大數據時代視頻偵查技術應用研究

◆王震

大數據時代視頻偵查技術應用研究

◆王震

（中國人民公安大學 偵查學院 北京 100038）

在大數據時代，人工智能、物聯網、大數據技術的發展使得視頻偵查工作進入了新階段。由于數據間互通存在障礙、數據挖掘效率不高、技術不夠成熟、偵查人員缺乏數據思維，使得視頻偵查工作滯后于大數據偵查的要求。通過建立大數據視頻研判系統、規范數據格式、建立新型機器學習范式以及對偵查人員的思維訓練，構建一個以云計算平臺為中心、物聯網為基礎，多維數據綜合研判的視頻偵查平臺。

大數據；視頻技術；物聯網；人工智能

隨著大數據時代的來臨，當前犯罪形式已逐漸由接觸式犯罪轉換為非接觸式犯罪，組織化、智能化已成為當今犯罪的新特點，傳統偵查手段難以有效防控新型犯罪。為應對犯罪形式變化，大規模成本低、質量高的信息采集設備投入使用，視頻圖像數據量呈現爆炸式上升，為偵查人員破案提供了更多的方向。但是由于各種偵查機制和技術上的原因，今天的視頻偵查工作未能完全滿足大數據偵查的要求，因此我們要研究其原因，使科技與視頻偵查工作深度融合，真正實現智慧視偵，提高偵查效率。

1 大數據時代視頻偵查工作的特點

1.1 以相關性的數據挖掘為核心

偵查工作中的數據挖掘是指警務工作人員運用人工智能以及計算機算法在海量的數據中尋找規律，并從中揭示出對預防、偵破犯罪有潛在價值的信息，并為偵查人員提供決策支持和破案新視角的一個計算機過程。視頻偵查工作由過去的由案到像發展到了今天的由像到像、由像到案等多種工作模式，可以看出如今的偵查邏輯已經發生了轉變，今天的視頻偵查工作不再是單純的關注相關案件信息間的因果關系，而是在數據挖掘技術的引領下進入到了尋找數據間關聯性的時代。偵查破案也不再是過去的“大膽假設，小心求證”，而是更注重去挖掘那些表面看來無關數據間的相關性，直接從數據分析中得出結論，至于為什么會得到這個結論，我們不用擔心，只要大膽接受即可。

1.2 思維方式更加傾向于大數據思維

傳統的刑事案件偵查思維是以經驗事實為引導，帶著收集線索、證據的目的去收集各種各樣的數據，以確保偵查方向始終在軌道上以及案件事實的愈加清晰，收集的線索大多是結構化的數據。大數據時代，偵查人員的目光也同時眺向了半結構化和非結構化的數據，偵查過程也不再是緊緊圍繞著查明特定案件的事實去展開，而是不帶目的的去收集數據，對收集到的海量數據進行深度研判，能夠得到什么樣的結論就做出什么結論。過去的思維模式是去探明因果關系，查明的事實、線索是“果”，知道“果”后去反查因，而大數據時代，我們是借助于各類數據挖掘技術去揭示數據間的潛在關系以挖掘信息。

1.3 視頻偵查工作的智能化、同步化

隨著大數據、云計算、物聯網、泛在網等技術時代的到來，各種智能前端數據采集設備遍布大街小巷，幾乎覆蓋了城市的每一個角落，爆炸增長的視頻數據量使得民警根本看不過來，視頻智能分析系統借助計算機視覺分析技術解決了這個難題，偵查員可以利用此項技術將多場景中的背景和目標分離，經過機器智能分析從而對目標實現跨鏡頭、跨設備的動態追蹤。再有就是利用視頻內容分析技術，在系統中預先設定一些自定義規則，依托人體行為識別、人臉識別、行人重識別等技術，可以對視頻區域內出現的違反預定義規則的行為進行自動報警，還可以實現在多個監控設備下識別出特定的行人目標，從而代替了人力，進入到了視頻圖像處理、比對、串并的自動化時代。

2 大數據時代視頻偵查常用技術及應用

2.1 視頻偵查工作中物聯網技術的應用

物聯網指的是通過射頻識別（RFID）裝置、紅外感應器、全球定位系統（GPS）、攝像頭等信息傳感設備，按約定協議將任何物品與互聯網連接，進行信息交換和通信，從而實現對物品的智能化識別、定位、追蹤、監控和管理的一種網絡。[1]互聯網僅實現了人與人之間的信息交流，而物聯網是基于互聯網發展的一種高級網絡形態，進一步實現了人與物、物與物之間的信息互通，融合了來自于視頻監控、GPS、RFID等多種信息感知設備的數據源，極大提高了過去單純依靠視頻監控破案的效率。

