基于图像、数据分析技术的水域治安防控研究与应用

南京畅淼科技有限责任公司 欧阳文全 杨正 林盛梅 汪乾

水域治安管理有着流动性大、隐蔽性强、检查难度大的特点,以往所有过闸船舶都必须到登记窗口接受检查方可登记过闸,一定程度上方便了公安机关对船舶、船民的管理。近年来船闸管理部门采用了不上岸缴费过闸[1]。这给公安机关对过往船舶、船民的检查、管理带来了很大不便[2]。针对水域治安瓶颈,本项目通过视频分析、图像识别等技术,将结构化数据与非结构化数据打通融合,融合图像识别信息、船闸、海事以及公安登船核查等数据,快速掌握辖区内船舶情况、随船人员动态。

0 引言

根据水域治理安全管理的特点，且随着大数据智能化的发展,船闸管理部门采用了微信登记、网上缴费的形式,船民可通过微信登记、转账买票过闸(类似于高速公路的ETC系统),无需到窗口检查登记。新的过闸程序给公安机关对过往船舶、船民的检查、管理带来了一些不便,主要表现在以下几个方面:

(1)船舶登记无需驶入待闸区域,登船检查难度大。以往的船舶过闸登记需驶入指定的船舶待闸区域,现在船舶只要在以船闸AIS(船舶身份识别系统)信号接收塔为中心的数公里的水域范围内都可在网上自行登记,水域停靠范围广,上船检查难度显著增加。

(2)部分船舶篡改AIS码提前报港,影响过闸秩序,易引发斗殴等治安事件。部分船民虽然船未到港但采用篡改自身AIS识别码或用伪基站发送AIS信号,提前登记,空号泛滥,造成过闸秩序混乱,影响遵章守纪船民合法权益。造成投诉激增,甚至引发船民之间争吵、肢体冲突等事件。

(3)大船小簿逃缴纳闸费类诈骗案件高发。出于经济利益考虑,部分船舶为了少缴过闸费或多装货物,经常会出现“大船小簿”的行为,此类行为不仅逃避了合理缴费,还易损害闸门门坎,甚至引发“夹档”和搁浅等安全事故。目前依靠人工核查的方式,无法及时高效发现此类可疑船舶,产生了部分“诈骗惯犯”。

(4)人工登船检查工作繁重且低效。目前绝大部分检查复核工作都需要登船,工作量巨大而警力又十分有限,无法做到每船必查,尚存在违规空间。希望能依托技术手段,减少登船次数,自动完成登船检查中的绝大部分工作。

(5)人员管控难度大。以高港船闸为例,2018年共计通过船舶14.8万艘次,以每船3人计,则有45万人次的流动人口。况且船舶空间是车辆的几十倍,藏身地方甚多,盘查困难。故船舶成为违法犯罪分子藏匿的洼地。

1 研究内容

结合人、水、船、货数据和部分网侦、技侦的数据和业务,建设有特色的水上智慧警务平台,服务于事前防、事中控、事后打(如图1所示)。

图1 研究内容Fig.1 Research content

1.1 船舶数据获取及分析应用

架设AIS基站获取船舶实时位置,根据AIS信息分析船舶聚集情况,据此科学安排巡逻地点和次数。船舶聚集数量多的地方增加巡逻频率。

船舶数据获取的关键是在船闸上下游安装水上抓拍卡口。

车辆抓拍技术已然成熟,但是水上船舶抓拍一直是难以攻克的难题,本文提出基于视频的船舶高清抓拍属于全国首创。与车辆抓拍不同,水上船舶抓拍相比难度更高,具体地体现在车辆抓拍可借助传感器触发如地磁线圈、RFID、微波等,而水上航道范围较广和安装条件受限,难以与传感器相结合。基于此采用视频分析技术检测船舶,并对船舶进行高清抓拍,克服了远距离、夜间无光照、雨雾天水汽大、水面反射炫光等难题,实现船舶7×24高清抓拍。

视频流信号由固定不动的摄像头输入。随后对视频流进行背景建模,建模时先对模型进行初始化,之后判断像素点是否为前景点,设定一定的更新机制更新背景模型。背景建模后得到前景点,用连通域分析法分析前景点,得到的连通域作为目标候选区。根据先验知识对目标候选区域中的非船舶目标进行去除,最后得到船舶目标。

图2 船舶检测技术算法流程图Fig.2 Flow chart of ship detection technology algorithm

抓拍船舶高清照片以后需要识别船舶身份。水上船舶身份识别与路上车辆识别相比技术难度更高,路上所有车辆都按规定悬挂车牌,且车牌具有统一尺寸和规格,车牌由有关部门统一发放,而船舶的船名书写大多不规范,位置、字体、大小,甚至船名、字符、个数都不确定而且遮挡现象十分普遍,这对船舶身份识别带来相当大的挑战。结合船舶身份的特点,本项目采用AIS解析融合+基于图像的船名识别的技术识别船舶身份,对于开启AIS的船舶通过采集并解析AIS信息中的身份信息,并通过相关算法将AIS身份信息与图像融合,对于未开启AIS的船舶,采用图像识别技术,先定位船名位置后采用深度学习算法识别船名,由此,无论船舶是否开启AIS,均能对船舶身份准确识别。

