視頻大數據在公安行業的應用分析

摘 要 近年來，視頻監控市場發展迅猛，視頻監控設備已經走入千家萬戶，在工商業、公共基礎設施、家庭等各個領域得到廣泛應用。這就給公安行業應用視頻大數據分析提供了海量的視頻資源基礎。但視頻資源的管理、應用、共享等環節還存在一些問題。本文將結合視頻大數據應用中存在的問題，分析如何提高視頻大數據在公安行業的應用效率。

關鍵詞 大數據;偵查;技術;公安

公安行業通過從海量視頻數據中查找有價值案件線索、利用智能分析技術、對“元數據”進行信息重構，并以數據TAG方式重組、存儲、學習各類信息，能夠更加高效地識別犯罪分子行為痕跡，使得預警、防控、犯罪打擊更加高效。偵查破案能力得到提升。

1 視頻數據在安防應用中存在的問題

視頻大數據的發展過程就是不斷提高視頻清晰度、存儲空間、算法檢測識別率的過程[1]。這三大問題的存在對于我國視頻大數據的發展造成了不利影響。視頻清晰度問題主要是監控設備分辨率受到限制導致的。存儲空間不足問題主要受視頻壓縮解碼性能不足影響，或者由網絡傳輸速度限制導致。算法檢測識別率的準確性不足問題可能會影響到智能視頻查找搜索相關視頻的能力。當前我國視頻監控的方法還比較粗略簡單、在算法與識別率方面較為落后，給跟蹤工作造成較大困擾。視頻數據智能分析很早就被應用于公安行業，但早期監控設備攝像性能低、智能算法本身存在缺陷。而隨著技術的發展，算法的優化，海量而多元的異結構數據成為智能融合與管理的技術壁壘。因此，突破視頻資源整合、管理、分析、共享等環節的障礙成為推動警務效率，提升視頻大數據分析應用能力的關鍵。

2 視頻大數據關鍵技術

2.1 大規模視頻解析技術

以云存儲、云計算技術為支撐的大規模視頻解析技術，具有云量的大規模存儲空間能夠對海量的視頻數據進行計算分析。其強大的運算能力能夠對各類視頻進行分析、對比、處理。包括從海量視頻中挖掘犯罪嫌疑人、嫌疑車輛、犯罪事件以及犯罪歷史過程。這項技術可以針對結構化與非結構化數據采用不同的計算與檢索方式[2]，根據不同警務需求，組織視頻資源，極大程度上提高了數據計算與關聯查詢的效率。

2.2 深度學習技術

深度學習技術是一種對人腦學習神經網絡的模擬，并通過賦予計算機人腦學習機制進行數據的解析，以發掘數據抽象的分布特征的智能算法。這項技術在人臉識別、人體識別、車輛分析、物體識別等方面發揮著重要作用。

2.3 視覺智能分析技術

視覺智能分析技術，從監控設備中收集非結構性數據集合，對視頻圖像進行理解和分析，生成圖像內容并進行語義描述，查找異常現象。通過這項技術，可以將固定場景視頻濃縮成更小一段視頻，并利用車輛、人臉、人體等算法，對視頻圖片中的目標人、車輛的特征進行提取，提高視頻線索偵查，排查以及定位的效率如下圖1所示。

如圖所示，通過視頻技術與智能學習算法的利用，可精確識別視頻流或圖片中的人、車輛目標屬性，人臉清晰可見、包括了性別、年齡、發型、物品。車輛信息翔實，包括車標、車牌號、車身顏色、車速等特征都可清晰展現。

3 視頻大數據在公安行業的應用分析

隨著云計算、計算機技術的發展與普及，視頻資源的采集以及利用效率大大提升。智能視頻分析系統在其中扮演著重要的角色。在用戶、案件信息、案件視頻數據存儲、視頻數據處理、智能識別、線索檢索、線索時空性分析方面功能強大且完善。具體體現在以下幾個方面。

3.1 分析人員關系

視頻大數據智能分析技術將匯集到公安大數據平臺的人臉、人體圖片等結構性數據信息進行深度處理，建立起轄區常住人口、流動人口、全國在逃人員、重點關注人員以及各類嫌疑人員分類數據庫，構建起一條以人臉、人體、時間、地點為要素的大數據人像分析、緝查布控應用體系[3]。

