视频技术在治安防控体系建设中的应用

况伟 叶学强 郭兴亮

1. 杭州海康威视数字技术股份有限公司 2. 浙江省湖州市公安局

引言

多年以打为主的“打防控”型社会治安防控体系探索和实践，收到了较好的效果，有力遏制了各类违法犯罪活动。

进入新时代，随着经济社会的迅猛发展，动态化、信息化成为当代社会的主要特征，人流、物流、车流、信息流、资金流等空前加大，公安机关在新形势下面临的社会治安问题和挑战巨大。以物联网、人工智能、大数据等信息技术为代表的新一轮科技革命兴起，不仅更新了人们认识世界的思维方法，也给立体化、信息化社会治安防控体系的建设提供了新途径、新手段。

近几年，伴随深度学习技术的诞生与计算机软硬件技术的快速发展，人工智能成为各行各业技术应用的风口。2015年至今，视频图像深度学习技术在安防领域的应用大规模展开[1]，取得了令人瞩目的效果。

视频技术主要包含对视频图像中人、车、物、行为、事件、场景异常等目标进行自动智能化分析与识别。视频技术的到来与高速发展，对公安业务应用的开展产生了较大的影响，辅助公安将管控重点人员的技术手段从人脸识别、人体识别逐渐拓展到步态识别领域，其正在逐步改变公安机关的传统工作方式以及其它方方面面。

治安防控体系的建设，核心主要目标是建设严密的查控圈、强化单元防控能力、夯实要素管控维度。

一、治安防控体系建设需求背景

（一）严密圈层查控

在环国边境、省际、市际道路出入口，科学布建公安检查站、治安卡口或电子卡口，加强点位建设密度，构建立体化、智能化的“治安防控识别圈”，实现“智能感知、精准识别、触圈预警、实时响应”。

（二）强化单元防控

以街面、社区、娱乐场所和特种行业、内保单位、地铁公交等为基本防控单元，提升单元治安防控能力，实现单元要素可查、可防、可控，为单元防控和基层社会治理提供更便捷、更精准、更高效的服务，做到“信息自动采集、管理智能高效、防范严密精准”。

（三）夯实要素管控

围绕“人、地、物、事、网、组织”等基本治安要素，以管控枪支弹药、危爆物品、大型活动等重点治安要素为核心，进行依法管控、精准管控和动态管控，实现治安要素基础信息的“完整、准确、鲜活”掌握，全面提升对各类风险隐患的自动识别、敏锐感知和防范能力。

二、视频技术在治安防控应用过程中的关键技术

视频技术主要特点是采集实时的人车物动态属性，相比业务数据而言，基于视频感知的物联数据更具鲜活性和实时性。举个例子，常住人口库数据非常重要，但是常住人口库是一种静态数据，通过常住人口库无法分析对应人员的轨迹、行动规律、关联关系。但是视频为主的物联感知数据因为是实时抓拍，根据其数据进行分析，可以挖掘分析特定人员的行动规律、出行规律以及关联关系。如果结合这个人员的特定身份（如赌博前科），则可以根据人员的出行规律、跟随规律，来分析挖掘疑似赌博聚众行为、赌博窝点等隐性违法犯罪线索。

智能化视频技术已经不再是简单的识别、比对、预警，而是需要从海量的视频感知数据中依托多维度、多时空、多场景来综合进行分析和判断，挖掘隐藏信息。当前视频技术在公安行业应用中主要有以下几项关键技术：

（一）多维感知与布控

人脸抓拍目前技术比较成熟，基于人脸的治安防控应用已经开始逐步拓展到多维度。人脸由于架设的点位密度、抓拍环境以及人脸遮挡等原因，存在抓拍不到、抓拍后无法进行有效比对的问题。如何通过多维度的方式定位一个人的轨迹，需要考虑人脸与人体、人脸与Mac、人脸与电围数据的融合。如通过一张高质量的人脸抓拍照片，同时分析其对应的人体特征属性信息，在一天内，大部分的人体属性是不会变化的，这样就将人脸与人体关联起来，即使在某个点位无法抓拍到正常的人脸，但是可以获取对应的人体属性，也可以与人脸关联起来，从而确定对应人员的身份。其他属性信息也可以与人体属性一样进行关联，从而以人脸为中心，其他多维属性为辅助，结合人证、人脸、人体、车辆、MAC、手机号、场所及事件等多维数据，对人员目标实行多种方式的布控，当目标关联信息被获取到后产生预警，从而实现对人员目标的精准布控打击。

