全域智能框架下的智慧警務建設

鄭 輝，來春麗，馬立新

（1.金華市公安局，浙江 金華 321000；2.環球新時空（北京）信息技術研究院，北京 100036；3.一體化指揮調度技術國家工程實驗室，北京 100190）

0 引言

“可控”目標的逐漸落地，公安部門已掌握大量視頻回顧公安信息化建設歷程，從“金盾工程”打破圖像資源，積累了深厚的視圖數據基礎，但不斷采傳統案件、公安內部信息傳達模式開始拉開帷幕，集的視頻、圖片等數據數量大、類型多，傳統的數再到2003年后以視頻監控為主的“平安城市”建設，據庫只能管理文本類的結構化數據，而對于圖片、視頻監控系統從少數城市試點到大規模城市普及，視頻等非結構化數據以及圖像特征向量等半結構視頻圖像信息在公安機關打擊犯罪、治安防控等化數據難以統一管理，已經無法滿足這些 PB級海各項業務中均發揮了不可替代的作用。自 2016年以量數據的應用。而大數據技術中的非關系型數據來，國家開啟“雪亮工程”建設解決社會面視頻監控庫，可實現視頻圖像中的結構化、半結構化、非結建設聯網應用問題，進一步補齊了公安自建視頻監構化數據的管理，是智慧警務建設的重要組成部控盲點。隨著“全域覆蓋、全網共享、全時可用、全程分”， 為構建以大數據智能應用為核心的智慧警務新模式提供了重要技術手段。

1 智慧警務面臨的挑戰

然而隨著警務工作科技化的不斷深入，目前智慧警務建設在技術和業務上也面臨一系列的挑戰。

1.1 技術方面

海量的多維度數據都通過網絡存儲在分布廣泛、不同地域、各種類型的服務器和存儲設備中，傳統的網絡和計算架構已經不能適應“大數據”高速響應的要求，需要新的技術架構來有效整合、管理、計算、挖掘利用這些數據。

首先需要整合各種業務系統的分散化、碎片化數據，再對種類繁多、復雜的數據進行靈活管理；其次通過全域智能化，提供視頻數據支撐；最后通過對數據進行深度挖掘與分析，提升數據利用和分享率。

1.2 業務方面

隨著社會安保需求變化，在有限警力和繁重任務的矛盾下，原來傳統公安盲目、被動、粗放、零碎的工作思路和方式已經難以適應“大數據”警務管理的要求，需要構建以大數據智能應用為核心的智慧警務新模式，實現向精準、主動、精細、系統的四個轉變，把有限的警力用到實處。

傳統的警務工作方式普遍存在疲于應付、事后追溯的被動局面，特別是以人工為主的信息采集模式導致數據滯后、呆板、單一，信息應用針對性不強、精確性不高，需要以警務實戰為核心，運用云計算、大數據、移動互聯網、物聯網、人工智能等前沿科技創新應用，融合感知資源、警務資源和社會面資源等數據資源，充分挖掘數據資源潛能，構筑以“數據指導警務”的公安機關新型戰斗力。

2 全域智能警務建設思路

基于大數據的智慧警務有“三要素”分別是準確數據、信息在線和智能應用，在智慧警務建設頂層規劃過程中，應作為關鍵性措施來抓，以此推動基礎信息化、警務實戰化、執法規范化和隊伍正規化。

圖1 應用組件

圍繞“數據、在線、應用”三要素以“數據處理結構化，信息網絡立體化，上層應用智能化”作為全域智能警務建設核心理念，依托前沿智能視頻分析技術，將視頻流轉換為數據流，最大化有價值視頻信息提取，結合云計算、大數據技術運用，實現各系統內部、系統之間價值數據的比對碰撞、深入挖掘，并以智能應用為展現方式，服務于公安各項業務，促進預警預防能力、打擊犯罪能力、整體防控能力、基礎管控能力顯著提升。

2.1 基于全域智能的警務視頻大數據

智慧警務視頻大數據的建設是通過深度學習的視頻分析處理技術與視頻監控系統的不斷融合，對海量視頻資源基于視頻內容中包含的目標、場景、行為等多類元素實現數字化解析，并將視頻解析后的結構化數據融合警務業務數據進一步挖掘數據價值，進行大數據實戰應用。

