公安信息彳
摘要：对视频监控、感知采集建设的现状及需求进行了分析，提出以视频大数据为基础的多维度融合应用的建设思路和技术方案，对所取得的实践成效进行了分析描述，最后对数据融合分析的应用前景进行了讨论。 引言
近年来，随着平安建设、天网工程、雪亮工程的深入推进，视频监控、车辆抓拍、人脸卡口、手机围栏广泛部署应用，为治安防控和社会综治提供了重要支撑。但在复杂的治安形势下，仅靠单一维度的技术手段已经无法满足实战需要。当前，按照智慧警务、合成警务、实战警务的思路，打破部门警种壁垒，推进数据融合共享，充分利用大数据计算、人工智能、视觉分析等前沿科技，加强高端应用集成，推进情报数据融合及警务流程再造，有助于从源头上解决制约警务整体效能的体制性障碍和瓶颈性问题，切实提升公安机关核心战斗力和公安工作智能化水平。下面，笔者将淄博市公安局视频大数据多维融合平台体系设计建设的工作经验分享给各位同仁以便参考和借鉴。
一、现状与需求
（-）建设现状mesh设备
至2049年2月，通过推进社会治安立体防控体系建
设，淄博市市级平台整合接入8.6万余台监控摄像机，比2015年增长了23.6倍；汇聚接入卡口电警3397处，比2015年增长了124.37%；规划建设分布式存储约49P，比2045年增长了3.5倍；接入车辆抓拍机8158台，曰均采集
过车数据3000余万条；实施视频内容解析1549路，日均
采集人车目标数据1000余万条；接入人脸前端摄像机
565台，曰均采集人脸数据300余万条；清洗纳入户籍人
口、在逃人员、重点人员、车驾管等各类图片1.2亿余
单板层积材张。其他技术部门建设网络围栏日均采集MAC数据2000余万条；手机围栏曰均采集IMSI/IMEI数据675万余
条。
Police Technology2019年第3期
37
f公安信息化
(二)应用瓶颈
拉挤模具床铰现如今，犯罪与侦查的对抗呈现出曰益激烈的趋势，嫌疑人反侦查意识逐渐提高，犯罪的隐蔽性越来越强，作案手法不断升级。譬如，有的嫌疑人开车作案时可能不悬挂或遮挡车牌，不悬挂真实号牌；有的不带手机或者频繁更换手机；有的嫌疑人甚至选择在深夜作案，而且全程伪装，遮挡面部。侦查员即使能通过常规视频侦查发现目标，有时通过单一维度的数据来源也无法落实嫌疑人的身份。
以上这些现实情况暴漏出一系列问题：
(1)单个的侦防系统，例如卡口追踪、人脸比对等，容易被规避，难以落实人员身份；
(2)单一类型的数据采集应用，无论是视频监控还是电磁轨迹，都不可避免地出现盲点和遗漏，难以持续追踪嫌疑目标，难以准确锁定位置；
(3)单一维度的数据挖掘分析，无法全面掌控重点人员、涉恐对象的动态，难以进行预警防范。
二、融合体系建设思路与技术方案
基于以上数据融合应用需求，2017年初我们先期建设了"以视图和电磁轨迹分析为基础的天网大数据多维应用平台”，2018年9月全新升级改版为“视频大数据多维融合平台”。从多维应用到多维融合，不仅仅是平台名称的变化，更重要的是实现了更大限度地挖掘视频图像数据价值，更深程度地服务公安工作，更好地为公安大数据平台提供数据资源，以及视频解析、图侦研判等服务支撑，直击当前存在的"视频图像智能应用水平不高、多维数据融合应用不够”的难题。 (-)建设思路
1.目标定位
基于以视频、图像为主的多源物联感知数据采集汇聚，以数据为导向，推进信息关联共享，为进行车辆、人员、案件、电磁轨迹及其它警务资源、社会资源数据的交叉融合分析和碰撞比对，建立“用数据说话、用数据决策、用数据管理、用数据创新”的平台体系，实现各类信息数据化管理，多侦合一实战应用。
2.技术路线
系统架构由五部分构成，即数据、算法、算力、架构、场景。
(1)数据：主要囊括原始数据、解析数据、标准化后的数据及业务应用数据(如公安资源库);
(2)算法：视频结构化算法、人脸识别比对算法、车辆识别算法及业务场景检测算法；
(3)算力：GPU智能识别、分布式索引数据库、数据接入转发、Web交互访问；
(4)架构：面向大数据架构，满足安全标准规范体系，从数据层、网络层、月艮务网、应用层上规范产品架构；
(5)场景：以业务应用场景为约束，灵活调整算法和算力，解决以人为中心的业务实战需求，破解多维数据综合应用难题。
(二)技术方案
1.系统架构
(1)总体架构
融合建设体系根据各级任务部署和管理内容的不同，划分为以下六大支撑平台：
