基于深度学习技术的安防交互指挥系统研究

姚李虎

（陕西历史博物馆（陕西省文物交流中心），陕西 西安 710061）

深度学习技术是一种人脑仿生模拟的先进技术，在图像的识别、处理，语音识别和数据特征分析等领域有着重要的应用[1]。基于深度学习技术的特性，新的安防交互指挥系统将更加智能，能够在算法的作用下实现自我更新和自我升级。国内的海康威视公司作为安防监控领域的巨头，曾提出“平安城市”的解决方案，并且开发了一套应用场景十分广泛的新型城市安防体系，该体系以数据应用为核心，以构建“云+端”的智慧型社会防控指挥平台为最终目标[2]，通过不断升级和改进，已经在城市的安防体系中发挥出了重要作用。

1 卷积神经网络

1.1 概念介绍

卷积神经网络（CNN）最广泛的应用是图像识别，特别是在医学图像处理方面有着极其重要的应用，其属于人工神经网络的一种，并且其权值共享的网络结构使得模型的复杂程度得到了有效控制[3]，在使用时拥有更强的稳定性。特斯拉的自动驾驶系统是基于对路面图像的采集分析，这一系统广泛运用了卷积神经网络实现图像的精准识别。CNN具有多层神经网络结构，容错率强大且自我学习能力优秀，从结构上来讲一般是分为4层，即输入层、卷积层、抽样层和输出层[4]。

1.2 R-CNN系列目标检测算法

R-CNN主要是用于目标检测领域，是非常经典的算法之一，一般分为4个步骤[5]：

（1）对输入的图像进行划分，区域划分的数量通常在1 000至2 000。

（2）通过卷积神经网络对每一个区域的数据特征进行提取。

（3）将提取的特征送入每一分类目标的SVM分类器，并且对其分类是否符合作出判定。

（4）通过回归器来修正待选框的位置。

2 安防交互指挥系统功能模块分析

在安防交互指挥系统中，功能模块主要分为以下4个：警情综合分析模块、智能交通指挥模块、人脸识别实时预警模块和人群行为分析模块。

2.1 警情综合分析模块

警情综合分析模块是在公安部门现有业务情报系统的基础上，将重要的警情来源渠道加以整合，实现三合一业务数据获取模式。对于整个安防交互指挥系统来说，警情综合分析模块是最为主要的可分析数据来源，能够支撑起对安防控制体系的策略参考。在出现一些特大警情后，警情的综合分析也能快速地结合各渠道已经获得的数据信息给公安部门提供出警建议，给出潜在危险提醒，方便公安部门针对突发警情做出快速反应。

在整个警情综合分析模块中，又包括了指挥调度、警情细致分析和警情大数据展示等核心功能[6]，可以满足日常情况下的警情优先级分析。

2.2 智慧交通指挥模块

智慧交通指挥模块是配合警情的处理智能化地给出交通控制和卡口设置建议，对于一些特殊警情，公安部门需要在最短的时间内赶到案发现场，想要为警情的处理争取更多的时间，交通管制必不可少。通过智慧交通卡口的控制，能够实现交通信号灯的智能控制，尽可能地保证出警路线的通畅。也能够提供车辆查询分析功能，在卡口处进行严格的车辆识别，对经过的车辆采取车牌记录、司机人像采集等操作，获取车流量数据和动态交通路况。同时，也能够实现车辆的布控分析，通过数据分析处理和图像采集来筛查目标车辆信息，对车辆的行驶轨迹进行跟踪查询。

2.3 人脸识别实时预警模块

在一些重要的场所设置人脸模块装置，通过精准的人脸图像采集和图像智能分析，识别出重要场所的人流量数据，可以通过在数据库设置黑名单等方式来添加重点排查对象，抓拍的群像图像经过数据分析比较之后发送给预警系统，从而实现警情的预知。

