视频大数据在公安行业的应用分析

摘 要 近年来，视频监控市场发展迅猛，视频监控设备已经走入千家万户，在工商业、公共基础设施、家庭等各个领域得到广泛应用。这就给公安行业应用视频大数据分析提供了海量的视频资源基础。但视频资源的管理、应用、共享等环节还存在一些问题。本文将结合视频大数据应用中存在的问题，分析如何提高视频大数据在公安行业的应用效率。

关键词 大数据;侦查;技术;公安

公安行业通过从海量视频数据中查找有价值案件线索、利用智能分析技术、对“元数据”进行信息重构，并以数据TAG方式重组、存储、学习各类信息，能够更加高效地识别犯罪分子行为痕迹，使得预警、防控、犯罪打击更加高效。侦查破案能力得到提升。

1 视频数据在安防应用中存在的问题

视频大数据的发展过程就是不断提高视频清晰度、存储空间、算法检测识别率的过程[1]。这三大问题的存在对于我国视频大数据的发展造成了不利影响。视频清晰度问题主要是监控设备分辨率受到限制导致的。存储空间不足问题主要受视频压缩解码性能不足影响，或者由网络传输速度限制导致。算法检测识别率的准确性不足问题可能会影响到智能视频查找搜索相关视频的能力。当前我国视频监控的方法还比较粗略简单、在算法与识别率方面较为落后，给跟踪工作造成较大困扰。视频数据智能分析很早就被应用于公安行业，但早期监控设备摄像性能低、智能算法本身存在缺陷。而随着技术的发展，算法的优化，海量而多元的异结构数据成为智能融合与管理的技术壁垒。因此，突破视频资源整合、管理、分析、共享等环节的障碍成为推动警务效率，提升视频大数据分析应用能力的关键。

2 视频大数据关键技术

2.1 大规模视频解析技术

以云存储、云计算技术为支撑的大规模视频解析技术，具有云量的大规模存储空间能够对海量的视频数据进行计算分析。其强大的运算能力能够对各类视频进行分析、对比、处理。包括从海量视频中挖掘犯罪嫌疑人、嫌疑车辆、犯罪事件以及犯罪历史过程。这项技术可以针对结构化与非结构化数据采用不同的计算与检索方式[2]，根据不同警务需求，组织视频资源，极大程度上提高了数据计算与关联查询的效率。

2.2 深度学习技术

深度学习技术是一种对人脑学习神经网络的模拟，并通过赋予计算机人脑学习机制进行数据的解析，以发掘数据抽象的分布特征的智能算法。这项技术在人脸识别、人体识别、车辆分析、物体识别等方面发挥着重要作用。

2.3 视觉智能分析技术

视觉智能分析技术，从监控设备中收集非结构性数据集合，对视频图像进行理解和分析，生成图像内容并进行语义描述，查找异常现象。通过这项技术，可以将固定场景视频浓缩成更小一段视频，并利用车辆、人脸、人体等算法，对视频图片中的目标人、车辆的特征进行提取，提高视频线索侦查，排查以及定位的效率如下图1所示。

如图所示，通过视频技术与智能学习算法的利用，可精确识别视频流或图片中的人、车辆目标属性，人脸清晰可见、包括了性别、年龄、发型、物品。车辆信息翔实，包括车标、车牌号、车身颜色、车速等特征都可清晰展现。

3 视频大数据在公安行业的应用分析

随着云计算、计算机技术的发展与普及，视频资源的采集以及利用效率大大提升。智能视频分析系统在其中扮演着重要的角色。在用户、案件信息、案件视频数据存储、视频数据处理、智能识别、线索检索、线索时空性分析方面功能强大且完善。具体体现在以下几个方面。

3.1 分析人员关系

视频大数据智能分析技术将汇集到公安大数据平台的人脸、人体图片等结构性数据信息进行深度处理，建立起辖区常住人口、流动人口、全国在逃人员、重点关注人员以及各类嫌疑人员分类数据库，构建起一条以人脸、人体、时间、地点为要素的大数据人像分析、缉查布控应用体系[3]。

