焦立彬祝胜强齐幸辉河北远东通信系统工程有限公司
摘要：新时代下公安检查站安检面临着“各自为战、孤立安检”、"汗水警务”向"智慧警务”转型和提升民众出行幸福感等问题和挑战。针对以上问题，充分利用微服务、Redis集、快速人脸抓拍、车辆抓拍、全文搜索及关系图谱等关键技术，构建了新型智慧安检模式，并进行了测试验证和实战应用。在此基础上，分析提出了未来智慧安检向深度人工智能安检、深度大数据分析以及非接触无感知等模式发展的趋势。 关键词：般站智慧安检微服务Redis瞬
引言
近年来，随着我国经济社会的持续发展及警务机制的创新，公安检查站查控在应对当前所面临的社会面防控压力和重大活动安全挑战等方面发挥了至关重要的作用。 作为公安机关的综合性战斗实体，公安检查站履行既管交通又管治安的职能，是保护区域安全的”护城河”、阻止违法犯罪流动的“过滤网”、维护社会稳定的“拦河坝”。加强公安检查站建设，是提般态化条件下社会治安管控能力的重要举措。
充分利用人工智能、大数据等先进技术，丰富数据采集手段，拓展安保应用场景，打造新型智慧安检模式。本文将围绕如何构建检查站智慧安检新模式深入分析阐述。
dome sheet一、检查站安检面临的主要问题和挑战
公安检查站是由公安机关在交通要道建设的临时性或永久性酬物，配备相关警用装备，由单一警种或多警种联
合运作，对过往车辆、船舶和行人等进行有针对性检查的综
合性警务实体。其主要功能是通过对过往行人、车辆或船舶
等进行检查，斩断暴恐、、支等严重犯罪的通道，最
大限度预防违法犯罪和消除各类安全隐患。一般多设置在交
通要道或治安形势复杂的区域。
当前检查站安检查控主要面临以下问题和挑战：
(-)检查站各自为战、孤立安检
一般公安检查站，主要采用检查人员使用身份证核查
晞合蠻离线终端方式，来判断身血真假以雄否为治调浆桶
安重点人员。这种传统的安检查控系统，导致检查站各自为
战、孤立安检，随着安保整体工作要求的提升，已难以适应
动态安保实战要求。
(二)“汗水警务”向“智慧警务”转型
—般大型检查站需要配备上百名警力，小型检查站也
需要几名民警和辅警力量。检查站查控面临通行受阻与公
Police Technology2019年第4期61
众所期盼的快速通过之间的矛盾，更多需要依靠先进警务 技术的运用来解决。一方面大幅节约警力，同时有效震慑 不法分子，实现“汗水警务”向“智慧警务”的转型。实
际上，在重大活动安保中大力运用先进科技手段是时代发
展的大趋势。
（三）溯•民众出行幸福感
目前由于缺乏智能化手段，导致检查效率低下，容易造 成交通拥堵，而且带来环境污染等问题。检查站查控是警务
人员为了维护公共安全对特定行为人的车辆、物品及人身进 行查看、搜检的执法行为。应以给受检对象带来最小侵犯的
方式进行，努力提升民众出行幸福感。二、智慧安检模式介绍
（一） 碗
紧紧围绕公安检查站安检查控工作需要，以多维度感
知体系为基础，以微^务、Redis 集、全文搜索、关系图
谱等服务为支撑，基于云平台和大数据研判平台，综合运用 人、车、物、语豪视频、鯉等数据，打造非接触无感知
的新型智慧安检模式。
（二） 总体期
系统采用分层架构设计，整体分为基础层、数据层、
支撑层、应用层和輙层五层，法规标准和安全保障两大体 系，如图1所示。
展现层
指挥大屏
法规标准
北京百泰克
应用层支撑层数据层
［窗［―'S
查駛端
移动查控终端
车辆抓拍扫描
感知类
基础层
WIFimt ：太赫兹
设施类
安全保障
通信 网络
蠶
图1智慧安检查控系统架构图
基础设施层构建人车物事信息的多维感知体系，包括 感知类和设施类。其中，感知类包括快速人脸抓拍、车辆抓
拍、人车证核验、底盘扫描、WIF 探针、側兹等智能化设
备；设施类包括云平台、通信网络和应用服务器。
数据层为业务应用提供基础数据，包括基础库、专题 库、地理信息库、人员查控业务库和车辆查控业务库等。
