李杰 馮偉 貴州省銅仁市公安局

引言

傳統(tǒng)公安情報(bào)大數(shù)據(jù)系統(tǒng)[1]已經(jīng)集成了多維度數(shù)據(jù)，在社會(huì)治安防控、案件偵破、線索挖掘中起到了重要作用，但傳統(tǒng)的大數(shù)據(jù)系統(tǒng)存在一定局限性，如集成的Wi-Fi探針、手機(jī)信令等數(shù)據(jù)不確定性強(qiáng)，戶籍、房車產(chǎn)等數(shù)據(jù)固化、更新慢等問題。如何依據(jù)人像相關(guān)數(shù)據(jù)的強(qiáng)ID屬性，以及無感采集、數(shù)據(jù)鮮活等特點(diǎn)，運(yùn)用大數(shù)據(jù)分析技術(shù)手段，實(shí)現(xiàn)人車數(shù)據(jù)的深度挖掘和綜合研判，從而提升公安機(jī)關(guān)在一些典型應(yīng)用場景下的精細(xì)化治理水平，成為了當(dāng)前公安信息化建設(shè)的重要方向之一。

一、存在問題

（一）傳統(tǒng)視頻監(jiān)控技術(shù)辦案效率較為低下

傳統(tǒng)視頻監(jiān)控僅能夠解決事后查閱的應(yīng)用，往往案件發(fā)生之后需要利用大量警力從海量視頻圖像信息中獲取線索，這不僅是對警力資源大量的消耗，同時(shí)受制于人員疲倦、經(jīng)驗(yàn)不足等原因會(huì)造成關(guān)鍵線索信息缺失的嚴(yán)重情況，從而降低公安辦案效率。

（二）無法有效利用AI系統(tǒng)采集的數(shù)據(jù)

現(xiàn)有人臉布控比對系統(tǒng)、車輛稽查布控系統(tǒng)僅能夠?qū)崿F(xiàn)對特定目標(biāo)或者已知嫌疑人進(jìn)行事中布控預(yù)警，無法實(shí)現(xiàn)事前預(yù)警、事后研判。以人臉為例，前端部署的人臉抓拍機(jī)實(shí)際每天會(huì)獲取到海量的路人照片，這樣一些人臉照片信息實(shí)際是沒有被利用而閑置的，而這些海量人臉照片里存在潛在危險(xiǎn)人員，但系統(tǒng)無法對這一類潛在的高危人員或團(tuán)伙提供有力技術(shù)支撐，一定程度上造成資源的浪費(fèi)。

（三）現(xiàn)有大數(shù)據(jù)系統(tǒng)的數(shù)據(jù)精準(zhǔn)度不足

傳統(tǒng)大數(shù)據(jù)技術(shù)會(huì)因?yàn)閃i-Fi探針、手機(jī)信令、戶籍、房產(chǎn)、車產(chǎn)的數(shù)據(jù)不確定性和數(shù)據(jù)鮮活性等問題，難以實(shí)現(xiàn)精準(zhǔn)數(shù)據(jù)分析，同時(shí)也不能為所有案事件所應(yīng)用，在使用上有一定的局限性。

基于以上問題，公安部門在關(guān)注人員或群體常出沒地點(diǎn)、落腳點(diǎn)、活動(dòng)規(guī)律、異常行為以及對在公安管理名單內(nèi)的高危人員挖掘、監(jiān)管等一些典型應(yīng)用場景上，亟需補(bǔ)充基于AI技術(shù)的大數(shù)據(jù)分析系統(tǒng)，實(shí)現(xiàn)以動(dòng)態(tài)人臉數(shù)據(jù)為核心，建立人員全息檔案等功能，并根據(jù)各類標(biāo)簽、關(guān)注度、親密度、活躍度進(jìn)行多維檢索，實(shí)現(xiàn)嫌疑人關(guān)系圖譜分析，嫌疑人之間關(guān)系挖掘。