（二）人员聚类

人员聚类是将同一目标的抓拍数据与人员档案数据（包括档案人员姓名、年龄、性别、ID、所属库名、封面照片、模型特征值、人脸与车牌关联信息、人脸与人体小图URL及关联场景图片URL等）聚合，为抓拍数据打上唯一的档案ID，形成目标的融合轨迹。人员聚类流程如图2所示。

人员聚类不仅是简单的人员比对碰撞，而是需要多种聚类技术手段与策略才能保证人员聚类的准确性，避免漏聚和错聚的现象。首先是需要准确的档案库，依托名单治理对错误的档案进行清除，清洗错误数据给聚类带来的干扰。其次是点位治理，针对点位位置、点位时间、点位抓拍图像质量等进行治理，配合后续的聚类策略，去除异常点位带来的聚类错误，提高聚类准确率。

（三）关系图谱

关系图谱主要用于分析、挖掘以及展现系统中多维数据之间的关系，辅助公安轻松洞察杂乱无章的海量数据背后的复杂关联，提升公安单位情报研判、挖掘隐藏重点人员的效率等。基于不同业务场景对不同数据进行关系计算，根据关系定义、数据来源、计算规则、关系权重等条件，按需创建关系数据处理任务，形成关系库，得到包括警务信息关联和物联信息关联在内的全面关系图谱，存储在数据库系统中。

关系图谱的挖掘，使用到多种关联分析技术，主要包括以下几点：

（1）同行人分析：通过人脸抓拍的时间维度，分析多次与同一个人出现在同一个抓拍点的人员；

（2）同乘人分析：通过对车辆主副驾驶抓拍进行分析，挖掘经常与某个人乘坐同一辆车的人员；

（3）同住人分析：分析旅馆住宿信息，挖掘频繁与相关人员同时间在同一酒店入驻的人员；

（4）MAC伴随分析：通过多点位筛选，将人脸与MAC地址进行唯一匹配，从而将MAC地址定位到人，后续即可根据MAC地址来实现MAC地址的伴随分析；

（5）同出行分析：通过出行记录，例如A和B同时乘坐同一班次的飞机、高铁、汽车等达到设定的次数，则A和B存在同行关系。

（四）人员全息档案

人员档案是在人员基础信息档案的基础上，增加了物联感知数据的维度，将人员的关联分析维度、出行规律维度进行综合，使档案更加全面，同时更加符合实际对应人员的出行轨迹，实现档案的动态实时更新。

在人员档案中，可以看到对应人员的关联人员（同行人）、同行人信息以及实时出没的地点、日常出没时间点分布、出没轨迹情况。

三、视频技术在治安防控体系中的应用

视频技术在治安防控体系建设的应用目前非常广泛，服务治安管控的多场景、多维度管理。同时，基于视频丰富的人车物感知属性并结合公安相关重点人车业务数据，服务警务大数据应用。视频技术在治安管控中的应用，最终也是从基础的比对预警到大数据挖掘研判，实现预警、预测、预防的目的。

以视频技术为主的物联网大数据结合公安网业务数据，可以衍生出更多的行业应用。对应用大致进行分类，分为通用应用、专题应用以及可视化应用。

通用应用没有警种属性，可以服务多警种，主要实现基础数据的检索、查询以及关系挖掘。

专题应用，更多是服务特定的案件、特定的犯罪人群以及特定的警种，可以根据不同模型进行大数据分析挖掘，例如涉毒人员挖掘等。

可视化应用主要是通过可视化展示方式，宏观体现数据价值，直观展示数据中隐藏的信息。

（一）在公安治安圈层防控中的应用

在检查站前沿（如5公里处、3公里处、1公里处）侦查区建设智能卡口，利用视频识别技术，通过驾驶室内人脸抓拍、车辆抓拍，提前对即将进站的车辆进行侦查，通过公安重点人员查控库，提升对重点查控目标进场前的精准预警。通过前端智能设备的智慧侦查，可以提前发现哪些车辆该查、哪些车辆可以快速放行，有效减少检查站民警的核验工作量。

在核查环节，通过视频及其他物联手段，实现对人、车、物、证、码各类动态信息的感知，结合车底图片扫描、X光物品扫描图进行自动分析，及时发现可疑人员和可疑物品。同时针对无检查站的防控点，充分结合电子卡口，对进入防控圈的人员、车辆进行电子化核验，做到进出留痕，提升对跨区域人员、车辆、物品的动态管控能力。