传统的船舶丈量一般都依赖人工上船测量,由于船舶长度宽度较大,每次测量至少需要3人,效率较低。

本文基于视频分析的船舶尺寸自动丈量技术,通过合理选型,利用视频分析技术,解决了阴影、水花浪涌等的干扰,利用边缘检测(分析船舶底边缘、左边缘和右边缘位置,进而计算船舶在图像中的像素宽度与高度,利用图像像素与实际尺寸的转换关系)及最小二乘线性拟合、高斯滤波等算法,最终长宽丈量精度高达±5cm。

吃水超深船舶会损坏闸室及发生船舶漏水倾翻事故,进而引发严重的治安事件。为测得船舶吃水,本项目在研发过程中独辟蹊径,规避水下深度丈量的困难,转为测量水面上干舷高度。即吃水深=型深-干舷距离水面高度。利用图像技术测量吃水深度的技术在国内属于首创。

其中型深通过船舶身份识别技术确定船舶身份,根据身份在数据库里取得型深数据。干舷距离水面高度则采用深度学习等位系船柱,边缘检测技术定位船水分界线,根据世界坐标和图像坐标的转换关系算出。测得吃水深度,结合测得的长宽数据,可估计船舶吨位及判断船舶是否超载。

基于图像识别船舶的种类、货物种类(未封仓货船)。

对于AIS船名与字符船名不一致或者仅有AIS出现却无船舶出现的情况进行实时预警。保障过闸秩序,降低由此引发的斗殴等治安事件。

接入船闸的登记调度数据,根据识别得到船舶身份索引船舶种类、货物种类、船舶尺寸。若发现登记调度信息与图像识别得到的信息不一致,则发出预警,揪出大船小簿逃缴纳闸票费类诈骗。

对于运输频次有异常(例如某艘船舶一般每个月通过高港船闸1次,突然本月上升到3次),且运输的货种为废钢、煤炭、粮食等容易被倒卖的船舶,发出预警。并可调出该船舶的历史轨迹,船主船员的详细信息。辅助工作人员判断是否确为倒卖物资的船舶。

1.2 随船人员数据获取及分析应用

使用手机信号探测微基站以及海事船舶基础数据(含船主、船员数据),船舶登记过闸数据(含随船人员数据)。确定当前被抓拍船舶的人数及姓名、手机号等信息。

并基于船舶的高清抓拍照片进行人体检测及人脸定位。

接入公安的重点人员、在逃人员信息库,进行信息比对和人脸碰撞,若命中,则发出预警。

1.3 其他数据获取及分析应用

注重绿色环保,通过水质数据的接入实现河湖水质的实时监测,水质异常时发出预警,在平台上可检索特定时间段的危险品船舶数据,以及接入环保的专家系统,以作更快速、更精准的污染物溯源分析。

1.4 数据结构化存储

将人船数据、船舶照片进行结构化存储到数据。方便日后快速检索、返查。

积累船舶、人员数据,形成船舶数据资源库,支持按时间段、按船名、按船主、按航向方向等条件进行筛选查询的功能。点击某条船舶,可显示该船舶详情,并可调出该船舶的历史过闸记录及照片、运行轨迹。可显示该船舶的船主、船员的信息及其在公安系统的行为记录。

视频、图像是构成公安数据资源的重要组成部分,然而其本身是作为一种非结构化数据存储的,在与其他船舶、人员息等结构化存储的数据进行多源数据融合应用时,产生了天然的信息融合障碍。

通过视频分析技术、图像识别技术,将结构化数据与非结构化数据打通融合,融合图像识别信息、船闸、海事、以及公安登船核查等数据,快速掌握辖区内随船人员动态。实现一船一照一档( 船照+船名+随船人员信息) 。

2 结语

传统的水上治安巡逻防范是“人”到船上检查,然而这种防范力量毕竟是有限的,总是存在犯罪分子有可逞之机和作案的空间时间。本文充分运用智能视频监控探头、大数据资源来提升防范的水平和能力,以守住边、锁住口、管好点为目标,精准地实现点、线、面上防范的有机统一和完美融合,做到全天候24小时、全方位的紧密防范,实现打防一体。再就是技防之变。可以实时显示现场图像和记录回放历史场景,在发现犯罪、预防犯罪、威慑犯罪和锁定目标、提供线索、固定证据等有着重要作用,图像中的人、船、物、事件等数据已经成为社会治理的核心要素。

依托水上高清视频,应用视频分析、图像处理等技术,自动从视频数据中高效、甚至实时地提取有价值的信息,更好地利用视频资源,实现由“人工盯屏找信息”到“机器智能找信息”转变,是实现高效、智能化的安全监管、应急搜救、船舶交通的必然途径。将视频转换成结构化数据是未来发展方向,将船舶抓拍、船舶图像识别分析等技术形成行业技术标准也是大势所趋。

本系统除应用于公安行业外,还可用于水利部门的渔船监管、采砂船监管;航道管理部门的船舶流量统计、船舶报港登记管理,桥梁及航标防撞的预警及取证,海事的船舶抓拍卡口、处罚取证、船舶监管;港口的危货作业申报、边检的嫌疑船舶查处等。

引用

[1] 董良科.“水上ETC”在苏北运河船舶调度管理中的作用探析[J].经营管理者,2015(27):2.

[2] 范晋川.围剿幽灵船——上海市公安局水上公安局“1·26专案”侦破纪实[J].东方剑,2014(B12):4.