如下圖1所示，在偵查中，云計算平臺具有類似“人腦化”處理的功能，視頻監控作為物聯網的一類傳感器，與射頻識別裝置、紅外感應器等感知技術融合應用，周期性地采集各類數據信息，視頻監控獲取圖像信息，Rfid技術可以獲取人員、車輛等軌跡信息，真正做到了數據獲取的自動化、動態化和批量化，并利用云計算等智能技術將獲取到的各類涉案信息進行綜合研判，挖掘信息資源的潛在價值，實現了對人、車、物、案的全面感知。

圖1 物聯網融合應用示意圖

2.2 視頻偵查工作中人工智能技術的應用

隨著大數據時代的降臨，視頻數據數量呈現爆炸式的上升，傳統的人工提取、分析視頻極大降低了視頻偵查的效率。在人工智能時代，計算機視覺技術的合成應用使得視頻偵查又邁上了偵查破案的“高速路”，首先是視頻識別技術行人重識別技術作為人臉識別技術的重要補充，可以增強視頻數據的連續性，也就是當目標對象消失在監控之后再次出現在監控探頭下時，智能系統會自動識別報警。二是視頻分析技術，智能監控系統的計算機視覺分析技術有強大的數據處理分析能力，可以代替人工篩選出視頻中的關鍵信息將場景中的背景和目標分離，排除干擾因素，如果目標出現了與預定義規則相違背的行為，即傳入數據與系統設定的敏感數據產生交集，系統會自動報警，比如基于深度學習的暴力行為檢測系統，使得偵查人員對暴力犯罪的發現更加及時，并節省了大量的警務資源[2]。

2.3 視頻偵查工作中大數據技術的應用

大數據技術的一個關鍵作用就是從海量的無關數據中找到數據之間的關聯性，將低價值密度的數據整合成為有高價值密度的數據，并從中攫取出對偵查有用的信息。在傳統的視頻偵查中，偵查人員通過調取公安內部以及私人安裝的監控錄像進行分析研判、順線追蹤，但總是會遇到一些監控死角，導致偵查陷入困境。在大數據時代，視頻偵查不再是單一的依靠視頻圖像，而是結合WiFi嗅探、基站等數據挖掘出嫌疑人的軌跡信息，拓寬了偵查途徑[3]。并且大數據的應用在一定程度上解決了結構化、半結構化以及非結構化數據融合互通難的問題，偵查人員將視頻信息結合美團外賣信息、訂房信息、車輛軌跡信息、通信信息等輸入到大數據業務平臺中，對犯罪嫌疑人的生活習慣、軌跡、關系網等進行綜合研判，可以實現“智能串并、智能比對、智能推送、智能破案”的工作目標。

3 大數據時代視頻偵查工作中存在的問題

3.1 數據資源間互通存在障礙

數據融合共享障礙是智慧警務發展的最大難題與挑戰之一。公安機關過度依賴公司的技術，各公司之間缺乏統一的接口規范和數據格式，不同廠家生產的設備與系統之間無法互聯共通，民警沒有辦法從一個統一的系統中去調取數據，極大降低了辦案效率，數據孤島問題亟待解決。并且雖然目前有很多智能視頻分析軟件，可以實現對視頻檢索、濃縮播放、關聯對比等快速閱覽視頻功能，但無法在視頻專網上使用，辦案民警需要將大量的視頻從專網上下載到本地，再利用本地計算機上安裝的智能分析軟件對其進行操作，這一系列流程都是缺乏自動化標準的[4]。

3.2 數據資源獲取效率低下

現階段，偵查人員對視頻圖像數據進行案件信息的挖掘更多的還是以人工的方式進行，偵查人員再對各種數據進行比對、分析、研判時會耗費大量的精力。在海量的數據中尋找案件線索無異于大海撈針，不僅嚴重耗費了偵查人員的精力，更是難以保證視頻信息提取的效率，而對于推動偵查進展的線索的出現往往就在一瞬間，而機器智能便不會有這種煩惱，可以有效避免人的錯誤，計算機視覺技術對人、物品、行為的識別終將超過人眼的精確度。

3.3 技術智能化程度不高

技術層面存在智能化程度不高的問題。機器建構的模型智能化程度不高，使得未來機器代替偵查人員做決策時，很容易產生難以解釋的推理過程，并且模型一般只能在特定的情況下工作，難以適應復雜多變的犯罪環境，這些都會直接影響各類智能技術在偵查中的破案準確率[5]。

3.4 基層民警缺乏大數據偵查思維

如今全國上下的偵查人員基本都已掌握利用視頻監控來破案，但大多數基層民警還是保持著“一條線索追到底”的思維模式，即將視頻偵查獲得的線索單一結合現場勘查、調查訪問等傳統偵查措施，而忽略了不同技術獲取之間的數據融合偵查。僅依靠大數據技術，而缺乏運用大數據技術的數據思維、經驗與直覺，難以有效發揮大數據技術在視頻偵查中的作用。