二、解決方案

基于AI技術(shù)大數(shù)據(jù)分析系統(tǒng)建設(shè)應(yīng)著眼于公安典型應(yīng)用場景，以精細(xì)化治理為目標(biāo)，通過人臉識別、人像聚類、特征融合等技術(shù)提升大數(shù)據(jù)分析研判能力，同時(shí)匯聚接入視頻、圖片、案事件等多維數(shù)據(jù)，建立人臉、人體、車輛、案事件等多維度數(shù)據(jù)倉庫。通過對多維數(shù)據(jù)碰撞、融合、挖掘、關(guān)系分析，建立多種技戰(zhàn)法模型、積分模型和人員全息檔案，繪制關(guān)系圖譜，實(shí)現(xiàn)對目標(biāo)人員的快速有效管控，對重點(diǎn)人員異常行為進(jìn)行預(yù)警，挖掘潛在高危人員風(fēng)險(xiǎn)，彌補(bǔ)傳統(tǒng)公安大數(shù)據(jù)系統(tǒng)的不足，從而更好地為公安部門實(shí)戰(zhàn)業(yè)務(wù)所使用。

（一）系統(tǒng)架構(gòu)

本解決方案系統(tǒng)架構(gòu)如圖1所示，總體分為接入層、數(shù)據(jù)層、服務(wù)層和應(yīng)用層。

1.接入層

為系統(tǒng)提供各類數(shù)據(jù)的接入，支持接入攝像機(jī)、抓拍機(jī)、離線視頻、人證核驗(yàn)設(shè)備、視頻聯(lián)網(wǎng)共享平臺(tái)、視圖庫及第三方系統(tǒng)。

2.處理層

存儲(chǔ)各維度原始數(shù)據(jù)和各服務(wù)分析的成果數(shù)據(jù)，包括各類底庫數(shù)據(jù)，人像數(shù)據(jù)、視頻數(shù)據(jù)、人體數(shù)據(jù)、車輛數(shù)據(jù)等原始采集數(shù)據(jù)。

3.服務(wù)層

服務(wù)層系統(tǒng)的核心，為系統(tǒng)提供異常預(yù)警、同行分析、關(guān)系圖譜、積分模型、數(shù)據(jù)碰撞、資源調(diào)度、人像聚類、數(shù)據(jù)歸檔、特征提取、比對檢索等基礎(chǔ)服務(wù)。

4.應(yīng)用層

結(jié)合公安業(yè)務(wù)應(yīng)用需求，提供綜合態(tài)勢、關(guān)注群體、歷史預(yù)警、全息檔案、關(guān)系圖譜、關(guān)系挖掘、多維研判、群體管理等業(yè)務(wù)服務(wù)，并通過接口方式對外提供相關(guān)業(yè)務(wù)服務(wù)。

（二）關(guān)鍵技術(shù)

系統(tǒng)建設(shè)運(yùn)行采用了人工智能、大數(shù)據(jù)分析、積分模型、人像聚類、關(guān)系圖譜等關(guān)鍵技術(shù)，其中積分模型、人像聚類和關(guān)系圖譜為系統(tǒng)關(guān)鍵技術(shù)和優(yōu)勢點(diǎn)。

1.積分模型

所謂積分模型[2]，是依據(jù)嫌疑人的一些異常行為按照預(yù)先設(shè)計(jì)的規(guī)則進(jìn)行積分統(tǒng)計(jì)，通過該模型分析算法實(shí)現(xiàn)對嫌疑人異常行為的預(yù)警，同時(shí)通過積分模型還可反映出關(guān)系人之間的親密度。如當(dāng)疑似吸毒人員經(jīng)常出沒在吸毒高發(fā)區(qū)域駐留，駐留超過一定時(shí)間開始積分，當(dāng)積分到一定閾值后即產(chǎn)生預(yù)警。除此之外，還可以實(shí)現(xiàn)人員區(qū)域頻繁出沒積分、晝伏夜出積分、活動(dòng)驟降積分、活動(dòng)驟增積分、群體區(qū)域出沒積分、區(qū)域聚集積分等模型。

2.人像聚類

人像聚類是通過將人像數(shù)據(jù)對象的集合分成由類似的對象組成的多個(gè)類的過程。由聚類所生成的簇是一組數(shù)據(jù)對象的集合，這些對象與同一個(gè)簇中的對象彼此相似，與其他簇中的對象相異?！拔镆灶惥?，人以群分”，在自然科學(xué)和社會(huì)科學(xué)中，存在著大量的分類問題。聚類分析又稱群分析，是研究人像聚類分類問題的一種統(tǒng)計(jì)分析方法。聚類分析起源于分類學(xué)，但是聚類不等于分類。聚類與分類的不同在于，聚類所要求劃分的類是未知的。聚類分析內(nèi)容非常豐富，有系統(tǒng)聚類法、有序樣品聚類法、動(dòng)態(tài)聚類法、模糊聚類法、圖論聚類法、聚類預(yù)報(bào)法等。人像聚類采用高維聚類分析方法，通過對人像特征數(shù)據(jù)多維度的分析聚類，實(shí)現(xiàn)人像特征數(shù)據(jù)的融合分析。

