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）信息技術研究院，北京 100036；3.一體化指揮調度技術國家工程實驗室，北京 100190）

0 引言

“可控”目標的逐漸落地，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，但不斷采傳統(tǒng)案件、公安內(nèi)部信息傳達模式開始拉開帷幕，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，據(jù)庫只能管理文本類的結構化數(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，視頻等非結構化數(shù)據(jù)以及圖像特征向量等半結構視頻圖像信息在公安機關打擊犯罪、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)務中均發(fā)揮了不可替代的作用。自 2016年以量數(shù)據(jù)的應用。而大數(shù)據(jù)技術中的非關系型數(shù)據(jù)來，國家開啟“雪亮工程”建設解決社會面視頻監(jiān)控庫，可實現(xiàn)視頻圖像中的結構化、半結構化、非結建設聯(lián)網(wǎng)應用問題，進一步補齊了公安自建視頻監(jiān)構化數(shù)據(jù)的管理，是智慧警務建設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”， 為構建以大數(shù)據(jù)智能應用為核心的智慧警務新模式提供了重要技術手段。

1 智慧警務面臨的挑戰(zhàn)

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

1.1 技術方面

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

首先需要整合各種業(yè)務系統(tǒng)的分散化、碎片化數(shù)據(jù)，再對種類繁多、復雜的數(shù)據(jù)進行靈活管理；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)務方面

隨著社會安保需求變化，在有限警力和繁重任務的矛盾下，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“大數(shù)據(jù)”警務管理的要求，需要構建以大數(shù)據(jù)智能應用為核心的智慧警務新模式，實現(xiàn)向精準、主動、精細、系統(tǒng)的四個轉變，把有限的警力用到實處。

傳統(tǒng)的警務工作方式普遍存在疲于應付、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致數(shù)據(jù)滯后、呆板、單一，信息應用針對性不強、精確性不高，需要以警務實戰(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)新應用，融合感知資源、警務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，構筑以“數(shù)據(jù)指導警務”的公安機關新型戰(zhàn)斗力。

2 全域智能警務建設思路

基于大數(shù)據(jù)的智慧警務有“三要素”分別是準確數(shù)據(jù)、信息在線和智能應用，在智慧警務建設頂層規(guī)劃過程中，應作為關鍵性措施來抓，以此推動基礎信息化、警務實戰(zhàn)化、執(zhí)法規(guī)范化和隊伍正規(guī)化。

圖1 應用組件

圍繞“數(shù)據(jù)、在線、應用”三要素以“數(shù)據(jù)處理結構化，信息網(wǎng)絡立體化，上層應用智能化”作為全域智能警務建設核心理念，依托前沿智能視頻分析技術，將視頻流轉換為數(shù)據(jù)流，最大化有價值視頻信息提取，結合云計算、大數(shù)據(jù)技術運用，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，并以智能應用為展現(xiàn)方式，服務于公安各項業(yè)務，促進預警預防能力、打擊犯罪能力、整體防控能力、基礎管控能力顯著提升。

2.1 基于全域智能的警務視頻大數(shù)據(jù)

智慧警務視頻大數(shù)據(jù)的建設是通過深度學習的視頻分析處理技術與視頻監(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、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構化數(shù)據(jù)融合警務業(yè)務數(shù)據(jù)進一步挖掘數(shù)據(jù)價值，進行大數(shù)據(jù)實戰(zhàn)應用。

2.1.1 建設方向

警務視頻大數(shù)據(jù)建設的方向從架構上看分為三塊：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，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閱、多要素解析比對、多維度關聯(lián)分析、各警種普遍受益的“智惠”應用。

2.1.2 關鍵技術

2.1.2.1 行人重識別Person-ReID

行人重識別技術簡稱 Person-ReID，通過計算機視覺技術檢索不同攝像頭下的同一個目標行人。該技術對人工智能在實際業(yè)務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、目標姿態(tài)、障礙物遮擋、光照不均存在差異，容易導致同一目標漏拍、識別不準。

2.1.2.2 目標檢測

基于深度學習的目標檢測算法一般分為：一階段目標檢測算法和二階段目標檢測算法。

如圖2所示，一階段目標檢測算法輸入一張圖片可以直接輸出目標的位置和類別信息，相比二階段目標檢測算法，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 一階段目標檢測算法的檢測過程

如圖3所示，二階段目標檢測算法首先將圖片輸入深度卷積神經(jīng)網(wǎng)絡中，檢測目標可能出現(xiàn)的候選區(qū)域，然后對這些候選區(qū)域進行特征提取，并輸出目標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檢測的最終結果。