2.1.1 建設方向

警務視頻大數據建設的方向從架構上看分為三塊：前端、邊緣和中心，通過規范有序地拓展視頻圖像全時解析的“智感”前端，優化承載各類泛在感知數據的“智聯”網絡，打造云邊協同的“智算”環境，提升中心挖掘視頻圖像價值信息的“智萃”能力，完善全流程運維管控和立體化縱深防護的“智防”體系，實現視頻圖像全時段高效調閱、多要素解析比對、多維度關聯分析、各警種普遍受益的“智惠”應用。

2.1.2 關鍵技術

2.1.2.1 行人重識別Person-ReID

行人重識別技術簡稱 Person-ReID，通過計算機視覺技術檢索不同攝像頭下的同一個目標行人。該技術對人工智能在實際業務落地中有著巨大的實用價值，因不同攝像頭下圖像拍攝角度、分辨率、目標姿態、障礙物遮擋、光照不均存在差異，容易導致同一目標漏拍、識別不準。

2.1.2.2 目標檢測

基于深度學習的目標檢測算法一般分為：一階段目標檢測算法和二階段目標檢測算法。

如圖2所示，一階段目標檢測算法輸入一張圖片可以直接輸出目標的位置和類別信息，相比二階段目標檢測算法，不要候選區域提取階段，整體流程較為簡單，速度較快。

圖2 一階段目標檢測算法的檢測過程

如圖3所示，二階段目標檢測算法首先將圖片輸入深度卷積神經網絡中，檢測目標可能出現的候選區域，然后對這些候選區域進行特征提取，并輸出目標的分類信息和回歸位置，最后經過非極大值抑制得到目標檢測的最終結果。

圖3 二階段目標檢測算法的檢測過程

紅色框圖代表第一階段候選區域提取，藍色框圖代表第二階段對候選區域進行目標框的分類和回歸，最后經過非極大值抑制輸出目標檢測結果。

2.1.2.3 目標屬性分析

目標屬性分析是一個基于分類的識別問題，在給定的訓練集數據和類別信息后，訓練一個分類器，對應未知類別的樣本，分類器輸出類別的識別結果，包含行人、機動車、非機動車的屬性分析。近些年來，隨著硬件計算能力的顯著提升和大規模標注數據集的出現，深度網絡可以自動的學習判別能力強的特征，分類識別效果更好，而且深度網絡將特征提取和分類整合在一個網絡中，如圖4所示，實現端到端的目標屬性分析系統。

圖4 端到端的目標屬性識別系統

2.1.2.4 以圖搜圖

以圖搜圖，也稱為目標檢索，包含行人檢索、機動車檢索和非機動車檢索。以行人以圖搜圖為例，其實際應用場景如圖 5所示：行人從左到右經過了兩個攝像頭，前一攝像頭中目標圖像已知，通過算法判斷目標是否出現在其他攝像頭中，以此獲得目標的行動信息。

圖5 行人以圖搜圖實際應用場景示意圖

2.2 基于視頻大數據的在線警務

智慧警務的關鍵在于“在線”，在于如何將公安關注的各類對象感知上線，在于如何利用視頻大數據技術圍繞打防控業務分別構筑各類警務模型，挖掘潛在風險，在于如何創新警務工作模式實現風險的預測預警預防。最終形成“大腦 +手腳”運作模式和“情報 +行動”的運作機制，從而提升公安機關核心戰斗力。