支撑层提供业务应用的支撑服务，包括微服务、
Redis 集、PGIS 、全文搜索以及关系图谱等。
应用层提供各类安检查控应用，包括人员核查、车辆
核查、检查站管控、人员管控、车辆管控和大数据呈现 等。其中人员核查，通过人脸快速抓拍，经指挥中心大数
据比对，可实时反馈比对结果，记录核查信息；车辆查
控，通过车辆抓拍等技术，实现车辆、人员、物品的全方
位核查；大数据呈现模块，可实时展示人员查控、车辆查 控信息，图上查看各个检查站信息，动态展示车辆分布、 车流量情况，并与人像卡口、车辆卡口无缝集成，一键调
阅卡口视频。
展现层提供业务应用的呈现，包括指挥大屏、查控终
端、移^查控终端。通过部署运行查控软件，实现人车智能
查控。
法规标准体系包括相关法律法规、标注规范和行业技
术要求。安全保障体系按照三级等保要求建设，包括接入安
全、数攔专输疑以竝用雄等。
（三）关键技术1. 微I 艮务
随着云计算、容器虚拟化等技术的兴起和发展，微^ 务受到工程界和学术界的极大关注，成为信息科学领域的重
要研究对象之一。其基本思想是将传统的单体应用按业务功
能拆分为一系列可被独立设计、开发、部署、运维的软件服
务单元，服务间彼此配合、相互协作以实现最终价值。
微®务架构（MicroServices Architecture , MSA ）特点
如下：（1 ）按业务功能划分，每个服务都具有特定功能，
易于开发维护；（2）每个独立的微®务可由不同的语言基
于不同的平台开发，灵活性较好；（3）子服务可独立部
署，持续集成及交付；（4 ）容错能力强，可动态按需扩 展。
微^务架构既降低了各功能模块间的业务耦合度，既
提高了系统的可扩展及维护性，又可以对服务状态进行监
测，实现对外部请求的负载均衡、权限校验、状态监控以及
访问限制。
2. Redis 集
Redis 是一种基于键值对存储的内存数据库，能勰供
高速的数据库访问，并实现了复制备份和数据持久化的功 能，具有高性能、多数据类型支持和数据安全性等优势。
Redis 集能够弥补单线程的Redis 节点性能不足，提
臟据冗余、结构冗余的特性，可有效提高吞吐量，确丽 外服务的可靠性。
62懂察覘3 2019年第4
期
通过Redis集实现了查控数据、同步数据服务的集式负载，可有效分流数据更新压力，保证接口的高并发和高可用性。
3.动态皿抓拍
动态人脸抓拍基于人峽别技术，可快速发现可疑查控对象，确认人员身份，提高查控时效率。主要功能如下：
(1)人脸抓拍：采用高性能计算芯片架构，利用深度学习算法，对视频画面中出现的各类人脸，进行有效、准确的识别和抓拍，实时输出高质量的人脸图片，用于后端人脸建立与属性提取；
(2)人脸布控：针对黑名单人员，可按布控对象、布控范围和有效期等进行实时布控，一旦在布控范围内出现黑名单人员，系统会立刻报警；
(3)人脸查询：支持以过人时段、过人区域、人脸特征属性(包括年龄段、性别、戴眼镜、微笑)为查询条件，对可疑人员进行单一或组合条件的信息搜索，并可关联录像查看具体情况；
(4)人员轨迹分析：利用已有的人脸图片，搜索出一定时间段及监控范围内的相似人脸图片，结合电子地图刻画出人员时空轨迹，分析目标人员“从哪里来、到哪里去、沿途磔哪里”O
4.车辆抓拍
车辆抓拍是利用先进的光电、计算机、图像处理、模式识别、远程数据访问等技术，通过应用先进的视频动态检测技术相结合，对来车方向2公里处过往的每一辆机动车的尾部特征图像和全景车辆图像进行连续全天候实时记录，采用对目标捕获的视频流、图片流进行视频智能分析及同步对车辆信息进行采集分析，实现电子警察式卡口信息监控功能。
车辆抓拍可将车辆视频检测、违章判断、图片抓拍、车牌识别、数据存储、在线存储集成于一体，赋予道路监控、治安卡口、交通参数采集等相关功能。自动获取车辆号牌、车型、行驶方向等参数与黑名单数据库联网比对报警，自动监测黑名单车辆的行径路线；同时还可以自动获取路口、路段车流量
