視頻圖像偵查本體研究

曾祺

（中國人民公安大學信息技術與網絡安全學院，北京102623）

0 引言

視頻研判過程中信息來自多個方向，既包括刑事案件中“人”、“事”、“物”、“時間”、“空間”等要素，又包括各要素之間的對應關系。這些研判知識目前只存在于書本或偵查專家的大腦中沒有統一的格式很難實現信息的交換、共享以及重用。本體在語義和知識表示層面能夠提供一種規范化的表達方式對知識進行操作。研究中引入本體技術來構建一個視頻研判的知識模型，通過構建視頻圖像偵查領域本體對視頻研判涉及的各要素中提取的概念以及概念之間的關系進行描述，利用Protégé軟件實現領域本體的構建并展示各概念層次關系和對應關系，最后使用OWL語言對該領域本體形式化表示，讓計算機可以交換、共享、重用視頻研判知識。

1 相關基礎理論

1.1 本體概念

本體是源于哲學的詞匯，被引入到人工智能領域后有很多專家學者對其做了新的定義，針對不同的領域本體有許多不同的定義。但總體來說研究者對本體的認識是一致的，本體是不同主體（例如人和計算機）之間一種交流的語義。涉及特定學科領域的本體，被稱為領域本體[1]。領域本體中表達的語義關系及推理規則集合可以用來推理，實現基于本體的智能分析和知識組織。

本體作為概念模型可以由一個五元組O=（C,R,F,A,I）來形式化表示。其中C表示類，R表示關系、F表示函數、A表示公理、I表示實例。類（Class）從廣義上講指概念，是某種對象的集合。關系（Relation）代表各類之間的關聯，最常見的是二元關系，例如概念間的is-a表達了概念的層級關系。公理（Axiom）是公認的推理規則，用來知識推理。函數（Function）是關系的特定表達式，函數中的映射關系使得推理從一個概念指向別一個概念。實例（Instance）是本體中最小的對象，具有原子性、不可再分性。

1.2 OOWWLL本體表示語言

本體的表示語言以描述邏輯為基礎，是一種規范、完整的語言體系[2]。它的主要功能有：幫助本體從自然語言的格式轉換為機器可讀的邏輯表達格式；提供機讀格式讓本體在不同的系統之間導入和輸出；形式化的表示語言，可以直接在計算機中存儲、加工、利用并且在不同系統間進行互操作。

OWL（Web Ontology Language）沿用了 RDF 的 SPO三元組形式來表達概念間的關聯，引入了許多預定義詞匯來克服RDF和RDFS對概念、屬性之間關系的表達能力不足的問題。具體的OWL語言組成詞匯如表1所示：

表1 OWL語言中的詞匯

2 領域本體構建方法

領域本體在開發過程中既要有對整個開發過程的指導方針又要有具體的實施步驟[3]。現有的較為成熟的本體構建方法都是在各領域本體研究過程中總結出來的，尚未形成統一的標準和原則，很難指導一個完整的本體開發過程。通過對斯坦福大學開發的七步法和愛丁堡大學人工智能研究所開發的骨架法的仔細研究，提出了構建視頻圖像偵查領域本體的指導方法，具體流程如圖1所示：

圖1 視頻圖像偵查領域本體構建流程

3 視頻圖像偵查領域本體構建

3.1 明確領域本體范圍

3.2 獲取視頻圖像偵查知識

目前尚未找到可以利用的視頻圖像偵查領域本體，但偵查領域的本體有人研究過。例如“刑事案件領域本體”，該本體根據刑事案件中的要素來定義本體的類以及屬性能夠完整地、形式化地表示刑事案件，借鑒其方法對刑事案件的構成要素進行研究獲取相關知識。參考《視頻圖像信息應用計戰法》、《三定偵查法》、《犯罪心理研究》、《軌跡偵查》、《新編犯罪心理學》等偵查類書籍并結合公安行業標準中的《刑事犯罪信息管理代碼》來獲取有關偵查知識。