（二）在智慧平安小区中的应用

通过智慧平安小区建设，在各个小区出入口、单元楼出入口部署人脸感知设备，结合社区“一标三实”数据，通过视频分析对进出小区的人员、车辆信息进行实时采集，对社区人员迁入迁出进行自动分析（长时间未出现），对频繁进出小区的陌生人进行研判预警，实现精准化实有人口管理。

同时，基于人车进出的鲜活数据，对社区内疑似重点人员聚众（如上访人员聚众、赌博前科人员聚众、吸毒人员聚众等）、重点人员脱管等行为进行分析，改变以往人工研判发现晚、发现不全、耗时耗力等问题，加强社区重点人员管控和分析研判。

（三）在单元防控和要素管控中的应用

针对地铁公交、重点内部单位（如医院、学校）等单元防控区域，利用视频的人脸分析、车辆分析、行为分析等技术，对内保单位进行治安防控，针对重点人员出入、重点车辆出入以及异常行为（如人员聚集、打架斗殴、人员倒地等）进行后台分析，一经触发报警自动联动附近警力实现快速出警和处置。

通过视频分析算法的训练，实现对安检过程中枪支弹药及零部件的智能识别，在重要的地铁、铁路、机场、物流快递等物品流动区域进行智能安检，实现重点危险要素的查控。

（四）在重点人员管控中的应用

针对公安禁毒工作中遇到的毒情态势感知难、隐性涉毒对象发现难、涉毒案件研判难、毒驾违法行为打击难、社区戒毒人员管控难等问题，通过基于物信融合的大数据分析，在海量数据资源中萃取线索、精准研判，提高涉毒案件打击成效。

充分结合围绕视频感知数据的关系图谱分析、多维布控分析、人员聚类分析，以已知的涉毒人员名单为基础，挖掘与这些人员频繁出没的其他人员、频繁出没的场所，从而挖掘隐性涉毒窝点、隐性吸毒人员以及贩卖毒品上下游人员信息。

围绕重点人员的分析，以视频大数据关系图谱技术、人员聚类技术为基础，还可以服务涉黄人员管控、涉赌人员管控分析等。

四、视频技术在治安防控中的应用发展趋势

视频技术将不断演变，其它AI技术也将不断涌现。技术创新将会促进公安业务应用创新，业务应用创新亦会引领技术创新。视频技术在公安领域的发展趋势，主要有以下几个方面：

（一）视频技术将更加成熟化、多样化

目前，视频技术分析的结果依旧存在误报的情况。随着深度学习算法的优化，误报率将会继续降低，比如跨境追踪技术[2]在不断演进，该技术的成熟将会大大助力公安对目标进行侦查追踪。视频技术的多样化体现在：（1）多种分析与识别手段将会同时使用或存在于同一算法之中，为治安管控提供全结构化解析服务；（2）针对特定关注目标的检测与识别算法将会越来越多，随着AI训练平台的不断演进与成熟，更多的个性化目标以及行为检测与识别需求将会涌现并被满足。

（二）视频技术将与警务大数据深度融合

未来的智慧警务信息化系统离不开云计算、视频技术、大数据技术。视频技术基于前端摄像机视频每天分析得到的人、车、物等结构化数据、模型数据可以弥补公安大数据平台中缺少的人、车、物动态时空采集信息。有了这些信息，可以开展更多维度上的数据分析、数据挖掘。大数据技术经过数据挖掘分析的结果又可以作为视频技术的输入，用来优化AI算法、提升系统AI能力。视频技术与警务大数据技术之间相辅相成，将促使各种研判态势类应用产生。

（三）视频技术将与其它AI技术深度结合

单纯依靠视频技术还不能解决所有问题。目前，在公安某些领域已经将视频技术与声纹识别技术相结合，对重点管控人员的人员身份进行多重核验。随着应用的不断深入，新的业务需求不断出现，将会有更多的AI技术应用到公安领域，与视频技术结合为公安创造新的价值。

五、结语

现阶段，国内外的人工智能专家、研究人员热情地投入到视频技术及其它人工智能技术的研究与开发之中。不同视频技术厂家之间的竞争日趋激烈，正是由于这种格局，视频技术仍在不断革新，新的人工智能技术也在不断萌芽。基于视频的智能化技术、大数据及云计算技术等的深度融合应用，将会持续助力治安防控体系的建设完善，推动智慧警务进一步发展。