shù)據(jù)

現(xiàn)有人臉布控比對系統(tǒng)、車輛稽查布控系統(tǒng)僅能夠?qū)崿F(xiàn)對特定目標(biāo)或者已知嫌疑人進行事中布控預(yù)警，無法實現(xiàn)事前預(yù)警、事后研判。以人臉為例，前端部署的人臉抓拍機實際每天會獲取到海量的路人照片，這樣一些人臉照片信息實際是沒有被利用而閑置的，而這些海量人臉照片里存在潛在危險人員，但系統(tǒng)無法對這一類潛在的高危人員或團伙提供有力技術(shù)支撐，一定程度上造成資源的浪費。

（三）現(xiàn)有大數(shù)據(jù)系統(tǒng)的數(shù)據(jù)精準(zhǔn)度不足

傳統(tǒng)大數(shù)據(jù)技術(shù)會因為Wi-Fi探針、手機信令、戶籍、房產(chǎn)、車產(chǎn)的數(shù)據(jù)不確定性和數(shù)據(jù)鮮活性等問題，難以實現(xiàn)精準(zhǔn)數(shù)據(jù)分析，同時也不能為所有案事件所應(yīng)用，在使用上有一定的局限性。

基于以上問題，公安部門在關(guān)注人員或群體常出沒地點、落腳點、活動規(guī)律、異常行為以及對在公安管理名單內(nèi)的高危人員挖掘、監(jiān)管等一些典型應(yīng)用場景上，亟需補充基于AI技術(shù)的大數(shù)據(jù)分析系統(tǒng)，實現(xiàn)以動態(tài)人臉數(shù)據(jù)為核心，建立人員全息檔案等功能，并根據(jù)各類標(biāo)簽、關(guān)注度、親密度、活躍度進行多維檢索，實現(xiàn)嫌疑人關(guān)系圖譜分析，嫌疑人之間關(guān)系挖掘。

二、解決方案

基于AI技術(shù)大數(shù)據(jù)分析系統(tǒng)建設(shè)應(yīng)著眼于公安典型應(yīng)用場景，以精細(xì)化治理為目標(biāo)，通過人臉識別、人像聚類、特征融合等技術(shù)提升大數(shù)據(jù)分析研判能力，同時匯聚接入視頻、圖片、案事件等多維數(shù)據(jù)，建立人臉、人體、車輛、案事件等多維度數(shù)據(jù)倉庫。通過對多維數(shù)據(jù)碰撞、融合、挖掘、關(guān)系分析，建立多種技戰(zhàn)法模型、積分模型和人員全息檔案，繪制關(guān)系圖譜，實現(xiàn)對目標(biāo)人員的快速有效管控，對重點人員異常行為進行預(yù)警，挖掘潛在高危人員風(fēng)險，彌補傳統(tǒng)公安大數(shù)據(jù)系統(tǒng)的不足，從而更好地為公安部門實戰(zhàn)業(yè)務(wù)所使用。

（一）系統(tǒng)架構(gòu)

本解決方案系統(tǒng)架構(gòu)如圖1所示，總體分為接入層、數(shù)據(jù)層、服務(wù)層和應(yīng)用層。

1.接入層

為系統(tǒng)提供各類數(shù)據(jù)的接入，支持接入攝像機、抓拍機、離線視頻、人證核驗設(shè)備、視頻聯(lián)網(wǎng)共享平臺、視圖庫及第三方系統(tǒng)。

2.處理層

存儲各維度原始數(shù)據(jù)和各服務(wù)分析的成果數(shù)據(jù)，包括各類底庫數(shù)據(jù)，人像數(shù)據(jù)、視頻數(shù)據(jù)、人體數(shù)據(jù)、車輛數(shù)據(jù)等原始采集數(shù)據(jù)。

3.服務(wù)層

服務(wù)層系統(tǒng)的核心，為系統(tǒng)提供異常預(yù)警、同行分析、關(guān)系圖譜、積分模型、數(shù)據(jù)碰撞、資源調(diào)度、人像聚類、數(shù)據(jù)歸檔、特征提取、比對檢索等基礎(chǔ)服務(wù)。

4.應(yīng)用層

結(jié)合公安業(yè)務(wù)應(yīng)用需求，提供綜合態(tài)勢、關(guān)注群體、歷史預(yù)警、全息檔案、關(guān)系圖譜、關(guān)系挖掘、多維研判、群體管理等業(yè)務(wù)服務(wù)，并通過接口方式對外提供相關(guān)業(yè)務(wù)服務(wù)。

