大数据分析技术助力公安典型应用场景精细化治理

李杰 冯伟 贵州省铜仁市公安局

引言

传统公安情报大数据系统[1]已经集成了多维度数据，在社会治安防控、案件侦破、线索挖掘中起到了重要作用，但传统的大数据系统存在一定局限性，如集成的Wi-Fi探针、手机信令等数据不确定性强，户籍、房车产等数据固化、更新慢等问题。如何依据人像相关数据的强ID属性，以及无感采集、数据鲜活等特点，运用大数据分析技术手段，实现人车数据的深度挖掘和综合研判，从而提升公安机关在一些典型应用场景下的精细化治理水平，成为了当前公安信息化建设的重要方向之一。

一、存在问题

（一）传统视频监控技术办案效率较为低下

传统视频监控仅能够解决事后查阅的应用，往往案件发生之后需要利用大量警力从海量视频图像信息中获取线索，这不仅是对警力资源大量的消耗，同时受制于人员疲倦、经验不足等原因会造成关键线索信息缺失的严重情况，从而降低公安办案效率。

（二）无法有效利用AI系统采集的数据

现有人脸布控比对系统、车辆稽查布控系统仅能够实现对特定目标或者已知嫌疑人进行事中布控预警，无法实现事前预警、事后研判。以人脸为例，前端部署的人脸抓拍机实际每天会获取到海量的路人照片，这样一些人脸照片信息实际是没有被利用而闲置的，而这些海量人脸照片里存在潜在危险人员，但系统无法对这一类潜在的高危人员或团伙提供有力技术支撑，一定程度上造成资源的浪费。

（三）现有大数据系统的数据精准度不足

传统大数据技术会因为Wi-Fi探针、手机信令、户籍、房产、车产的数据不确定性和数据鲜活性等问题，难以实现精准数据分析，同时也不能为所有案事件所应用，在使用上有一定的局限性。

基于以上问题，公安部门在关注人员或群体常出没地点、落脚点、活动规律、异常行为以及对在公安管理名单内的高危人员挖掘、监管等一些典型应用场景上，亟需补充基于AI技术的大数据分析系统，实现以动态人脸数据为核心，建立人员全息档案等功能，并根据各类标签、关注度、亲密度、活跃度进行多维检索，实现嫌疑人关系图谱分析，嫌疑人之间关系挖掘。

二、解决方案

基于AI技术大数据分析系统建设应着眼于公安典型应用场景，以精细化治理为目标，通过人脸识别、人像聚类、特征融合等技术提升大数据分析研判能力，同时汇聚接入视频、图片、案事件等多维数据，建立人脸、人体、车辆、案事件等多维度数据仓库。通过对多维数据碰撞、融合、挖掘、关系分析，建立多种技战法模型、积分模型和人员全息档案，绘制关系图谱，实现对目标人员的快速有效管控，对重点人员异常行为进行预警，挖掘潜在高危人员风险，弥补传统公安大数据系统的不足，从而更好地为公安部门实战业务所使用。

（一）系统架构

本解决方案系统架构如图1所示，总体分为接入层、数据层、服务层和应用层。

1.接入层

为系统提供各类数据的接入，支持接入摄像机、抓拍机、离线视频、人证核验设备、视频联网共享平台、视图库及第三方系统。

2.处理层

存储各维度原始数据和各服务分析的成果数据，包括各类底库数据，人像数据、视频数据、人体数据、车辆数据等原始采集数据。

3.服务层

服务层系统的核心，为系统提供异常预警、同行分析、关系图谱、积分模型、数据碰撞、资源调度、人像聚类、数据归档、特征提取、比对检索等基础服务。

4.应用层

结合公安业务应用需求，提供综合态势、关注群体、历史预警、全息档案、关系图谱、关系挖掘、多维研判、群体管理等业务服务，并通过接口方式对外提供相关业务服务。

（二）关键技术

系统建设运行采用了人工智能、大数据分析、积分模型、人像聚类、关系图谱等关键技术，其中积分模型、人像聚类和关系图谱为系统关键技术和优势点。

1.积分模型

所谓积分模型[2]，是依据嫌疑人的一些异常行为按照预先设计的规则进行积分统计，通过该模型分析算法实现对嫌疑人异常行为的预警，同时通过积分模型还可反映出关系人之间的亲密度。如当疑似吸毒人员经常出没在吸毒高发区域驻留，驻留超过一定时间开始积分，当积分到一定阈值后即产生预警。除此之外，还可以实现人员区域频繁出没积分、昼伏夜出积分、活动骤降积分、活动骤增积分、群体区域出没积分、区域聚集积分等模型。