3.3 提取偵查要素，構建視頻圖像偵查領域本體概念模型

視頻圖像偵查領域本體是為了將實際視頻圖像偵查工作中的研判知識和推理經驗編碼成機器可以處理的語言，讓機器代替偵查員實現智能偵查研判工作。視頻圖像偵查是以視頻圖像信息為主聯合網絡、卡口、通訊等其他信息[4]，對犯罪嫌疑人的各方面特征進行提取，依據偵查經驗和犯罪學理論對嫌疑人進行心理畫像或預判嫌疑人活動軌跡。所以在視頻圖像領域偵查本體中主要包括視頻偵查技戰法、刑事案件偵查、犯罪心理研究這三個方面的知識。構建該本體是針對實際工作中偵查員疲于處理大量的視頻信息以及其他多方面的線索信息的情況，幫助偵查員提高研判偵查信息的效率。

要素，是指事物必須具有的實質或本質性的組成部分，是構成事物的必要因素。本體也是由類、屬性、關系、公理、實例等五大要素所組成。構建視頻圖像偵查中線索研判領域的本體就必須要弄清楚視頻圖像偵查中線索研判的要素。視頻圖像偵查是現代偵查手段中的一種，其目的是為了刑事案件的偵查終結。刑事案件的偵查終結，實質就是查清了刑事案件的全部要素[5]。所以刑事案件的基本要素也就是視頻圖像偵查中線索研判的基本要素。根據刑事案件要素的構成，將“人”、“事”、“物”、“時”、“空”這五個基本要素進行分析后，領域本體的構建將圍繞著這五個要素進行，如圖2所示為視頻圖像偵查領域本體概念模型。

圖2 視頻圖像偵查領域本體概念模型

3.4 明確分類，構建類以及類的層次

刑事案件中的人是與刑事案件有關聯的人（例如：犯罪嫌疑人、受害人）或了解案件相關情況的人（例如：證人），因此構建“犯罪嫌疑人”、“受害人”、“證人”三個類。然后再根據實際偵查過程中對犯罪嫌疑人進行研究時所關注的特征，例如：社會特征、地域特征、心理特征、既往的犯罪特征等，提取出以下與犯罪嫌疑人的特征類。在實際偵查中每種特征的取值是復雜多樣的，在構建本體時抽象概括出各種特征類的取值狀態。

例如：

犯罪嫌疑人

受害人

證人

經濟狀態：困難、溫飽、富裕

婚姻狀態：已婚、未婚、離婚

文化程度：文盲、中學文化、大學文化、專科技校

前科記錄：初犯、累犯、慣犯

人際關系：簡單、復雜

心理氣質：膽汁型、粘液型、多血型、抑郁型

犯罪心理結構：危險心結、反社會人格

慣用伎倆：常見伎倆、少見伎倆、特殊伎倆

就業狀態：在職、臨工、無業

職業史：廚子、司機、軍人、警察

反偵察行為：手法專業、手法簡單、不存在

在實際的偵查研判[6]當中，偵查員主要以犯罪嫌疑人使用的兇器、駕駛的交通工具、聯系用的通訊工具、從案發現場帶走的贓物以及其他輔助作案的工具等物品為線索尋找與犯罪嫌疑人有關的信息。因此以物為要素主要構建“兇器”、“交通工具”、“通訊工具”、“贓物”、“輔助作案工具”五個類。兇器的來源可以判斷犯罪嫌疑人的動機是有預謀還是激情犯罪。兇器的種類也可以判斷犯罪嫌疑人的職業經歷。交通工具的來源可以分析嫌疑人經濟狀況。交通工具的種類可以分析嫌疑人的職業、活動軌跡。交通工具的軌跡可以分析嫌疑人的軌跡、地域特征等。通訊工具的通話記錄可以分析嫌疑人的活動軌跡。贓物的體積可以分析嫌疑人的交通工具、是否有同伙。贓物的種類可以分析作案人的文化程度、作案經驗、作案目的。輔助作案工具的種類可以分析嫌疑人的職業、慣技。因此提取出相關類如下：

