大數(shù)據(jù)時代 智能分析技術(shù)在公安領(lǐng)域的應(yīng)用

　　文/宇視科技首席智能架構(gòu)師 譚熾烈

　　傳統(tǒng)的視頻監(jiān)控解決了視頻的存儲和回放，以及各廠商視頻流的互聯(lián)互通，但仍然無法準確識別、定位和查找視頻中的人，車，物等目標信息。目前，要實現(xiàn)全方位的實時監(jiān)控，指揮調(diào)度，視頻錄像中可疑目標的檢索查證，還必須依靠大量的工作人員時刻緊盯屏幕，監(jiān)視所有攝像機的實況視頻，以及回放相關(guān)視頻錄像，查找可疑人員，車輛目標和線索。這顯然需要耗費大量人力，而且難免也會因為疲勞和疏忽，而錯漏掉某些稍縱即逝的重要信息。

　　因此，圍繞公安業(yè)務(wù)需求的公安實戰(zhàn)平臺，結(jié)合視頻圖像偵查業(yè)務(wù)，對監(jiān)控畫面中感興趣的目標視頻進行智能分析，提取可疑的人、車、物等目標信息，生成結(jié)構(gòu)化的語義描述，從而實現(xiàn)特定目標的快速定位、查找和檢索。例如，當(dāng)某現(xiàn)場發(fā)生案件，收集案發(fā)現(xiàn)場監(jiān)控視頻，及所有聯(lián)網(wǎng)的公安視頻圖像、政府建設(shè)視頻、社會監(jiān)控視頻。對涉案視頻進行智能分析，其相關(guān)聯(lián)的視頻中人、車目標進行信息提取。并對每個圖片和視頻進行目標對象可人工標注描述，實現(xiàn)視頻、圖片與對應(yīng)人、車、物信息的關(guān)聯(lián)。然后上傳到視頻信息數(shù)據(jù)庫，作為基礎(chǔ)數(shù)據(jù)資源用于情報信息研判。還可利用GIS地圖可視化，結(jié)合時空信息，詳細刻畫可疑目標的活動軌跡，為偵破案件提供重要支持。公安實戰(zhàn)平臺有效的提升監(jiān)控視頻資源利用，協(xié)助快速而準確的研判，提升工作效率。

　　智能分析技術(shù)應(yīng)用

　　視頻智能分析是利用計算機圖像視覺處理、模式識別和機器學(xué)習(xí)等算法，分析和識別運動目標信息。作為公安實戰(zhàn)平臺中最為重要的環(huán)節(jié)，如下幾種智能分析需求應(yīng)用更為迫切。

　　人臉識別

　　為了應(yīng)對公共安全突發(fā)事件，比如波士頓馬拉松爆炸案，校園槍擊案，公安業(yè)務(wù)部門對人臉識別技術(shù)的尤為關(guān)注。另一方面，隨著圖像視覺和機器學(xué)習(xí)技術(shù)的不斷進步和產(chǎn)業(yè)化，人臉識別效果已逐漸受到公安部門的認可。

　　公安部門借助人臉卡口IPC攝像機的智能人臉檢測技術(shù)，在城市道路、廣場、娛樂場所及各類重點場所的人員目標的人臉識別，提取包括人的性別、戴眼鏡、年齡段等特征信息。從而實現(xiàn)人臉的實時布控、高危人員比對、以圖搜圖、語義搜索等方面的業(yè)務(wù)應(yīng)用。比如，人臉布控業(yè)務(wù)是通過對場景中視頻的進行實時人臉采集和視頻分析，并與各種人臉庫提供的圖片(警綜、信綜、出入境、人口庫、追逃庫、犯罪人員庫等)進行實時比對。如果發(fā)現(xiàn)重點關(guān)注人員，將推送到公安實戰(zhàn)平臺客戶端或手機終端。另外公安實戰(zhàn)平臺與全國人口庫、常住人口庫、居住證人口庫等數(shù)據(jù)關(guān)聯(lián)，實現(xiàn)城市地鐵、機場、酒店的人臉識別系統(tǒng)的聯(lián)動。結(jié)合地圖業(yè)務(wù)應(yīng)用，可實現(xiàn)軌跡回放、告警、查詢的可視化。

　　另外，事實上，在安防領(lǐng)域的人臉識別處于一種非常復(fù)雜的狀態(tài)的制約。實際監(jiān)控場所得到的人臉圖片質(zhì)量不高，距離研究領(lǐng)域的圖片，例如LFW數(shù)據(jù)庫，還相距甚遠。例如，光照，姿態(tài)，表情，飾物，遮擋，運動模糊，分辨率等都影響著人臉識別算法的實際應(yīng)用推廣。已有的訓(xùn)練算法，或者說已有的訓(xùn)練數(shù)據(jù)無法表達出一個具有很強泛化能力的算法模型。

　　未來人臉識別模型如果需要取得突破，一方面需要更多更豐富的海量的樣本數(shù)據(jù)，如各種光照，姿態(tài)，表情下的人臉圖像。另一方面，深度學(xué)習(xí)模型還可以進一步優(yōu)化和調(diào)整。不過到底什么樣的模型才算是最優(yōu)的，目前業(yè)界并沒有很好的答案。