（二）關(guān)鍵技術(shù)

系統(tǒng)建設(shè)運行采用了人工智能、大數(shù)據(jù)分析、積分模型、人像聚類、關(guān)系圖譜等關(guān)鍵技術(shù)，其中積分模型、人像聚類和關(guān)系圖譜為系統(tǒng)關(guān)鍵技術(shù)和優(yōu)勢點。

1.積分模型

所謂積分模型[2]，是依據(jù)嫌疑人的一些異常行為按照預(yù)先設(shè)計的規(guī)則進行積分統(tǒng)計，通過該模型分析算法實現(xiàn)對嫌疑人異常行為的預(yù)警，同時通過積分模型還可反映出關(guān)系人之間的親密度。如當(dāng)疑似吸毒人員經(jīng)常出沒在吸毒高發(fā)區(qū)域駐留，駐留超過一定時間開始積分，當(dāng)積分到一定閾值后即產(chǎn)生預(yù)警。除此之外，還可以實現(xiàn)人員區(qū)域頻繁出沒積分、晝伏夜出積分、活動驟降積分、活動驟增積分、群體區(qū)域出沒積分、區(qū)域聚集積分等模型。

2.人像聚類

人像聚類是通過將人像數(shù)據(jù)對象的集合分成由類似的對象組成的多個類的過程。由聚類所生成的簇是一組數(shù)據(jù)對象的集合，這些對象與同一個簇中的對象彼此相似，與其他簇中的對象相異。“物以類聚，人以群分”，在自然科學(xué)和社會科學(xué)中，存在著大量的分類問題。聚類分析又稱群分析，是研究人像聚類分類問題的一種統(tǒng)計分析方法。聚類分析起源于分類學(xué)，但是聚類不等于分類。聚類與分類的不同在于，聚類所要求劃分的類是未知的。聚類分析內(nèi)容非常豐富，有系統(tǒng)聚類法、有序樣品聚類法、動態(tài)聚類法、模糊聚類法、圖論聚類法、聚類預(yù)報法等。人像聚類采用高維聚類分析方法，通過對人像特征數(shù)據(jù)多維度的分析聚類，實現(xiàn)人像特征數(shù)據(jù)的融合分析。

3.關(guān)系圖譜

關(guān)系圖譜基于人像數(shù)據(jù)庫建立關(guān)系網(wǎng)絡(luò)圖，是一種可視化的智能分析產(chǎn)品。通過數(shù)據(jù)抽取和轉(zhuǎn)換，圖計算引擎對數(shù)據(jù)進行查詢和分析，實現(xiàn)秒級數(shù)據(jù)運算和數(shù)據(jù)可視化，并以圖譜的形式展示給用戶的圖形分析工具。業(yè)務(wù)單位可以基于已建好的圖譜進行查詢、分析和探索，通過關(guān)系圖譜可以實現(xiàn)犯罪嫌疑人團伙成員之間的關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)、活動成員規(guī)律分析和親密度分析等應(yīng)用。關(guān)系圖譜如圖2所示。

三、主要功能

（一）綜合態(tài)勢

綜合態(tài)勢功能是實現(xiàn)系統(tǒng)當(dāng)前的運行狀況、關(guān)注人員態(tài)勢、關(guān)注群體今日出沒統(tǒng)計、產(chǎn)生預(yù)警統(tǒng)計及預(yù)警列表、地圖人流量熱力圖、設(shè)備分布、今日預(yù)警分布等綜合信息的整體展示。

（二）全息檔案

全息檔案功能是基于一人一檔[3]關(guān)鍵技術(shù)，并通過人臉識別、人員聚類、特征融合等技術(shù)將海量人像數(shù)據(jù)進行分析挖掘，形成人員的全息檔案，按關(guān)注群體、底庫、實名化、系統(tǒng)標(biāo)簽等維度對檔案進行統(tǒng)計，并可按檔案、按群體、按底庫對全息檔案進行多維檢索，結(jié)合人員標(biāo)簽、關(guān)注度、親密度、活躍度進行多維度人員挖掘篩選，展示人員的活動規(guī)律、軌跡分析、異常行為、關(guān)系圖譜等多維度個人全息檔案信息。