其優勢在于可對目標群體之間的關系進行細致梳理，發掘隱藏的未知關系，判斷篩查群體內不同目標對象之間的關聯與聯系。在已知關系網絡中，依靠六度空間理論，進行特定目標人員之間的關系挖掘。例如：行為關系，包括交通工具同行關系、賓館同住關系、網吧同行關系、同車違法、同案犯、共同遭遇事故、同事、鄰居關系等。虛擬關系，包括微信、QQ、陌陌等各類社交平臺好友關系。通過不同關系層次的挖掘、找出相關人員之間的互動聯系，包括活動的軌跡分析、經常出沒的地點分析、經常交往的人員分析、一同出沒的人員分析、落腳地點分析等信息。而后生成分屏頁面、進行一對一、一對多、多對多對比分析，以此查找分析線索，提高偵查效率。

3.2 車輛軌跡時空分析

視覺智能分析技術可以將車輛視頻信息進行智能化的解析。將目標車輛自動分離，因而可以根據數據特征進行針對性的檢索，對于提高車輛識別的效率和準確率具有重要作用。車輛軌跡時空分析，是將所有車輛相關信息進行整合，以車輛為主體進行相關關系的挖掘、例如人與車的關系、車輛之間的關系、車輛異常狀態等。而后通過相關數據分析，對目標車輛進行判斷是否為嫌疑車輛。例如，可以根據目擊者所描述的車輛顏色，對過往車輛信息進行檢索，而后針對事件發生時間、地點，排查過往車輛，鎖定目標車輛，調取車輛信息，查找車主與駕駛人員。

將案件相關人、車要素之間的復雜關系在GIS上進行可視化的軌跡展示，可以更清楚詳細地展現現有地涉車案件分析結果，使得涉案實證信息得到空間和時間上的延伸，案件分析依據更加翔實可靠。同時可以將不規則、零散的信息進行串聯，組織起完整的數據。將嫌疑車輛的移動軌跡清晰地呈現出來。通過大數據平臺將匯集起來的卡口圖片、和結構性屬性信息進行深度的數據分析，根據車輛盜搶情況、車輛駕駛情況等各個數據庫的全面信息整合，構建起一條以車牌、車型、地點、時間為基礎的車輛分析預測、緝查布控體系[4]。具體而言，應用內容包括了車輛分析活動路線、是否為套牌車輛、分析車輛使用的頻次、分析是否有尾隨跟蹤、分析是否在某區域徘徊、分析車輛落腳點等。分析過后，能夠得到線索標記的信息，通過線索信息，對系統中的案件內容進行篩選對比，將案件不同的關鍵目標同屏呈現，快速比對，鎖定嫌疑目標。

3.3 可視化關系分析

視頻大數據在充分的數據積累與研判模型的建立基礎上，可實現將報警信息直接推送到民警面前。實現不同警種、不同地方、不同部門之間的數據資源的共享。對提高案件偵破、信息研判具有極大的促進作用。可視化對于公安工作有著至少三方面的價值。第一，分析發現關系，比如一個車牌號碼就可以分析出其車輛軌跡、車主信息、車輛信息。點擊一下車主信息，又可以進一步分析車主的活動軌跡、人員關系。第二，發現犯罪規律。大量研判思路與方法的分享對警察研判的意義是明顯可見的。第三，發現異常。例如，同一個身份證件、同時在中國南北不同城市都有開房信息，同一個人不可能同時身處兩地，這顯然是一個明顯的預警信號。可視化平臺將這類異常信息實時推送到辦案民警面前，可及時發現異常、及時報警、提供常態化的布控預警功能。

4 結束語

綜上所述，視頻大數據分析對于提高公安行業的偵查效率、開展布防預警工作提供了強大的信息支撐。為進一步提高視頻大數據的利用程度、需要提高信息采集的效率，利用視頻處理技術等IT技術深度挖掘視頻資源。實現警務功能的智能化，將人工智能運用到保衛國民安全的戰場之中。

參考文獻

[1] 何勇，司敏.視頻監控在公安偵查工作中的應用分析[J].科學大眾（科學教育），2018，（11）：197.

[2] 鄧曄.視頻大數據在安防行業的應用實踐[J].中國安防，2018，（09）： 80-85.

[3] 胡人斌，周沈標.公眾對公共視頻監控接受度的實證研究[J].河南警察學院學報，2017，（01）：110-115.

[4] 周川，朱維和，王鑫，等.視頻大數據分析及其在公安合成作戰中的應用[J].警察技術，2017，（04）：11-14.

作者簡介

殷寶華（1978-），男，廣東深圳人;學歷：本科，網絡工程師，研究方向：視頻監控、網絡通信技術管理工作。