大數據時(shí)代 智能分析技術(shù)在公安領(lǐng)域的應用

　　文/宇視科技首席智能架構師 譚熾烈

　　傳統的視頻監控解決了視頻的存儲和回放，以及各廠(chǎng)商視頻流的互聯(lián)互通，但仍然無(wú)法準確識別、定位和查找視頻中的人，車(chē)，物等目標信息。目前，要實(shí)現全方位的實(shí)時(shí)監控，指揮調度，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(shí)刻緊盯屏幕，監視所有攝像機的實(shí)況視頻，以及回放相關(guān)視頻錄像，查找可疑人員，車(chē)輛目標和線(xiàn)索。這顯然需要耗費大量人力，而且難免也會(huì )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(shí)戰平臺，結合視頻圖像偵查業(yè)務(wù)，對監控畫(huà)面中感興趣的目標視頻進(jìn)行智能分析，提取可疑的人、車(chē)、物等目標信息，生成結構化的語(yǔ)義描述，從而實(shí)現特定目標的快速定位、查找和檢索。例如，當某現場(chǎng)發(fā)生案件，收集案發(fā)現場(chǎng)監控視頻，及所有聯(lián)網(wǎng)的公安視頻圖像、政府建設視頻、社會(huì )監控視頻。對涉案視頻進(jìn)行智能分析，其相關(guān)聯(lián)的視頻中人、車(chē)目標進(jìn)行信息提取。并對每個(gè)圖片和視頻進(jìn)行目標對象可人工標注描述，實(shí)現視頻、圖片與對應人、車(chē)、物信息的關(guān)聯(lián)。然后上傳到視頻信息數據庫，作為基礎數據資源用于情報信息研判。還可利用GIS地圖可視化，結合時(shí)空信息，詳細刻畫(huà)可疑目標的活動(dòng)軌跡，為偵破案件提供重要支持。公安實(shí)戰平臺有效的提升監控視頻資源利用，協(xié)助快速而準確的研判，提升工作效率。

　　智能分析技術(shù)應用

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

　　人臉識別

　　為了應對公共安全突發(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(mén)對人臉識別技術(shù)的尤為關(guān)注。另一方面，隨著(zhù)圖像視覺(jué)和機器學(xué)習技術(shù)的不斷進(jìn)步和產(chǎn)業(yè)化，人臉識別效果已逐漸受到公安部門(mén)的認可。

　　公安部門(mén)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(chǎng)、娛樂(lè )場(chǎng)所及各類(lèi)重點(diǎn)場(chǎng)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(shí)現人臉的實(shí)時(shí)布控、高危人員比對、以圖搜圖、語(yǔ)義搜索等方面的業(yè)務(wù)應用。比如，人臉布控業(yè)務(wù)是通過(guò)對場(chǎng)景中視頻的進(jìn)行實(shí)時(shí)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(jìn)行實(shí)時(shí)比對。如果發(fā)現重點(diǎn)關(guān)注人員，將推送到公安實(shí)戰平臺客戶(hù)端或手機終端。另外公安實(shí)戰平臺與全國人口庫、常住人口庫、居住證人口庫等數據關(guān)聯(lián)，實(shí)現城市地鐵、機場(chǎng)、酒店的人臉識別系統的聯(lián)動(dòng)。結合地圖業(yè)務(wù)應用，可實(shí)現軌跡回放、告警、查詢(xún)的可視化。

　　另外，事實(shí)上，在安防領(lǐng)域的人臉識別處于一種非常復雜的狀態(tài)的制約。實(shí)際監控場(chǎng)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數據庫，還相距甚遠。例如，光照，姿態(tài)，表情，飾物，遮擋，運動(dòng)模糊，分辨率等都影響著(zhù)人臉識別算法的實(shí)際應用推廣。已有的訓練算法，或者說(shuō)已有的訓練數據無(wú)法表達出一個(gè)具有很強泛化能力的算法模型。

　　未來(lái)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據，如各種光照，姿態(tài)，表情下的人臉圖像。另一方面，深度學(xué)習模型還可以進(jìn)一步優(yōu)化和調整。不過(guò)到底什么樣的模型才算是最優(yōu)的，目前業(yè)界并沒(méi)有很好的答案。