系统还可以根据抓拍的照片进行人员轨迹刻画，用户可以在连续抓拍的图像中自行选择一张图片，也可以使用智能手机等设备自行上传自己的照片，有着很高的灵活度。系统在获取用户的图像之后就可以根据抓拍的内容精准地刻画出人员的活动轨迹，通过智能算法来分析人员轨迹是否存在异常，针对异常情况及时给出预警。

2.4 人群行为分析模块

对于一些人流量比较密集的园区或景区，人群行为分析模块可以提供必要的辅助功能。以应用场景举例来说，当系统通过人群行为分析模块识别出某人有随地吐痰或者乱扔垃圾现象时，系统会将此现象反馈给园区的工作人员，工作人员即可赶往事发地点进行提醒或处罚。另外，在新冠肺炎疫情防控常态化的今天，通过人群行为分析模块也可以快速识别出未戴口罩的旅游人员，防止疫情防控漏洞的出现。实现此模块主要是使用计算机的图像视觉技术和深度学习技术，通过图像比对等技术实现对人群行为的快速分析，检测徘徊逗留等反常现象。

3 基于深度学习技术的安防交互指挥系统设计

3.1 运行环境需求

系统采用典型的B/S+C/S模式，用户端分为PC端和移动端两个类型，对外开放用户使用个人电脑或者智能手机即可以访问本系统。在服务器中，某一台特定的服务器作为应用部署服务器，提供整个系统应用的系统接口和请求数据处理，同时也有一专门责任深度学习计算的服务器。

对于开放用户来说，其运行配置要求较低，一般来说只需要一台可访问网络的PC机或智能手持设备即可，智能手持设备可以是平板电脑、PDA、智能手机或其他安卓设备等，安卓系统应在5.0版本以上。服务器的配置要求为：内在16 G DDR4，硬盘32 G以上，CPU采用目前主流的中高端处理器即可，网卡需求为千兆网卡最佳。

公安系统用户端为桌面应用模式，即C/S，操作系统为Window10系统，处理器Intel core i7 7700，GPU GeForce GTX 1080Ti 11G显存，网卡为Intel 1000M NIC*2，公安系统终端设备的配置要求之所以较高，是因为其需要进行大量的图像渲染，为了保持客户端使用的流畅度，其计算机设备的配置应在推荐配置以上。

3.2 架构设计

3.2.1 前端数据采集感知层

前端数据采集感知层有多种数据来源渠道，公安系统的数据采集感知和社会渠道的数据采集感知都是其主要来源[7]，其功能是对110指挥中心的三合一报警平台数据进行同步，同时和天网系统进行数据对接。

3.2.2 信息传输网络层

信息传输网络主要负责整个系统的数据交互及通信，其网络构成较为复杂，有公安内网、公安视频专网、自建视频专网和开放型互联网等。在这一层中，最大的需求是可以自定义IP，并且需要拥有强大的拓展功能。

3.2.3 计算存储中间服务层

计算存储中间服务层是最为核心的一个结构层，按照网络和来源将存储系统划分为3大部分，分别是公安网数据库、指挥网数据专库和视频缓存数据库，业务数据库使用MySQL数据库工具，缓存数据库则采用Redis数据库管理工具，一些实时采集或日常使用的数据都会被存放于缓存数据库当中，而数据的备份等不常用信息则被存放于业务数据库中。

3.2.4 应用服务层

应用服务层主要控制各个功能模块的业务逻辑，是为用户提供业务和功能的结构层。在功能设计上主要是分为指挥系统、警情系统、运维系统和视频系统4个大型部分。

(3)两化融合对我国制造业向产业链高端迈进，实现经济高质量发展具有重要意义 融合催生了协同设计、大规模个性化定制、网络精准营销、电子商务等新模式新业态，有效提升我国企业研发、制造、服务等环节附加值，带动我国产业结构持续优化，带来固定资产投资效率的不断提升，劳动生产率的不断增长，以及技术进步的增速发展，将加速推动我国经济发展进入质量时代。