图1系统总体架构图
•源数据接入平台：负责与各类系统对接，引接各类数据。
•视频图像解析平台：负责从各类视频图像中提取结构化数据。
•多维数据汇聚平台：负责汇聚、清洗、提取、分类各种类型的数据，生成各类原始库、资源库和专题库。
•融合分析平台：负责按照一定的业务需求对多源、多维数据分析建模。
•数据服务平台：通过标准化接口协议，实现内外部数据共享。
•应用服务平台：负责提供各类应用服务和应用服务接口。
(2)逻鱷构
数据逻辑组成可归纳为以下六层：
•感知层：与各类系统、前端设备对接，获取公安网、视频专网、政务网、私有网络、互联网、移动网络内各类场合下采集的各种数据。
38懂察抚32019年第3
期
图2数据逻辑架构图
•解析层：视频图像解析平台对接入的各类视频流、图像数据进行结构化解析，提取行人、车辆、人脸等各类目标的详细特征数据。
•网络层：利用各类网络环境，通过防火墙、安全边界等跨网传输设备或平台将采集数据推送至公安网内。其中视频流按照GB/T28181-2016W传输，其它数据可按照GM1400-2017.中间数据库、消息中间件、私有协议等方式传输。
电磁屏蔽罩
•汇聚层：汇聚各类场合下采集的各种数据，包括视频流数据、车辆抓拍数据、人脸抓拍数据、人证核验数据、门禁刷卡数据、宾馆/酒店及网吧等娱乐场所的登记数据、手机采集数据、虚拟身份数据等各类数据。
•服务层：主要实现算法协调和资源数据解耦，应用服务与业务应用解耦，达到集约建设的目的。其它系统可通过数据共享接口建立对接关系后，采用订阅通知的机制，获取汇聚平台存储的各类数据；与应用服务接口建立交互关系，可以享受平台的基础应用服务、定制应用服务，如车辆研判分析、锦图像解析、人法等。
•应用层：公安、交通、综治办等政府各行业均可在基础应用服务的基础上，建立专业化实战应用平台，
如针对人、车、手机的多维融合应用，针对平安社区的研判分析，针对道路的雾气、流量、交通违法检测等各类专题化实战应用平台。
2.对接设计
融合平台通过68兀28181-2016协议、GA/T1400-2017标准定义的采集接口，消息中间件（如KAFKA消息队列）、中间数据库、私有协议的方式与各类系统对接，接入各类数据。同时平台开发数据共享接口、应用服务接口，为其它各类系统提供数据、应用、算法服务。
3.视频图像解析流程
（1）数据解析流程
视频图像源包括网络视频流和视频/图像文件，支持实
时的模拟或数字视频信号输入。
输入的视频图像（按照设定的分析规则）经过内容分
析及描述后，输出视频图像描述数据（视频图像标签信息等）、图像、视频的一种或几种。
支持将视频图像内容分析结果存入数据库、存储设备
或用于其它相关应用。
MMrafltK視烦图
*内壽分斬盘■连..…圧也…
**L':an I b*I—'i:
k!_____J--------------------------------1J
图3解析流程图
（2）目标检测与特征提取
视频图像解析平台运用智能链式云计算技术，整合前
端、后端芯片计算资源，发挥前端、后端各自的处理算法
优势，以实现计算、处理、存储、业务呈现的动态加载与
统一调度。智能计算节点采用“CPU+GPU”高性能计算
框架，支持集工作，满足实现大量视频结构化计算任务
的分布调度；具备动态扩容能力，结构化分析性能随计算
节点的数量增加线性增强；采用卷积神经网络算法，具备
深度学习技术，支持特征自动学习，快速提升智能算法，
提高计算效率和准确度。
支持运动目标检测、目标分类、目标颜检测、行人
检测、人脸检测（人脸比对）、车辆检测（汽车、二轮
车、三轮车等）等多种功能。
4.多维大数据基础信息库静压测试
多维大数据基础信息库是以视图库为核心、加入其它
各类数据的数据库，在符合视图库的基础上，对视图库进
行了扩充和丰富。主要存储内容包括重点目标的视频图像
数据、车辆数据、人员数据、点位数据等视图库规定的各
类数据，以及手机数据、虚拟身份数据、物联网数据等，
供上层应用进行分析以及其它系统调用。
多维大数据基础信息库分为原始库、资源库和专题
库，内容如下：
（1）原始库
原始库中视频片段、图像数据采用分布式存储架构，
即视频专网、公安网内采集的视频图像数据本地存储，通
过视频图像路径调取原始视频图像。
市局多维大数据视图库内主要存储重点目标的视频片
