视频大数据背景下新图侦工作模式的设计与探讨

□ 文/路大为

大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合。业界用4 个V 概括大数据基本特征，即volume （ 量大）、variety （ 多样化）、value （ 价值密度低）和velocity（处理要求快），而视频大数据是大数据的子集，属于智能安防领域的概念，用于描述对视频关联的有价值信息的集合。以公共安全领域为例，随着技术的不断发展及信息化系统的深入建设，一个中等城市，50000路高清视频，30天的存储容量将达到60PB；视频中30天活动目标的描述信息将超过600亿条；而10000个卡口/微卡口系统，1年的过车数据量将超过200亿条。而且，数据类型呈现多样性，有视频、图片等非结构化数据，有文本、日志等半结构化数据，也有位置信息、过车记录、活动目标描述、模型数据等结构化数据，视频大数据技术正在解决对如此庞大且类型多样的数据的分析处理与数据服务。

天津市图侦工作现状

随着公安立体化防控体系的建设，视频监控系统成为了社会治安综合治理防控体系中的重要组成部分。至今，天津市在全市视频监控建设联网工作上取得了长足的进展，已经建成了10.5万路一类高清视频监控点位，初步实现了视频监控的全域覆盖。在应用方面已经初步构建了人脸与车辆的辅助办案系统,实现了1.168亿车辆分析能力与2000路人脸分析能力，为我市反恐维稳、应急处突、打击犯罪、社会管理和服务民生提供了丰富的视频图像支撑。

在实际工作中，各级公安机关对视频监控的应用也越来越深入。以天津市公安局图侦工作现状为例，近年来天津市公安局陆续完成了全市视频资源的联网整合工作，并与厂家共同研发了视频侦查实战应用平台，实现了对案件的视频侦查研判和刑侦涉案视频、图片的管理。“视频警务门户+案件侦查+视图中心+工具集”的视频侦查模型，初步满足视频侦查对基础数据的信息化管理需要和案件侦办协同化的需求。

天津市公安局图侦工作业务流程包括如下五个步骤：创建案件、资源搜索、目标查找、轨迹分析、视侦报告。创建案件是结合了执法办案系统，录入案件的基本信息，是建立个案研判的必要条件。资源搜索是根据案件的基本信息，进行视频、图片、卡口资源的收集，主要服务于后期的可疑目标查找工作。目标查找是对视频、图像中的嫌疑目标查找、确认并补充标记。当初步查找到嫌疑目标后，也可通过串并案思维，在视图中心中碰撞线索，也可结合相应的视频监控技战法，扩展侦查思维，缩小侦查范围。轨迹分析是刻画可疑目标的轨迹，对可疑目标进行追踪，并分析各类目标（人、车、物）之间的时空关系，以确定目标是否有犯罪嫌疑。视侦报告是案件侦查后的归档操作，这个阶段的主要作用是对案件视频侦查结果的侦查固证、归档备案。

但在实际应用中，依然存在不足和差距：

第一，缺乏视频智能化分析、研判手段，在案事件侦查过程中需要进行大量的录像的浏览和查询，这种以人工检索为主的工作模式已经逐渐成为视频应用的瓶颈。

第二，对视频图像解析、处理等深度应用等工作尚未有效开展，大量视频图像资源用途有限，难以有效的支撑图侦研判工作。

第三，缺乏视频图像信息资源汇聚整合的依托，缺乏视频图像信息与其它公安信息系统关联交互，实现对视频数据的深度应用和碰撞比对。

图侦工作新业务需求分析

在视频大数据技术的背景下，图侦工作相关的涉案人、车的特征信息比原始视频图片更能满足快速检索、高效研判的需要。图侦工作新业务的需求将基于全市公共安全视频监控网建设现状，并创建街头路面视频捕获的人、车特征大数据库，实现图侦视频图像大数据的深度应用，主要需求如下：

视频图像信息资源库建设

人员、车辆、案件的视频图像信息是图侦工作的核心，对人员、车辆、案件资源的整理汇总与分类主题库的建设，是实现图侦业务应用基础。建设的视频图像信息资源库需实现对人、车、案视频图像信息的有效汇聚，具备快速结构化、数据智能清洗、信息分类归档、多条件复合检索等功能，并实现一人一档、一车一档、一案一档的管理模式。