4 大數據時代視頻偵查工作應用效能提升措施

4.1 建立大數據研判系統

目前各地公安機關已經建立起了基礎的視頻監控信息系統，在該系統中可以對全市范圍內的警用探頭進行實時查看和歷史記錄查詢，應該在此基礎上對系統進行升級。首先是要豐富可分析數據類型，無論是結構化、半結構化還是非結構化數據都可以存儲進大數據研判系統中進行分析。其次，各類型數據都要建立起統一的數據格式規范，以方便偵查人員利用研判平臺對其進行存儲、處理、分析，可以將各類智能前端所采集的數據與后臺的大數據研判系統通過ETL匯聚平臺進行融合。同時，要加強對輸入數據的同步監測和篩選，利用智能分析技術對數據進行清洗，篩除與工作無關的數據[6]。

4.2 多維度數據智能檢索、分析

充分挖掘有利于偵查破案的結構化、半結構化以及非結構化數據中的信息，偵查人員可以依靠視頻特征提取、視頻相似度測量技術對視頻圖像進行深度解析和描述，自動生成圖像中物體的關鍵詞，并尋找其同義詞，從而使偵查人員可以對視頻圖像進行智能檢索和分類，快速找到與案件相關的線索，擺脫了過去熬夜看視頻的“枷鎖”。上述操作再結合案件性質、犯罪嫌疑人特征等案件信息，更能夠實現各視頻圖像線索間的智能串并和研判，并且隨著深度學習技術的不斷發展，未來偵查依靠聲音、文本、數據等多維度特征進行聯合檢索已納入日程，多維度數據的聯合檢索可以更大程度的提升視頻偵查的效率[7]。

4.3 建立新型的機器學習范式

要建立新型的機器學習范式，就要實現以小數據量快速建構出準確率高、解釋性強、環境適應性強的模型。第一，要建立小樣本學習網絡，使機器學習人類可以從少量標簽或者無標簽數據中快速訓練的能力；其次，建立起機器間的協作學習模式，使得機器在沒有人參與的情況下自主完成設備間知識的遷移；最后就是要依靠人類已有知識減少機器訓練需求樣本數量，加速訓練進程。

4.4 培養民警的數據思維

我們要順應大數據偵查時代的要求，培養數據思維，即對數據進行獲取、清洗、關聯和還原的過程。[8]推動建立數據驅動視頻偵查的偵查思維模式，提高對視頻圖像數據的采集、挖掘、分析能力。

在信息化時代，犯罪嫌疑人留下的電子軌跡成為破案的關鍵，偵查人員要學會利用提供信息通訊、網上購物、網上訂餐等服務的公司去獲取滿足破案需求量級的數據，利用數據間的相關性從有助于查明案情的間接數據中去挖掘破案信息，將WiFi嗅探、人臉識別、REID、RFID、電子圍欄等技術獲取的數據融合應用，可視化案件相關人、事、物的動態，利用計算機智能最大限度地還原案前、案中、案后涉案人員、物品的時空軌跡，使得偵查人員有更多的精力去“把好鋼用在刀刃上”，提高偵查效率。

5 結語

過去是發案后，依靠視頻監控回溯案情、收集證據、查獲犯罪嫌疑人的偵查過程，如今是強調在案前或者案中及時發現、預防以及制止犯罪發生的案前案中干涉過程。大數據時代，要充分發揮技術的力量，依托云計算、大數據、云平臺的建設，使各種高新技術應用于偵查，將來自于各智能前端采集的海量數據進行深度融合、互通，才能在最大程度上提升視頻偵查的效能，實現對犯罪的實時、同步控制。

[1]張兆端.智慧公安-大數據時代的警務模式[M].北京：中國人民公安大學出版社，2015.

[2]陰文佳. 基于深度學習的暴力行為檢測系統研究與應用[D]. 大連海事大學，2020.

[3]洪漪妮. 人工智能時代的視頻偵查困境與突圍——以人體圖像智能合成技術為例[J]. 北京警察學院學報，2020，189（4）：95-101.

[4]張雅麗，崔建海. 大數據背景下視頻監控應用效能提升方法研究[J]. 中國人民公安大學學報（社會科學版），2020，36（2）：56-61.

[5]Wai chen，鮑媛媛. 面向6G的智能物聯網關鍵技術[J]. 中興通訊技術，2021，27（2）：6-12.

[6]劉弘胤. 視頻大數據在公安涉案視頻圖像研判中的應用研究[J]. 現代信息科技，2019，3（13）：88-90.

[7]胡志軍，徐勇. 基于內容的視頻檢索綜述[J]. 計算機科學，2020，47（1）：117-123.

[8]胡智勇．讓視頻偵查步入大數據時代[C]．視頻偵查論壇論文集，2019（11）：16－17．