全域智能框架下的智慧警务建设

郑 辉，来春丽，马立新

（1.金华市公安局，浙江 金华 321000；2.环球新时空（北京）信息技术研究院，北京 100036；3.一体化指挥调度技术国家工程实验室，北京 100190）

0 引言

“可控”目标的逐渐落地，公安部门已掌握大量视频回顾公安信息化建设历程，从“金盾工程”打破图像资源，积累了深厚的视图数据基础，但不断采传统案件、公安内部信息传达模式开始拉开帷幕，集的视频、图片等数据数量大、类型多，传统的数再到2003年后以视频监控为主的“平安城市”建设，据库只能管理文本类的结构化数据，而对于图片、视频监控系统从少数城市试点到大规模城市普及，视频等非结构化数据以及图像特征向量等半结构视频图像信息在公安机关打击犯罪、治安防控等化数据难以统一管理，已经无法满足这些 PB级海各项业务中均发挥了不可替代的作用。自 2016年以量数据的应用。而大数据技术中的非关系型数据来，国家开启“雪亮工程”建设解决社会面视频监控库，可实现视频图像中的结构化、半结构化、非结建设联网应用问题，进一步补齐了公安自建视频监构化数据的管理，是智慧警务建设的重要组成部控盲点。随着“全域覆盖、全网共享、全时可用、全程分”， 为构建以大数据智能应用为核心的智慧警务新模式提供了重要技术手段。

1 智慧警务面临的挑战

然而随着警务工作科技化的不断深入，目前智慧警务建设在技术和业务上也面临一系列的挑战。

1.1 技术方面

海量的多维度数据都通过网络存储在分布广泛、不同地域、各种类型的服务器和存储设备中，传统的网络和计算架构已经不能适应“大数据”高速响应的要求，需要新的技术架构来有效整合、管理、计算、挖掘利用这些数据。

首先需要整合各种业务系统的分散化、碎片化数据，再对种类繁多、复杂的数据进行灵活管理；其次通过全域智能化，提供视频数据支撑；最后通过对数据进行深度挖掘与分析，提升数据利用和分享率。

1.2 业务方面

随着社会安保需求变化，在有限警力和繁重任务的矛盾下，原来传统公安盲目、被动、粗放、零碎的工作思路和方式已经难以适应“大数据”警务管理的要求，需要构建以大数据智能应用为核心的智慧警务新模式，实现向精准、主动、精细、系统的四个转变，把有限的警力用到实处。

传统的警务工作方式普遍存在疲于应付、事后追溯的被动局面，特别是以人工为主的信息采集模式导致数据滞后、呆板、单一，信息应用针对性不强、精确性不高，需要以警务实战为核心，运用云计算、大数据、移动互联网、物联网、人工智能等前沿科技创新应用，融合感知资源、警务资源和社会面资源等数据资源，充分挖掘数据资源潜能，构筑以“数据指导警务”的公安机关新型战斗力。

2 全域智能警务建设思路

基于大数据的智慧警务有“三要素”分别是准确数据、信息在线和智能应用，在智慧警务建设顶层规划过程中，应作为关键性措施来抓，以此推动基础信息化、警务实战化、执法规范化和队伍正规化。

图1 应用组件

围绕“数据、在线、应用”三要素以“数据处理结构化，信息网络立体化，上层应用智能化”作为全域智能警务建设核心理念，依托前沿智能视频分析技术，将视频流转换为数据流，最大化有价值视频信息提取，结合云计算、大数据技术运用，实现各系统内部、系统之间价值数据的比对碰撞、深入挖掘，并以智能应用为展现方式，服务于公安各项业务，促进预警预防能力、打击犯罪能力、整体防控能力、基础管控能力显著提升。

2.1 基于全域智能的警务视频大数据

智慧警务视频大数据的建设是通过深度学习的视频分析处理技术与视频监控系统的不断融合，对海量视频资源基于视频内容中包含的目标、场景、行为等多类元素实现数字化解析，并将视频解析后的结构化数据融合警务业务数据进一步挖掘数据价值，进行大数据实战应用。