3.3 登录注册功能设计

系统的验证登录是安全性第一重保障，通过用户验证系统可以对使用用户加以初步筛查控制，即用户在使用本系统之前需要先进行登录，未登录的用户将会触发权限限制功能。在登录时用户设置了3层信息安全验证，分别为：用户登录数据对比验证、人机测试验证和权限验证。不同的角色在登录之后可以获取不同的权限。公安内部客户端由于不对外开放，所以在使用时并且设置有注册模块，用户的添加由超级管理员统一完成，当用户在获取到用户信息之后首次登录应进行个人密码的修改和其他信息的完善。

3.4 综合警情分析模块设计

综合警情分析模块的时序设计为，首先系统会开启自动更新功能，持续地从各种数据来源渠道中获取实时警情数据。然后启动定时同步任务并判断定时任务更新是否成功。第三步为访问三合一平台数据库并获取到三合一平台数据，随后实现数据的同步，数据获取成功之后返回到Service进行数据处理。第四步为数据更新的处理，在写入自建数据库之后完成数据库的更新，并返回更新信息，在显示层更新数据视图信息。

在这一过程中，每10 s就会启动一次数据同步功能，并且将同步的结果实时反馈，如果同步不成功则会触发故障应对程序。

3.5 智慧交通控制系统功能设计

智慧交通控制系统是智能化安防控制的重要模块，包括的核心功能为信号灯控制体系、车辆识别防控体系和车辆分析功能。其时序设计为：第一步先进行登录，然后进入到主页面之中打开信号灯图层；第二步，根据实际的需求进行信号灯图层的缩放，通过点击信号灯的图标快速对信号灯进行编号；第三步，查询第三方提供接口信号灯状态，并从设备获取实时状态，在此过程中系统会返回实时的信号灯状态信息并在视图上显示当前实时的红绿灯状态；第四步，通过查询红绿灯的可控方案来制定下一步的信号灯控制计划，可控方案存放于数据库中，通过与数据库的交互查询获得；第五步为传入设定的方案编号，系统向控制器发送相应的指令，实现信号灯的控制，同时在控制成功之后系统返回成功信息。

在信息灯智能控制体系中，需要使用到传感器技术、GIS技术、GPS技术以及深度学习技术，通过机器的自我学习不断地更新数据库中的可控方案，并且也不断地对现有的可控方案进行调整，使其控制方案对社会车辆的出行影响降到最低。

3.6 AR视频图像模块设计

AR视频图像采用单独的视频客户端，客户端的配置需求满足高清图像快速渲染的要求。在这一模块中，视频数据的采集是由高清云台摄像头、天网系统摄像头、人脸识别终端和警察移动执法记录仪等设备完成，通过这些视频数据的整合来实现AR视频图像的应用。

在这一模块中，人群行为分析功能是最为核心的功能，包括入侵检测、人车密度分析、异常行为分析和目标锁定分析等几个关键功能，其详细设计为：

用户需要选择视频数据来源，单一选择和多项选择都被允许。采集到的视频信息经解码器工作之后完成视频的解码和提取。

（1）视频帧被传输到计算机服务器中，并且部署已经训练好的深度学习模型。

（2）深度学习模型对视频帧中的危险信息进行识别，或者对人的行为特征进行识别分析。

（3）发现预警目标时发出预警信息。

（4）将预警相关的视频片段截取出来返回到客户端中进行播放。

（5）实时接收处理标记好的视频数据。

4 结束语

安防体系对国内的治安环境贡献突出，创建立体化、动态化的安全防护交互指挥系统更有利于和谐社会的实现。运用深度学习技术实现模型的训练，让图像识别分析更加智能化、精准化，通过本系统可以实现综合警情的分析研判、交通信号灯的智能控制、人群行为的异常分析和AR视频图像等重要功能，结合传感器技术、云台摄像技术和GIS技术等，实现了重要场所内的智能安防，为国家经济的稳定发展贡献一份力量。