基于深度學習技術的安防交互指揮系統研究

姚李虎

（陜西歷史博物館（陜西省文物交流中心），陜西 西安 710061）

深度學習技術是一種人腦仿生模擬的先進技術，在圖像的識別、處理，語音識別和數據特征分析等領域有著重要的應用[1]。基于深度學習技術的特性，新的安防交互指揮系統將更加智能，能夠在算法的作用下實現自我更新和自我升級。國內的海康威視公司作為安防監控領域的巨頭，曾提出“平安城市”的解決方案，并且開發了一套應用場景十分廣泛的新型城市安防體系，該體系以數據應用為核心，以構建“云+端”的智慧型社會防控指揮平臺為最終目標[2]，通過不斷升級和改進，已經在城市的安防體系中發揮出了重要作用。

1 卷積神經網絡

1.1 概念介紹

卷積神經網絡（CNN）最廣泛的應用是圖像識別，特別是在醫學圖像處理方面有著極其重要的應用，其屬于人工神經網絡的一種，并且其權值共享的網絡結構使得模型的復雜程度得到了有效控制[3]，在使用時擁有更強的穩定性。特斯拉的自動駕駛系統是基于對路面圖像的采集分析，這一系統廣泛運用了卷積神經網絡實現圖像的精準識別。CNN具有多層神經網絡結構，容錯率強大且自我學習能力優秀，從結構上來講一般是分為4層，即輸入層、卷積層、抽樣層和輸出層[4]。

1.2 R-CNN系列目標檢測算法

R-CNN主要是用于目標檢測領域，是非常經典的算法之一，一般分為4個步驟[5]：

（1）對輸入的圖像進行劃分，區域劃分的數量通常在1 000至2 000。

（2）通過卷積神經網絡對每一個區域的數據特征進行提取。

（3）將提取的特征送入每一分類目標的SVM分類器，并且對其分類是否符合作出判定。

（4）通過回歸器來修正待選框的位置。

2 安防交互指揮系統功能模塊分析

在安防交互指揮系統中，功能模塊主要分為以下4個：警情綜合分析模塊、智能交通指揮模塊、人臉識別實時預警模塊和人群行為分析模塊。

2.1 警情綜合分析模塊

警情綜合分析模塊是在公安部門現有業務情報系統的基礎上，將重要的警情來源渠道加以整合，實現三合一業務數據獲取模式。對于整個安防交互指揮系統來說，警情綜合分析模塊是最為主要的可分析數據來源，能夠支撐起對安防控制體系的策略參考。在出現一些特大警情后，警情的綜合分析也能快速地結合各渠道已經獲得的數據信息給公安部門提供出警建議，給出潛在危險提醒，方便公安部門針對突發警情做出快速反應。

在整個警情綜合分析模塊中，又包括了指揮調度、警情細致分析和警情大數據展示等核心功能[6]，可以滿足日常情況下的警情優先級分析。

2.2 智慧交通指揮模塊

智慧交通指揮模塊是配合警情的處理智能化地給出交通控制和卡口設置建議，對于一些特殊警情，公安部門需要在最短的時間內趕到案發現場，想要為警情的處理爭取更多的時間，交通管制必不可少。通過智慧交通卡口的控制，能夠實現交通信號燈的智能控制，盡可能地保證出警路線的通暢。也能夠提供車輛查詢分析功能，在卡口處進行嚴格的車輛識別，對經過的車輛采取車牌記錄、司機人像采集等操作，獲取車流量數據和動態交通路況。同時，也能夠實現車輛的布控分析，通過數據分析處理和圖像采集來篩查目標車輛信息，對車輛的行駛軌跡進行跟蹤查詢。

2.3 人臉識別實時預警模塊

在一些重要的場所設置人臉模塊裝置，通過精準的人臉圖像采集和圖像智能分析，識別出重要場所的人流量數據，可以通過在數據庫設置黑名單等方式來添加重點排查對象，抓拍的群像圖像經過數據分析比較之后發送給預警系統，從而實現警情的預知。