2.1.1 建设方向

警务视频大数据建设的方向从架构上看分为三块：前端、边缘和中心，通过规范有序地拓展视频图像全时解析的“智感”前端，优化承载各类泛在感知数据的“智联”网络，打造云边协同的“智算”环境，提升中心挖掘视频图像价值信息的“智萃”能力，完善全流程运维管控和立体化纵深防护的“智防”体系，实现视频图像全时段高效调阅、多要素解析比对、多维度关联分析、各警种普遍受益的“智惠”应用。

2.1.2 关键技术

2.1.2.1 行人重识别Person-ReID

行人重识别技术简称 Person-ReID，通过计算机视觉技术检索不同摄像头下的同一个目标行人。该技术对人工智能在实际业务落地中有着巨大的实用价值，因不同摄像头下图像拍摄角度、分辨率、目标姿态、障碍物遮挡、光照不均存在差异，容易导致同一目标漏拍、识别不准。

2.1.2.2 目标检测

基于深度学习的目标检测算法一般分为：一阶段目标检测算法和二阶段目标检测算法。

如图2所示，一阶段目标检测算法输入一张图片可以直接输出目标的位置和类别信息，相比二阶段目标检测算法，不要候选区域提取阶段，整体流程较为简单，速度较快。

图2 一阶段目标检测算法的检测过程

如图3所示，二阶段目标检测算法首先将图片输入深度卷积神经网络中，检测目标可能出现的候选区域，然后对这些候选区域进行特征提取，并输出目标的分类信息和回归位置，最后经过非极大值抑制得到目标检测的最终结果。

图3 二阶段目标检测算法的检测过程

红色框图代表第一阶段候选区域提取，蓝色框图代表第二阶段对候选区域进行目标框的分类和回归，最后经过非极大值抑制输出目标检测结果。

2.1.2.3 目标属性分析

目标属性分析是一个基于分类的识别问题，在给定的训练集数据和类别信息后，训练一个分类器，对应未知类别的样本，分类器输出类别的识别结果，包含行人、机动车、非机动车的属性分析。近些年来，随着硬件计算能力的显著提升和大规模标注数据集的出现，深度网络可以自动的学习判别能力强的特征，分类识别效果更好，而且深度网络将特征提取和分类整合在一个网络中，如图4所示，实现端到端的目标属性分析系统。

图4 端到端的目标属性识别系统

2.1.2.4 以图搜图

以图搜图，也称为目标检索，包含行人检索、机动车检索和非机动车检索。以行人以图搜图为例，其实际应用场景如图 5所示：行人从左到右经过了两个摄像头，前一摄像头中目标图像已知，通过算法判断目标是否出现在其他摄像头中，以此获得目标的行动信息。

图5 行人以图搜图实际应用场景示意图

2.2 基于视频大数据的在线警务

智慧警务的关键在于“在线”，在于如何将公安关注的各类对象感知上线，在于如何利用视频大数据技术围绕打防控业务分别构筑各类警务模型，挖掘潜在风险，在于如何创新警务工作模式实现风险的预测预警预防。最终形成“大脑 +手脚”运作模式和“情报 +行动”的运作机制，从而提升公安机关核心战斗力。