圖3 二階段目標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，藍色框圖代表第二階段對候選區(qū)域進行目標框的分類和回歸，最后經(jīng)過非極大值抑制輸出目標檢測結果。

2.1.2.3 目標屬性分析

目標屬性分析是一個基于分類的識別問題，在給定的訓練集數(shù)據(jù)和類別信息后，訓練一個分類器，對應未知類別的樣本，分類器輸出類別的識別結果，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)模標注數(shù)據(jù)集的出現(xiàn)，深度網(wǎng)絡可以自動的學習判別能力強的特征，分類識別效果更好，而且深度網(wǎng)絡將特征提取和分類整合在一個網(wǎng)絡中，如圖4所示，實現(xiàn)端到端的目標屬性分析系統(tǒng)。

圖4 端到端的目標屬性識別系統(tǒng)

2.1.2.4 以圖搜圖

以圖搜圖，也稱為目標檢索，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，前一攝像頭中目標圖像已知，通過算法判斷目標是否出現(xiàn)在其他攝像頭中，以此獲得目標的行動信息。

圖5 行人以圖搜圖實際應用場景示意圖

2.2 基于視頻大數(shù)據(jù)的在線警務

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

通過警務在線工作平臺，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)警務工作的線下轉線上，減負一線工作。

2.3 基于在線警務的智能應用

2.3.1 數(shù)據(jù)應用

2.3.1.1 海量數(shù)據(jù)管理

感知智能服務在統(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速度。

2.3.1.2 海量以圖搜圖

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

2.3.2 業(yè)務應用

圍繞實戰(zhàn)應用，以全能力支撐，根據(jù)不同的業(yè)務場景提供不同的業(yè)務應用，真正完成從事中、事后到事前的預測預警預防，提供在線警務模式。

2.3.2.1 人臉業(yè)務應用

在準確率達到一定程度下，決定實戰(zhàn)效果的是根據(jù)場景提供實戰(zhàn)業(yè)務模型。例如預警，人臉系統(tǒng)的預警按照點預警，區(qū)域預警和類別預警理念設計。

點預警：在逃，臨控等重點人員預警，一般廠家提供這些。

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

類別預警：例如商圈 /超市這種場景，除了點預警還可以進行類別預警。

同樣的人臉系統(tǒng)，應更關注業(yè)務場景，提供不同的感知設備，智能能力和計算模型，緊緊圍繞業(yè)務警種來做人臉預警。

圖6 人臉業(yè)務應用

2.3.2.2 人體人臉關聯(lián)應用

視頻結構化對人、機、非結構化提取的同時可以檢測目標人臉，通過人體關聯(lián)人臉提高目標覆蓋程度。人臉需要人體來提供更多線索，人體需要人臉來進行精準的身份落地。

人臉人體關聯(lián)的兩個思路：

（1）不清晰的人體目標→清晰的人體目標→清晰的人臉目標→身份落地。

圖7 思路（1）

（2）清晰的人臉→關聯(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)應用

多維數(shù)據(jù)應用核心在于動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)的結合，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，視頻結構化及人證合一等 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)務應用是通過構建人員檔案中心，挖掘不放心人員標簽，最終利用各種感知設備達到多維數(shù)據(jù)統(tǒng)一預警和多維數(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)預警，下一步要考慮如何構建在線實景指揮，即指揮中心建設。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（儀表盤）。

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

3 智慧警務實踐案例分析-金華公安智慧警務

按照省廳“云上公安、智能防控 ”大數(shù)據(jù)戰(zhàn)略 2018年推進計劃要求：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備。金華公安下發(fā)《全市公安機關科技信息化建設三年規(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射頻等技術進行深化設計，構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，全市公安機關建設的社會治安動態(tài)視頻監(jiān)控系統(tǒng)，共建設一類視頻監(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。在此基礎之上，進一步打造了一張基于邊緣計算的多維感知智能網(wǎng)絡，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、預測預警。

金華公安將視頻萃取技術引入泛智能場景、將車輛識別/人臉識別技術應用到重點防控區(qū)域，構建全網(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用系統(tǒng)。以服務全警實戰(zhàn)業(yè)務為本，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 結束語

全域智能服務框架下建設智慧警務，是以公安業(yè)務為牽引，以視頻大數(shù)據(jù)智能化能力為支撐，根據(jù)不同的業(yè)務場景創(chuàng)新提供不同的實戰(zhàn)應用，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，進行身份落地補全人像實戰(zhàn)業(yè)務應用，同時可基于多維度信息關聯(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行實時預警和布控，實現(xiàn)由“案后被動偵控”向“案前主動查緝”的創(chuàng)新轉變，真正完成從事中、事后到事前的預警預測預防。