、饱和度、占有率等交通参数，向信号灯自动控制系统提供实时交通数据，参与灯控路口的绿信比调整、绿波带参数调整，向交通智能诱导系统提供实时交通数据，参与到区域交通诱导体系中，为交通管理提供数据支撑。
5.全文检索
全文检索模型基于日asticSearch引擎，把文档数据写入到倒排索弓啲数据结构中，其中倒排索引建立的是分词和
文档之间的映射关系，并且在倒排索引中，数据是面向词而
不是面向文档的，从而实现分布式、高性能、高可用、可伸
缩的搜索和分析，便于在检查站查控搜索中基于用户想搜索
信息的描述，自动分词，分析关键词，返回相关数据，提高
用户的搜索查询体验。
6.关系图谱
利用查控记录、过站人主题库、过站车主题库等数
据，进行节点和关系的抽取，开发知识图谱应用。在图数据
库中存储人-人同车同行关系、人-人不同车多次同行关
系、人-人同户关系、人-人同乡关系，人-车乘坐关系、
人-车消分关系、人-车拥有关系等。利用图数据库实现过
站人员关系网探查、同行关系人挖掘等。
(四)
测试验证
基于微I踐架构，采用Redis集部署搭建验证系统，
通过模拟客户端进行性能测试，并采用Apache JMeter (Apache组织开发的基于Java的工具，用于对软件做压力
测试)工具进行结果监测。验证结果^下：系统性能优异，
响应时间为毫秒级，能够满足1000个终端并发访问，每秒
可处理2000次以上的请求。
1.人员查控
模拟1000个用户连续访问系统，进行人员查控操作，
使用JMeter输出压力监测报告，如图2所示。
图2人员查控压力测试报告
数据分析如下：Samples，线程数量10万；Average,
平均耗时353毫秒；Median，中位数耗时271毫秒；
90%/95%/99%Une：90%、95%、99%的线程耗时分别
为722毫秒、10"毫秒、2402毫秒；Min，最小耗时5毫
秒；Max，最长耗时5273毫秒；Throughput，每秒钟发送
的请求数量2560.6；Error，失败率0；Receive KB/Sec,
每秒接收数据量为980.24KB；SentKB/Sec，每秒发送数
据为902.72KB。
模拟1000用户，以每秒钟2559次的速度连续无延时进
行人员查控，返回无错误，系统平均响应时间为347毫秒。
2.车辆查控
模拟1000个车辆连续访问系统，进行车辆查控操作，
使用JMeter输出压力监测报告，如图3所示。
Police Technology2019年第4期
63
图3车辆查控压力测试报告
数据分析如下：Samples，线程数量10万；Average,
平均耗时246毫秒；Median，中位数耗时253毫秒； 90%/95%/99% Line ： 90%、95%、99%的线程耗时分别
为497毫秒、600毫秒、910毫秒；Min，最小耗时4毫秒；
Max，最长耗时2030毫秒；ITiroughput，每秒钟发送的请 求数量3686.5； Error，失败率0； Receh/e KB/Sec，每秒
接收数据量为2775.68KB ； Sent KB/Sec，每秒发送数据为 2444.66KB O
模拟1000车辆，以每秒钟3686次的速度连续无延时进
行车辆查控，返回无错误，系统平均响应时间为246毫秒。
(五)实战应用
该系统在某市检查站进行了试点部署和实战应用。系
统采用集部署，与检查站已建设的人像卡口、车辆卡口等
系统实现了无缝集成。针对人员核查业务，系统首先对人像
卡口动态抓拍的人脸进行智能识别，然后与中心的人像平台
在线比对，同时进行身份证核验，最终核查结果与闸机联
动，实现人员无证自动核查。针对车辆核查业务，以车道为 单位，首先对抓拍的车辆进行智能分析，然后与中心的车辆