兇器

交通工具

通訊工具

贓物

輔助作案工具

兇器來源：自帶、就地取材

兇器種類：自制武器、可購買武器、非法持有武器

交通工具來源：租借、盜取、搶劫、購買

交通工具種類：人力車、農用車、摩托車、普通汽車

贓物重量：很大、一般、較小

贓物種類：現金、珠寶首飾、有價證卡、電子產品、工業原材料

輔助作案工具種類：技巧工具、暴力工具、特殊工具

任何與犯罪有關的行為都在特定的空間發生，因此構建“空間”類。依據POI的分類每一個空間都有對應的POI類別，這些類別對分析嫌疑人的活動軌跡、經濟狀況、交通工具、心理狀況等都有幫助。根據軌跡空間的描述又將空間分為上一個時間點空間、當前時間點空間、下一個時間點空間。在實際偵查中又將可以根據空間在犯罪活動中的功能進行分類例如實施地、落腳地、銷贓地、藏匿地（藏匿贓物、尸體等）。因此構建類如下：

地點

上一個位置

當前位置

下一個位置

地點犯罪性質：實施地、落腳地、銷贓地、藏匿地

地點社會性質：出生地生長地工作地

POI類別：餐飲、購物、住宿、出行、文體娛樂、金融服務、生活服務、汽車服務、教育、醫療、房產、旅游、企事業單位、行政機構、公共服務設施

任何與犯罪有關的行為也在特定的時間發生、構建“時間”類，依據日常行為理論和犯罪人心理研究[7]的歸納、嫌疑人選擇作案的時間往往符合他自己的日常活動規律。犯罪時間所處的季節、每日中的時間段等會反映出犯罪人的職業、作案經驗。每個犯罪行為都不是一瞬間能完成的，通過嫌疑人犯罪過程中犯罪行為的持續時間可以判斷嫌疑人的作案經驗、對作案空間的熟悉程度、心理狀態、體能狀況等。因此構建類如下：

時間

季節：春、夏、秋、冬

每日時間段：清晨：05：01-06：59

早上：07：01-08：59

上午：09：00-12：00

中午：12：01-13：59

下午：14：00-17：59

傍晚：18：00-18：59

晚上：19：00-23：59

凌晨：24：00-05：00

持續時間：長、中等、短

要描述一件事情、必須要有起因、經過、結果。在刑事案件中為了弄清案件本質必須查明案件類型、犯罪動機、作案手段。案件類型中主要列舉了幾種典型案例（例如：盜竊案、搶劫案、殺人案）。在偵查中將犯罪動機從需求性、心理傾向性、形成性三個方面來進行判斷。作案手段的種類根據GA240.7-2000標準分為預備手段、侵入手段、暴力脅迫手段、竊取手段、利用計算器手段。據此構建類如下：

案件

犯罪動機

案件類型：盜竊案、搶劫案、故意傷害案需求性：圖財、發泄情緒

心理傾向性：報復、妒嫉、逞強形成性：臨時起意、一時激情、事先預謀、犯罪慣性作案手段：預備手段、侵人手段、暴力脅迫手段、竊取手段、利用計算機手段

3.5 定義屬性、定義域以及值域，建立關系

依據犯罪嫌疑人特征，構建“經濟狀態為”、“婚姻狀態為”、“文化程度為”、“前科記錄為”、“人際關系為”、“心理氣質為”、“犯罪心理結構為”、“慣用伎倆為”這些對象屬性，將嫌疑人與各特征類中的子類也就是具體狀態關聯起來。