（三）關(guān)系挖掘

關(guān)系挖掘功能是通過上傳人像或輸入證件號選擇檔案進行關(guān)系挖掘，分析兩人的直接好友和二度好友，并通過關(guān)系圖譜分析實現(xiàn)其好友類型分布和好友列表呈現(xiàn)，同時可按照親密度、所屬群體進行二次篩選，通過兩人之間的親密度還可以查看兩人的關(guān)系詳細(xì)情況。

（四）大數(shù)據(jù)挖掘

大數(shù)據(jù)挖掘功能是基于采集的路人信息、各類人像庫及布控庫人像信息，在提供各類檢索應(yīng)用的同時，還可以實現(xiàn)團伙管控分析[4]、人員關(guān)系圖譜分析、人員活動規(guī)律分析、人員軌跡分析和同行分析等大數(shù)據(jù)挖掘應(yīng)用。

四、應(yīng)用成效

（一）大數(shù)據(jù)分析預(yù)警

2019年7月初，在黑龍江某市“掃黑除惡”專項行動中，接到群眾舉報本市人員范某某涉黑，經(jīng)當(dāng)?shù)毓矙C關(guān)調(diào)查得知，范某某不僅涉黑，同時還身背一條命案，當(dāng)?shù)毓矙C關(guān)高度重視，但還未來得及抓捕，范某某就得知消息逃之夭夭，經(jīng)調(diào)查范某乘坐飛機已經(jīng)逃往千里之外的貴州省銅仁市，當(dāng)?shù)毓膊块T一邊將其列為網(wǎng)上在逃犯，一邊派出干警力量趕往貴州，同時聯(lián)系我單位希望給與協(xié)助支持。通過運用大數(shù)據(jù)分析預(yù)警，快速實現(xiàn)了嫌疑人的身份確認(rèn)，并通過軌跡和活動規(guī)律分析，很快鎖定范某在銅仁的行駛軌跡和落腳點，最終成功將其抓獲歸案。將范某如此快速的抓獲得益于大數(shù)據(jù)分析預(yù)警能夠精準(zhǔn)助力公安機關(guān)在一些案件偵破和嫌疑人抓捕場景下的業(yè)務(wù)應(yīng)用。

（二）團伙成員分析

系統(tǒng)基于親密度積分模型和關(guān)系圖譜分析，對實名人員及戰(zhàn)法挖掘的人員識別出團伙成員，團伙會隨著人員識別戰(zhàn)法不斷分析出更多高危人員而隨著精準(zhǔn)自動生長，同時還可以進行人工干預(yù)，團伙的關(guān)系網(wǎng)會隨著人員親密度變化，越來越廣、越來越密、越來越準(zhǔn)。團伙成員分析能夠助力公安單位在一些涉案團伙嫌疑人員打擊和抓捕業(yè)務(wù)場景下的研判應(yīng)用，從而將團伙成員一網(wǎng)打盡。

（三）人員全息畫像

系統(tǒng)基于一人一檔信息歸類聚檔，同時將一個人的人員屬性信息、活動規(guī)律、軌跡信息和關(guān)系圖譜等分析，呈現(xiàn)出人員的全息畫像，不僅可以實現(xiàn)人員最近衣著、常穿衣著、人員屬性、異常行為、車輛和移動設(shè)備信息展示，同時還可以展示其首次出現(xiàn)的時間、地點，最后一次出現(xiàn)的時間、地點以及活動分析，包括屬性標(biāo)簽、常訪區(qū)域和活動時段。人員全息畫像能夠精準(zhǔn)助力公安單位在案件研判中展示一個嫌疑人全方面的信息，便于更好地分析研判嫌疑人。

五、結(jié)語

大數(shù)據(jù)分析技術(shù)應(yīng)結(jié)合先進的人工智能圖像算法對海量的人像數(shù)據(jù)進行精準(zhǔn)聚類，從而面向基層公安民警典型應(yīng)用場景提供一套實戰(zhàn)化的應(yīng)用系統(tǒng)，提升在案件偵破、治安防控、情報研判等實戰(zhàn)效能。隨著技術(shù)的不斷發(fā)展和成熟，提供一套基于人臉、車輛、Wi-Fi、手機信令、出行數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等全域數(shù)據(jù)的大數(shù)據(jù)分析系統(tǒng)，將是今后較長一段時間內(nèi)精細(xì)化治理實戰(zhàn)應(yīng)用發(fā)展和研究的方向。