　　車(chē)輛識別

　　近年來(lái)，隨著(zhù)智能交通的高清卡口相機的廣泛建設和應用，借助于智能識別算法和大規模集成電路技術(shù)的迅速發(fā)展，以及配套設施的工程施工標準化，對電警、卡口、停車(chē)場(chǎng)出入口等場(chǎng)所進(jìn)行包括車(chē)牌識別在內的車(chē)輛特征識別，把車(chē)輛相關(guān)結構化信息存入基礎信息庫。智能分析識別的車(chē)輛特征信息越來(lái)越豐富，通常包括有車(chē)牌、車(chē)牌顏色、車(chē)標、車(chē)身顏色、車(chē)型、車(chē)款等。配合業(yè)務(wù)需求，還能檢測識別遮陽(yáng)板、系安全帶、司乘人員的人臉檢測和抓拍、駕駛員打電話(huà)等細微信息。

　　基于這些車(chē)輛關(guān)鍵的特征信息，形成上億條過(guò)車(chē)記錄數據。也推動(dòng)了后臺大數據分析服務(wù)的發(fā)展應用，和行業(yè)數據挖掘，形成例如套牌車(chē)分析識別、高危車(chē)輛積分模型、車(chē)輛行駛軌跡分析，時(shí)空碰撞等實(shí)戰技戰法的應用。對車(chē)輛特征數據的大數據搜索，即可迅速找到所有符合條件的車(chē)輛信息，包括行駛時(shí)間與方向，行駛速度，車(chē)牌號碼，車(chē)標，年款。結合以圖搜圖的檢索方法，在公安實(shí)戰平臺上調取卡口視頻和圖像文件，快速查詢(xún)到有關(guān)嫌疑車(chē)輛信息，還原車(chē)輛行駛的軌跡歷史信息，而且可以實(shí)現嫌疑車(chē)輛在整個(gè)城市的全程運行軌跡查詢(xún)，同時(shí)結合視頻監控信息，實(shí)現車(chē)輛全程化得可視化軌跡回放，以及對涉事車(chē)輛的精確布控和查詢(xún)。聯(lián)合車(chē)管所車(chē)輛信息庫，得到車(chē)輛和車(chē)主的信息、車(chē)輛活動(dòng)信息、跟車(chē)信息等記錄。

　　視頻濃縮摘要

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

　　通過(guò)視頻解碼，提取目標的圖像特征信息，先定義好事件規則，過(guò)濾掉大部分用戶(hù)不關(guān)心的信息，保留行人、車(chē)輛或其他目標的活動(dòng)細節。

　　圖像增強與復原

　　圖像增強與復原，是指通過(guò)圖像處理算法，把模糊等惡化的圖像通過(guò)增強工具進(jìn)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，幫助還原現場(chǎng)的車(chē)輛和行人的本來(lái)面目，幫助快速梳理和清晰化相關(guān)線(xiàn)索。

　　視頻診斷

　　視頻診斷是檢測攝像機的圖像畫(huà)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(zhù)監控設備的不斷建設和擴容，像城市的眼睛一樣的前端IPC攝像機故障的影響越來(lái)越大，對其的檢測和維護也是必不可少。

　　面臨的問(wèn)題

　　盡管各行業(yè)對智能分析的需求旺盛，但在實(shí)際的應用中主要存在以下方面問(wèn)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(chǎng)合已能發(fā)揮作用，但無(wú)法廣泛部署和規模的市場(chǎng)應 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，針對不同角度復雜異常運動(dòng)建模困難;目標與背景接近會(huì )導致目標檢測和特征信息提取困難;運動(dòng)目標被遮擋會(huì )造成目標信息缺失;目標移動(dòng)速度過(guò)快或算法過(guò)于復雜導致跟蹤的有效性較低。如果無(wú)法解決誤警率、漏報率高，目標跟蹤丟失等環(huán)境適應性的困難，市場(chǎng)仍將很難規模推廣應用。

　　海量數據分析速度慢

　　面對海量的前端攝像機送回的視頻、圖片數據，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(mǎn)足不了公安業(yè)務(wù)部門(mén)的要求。而為了提升檢出率和降低誤報率，算法復雜度也在不斷提升，數據的分析，目標檢索速度仍然有提升的需求空間。