2.人像聚类

人像聚类是通过将人像数据对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。聚类分析又称群分析，是研究人像聚类分类问题的一种统计分析方法。聚类分析起源于分类学，但是聚类不等于分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。人像聚类采用高维聚类分析方法，通过对人像特征数据多维度的分析聚类，实现人像特征数据的融合分析。

3.关系图谱

关系图谱基于人像数据库建立关系网络图，是一种可视化的智能分析产品。通过数据抽取和转换，图计算引擎对数据进行查询和分析，实现秒级数据运算和数据可视化，并以图谱的形式展示给用户的图形分析工具。业务单位可以基于已建好的图谱进行查询、分析和探索，通过关系图谱可以实现犯罪嫌疑人团伙成员之间的关系网络结构、活动成员规律分析和亲密度分析等应用。关系图谱如图2所示。

三、主要功能

（一）综合态势

综合态势功能是实现系统当前的运行状况、关注人员态势、关注群体今日出没统计、产生预警统计及预警列表、地图人流量热力图、设备分布、今日预警分布等综合信息的整体展示。

（二）全息档案

全息档案功能是基于一人一档[3]关键技术，并通过人脸识别、人员聚类、特征融合等技术将海量人像数据进行分析挖掘，形成人员的全息档案，按关注群体、底库、实名化、系统标签等维度对档案进行统计，并可按档案、按群体、按底库对全息档案进行多维检索，结合人员标签、关注度、亲密度、活跃度进行多维度人员挖掘筛选，展示人员的活动规律、轨迹分析、异常行为、关系图谱等多维度个人全息档案信息。

（三）关系挖掘

关系挖掘功能是通过上传人像或输入证件号选择档案进行关系挖掘，分析两人的直接好友和二度好友，并通过关系图谱分析实现其好友类型分布和好友列表呈现，同时可按照亲密度、所属群体进行二次筛选，通过两人之间的亲密度还可以查看两人的关系详细情况。

（四）大数据挖掘

大数据挖掘功能是基于采集的路人信息、各类人像库及布控库人像信息，在提供各类检索应用的同时，还可以实现团伙管控分析[4]、人员关系图谱分析、人员活动规律分析、人员轨迹分析和同行分析等大数据挖掘应用。

四、应用成效

（一）大数据分析预警

2019年7月初，在黑龙江某市“扫黑除恶”专项行动中，接到群众举报本市人员范某某涉黑，经当地公安机关调查得知，范某某不仅涉黑，同时还身背一条命案，当地公安机关高度重视，但还未来得及抓捕，范某某就得知消息逃之夭夭，经调查范某乘坐飞机已经逃往千里之外的贵州省铜仁市，当地公安部门一边将其列为网上在逃犯，一边派出干警力量赶往贵州，同时联系我单位希望给与协助支持。通过运用大数据分析预警，快速实现了嫌疑人的身份确认，并通过轨迹和活动规律分析，很快锁定范某在铜仁的行驶轨迹和落脚点，最终成功将其抓获归案。将范某如此快速的抓获得益于大数据分析预警能够精准助力公安机关在一些案件侦破和嫌疑人抓捕场景下的业务应用。

（二）团伙成员分析

系统基于亲密度积分模型和关系图谱分析，对实名人员及战法挖掘的人员识别出团伙成员，团伙会随着人员识别战法不断分析出更多高危人员而随着精准自动生长，同时还可以进行人工干预，团伙的关系网会随着人员亲密度变化，越来越广、越来越密、越来越准。团伙成员分析能够助力公安单位在一些涉案团伙嫌疑人员打击和抓捕业务场景下的研判应用，从而将团伙成员一网打尽。

（三）人员全息画像

系统基于一人一档信息归类聚档，同时将一个人的人员属性信息、活动规律、轨迹信息和关系图谱等分析，呈现出人员的全息画像，不仅可以实现人员最近衣着、常穿衣着、人员属性、异常行为、车辆和移动设备信息展示，同时还可以展示其首次出现的时间、地点，最后一次出现的时间、地点以及活动分析，包括属性标签、常访区域和活动时段。人员全息画像能够精准助力公安单位在案件研判中展示一个嫌疑人全方面的信息，便于更好地分析研判嫌疑人。

五、结语

大数据分析技术应结合先进的人工智能图像算法对海量的人像数据进行精准聚类，从而面向基层公安民警典型应用场景提供一套实战化的应用系统，提升在案件侦破、治安防控、情报研判等实战效能。随着技术的不断发展和成熟，提供一套基于人脸、车辆、Wi-Fi、手机信令、出行数据、互联网数据等全域数据的大数据分析系统，将是今后较长一段时间内精细化治理实战应用发展和研究的方向。