视频图像结构化处理

公安实战应用需要对视频图像中特定人、车、物的特征进行提取和标记，传统的处理方式依赖于人工辨看和手工标注。面对海量的视频图像资源，传统的处理方式速度慢、效率低，无法满足应用需求。需要将海量视频图像非结构化数据自动转化为可供快速检索的结构化数据，实现自动识别、准确标注、快速高效处理。

视频图像与公安业务大数据关联共享

对视频图像中特定的人、车等结构化信息，在推送给公安机关共享应用的同时，需获取对应的人员背景及车辆档案信息并实现关联。同时，建立特定人、车行进轨迹，以及人与车、车与人，人、车到案件的内在逻辑关系，并实现对应信息的关联应用。

丰富便捷的应用功能和实用高效的技战法

通过建立不同的系统应用模块，实现快速获取人、车轨迹，落地人、车信息，支持在GIS地图上的全景展现与应用。并结合公安实战中积累的战法经验，建立智能分析、综合研判的技战法应用模型。如：套牌分析、跟车分析、初次入域等功能。

利用视频大数据技术完善图侦工作模式的设计思路

视频大数据技术为图侦工作新模式提供了关键的参考价值，新图侦工作模式从业务流程优化开始。融合视频大数据理念，原图侦业务流程的五大步骤将调整为：创建案件、资源搜索、解析处理、大数据查找、轨迹分析、视侦报告六大步骤。其中解析处理是针对为了实现对涉案甚至所有视频、图片进行结构化处理与特征信息解析，自动完成活动目标的结构化标注。而大数据查找是目标查找的升级，是为了大幅度提升人工查找的效率而设计了基于视频活动目标描述信息的检索模式。借助视频大数据技术，将对关注的视频图像中特定人、车等目标快速识别、自动标注，替代传统的手工标注方式，通过解析数据的分类存储，实现对关注人、车等目标特征的快速检索、比对，以及特定目标的轨迹回溯。从而大幅减少民警工作量，提升工作效率。

在视频大数据技术的融合下，图侦工作将包含如下三类全新的应用模式。包括：视频深度研判、车辆深度研判、人脸深度研判。

车辆深度研判：

▲图1

全新的图侦业务系统需具备车辆图片结构化管理与结构化信息检索应用能力，可按照选择时间范围、过车区域、过车类型车牌颜色、车辆品牌、车辆类型、车牌类型、车牌颜色、车道、方向、遮阳板、安全带、打电话、有挂件、黄标车、危险品标志、车头方向、速度区间等条件进行筛选查询；可对车辆的行车的路线进行分析，根据车牌，选择一段时间，以轨迹的方式在地图上展示，并可以模拟行驶；可支持以车搜车、特征搜车；同时，可实现落脚点分析、通行车辆分析、同行车辆、频繁过车、区域碰撞、过车数据分析、行车规律分析、多车同行、夜间行车、区间低速、首次入域、套牌车分析、一车一档等功能。系统架构图如图1所示。

人脸深度研判

▲图2

全新的图侦业务系统需具备人脸图片结构化管理与结构化信息检索应用能力，可实现人员性别、年龄段、是否戴眼镜等人脸属性的分析与存储，并支持实时预警，实时监听接收人脸黑名单比对消息，预警显示；支持历史预警，根据布控任务、范围、对象、时间等查询历史预警信息；同时可支持人脸比对，本地上传两张人脸照片进行比对，相似度确认；支持以脸搜脸，将嫌疑对象人脸照片与动态抓拍人脸库中的人像比对，追踪轨迹；还应支持人脸查重，人脸库中查找是否存在相似是人脸。系统架构图如图2所示。

人体深度研判：

全新的图侦业务系统需具备视频结构化管理与结构化信息检索应用能力，可按照人体相关条件进行查询，其中人包含目标衣着颜色、目标大小、速度、性别、是否戴眼镜、是否戴帽子、上衣类型下装类型、是否带口罩、发型、背包、拎东西、骑车、年龄段等条件进行查询，可提供以人搜人能力，可通过嫌疑对象照片与结构化库中的人体比对，追踪轨迹，并可以模拟运动。系统架构图如图3所示

▲图3

对图侦大数据系统的展望

未来，图侦大数据系统应能够整合海量的非结构化、半结构化、结构化数据，并对这些数据进行分析计算，通过智能分析技术从非结构化数据中分析出结构化信息，通过全文检索技术从结构化数据中快速定位信息，通过分析挖掘技术从结构化数据中挖掘出有价值的信息，能够针对海量的数据进行快速检索、快速统计分析，并能够通过大数据的深度关联分析对案事件的发展作出预测。