車輛警務大數據系統在安防行業中的應用

吳權暉

摘 要：隨著現代社會發展，人們越來越重視安防工作，僅依靠人力監控會耗費大量的精力及時間，且監控質量、效率均較低，而車輛警務大數據系統應用了先進的大數據技術，將其應用于安防行業中意義重大，提高了安防水平，確保了數字化、智能化監控系統戲能的有效發揮。

關鍵詞：視頻監控系統；安防行業；公安網；圖像信息

中圖分類號：D631.4 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2017.12.151

警務大數據系統在業務層面，涵蓋圖像信息接入、數據挖掘處理、研判分析應用等多個環節。在用戶層面，面向交警、治安、刑偵、情報、指揮中心等多個部門；在網絡架構層面，部署在公安網內，面向公安網用戶提供支撐服務。由此可見，警務大數據系統在安防行業中有極大的應用價值。

1 軟件技術架構

車輛警務大數據系統利用先進的深度學習與模式識別技術、實時搜索引擎技術、分布式存儲技術等領先科技解決公安傳統刑偵手段遇到的技術難題。

視頻監控信息、人員信息、案件庫信息、社會資源信息等作為原始信息流進入分布式消息總線，經過預處理的信息流再通過計算調度中心流向實時搜索引擎服務器、分布式存儲計算服務器等進行深入學習，最后為分析研判、布控預警、業務處理等應用提供API接口。

實時搜索引擎技術可對信息進行即時、快速搜索。車輛警務大數據系統利用實時搜索引擎技術實現10億條過車數據內按品牌、型號等條件組合查詢時間不超過400 ms的性能指標。

分布式存儲是實現數據物理與邏輯隔離的重要技術，可實現全市公安信息聯網共享。車輛警務大數據系統利用Hadoop技術構建分布式文件系統HDFS，HDFS文件系統具有高度的可擴展性，有利于大量視頻圖像信息的存儲。在數據管理層，利用非關系型數據庫HBase對文件系統中的非結構化數據實現統一管理。

系統采用Nginx和HAproxy技術保障系統集群的負載均衡、高容錯性以及高可用性，使系統可以提供不間斷、快速響應、支持高并發請求的服務。

2 警務大數據深度挖掘與實戰應用

以公安實戰應用為核心，創新實戰技戰法，使偵防工作模塊化、桌面化，帶動警務模式的轉變，解決海量視頻圖片數據難以針對性挖掘應用于實戰的問題。本文重點對大數據研判應用模塊進行了闡述。

2.1 警務大數據實時預警與布控查緝

依托海量數據智能挖掘技術和大數據分析算法，系統可整合道路卡口/電警視頻監控、治安監控、公安信息庫、社會資源信息、互聯網高價值信息等，以過車數據為主線，實現車輛軌跡與人員、案件、物品、電磁軌跡等數據的關聯挖掘。通過對關鍵情報的自動提取、檢索和分析處理，可高效實現對重點人員、敏感行為、特定時段與區域的精確布控和實時預警。

2.2 大數據關聯與共享統查模塊

可根據辦案需要將車輛信息與車主信息、車主關系人信息、全國機動車登記信息、重點人員信息、吸毒人員信息、盜搶機動車信息等數據進行關聯與分析，并可實現各地區過車數據的共享統查。

2.3 過車信息實時搜索分析系統

可按照車型、類別、車牌、照片以及依據車輛局部特征對過車數據進行實時搜索。

2.3.1 按車型搜車

可依據品牌、型號、年款、時間、地點的任意組合搜索，支持精確車牌、模糊車牌以及無車牌的搜索。

2.3.2 按類別搜車

在任意時間段內進行單個類別、多個類別、某個類別下的多品牌或單個品牌的搜索。

2.3.3 按車牌搜車

根據已有車牌快速進行歷史行車信息的搜索，在搜索時可限定地理范圍及查詢時間。

2.3.4 按照片搜車

針對現有車型數量龐大，人工難以全部識別的問題，可根據車輛照片自動進行車輛信息數據的識別。

2.3.5 按車輛局部特征搜車

在已有車輛照片的情況下，依據照片上的車輛局部特征，比如車輛內飾、年檢標示、車頭標示等局部的唯一特征進行快速分析，查找該車輛的行車信息。

2.4 車蹤大數據研判系統

根據不同案件的處理需要，可滿足以下具體功能需求。

2.4.1 初次入城

可進行日期、時間的選擇，可靈活設置回溯時長進行分析，在分析結果中能查看車輛照片。

2.4.2 套牌車篩選

可進行手動圈定地理區域、任意選擇有效時間范圍進行過車車輛的分析。

2.4.3 落腳點分析

依據車輛信息（包含但不限于），比如車牌、車型等，在限定的時間范圍內進行分析，展示車輛最大可能性落腳地點，在地圖上進行位置標示。落腳點分析時，落腳時長的限定可靈活設置。

2.4.4 自定義碰撞

滿足根據設定的多個案件信息進行自定義碰撞分析，鎖定嫌疑車輛范圍。需要支持實現多個案件信息的設定，每個案件信息都包含案件時間、案件地點、車輛信息等。

支持通過案件時間的選擇以及案件地點信息進行車輛分析，獲取嫌疑車輛并根據嫌疑度排序。根據案情的需要，還需支持可限定車輛范圍進行挖掘，比如品牌、型號、年款、顏色等。

2.4.6 相似車牌串并

支持根據已有的車牌進行自動串并，獲取車牌號相差一位或兩位的同車型相似車輛。

2.4.7 一牌多車

支持根據已有的車牌號信息，快速查找出懸掛該車牌號的所有車輛，并依據照片分析出車型信息，分組顯示出與車牌號不符的車輛。

2.4.8 頻繁過車

支持通過限定查詢日期、時間以及可靈活設定的過車次數，快速查找出符合條件的車輛；支持固定車型或特定類別車輛的頻繁過車分析。

2.4.9 軌跡重現

支持在已有單個車牌或多個車牌的情況下，在限定的時間區域內快速在地圖上還原車輛的歷史軌跡，進行軌跡重現分析時可限定車型及顏色。

2.4.10 遮擋面部檢測

支持通過設定查詢時間、查詢區域等進行快速獲取符合條件的駕駛員遮擋面部行駛的車輛，支持在限定車型或車輛類別情況下的遮擋面部檢測。

2.4.11 同行車輛

支持通過設定車輛的信息，比如車牌號、跟車時長、同行路口數量以及同行的時段進行分析，查找尾隨車輛的信息；根據固定的品牌、型號、年款、顏色，可實現某具體車型信息的限定查找。

3 結束語

綜上所述，車輛警務大數據系統為社會發展下的產物，為安防行業建設及發展提供了條件與基礎，把視頻監控系統應用于安防領域屬于正確選擇。車輛警務大數據系統在今后必將朝向高清化、遠程化與數字標準化方向發展，也屬于今后社會發展的重點研究課題。

參考文獻

[1]黎洪松.數字視頻技術及其應用[M].北京：清華大學出版社，1994.

[2]楊春雷.云計算在安防視頻監控領域的應用[J].網絡安全技術與應用，2015（05）.

〔編輯：張思楠〕