通過警務在線工作平臺，實現數據儀表盤發現問題，情報工具集分析問題，合成作戰平臺解決問題，最終實現警務工作的線下轉線上，減負一線工作。

2.3 基于在線警務的智能應用

2.3.1 數據應用

2.3.1.1 海量數據管理

感知智能服務在統一的前端，邊緣，中心算力池中，實現海量靜態圖片庫統一管理，并且支持按需推送到前端，邊緣和中心算力，以實現更好的資源利用率和更快的響應速度。

2.3.1.2 海量以圖搜圖

感知智能服務通過任務管理和調度系統，能夠通過分布式任務并發實現基于海量圖片庫的快速以圖搜圖任務，并且支持不同算法的結果統一匯聚。

2.3.2 業務應用

圍繞實戰應用，以全能力支撐，根據不同的業務場景提供不同的業務應用，真正完成從事中、事后到事前的預測預警預防，提供在線警務模式。

2.3.2.1 人臉業務應用

在準確率達到一定程度下，決定實戰效果的是根據場景提供實戰業務模型。例如預警，人臉系統的預警按照點預警，區域預警和類別預警理念設計。

點預警：在逃，臨控等重點人員預警，一般廠家提供這些。

區域預警：例如市政府，娛樂場所這種場景，除了點預警還可以做區域預警。

類別預警：例如商圈 /超市這種場景，除了點預警還可以進行類別預警。

同樣的人臉系統，應更關注業務場景，提供不同的感知設備，智能能力和計算模型，緊緊圍繞業務警種來做人臉預警。

圖6 人臉業務應用

2.3.2.2 人體人臉關聯應用

視頻結構化對人、機、非結構化提取的同時可以檢測目標人臉，通過人體關聯人臉提高目標覆蓋程度。人臉需要人體來提供更多線索，人體需要人臉來進行精準的身份落地。

人臉人體關聯的兩個思路：

（1）不清晰的人體目標→清晰的人體目標→清晰的人臉目標→身份落地。

圖7 思路（1）

（2）清晰的人臉→關聯人體軌跡→聯合軌跡補全。

圖8 思路（2）

2.3.2.3 多維數據應用

多維數據應用核心在于動態數據與靜態數據的結合，典型的動態數據有：人臉，車輛，手機（MAC），RFID（物聯網數據），門禁，智能門鎖，視頻結構化及人證合一等 8大類動態感知數據。靜態數據主要是公安檔案數據。多維大數據的核心業務應用是通過構建人員檔案中心，挖掘不放心人員標簽，最終利用各種感知設備達到多維數據統一預警和多維數據軌跡刻畫。

圖9 動態數據與靜態數據，動靜分離+動靜合一

2.3.2.4 在線實景指揮

做了多維數據預警，下一步要考慮如何構建在線實景指揮，即指揮中心建設。首先是可視化實景指揮，主要利用移動 APP，AR和大數據可視化技術（儀表盤）。

通過各種各樣的儀表盤給局領導，業務警種提供趨勢分析，成果展示，決策依據等。

3 智慧警務實踐案例分析-金華公安智慧警務

按照省廳“云上公安、智能防控 ”大數據戰略 2018年推進計劃要求：要最大限度的地獲取和感知人、車、物等動態信息，建立一張覆蓋全省城鄉的感知天網；并要整合視頻監控、車輛卡口、人像卡口、無線射頻等前端各類感知設備。金華公安下發《全市公安機關科技信息化建設三年規劃（ 2018-2020）》，要求建立完善的物聯網，提升對外界事物的感知能力。將人臉識別、手機MAC、RFID射頻等技術進行深化設計，構建立體多元防控體系。

金華，作為浙江省的一個地級市，土地轄區面積10，942平方千米，全市常住人口約 560.4萬人。金華市公安局管轄市本級 4個分局、 7個縣市局，截至2018年底，全市公安機關建設的社會治安動態視頻監控系統，共建設一類視頻監控探頭3.9萬余路，智能卡口1萬余套，每天匯聚4，000多萬條過車記錄，其他政府職能部門、社會單位、特定公共場所等二、三類視頻監控，已整合接入3萬余路。在此基礎之上，進一步打造了一張基于邊緣計算的多維感知智能網絡，在前端實現對人、車、RFID、MAC數據的系統化采集和智能解析，真正實現對重點人員和車輛的觸網感知、預測預警。

金華公安將視頻萃取技術引入泛智能場景、將車輛識別/人臉識別技術應用到重點防控區域，構建全網全域的視頻解析中心，打造一套套覆蓋面廣、視頻智能化水平高的視頻圖像信息綜合應用系統。以服務全警實戰業務為本，整合全網資源，實現“視頻之眼”的天網系統到“數據之腦”的智網系統的全面升級。

自建設使用以來，截至2018年年底，同比2016年全市接警數下降15.05%，刑事案件下降31.94%，治安案件下降13.25%。視頻應用在刑事案件偵破中的成效也愈發凸顯，視頻打處占比從2016年的32.44%提升到2018年的36.36%，視頻破案占比從2016年的38.34%提升到2018年的45.28%。真正實現了警情案情大幅下降、視頻破案打處大幅上升、群眾安全感滿意度提升的良好態勢。

4 結束語

全域智能服務框架下建設智慧警務，是以公安業務為牽引，以視頻大數據智能化能力為支撐，根據不同的業務場景創新提供不同的實戰應用，解決平安城市海量視頻圖像中人員身份難還原、軌跡難定位的問題。通過對視頻全域智能解析，可借助人體還原人臉，進行身份落地補全人像實戰業務應用，同時可基于多維度信息關聯分析，完整刻畫城市活動軌跡，對發現的異常和可疑行為進行實時預警和布控，實現由“案后被動偵控”向“案前主動查緝”的創新轉變，真正完成從事中、事后到事前的預警預測預防。