其优势在于可对目标群体之间的关系进行细致梳理，发掘隐藏的未知关系，判断筛查群体内不同目标对象之间的关联与联系。在已知关系网络中，依靠六度空间理论，进行特定目标人员之间的关系挖掘。例如：行为关系，包括交通工具同行关系、宾馆同住关系、网吧同行关系、同车违法、同案犯、共同遭遇事故、同事、邻居关系等。虚拟关系，包括微信、QQ、陌陌等各类社交平台好友关系。通过不同关系层次的挖掘、找出相关人员之间的互动联系，包括活动的轨迹分析、经常出没的地点分析、经常交往的人员分析、一同出没的人员分析、落脚地点分析等信息。而后生成分屏页面、进行一对一、一对多、多对多对比分析，以此查找分析线索，提高侦查效率。

3.2 车辆轨迹时空分析

视觉智能分析技术可以将车辆视频信息进行智能化的解析。将目标车辆自动分离，因而可以根据数据特征进行针对性的检索，对于提高车辆识别的效率和准确率具有重要作用。车辆轨迹时空分析，是将所有车辆相关信息进行整合，以车辆为主体进行相关关系的挖掘、例如人與车的关系、车辆之间的关系、车辆异常状态等。而后通过相关数据分析，对目标车辆进行判断是否为嫌疑车辆。例如，可以根据目击者所描述的车辆颜色，对过往车辆信息进行检索，而后针对事件发生时间、地点，排查过往车辆，锁定目标车辆，调取车辆信息，查找车主与驾驶人员。

将案件相关人、车要素之间的复杂关系在GIS上进行可视化的轨迹展示，可以更清楚详细地展现现有地涉车案件分析结果，使得涉案实证信息得到空间和时间上的延伸，案件分析依据更加翔实可靠。同时可以将不规则、零散的信息进行串联，组织起完整的数据。将嫌疑车辆的移动轨迹清晰地呈现出来。通过大数据平台将汇集起来的卡口图片、和结构性属性信息进行深度的数据分析，根据车辆盗抢情况、车辆驾驶情况等各个数据库的全面信息整合，构建起一条以车牌、车型、地点、时间为基础的车辆分析预测、缉查布控体系[4]。具体而言，应用内容包括了车辆分析活动路线、是否为套牌车辆、分析车辆使用的频次、分析是否有尾随跟踪、分析是否在某区域徘徊、分析车辆落脚点等。分析过后，能够得到线索标记的信息，通过线索信息，对系统中的案件内容进行筛选对比，将案件不同的关键目标同屏呈现，快速比对，锁定嫌疑目标。

3.3 可视化关系分析

视频大数据在充分的数据积累与研判模型的建立基础上，可实现将报警信息直接推送到民警面前。实现不同警种、不同地方、不同部门之间的数据资源的共享。对提高案件侦破、信息研判具有极大的促进作用。可视化对于公安工作有着至少三方面的价值。第一，分析发现关系，比如一个车牌号码就可以分析出其车辆轨迹、车主信息、车辆信息。点击一下车主信息，又可以进一步分析车主的活动轨迹、人员关系。第二，发现犯罪规律。大量研判思路与方法的分享对警察研判的意义是明显可见的。第三，发现异常。例如，同一个身份证件、同时在中国南北不同城市都有开房信息，同一个人不可能同时身处两地，这显然是一个明显的预警信号。可视化平台将这类异常信息实时推送到办案民警面前，可及时发现异常、及时报警、提供常态化的布控预警功能。

4 结束语

综上所述，视频大数据分析对于提高公安行业的侦查效率、开展布防预警工作提供了强大的信息支撑。为进一步提高视频大数据的利用程度、需要提高信息采集的效率，利用视频处理技术等IT技术深度挖掘视频资源。实现警务功能的智能化，将人工智能运用到保卫国民安全的战场之中。

参考文献

[1] 何勇，司敏.视频监控在公安侦查工作中的应用分析[J].科学大众（科学教育），2018，（11）：197.

[2] 邓晔.视频大数据在安防行业的应用实践[J].中国安防，2018，（09）： 80-85.

[3] 胡人斌，周沈标.公众对公共视频监控接受度的实证研究[J].河南警察学院学报，2017，（01）：110-115.

[4] 周川，朱维和，王鑫，等.视频大数据分析及其在公安合成作战中的应用[J].警察技术，2017，（04）：11-14.

作者简介

殷宝华（1978-），男，广东深圳人;学历：本科，网络工程师，研究方向：视频监控、网络通信技术管理工作。