段、图像数据，以及政务网/互联网汇聚的图像数据。
Police Technology2019年第3期
39
f公安信息化
•重点目标的视频库：包括公安视频监控数据、政府各行业视频监控数据、社会面视频监控数据等各类场景下采集的视频片段。
•车辆图像库：包括卡口/电警拍摄的重点目标车辆图像数据、汇聚的政务网/互联网车辆图像数据，其中政务网/互联网车辆图像数据包括小区出入口/停车场等出入口拍摄的车辆图像数据、各类高危工厂/煤矿等封闭区域出入口拍摄的车辆图像数据。
•目标人脸图像库：包括人脸抓拍设备抓拍的人脸图片、高铁/客运八机场/酒店/旅馆/网吧/KTV等场所由人证核验系统采集的人脸图片。
(2)资源库
资源库包括各类场景下采集的各类数据，以及视频图像解析数据。
•登记信息库：用户出入酒店/旅馆/网吧耐等场所的登记信息数据。
•GPS/北斗数据库：两客一危/城市交通等安装GPS/北斗系统设备，且由GPS/北斗系统设备采集的定位数据、报警数据以及视频图像数据。
-各类手机数据库：采集的各类手机信息数据库，包括Wi-Fi数据库、IMSI/IMEI数据库、审计终端数据库、虚拟身份数据库等。
•各类车辆数据库：各类场景下采集的车辆数据信息，包括小区道闸车辆数据库、停车场车辆数据库、视频解析车辆数据库等。
•各类人员数据库：各类场景下采集的人员信息，包括各类场景下的人证核验数据库、人脸抓拍比对数据库、视频中识别的行人特征数据库等。
•管理库：包括曰志库、配置库、元数据库、业务库、标签库等管理相关数据库。
(3)专题库
系统对各类资源库数据进行融合分析后，生成的各类专题库，如人员专题库、车辆专题库、手机专题库、案事件专题库、点位专题库及其它专题库等。
5.应用设计
(1)功能简介
融合平台打造了集人员特征、行为属性、时空轨迹、公安信息库、社会资源信息库等各类动静态数据和人脸、人体、车辆、手机等多维度全息数据融合分析的新模式，实现了卡口过车一车一档、人像识别一人一档、视侦案件_案_档，为每辆车、每个人、每台手机建立了超级”全息画像"，实现了涉案车辆实时跟踪、重点车辆实时监管、特殊人员实时比对、布控信息实时报警，最大限度地挖掘、发挥视频大数据的实战效能。
(2)应用成效
仅2018年，淄博市公安局勘查录入涉案视频3500余起，提供案件线索4300余条，利用平台直接破获案件1400多起，抓获全国在逃人员260余名，布控抓获嫌疑人数十名，突破作用和重大作用率超过39%，协破基础作用支撑度85%以上；为扫黑除恶提供嫌疑人轨迹、落脚点等线索300余条，协助抓获嫌疑人100多人；为交警提供假套牌、克隆车线索300余条，可谓战果累累。
同时淄博市公安局通过系统收集到的各种时空数据绘制出不同类型人员的活动轨迹，不断积累完善各种业务模型，充分发挥情报信息引领作用，进一步扩大实战效果。目前多维数据融合系统已在淄博市各级公安机关全面部署推广应用。
三、结语
多维数据融合系统建设，除对车辆图像、视频监控等"可视化"数据进行深度挖掘外，还融合了"不可视”的电磁数据及其它行为数据，开拓了案件侦破的新思路。通过对人员、车辆、手机等数据的交叉融合分析，建立视觉特征和手机虚拟身份的自动关联，迅速到案件关键突破点。在此基础上，面对未来新的安全形势，可结合更完善的数据来源，利用多尺度、多维度的多源异构数据关联技术，依据跨时空数据的关联关系重构其数据架构。在重构数据基础上深入研究基于跨时空索引的行为理解方法，建立异常行为辨识预测模型，融合多维人员特征、行动轨迹、活动数据集、人员关系知识图谱进行异常行为的监测与预警，真正实现以预防、预测、预警为主的现代化智慧警务。曰
［1］周川，朱维和］王鑫〕贺国强.视频大数据分析及其在公安合成、作战申的应用你警察技术,2017(4).
［2］包适罡，高原.视频图像侦查与“云平台”图像信息资源探讨［J］.中国公共安全：学术版,2016⑶.
国GAT_1400.3-2017公安视频图像信息应用系统第3部分：数据嶽术要求同.2017.
［4］魏聚山.基于内容的监控视频特征提取和检索技术研究［)］.
科望,2016(24).
冋梅蓉.视频监控图像侦查之我见口湖北警官学院学报，2013(5).
40晝察阿2019年第3期
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议