依據涉案物的特征，構建“來源于”、“種類為”這兩個對象屬性，將涉案物與各特征類中的子類關聯起來。

依據地點的特征，構建“POI類別是”、“地點犯罪性質為”、“地點社會性質為”這三個對象屬性，將地點與其特征類的狀態關聯起來。

依據時間特征，構建“季節是”、“每日時間段為”、“持續時間長”這三個對象屬性，將時間與其特征類中子類關聯起來。

依據案件特征，構建“案件類型為”、“犯罪動機為”、“需求動機是”、“心理傾向動機是”、“形成性動機是”、“作案手段為”這些對象屬性，將案件與其特征類關聯起來。

通過構建“在（某地）”、“在（謀時）”、“犯”、“搭乘”、“使用”、“帶走”這些對象屬性將“人”、“物”、“時”、“空間”、“事”這五個要素關聯起來。具體屬性構建如表2：

表2 對象屬性定義

4 實現OWL形式化編碼

4.1 類及子類的OOWWLL描述

＜/owl：Class＞

＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/unti?tled-ontology-51#Cash--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Cash"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#Types_of_boo?ty"/＞

＜/owl：Class＞ ＜!-- http：//www.semanticweb.org/a7/ontolo?gies/2018/7/untitled-ontology-51#Daily_period--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Daily_period"/＞ ＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/untitled- ontology-51#Dangerous_heart--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Dangerous_heart"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#structure_of_criminal_mind"/＞

＜owl：disjointWith rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#Dangerous_per?sonality"/＞

＜/owl：Class＞

＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/unti?tled-ontology-51#Dangerous_personality--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Dangerous_personality"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#structure_of_criminal_mind"/＞

＜/owl：Class＞ ＜!-- http：//www.semanticweb.org/a7/ontolo?gies/2018/7/untitled-ontology-51#Financial_Services--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Financial_Services"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#POI_value"/＞

＜/owl：Class＞ ＜!-- http：//www.semanticweb.org/a7/ontolo?gies/2018/7/untitled-ontology-51#Injury_case--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Injury_case"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#case_type"/＞

＜/owl：Class＞ ＜!--http：//www.semanticweb.org/a7/ontolo?gies/2018/7/untitled-ontology-51#Jewelry--＞

＜owl：Class rdf：about="http：//www.semanticweb.org/a7/ontol?ogies/2018/7/untitled-ontology-51#Jewelry"＞

＜rdfs：subClassOf rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#Types_of_boo?ty"/＞

4.2 屬性的OOWWLL描述

＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/unti?tled-ontology-51#crime--＞

＜owl：ObjectProperty rdf：about="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#crime"＞

＜rdfs：subPropertyOf rdf：resource="http：//www.w3.org/2002/07/owl#topObjectProperty"/＞

＜rdfs：domain rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#suspect"/＞

＜rdfs：range rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#crimnal_case"/＞

＜/owl：ObjectProperty＞ ＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/untitled- ontology- 51#has_Daily_peri?od--＞

＜owl：ObjectProperty rdf：about="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#has_Daily_peri?od"＞

＜rdfs：subPropertyOf rdf：resource="http：//www.w3.org/2002/07/owl#topObjectProperty"/＞

＜rdfs：domain rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#time"/＞

＜rdfs：range rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#Daily_period"/＞

＜/owl：ObjectProperty＞ ＜!--http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#has_POI_Type--＞

＜owl：ObjectProperty rdf：about="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#has_POI_Type"＞

＜rdfs：subPropertyOf rdf：resource="http：//www.w3.org/2002/07/owl#topObjectProperty"/＞

＜rdfs：domain rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#location"/＞

＜rdfs：range rdf：resource="http：//www.semanticweb.org/a7/ontologies/2018/7/untitled-ontology-51#POI_value"/＞

5 結語

依據本體理論中的類、屬性、關系等要素，從書籍、電子資源、專家大腦中抽取出與視頻圖像偵查中偵查研判有關的概念，并將概念分類對映本體中的各要素，從而構建一個視頻圖像偵查領域的本體模型，可以讓只有人能理解的知識變成機器可以處理的知識，這有助于研究機器取代人去進行偵查研判的工作。