　　車輛識別

　　近年來，隨著智能交通的高清卡口相機的廣泛建設(shè)和應(yīng)用，借助于智能識別算法和大規(guī)模集成電路技術(shù)的迅速發(fā)展，以及配套設(shè)施的工程施工標準化，對電警、卡口、停車場出入口等場所進行包括車牌識別在內(nèi)的車輛特征識別，把車輛相關(guān)結(jié)構(gòu)化信息存入基礎(chǔ)信息庫。智能分析識別的車輛特征信息越來越豐富，通常包括有車牌、車牌顏色、車標、車身顏色、車型、車款等。配合業(yè)務(wù)需求，還能檢測識別遮陽板、系安全帶、司乘人員的人臉檢測和抓拍、駕駛員打電話等細微信息。

　　基于這些車輛關(guān)鍵的特征信息，形成上億條過車記錄數(shù)據(jù)。也推動了后臺大數(shù)據(jù)分析服務(wù)的發(fā)展應(yīng)用，和行業(yè)數(shù)據(jù)挖掘，形成例如套牌車分析識別、高危車輛積分模型、車輛行駛軌跡分析，時空碰撞等實戰(zhàn)技戰(zhàn)法的應(yīng)用。對車輛特征數(shù)據(jù)的大數(shù)據(jù)搜索，即可迅速找到所有符合條件的車輛信息，包括行駛時間與方向，行駛速度，車牌號碼，車標，年款。結(jié)合以圖搜圖的檢索方法，在公安實戰(zhàn)平臺上調(diào)取卡口視頻和圖像文件，快速查詢到有關(guān)嫌疑車輛信息，還原車輛行駛的軌跡歷史信息，而且可以實現(xiàn)嫌疑車輛在整個城市的全程運行軌跡查詢，同時結(jié)合視頻監(jiān)控信息，實現(xiàn)車輛全程化得可視化軌跡回放，以及對涉事車輛的精確布控和查詢。聯(lián)合車管所車輛信息庫，得到車輛和車主的信息、車輛活動信息、跟車信息等記錄。

　　視頻濃縮摘要

　　視頻濃縮摘要是通過對視頻錄像的智能分析，將其中有運動目標部分視頻截取下來，丟棄沒有運動目標的片段，通過視頻剪輯，形成一段段簡短的濃縮摘要視頻內(nèi)容。視場景運動目標的分布有關(guān)，甚至于它可以將24小時內(nèi)具有運動目標濃縮在短短十幾分鐘，甚至幾分鐘內(nèi)的短片形式。

　　通過視頻解碼，提取目標的圖像特征信息，先定義好事件規(guī)則，過濾掉大部分用戶不關(guān)心的信息，保留行人、車輛或其他目標的活動細節(jié)。

　　圖像增強與復(fù)原

　　圖像增強與復(fù)原，是指通過圖像處理算法，把模糊等惡化的圖像通過增強工具進行清晰化處理。利用多種圖像處理算法，例如對視頻、圖片的亮度、白平衡、去霧、去模糊等多種智能處理，幫助還原現(xiàn)場的車輛和行人的本來面目，幫助快速梳理和清晰化相關(guān)線索。

　　視頻診斷

　　視頻診斷是檢測攝像機的圖像畫質(zhì)異常，比如圖像模糊，鏡頭虛焦，攝像機外罩臟，亮度、對比度、偏色、橫條紋，雪花噪聲等圖像異常狀態(tài)檢測。隨著監(jiān)控設(shè)備的不斷建設(shè)和擴容，像城市的眼睛一樣的前端IPC攝像機故障的影響越來越大，對其的檢測和維護也是必不可少。

　　面臨的問題

　　盡管各行業(yè)對智能分析的需求旺盛，但在實際的應(yīng)用中主要存在以下方面問題：

　　準確率受環(huán)境影響大

　　視頻檢測、識別和報警功能在關(guān)鍵的場合已能發(fā)揮作用，但無法廣泛部署和規(guī)模的市場應(yīng) 用。究其原因，視頻圖像分析算法仍然對環(huán)境敏感。環(huán)境中存在對智能分析算法的干擾因素較多，對智能分析的效果影響較大。例如，智能分析算法對環(huán)境中的光照變化敏感，針對不同角度復(fù)雜異常運動建模困難;目標與背景接近會導(dǎo)致目標檢測和特征信息提取困難;運動目標被遮擋會造成目標信息缺失;目標移動速度過快或算法過于復(fù)雜導(dǎo)致跟蹤的有效性較低。如果無法解決誤警率、漏報率高，目標跟蹤丟失等環(huán)境適應(yīng)性的困難，市場仍將很難規(guī)模推廣應(yīng)用。

　　海量數(shù)據(jù)分析速度慢

　　面對海量的前端攝像機送回的視頻、圖片數(shù)據(jù)，雖然后端智能分析平臺的性能不斷提升，但目標檢索速度仍然滿足不了公安業(yè)務(wù)部門的要求。而為了提升檢出率和降低誤報率，算法復(fù)雜度也在不斷提升，數(shù)據(jù)的分析，目標檢索速度仍然有提升的需求空間。