系統還可以根據抓拍的照片進行人員軌跡刻畫，用戶可以在連續抓拍的圖像中自行選擇一張圖片，也可以使用智能手機等設備自行上傳自己的照片，有著很高的靈活度。系統在獲取用戶的圖像之后就可以根據抓拍的內容精準地刻畫出人員的活動軌跡，通過智能算法來分析人員軌跡是否存在異常，針對異常情況及時給出預警。

2.4 人群行為分析模塊

對于一些人流量比較密集的園區或景區，人群行為分析模塊可以提供必要的輔助功能。以應用場景舉例來說，當系統通過人群行為分析模塊識別出某人有隨地吐痰或者亂扔垃圾現象時，系統會將此現象反饋給園區的工作人員，工作人員即可趕往事發地點進行提醒或處罰。另外，在新冠肺炎疫情防控常態化的今天，通過人群行為分析模塊也可以快速識別出未戴口罩的旅游人員，防止疫情防控漏洞的出現。實現此模塊主要是使用計算機的圖像視覺技術和深度學習技術，通過圖像比對等技術實現對人群行為的快速分析，檢測徘徊逗留等反常現象。

3 基于深度學習技術的安防交互指揮系統設計

3.1 運行環境需求

系統采用典型的B/S+C/S模式，用戶端分為PC端和移動端兩個類型，對外開放用戶使用個人電腦或者智能手機即可以訪問本系統。在服務器中，某一臺特定的服務器作為應用部署服務器，提供整個系統應用的系統接口和請求數據處理，同時也有一專門責任深度學習計算的服務器。

對于開放用戶來說，其運行配置要求較低，一般來說只需要一臺可訪問網絡的PC機或智能手持設備即可，智能手持設備可以是平板電腦、PDA、智能手機或其他安卓設備等，安卓系統應在5.0版本以上。服務器的配置要求為：內在16 G DDR4，硬盤32 G以上，CPU采用目前主流的中高端處理器即可，網卡需求為千兆網卡最佳。

公安系統用戶端為桌面應用模式，即C/S，操作系統為Window10系統，處理器Intel core i7 7700，GPU GeForce GTX 1080Ti 11G顯存，網卡為Intel 1000M NIC*2，公安系統終端設備的配置要求之所以較高，是因為其需要進行大量的圖像渲染，為了保持客戶端使用的流暢度，其計算機設備的配置應在推薦配置以上。

3.2 架構設計

3.2.1 前端數據采集感知層

前端數據采集感知層有多種數據來源渠道，公安系統的數據采集感知和社會渠道的數據采集感知都是其主要來源[7]，其功能是對110指揮中心的三合一報警平臺數據進行同步，同時和天網系統進行數據對接。

3.2.2 信息傳輸網絡層

信息傳輸網絡主要負責整個系統的數據交互及通信，其網絡構成較為復雜，有公安內網、公安視頻專網、自建視頻專網和開放型互聯網等。在這一層中，最大的需求是可以自定義IP，并且需要擁有強大的拓展功能。

3.2.3 計算存儲中間服務層

計算存儲中間服務層是最為核心的一個結構層，按照網絡和來源將存儲系統劃分為3大部分，分別是公安網數據庫、指揮網數據專庫和視頻緩存數據庫，業務數據庫使用MySQL數據庫工具，緩存數據庫則采用Redis數據庫管理工具，一些實時采集或日常使用的數據都會被存放于緩存數據庫當中，而數據的備份等不常用信息則被存放于業務數據庫中。

3.2.4 應用服務層

應用服務層主要控制各個功能模塊的業務邏輯，是為用戶提供業務和功能的結構層。在功能設計上主要是分為指揮系統、警情系統、運維系統和視頻系統4個大型部分。

(3)兩化融合對我國制造業向產業鏈高端邁進，實現經濟高質量發展具有重要意義 融合催生了協同設計、大規模個性化定制、網絡精準營銷、電子商務等新模式新業態，有效提升我國企業研發、制造、服務等環節附加值，帶動我國產業結構持續優化，帶來固定資產投資效率的不斷提升，勞動生產率的不斷增長，以及技術進步的增速發展，將加速推動我國經濟發展進入質量時代。