平台在线比对；同时，乘车人员只需打开车窗，系统通过车
道人脸动态抓拍进行人像采集、识然后与中心的人像平 台在线比对和身份证核验，最终人车核查结果与道闸抬杆系
统联动，实现车辆人员的自动核查。
系统经实战测试可支撑不少于10万终端实时在线，不 少于1000终端实时并发访问，每曰查控访问数
达百万级，
人员查控、车辆查控等核心服务响应时间均在毫翅。系统
具有较强的负载均衡能力，较高的吞吐量和运行性能，同时 也具备容灾热备能力，大大提高了查控时间，能够满足检查
站查控的实战需要。
三、未来智慧检查站发展趋势
(-)深度人工智能安检模式
目前人脸识^技术已经广泛应用于安检查控设备，但是 鉴于光照、角度等诸多因素导致识别率不高，或者说不能完
全实现安检过程中不落窗、不下车。迫切需要利用深度人工
bim施工模拟智能技术来推动检查站向智慧安检模式转变，比如利用自动 化技术，通过各种机械设备动态调整安检设备的位置角度，
提升人mw，从而提高安够率。
(二) 深度粗酌析安检麒
目前各警种积累了大量的业务数据，但在安检查控业务
中，仅限于过站人员车辆的初级应用，缺少与警务大数据的
融合碰撞和深度大数据分析应用。另夕曲安检过程中也积累
了海量的数据资源，如何深入利用这些数据反哺安检查控工
作，麟民警工作压力也是今后研究的重点。
(三) 非接触无感知安检模式
在社会文明高度发展的今天，普通民众的人权意识普遍
高涨，对当前这种搜身、搜车、扫身份证、刷脸的安检模式 普遍存在抵触情绪，迫切需要充分利用先进的技术，向非接
触无感知的安检模式发展。
四、结语
本文综合运用动态人脸抓拍、车辆抓拍、微服务、
Redis 集、全文搜索以及关系图谱等关键技术，构建了新
型检查站智慧安检系统，并对系统性能进行了测试验证和
实战应用。最后，提出了未来智慧检查站的发展趋势。系
统在一定程度上解决了检查站孤立安检的问题，在"汗水 警务”向“智慧警务”转型、提升民众出行幸福感等方面
都进行了积极探索。未来将继续深入研究检查站发展趋
势，持续探索人工智能、大数据等新技术在检查站智慧安
检新模式中的应用。曰
参考文献
[1] 胡人斌，郭建华.公安检查站查控基础理论构建[J].山东警察
学院学报,2018(0:122-129.[2] 李敏蓉.京津冀警务协同发展背景下的公安检查站警务一体 化研究以“京警入冀，联合设卡"合作模式为例□北京警
察学院刀17⑶:45-49.
[3] 连珂，王毅，沈冬冬.基于人脸识别技术的公安检查站快速 通关系统设计[J].河北公安警察职业学院学报,2016(3)^2-38.[4] 郭建华，杜剑虹，钟平波.防控风险背景下大型活动安保现 场处置的若干思考以宁波市大型活动安保工作为例UJ.公安 学刊,20160):44-49.
[5] 陈新民.德国公法学理论基础[M].济南：山东人民出版社, 2001370.
[6] Balalaie A, Heydamooii A, Jamshidi PJVlicroservices architecture enables devcps: Migration to a doud —native architectLireU]. IEEE Software, 2016(3): 42-52.p] Thones J«Miooservices[J]. IEEE Software, 2015(1):116.
[8] 辛园园，钮俊，谢志军，张开乐，毛昕怡.微服务体系结构实 现框架综述00-计算机工程与应用，2018(19):10-17.[9] 李鐵，顾乃杰，黄增士，任开新.Redis 集可靠性的研究与优 化DJ.计雾机工程,2018(5):40-42.
64 廳匿3 2019年第4
无尘清洗
期
纳米除臭装置
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议