通过警务在线工作平台，实现数据仪表盘发现问题，情报工具集分析问题，合成作战平台解决问题，最终实现警务工作的线下转线上，减负一线工作。

2.3 基于在线警务的智能应用

2.3.1 数据应用

2.3.1.1 海量数据管理

感知智能服务在统一的前端，边缘，中心算力池中，实现海量静态图片库统一管理，并且支持按需推送到前端，边缘和中心算力，以实现更好的资源利用率和更快的响应速度。

2.3.1.2 海量以图搜图

感知智能服务通过任务管理和调度系统，能够通过分布式任务并发实现基于海量图片库的快速以图搜图任务，并且支持不同算法的结果统一汇聚。

2.3.2 业务应用

围绕实战应用，以全能力支撑，根据不同的业务场景提供不同的业务应用，真正完成从事中、事后到事前的预测预警预防，提供在线警务模式。

2.3.2.1 人脸业务应用

在准确率达到一定程度下，决定实战效果的是根据场景提供实战业务模型。例如预警，人脸系统的预警按照点预警，区域预警和类别预警理念设计。

点预警：在逃，临控等重点人员预警，一般厂家提供这些。

区域预警：例如市政府，娱乐场所这种场景，除了点预警还可以做区域预警。

类别预警：例如商圈 /超市这种场景，除了点预警还可以进行类别预警。

同样的人脸系统，应更关注业务场景，提供不同的感知设备，智能能力和计算模型，紧紧围绕业务警种来做人脸预警。

图6 人脸业务应用

2.3.2.2 人体人脸关联应用

视频结构化对人、机、非结构化提取的同时可以检测目标人脸，通过人体关联人脸提高目标覆盖程度。人脸需要人体来提供更多线索，人体需要人脸来进行精准的身份落地。

人脸人体关联的两个思路：

（1）不清晰的人体目标→清晰的人体目标→清晰的人脸目标→身份落地。

图7 思路（1）

（2）清晰的人脸→关联人体轨迹→联合轨迹补全。

图8 思路（2）

2.3.2.3 多维数据应用

多维数据应用核心在于动态数据与静态数据的结合，典型的动态数据有：人脸，车辆，手机（MAC），RFID（物联网数据），门禁，智能门锁，视频结构化及人证合一等 8大类动态感知数据。静态数据主要是公安档案数据。多维大数据的核心业务应用是通过构建人员档案中心，挖掘不放心人员标签，最终利用各种感知设备达到多维数据统一预警和多维数据轨迹刻画。

图9 动态数据与静态数据，动静分离+动静合一

2.3.2.4 在线实景指挥

做了多维数据预警，下一步要考虑如何构建在线实景指挥，即指挥中心建设。首先是可视化实景指挥，主要利用移动 APP，AR和大数据可视化技术（仪表盘）。

通过各种各样的仪表盘给局领导，业务警种提供趋势分析，成果展示，决策依据等。

3 智慧警务实践案例分析-金华公安智慧警务

按照省厅“云上公安、智能防控 ”大数据战略 2018年推进计划要求：要最大限度的地获取和感知人、车、物等动态信息，建立一张覆盖全省城乡的感知天网；并要整合视频监控、车辆卡口、人像卡口、无线射频等前端各类感知设备。金华公安下发《全市公安机关科技信息化建设三年规划（ 2018-2020）》，要求建立完善的物联网，提升对外界事物的感知能力。将人脸识别、手机MAC、RFID射频等技术进行深化设计，构建立体多元防控体系。

金华，作为浙江省的一个地级市，土地辖区面积10，942平方千米，全市常住人口约 560.4万人。金华市公安局管辖市本级 4个分局、 7个县市局，截至2018年底，全市公安机关建设的社会治安动态视频监控系统，共建设一类视频监控探头3.9万余路，智能卡口1万余套，每天汇聚4，000多万条过车记录，其他政府职能部门、社会单位、特定公共场所等二、三类视频监控，已整合接入3万余路。在此基础之上，进一步打造了一张基于边缘计算的多维感知智能网络，在前端实现对人、车、RFID、MAC数据的系统化采集和智能解析，真正实现对重点人员和车辆的触网感知、预测预警。

金华公安将视频萃取技术引入泛智能场景、将车辆识别/人脸识别技术应用到重点防控区域，构建全网全域的视频解析中心，打造一套套覆盖面广、视频智能化水平高的视频图像信息综合应用系统。以服务全警实战业务为本，整合全网资源，实现“视频之眼”的天网系统到“数据之脑”的智网系统的全面升级。

自建设使用以来，截至2018年年底，同比2016年全市接警数下降15.05%，刑事案件下降31.94%，治安案件下降13.25%。视频应用在刑事案件侦破中的成效也愈发凸显，视频打处占比从2016年的32.44%提升到2018年的36.36%，视频破案占比从2016年的38.34%提升到2018年的45.28%。真正实现了警情案情大幅下降、视频破案打处大幅上升、群众安全感满意度提升的良好态势。

4 结束语

全域智能服务框架下建设智慧警务，是以公安业务为牵引，以视频大数据智能化能力为支撑，根据不同的业务场景创新提供不同的实战应用，解决平安城市海量视频图像中人员身份难还原、轨迹难定位的问题。通过对视频全域智能解析，可借助人体还原人脸，进行身份落地补全人像实战业务应用，同时可基于多维度信息关联分析，完整刻画城市活动轨迹，对发现的异常和可疑行为进行实时预警和布控，实现由“案后被动侦控”向“案前主动查缉”的创新转变，真正完成从事中、事后到事前的预警预测预防。