3.3 登錄注冊功能設計

系統的驗證登錄是安全性第一重保障，通過用戶驗證系統可以對使用用戶加以初步篩查控制，即用戶在使用本系統之前需要先進行登錄，未登錄的用戶將會觸發權限限制功能。在登錄時用戶設置了3層信息安全驗證，分別為：用戶登錄數據對比驗證、人機測試驗證和權限驗證。不同的角色在登錄之后可以獲取不同的權限。公安內部客戶端由于不對外開放，所以在使用時并且設置有注冊模塊，用戶的添加由超級管理員統一完成，當用戶在獲取到用戶信息之后首次登錄應進行個人密碼的修改和其他信息的完善。

3.4 綜合警情分析模塊設計

綜合警情分析模塊的時序設計為，首先系統會開啟自動更新功能，持續地從各種數據來源渠道中獲取實時警情數據。然后啟動定時同步任務并判斷定時任務更新是否成功。第三步為訪問三合一平臺數據庫并獲取到三合一平臺數據，隨后實現數據的同步，數據獲取成功之后返回到Service進行數據處理。第四步為數據更新的處理，在寫入自建數據庫之后完成數據庫的更新，并返回更新信息，在顯示層更新數據視圖信息。

在這一過程中，每10 s就會啟動一次數據同步功能，并且將同步的結果實時反饋，如果同步不成功則會觸發故障應對程序。

3.5 智慧交通控制系統功能設計

智慧交通控制系統是智能化安防控制的重要模塊，包括的核心功能為信號燈控制體系、車輛識別防控體系和車輛分析功能。其時序設計為：第一步先進行登錄，然后進入到主頁面之中打開信號燈圖層；第二步，根據實際的需求進行信號燈圖層的縮放，通過點擊信號燈的圖標快速對信號燈進行編號；第三步，查詢第三方提供接口信號燈狀態，并從設備獲取實時狀態，在此過程中系統會返回實時的信號燈狀態信息并在視圖上顯示當前實時的紅綠燈狀態；第四步，通過查詢紅綠燈的可控方案來制定下一步的信號燈控制計劃，可控方案存放于數據庫中，通過與數據庫的交互查詢獲得；第五步為傳入設定的方案編號，系統向控制器發送相應的指令，實現信號燈的控制，同時在控制成功之后系統返回成功信息。

在信息燈智能控制體系中，需要使用到傳感器技術、GIS技術、GPS技術以及深度學習技術，通過機器的自我學習不斷地更新數據庫中的可控方案，并且也不斷地對現有的可控方案進行調整，使其控制方案對社會車輛的出行影響降到最低。

3.6 AR視頻圖像模塊設計

AR視頻圖像采用單獨的視頻客戶端，客戶端的配置需求滿足高清圖像快速渲染的要求。在這一模塊中，視頻數據的采集是由高清云臺攝像頭、天網系統攝像頭、人臉識別終端和警察移動執法記錄儀等設備完成，通過這些視頻數據的整合來實現AR視頻圖像的應用。

在這一模塊中，人群行為分析功能是最為核心的功能，包括入侵檢測、人車密度分析、異常行為分析和目標鎖定分析等幾個關鍵功能，其詳細設計為：

用戶需要選擇視頻數據來源，單一選擇和多項選擇都被允許。采集到的視頻信息經解碼器工作之后完成視頻的解碼和提取。

（1）視頻幀被傳輸到計算機服務器中，并且部署已經訓練好的深度學習模型。

（2）深度學習模型對視頻幀中的危險信息進行識別，或者對人的行為特征進行識別分析。

（3）發現預警目標時發出預警信息。

（4）將預警相關的視頻片段截取出來返回到客戶端中進行播放。

（5）實時接收處理標記好的視頻數據。

4 結束語

安防體系對國內的治安環境貢獻突出，創建立體化、動態化的安全防護交互指揮系統更有利于和諧社會的實現。運用深度學習技術實現模型的訓練，讓圖像識別分析更加智能化、精準化，通過本系統可以實現綜合警情的分析研判、交通信號燈的智能控制、人群行為的異常分析和AR視頻圖像等重要功能，結合傳感器技術、云臺攝像技術和GIS技術等，實現了重要場所內的智能安防，為國家經濟的穩定發展貢獻一份力量。