3.關(guān)系圖譜

關(guān)系圖譜基于人像數(shù)據(jù)庫建立關(guān)系網(wǎng)絡(luò)圖，是一種可視化的智能分析產(chǎn)品。通過數(shù)據(jù)抽取和轉(zhuǎn)換，圖計(jì)算引擎對數(shù)據(jù)進(jìn)行查詢和分析，實(shí)現(xiàn)秒級數(shù)據(jù)運(yùn)算和數(shù)據(jù)可視化，并以圖譜的形式展示給用戶的圖形分析工具。業(yè)務(wù)單位可以基于已建好的圖譜進(jìn)行查詢、分析和探索，通過關(guān)系圖譜可以實(shí)現(xiàn)犯罪嫌疑人團(tuán)伙成員之間的關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)、活動(dòng)成員規(guī)律分析和親密度分析等應(yīng)用。關(guān)系圖譜如圖2所示。

三、主要功能

（一）綜合態(tài)勢

綜合態(tài)勢功能是實(shí)現(xiàn)系統(tǒng)當(dāng)前的運(yùn)行狀況、關(guān)注人員態(tài)勢、關(guān)注群體今日出沒統(tǒng)計(jì)、產(chǎn)生預(yù)警統(tǒng)計(jì)及預(yù)警列表、地圖人流量熱力圖、設(shè)備分布、今日預(yù)警分布等綜合信息的整體展示。

（二）全息檔案

全息檔案功能是基于一人一檔[3]關(guān)鍵技術(shù)，并通過人臉識別、人員聚類、特征融合等技術(shù)將海量人像數(shù)據(jù)進(jìn)行分析挖掘，形成人員的全息檔案，按關(guān)注群體、底庫、實(shí)名化、系統(tǒng)標(biāo)簽等維度對檔案進(jìn)行統(tǒng)計(jì)，并可按檔案、按群體、按底庫對全息檔案進(jìn)行多維檢索，結(jié)合人員標(biāo)簽、關(guān)注度、親密度、活躍度進(jìn)行多維度人員挖掘篩選，展示人員的活動(dòng)規(guī)律、軌跡分析、異常行為、關(guān)系圖譜等多維度個(gè)人全息檔案信息。

（三）關(guān)系挖掘

關(guān)系挖掘功能是通過上傳人像或輸入證件號選擇檔案進(jìn)行關(guān)系挖掘，分析兩人的直接好友和二度好友，并通過關(guān)系圖譜分析實(shí)現(xiàn)其好友類型分布和好友列表呈現(xiàn)，同時(shí)可按照親密度、所屬群體進(jìn)行二次篩選，通過兩人之間的親密度還可以查看兩人的關(guān)系詳細(xì)情況。

（四）大數(shù)據(jù)挖掘

大數(shù)據(jù)挖掘功能是基于采集的路人信息、各類人像庫及布控庫人像信息，在提供各類檢索應(yīng)用的同時(shí)，還可以實(shí)現(xiàn)團(tuán)伙管控分析[4]、人員關(guān)系圖譜分析、人員活動(dòng)規(guī)律分析、人員軌跡分析和同行分析等大數(shù)據(jù)挖掘應(yīng)用。

四、應(yīng)用成效

（一）大數(shù)據(jù)分析預(yù)警

2019年7月初，在黑龍江某市“掃黑除惡”專項(xiàng)行動(dòng)中，接到群眾舉報(bào)本市人員范某某涉黑，經(jīng)當(dāng)?shù)毓矙C(jī)關(guān)調(diào)查得知，范某某不僅涉黑，同時(shí)還身背一條命案，當(dāng)?shù)毓矙C(jī)關(guān)高度重視，但還未來得及抓捕，范某某就得知消息逃之夭夭，經(jīng)調(diào)查范某乘坐飛機(jī)已經(jīng)逃往千里之外的貴州省銅仁市，當(dāng)?shù)毓膊块T一邊將其列為網(wǎng)上在逃犯，一邊派出干警力量趕往貴州，同時(shí)聯(lián)系我單位希望給與協(xié)助支持。通過運(yùn)用大數(shù)據(jù)分析預(yù)警，快速實(shí)現(xiàn)了嫌疑人的身份確認(rèn)，并通過軌跡和活動(dòng)規(guī)律分析，很快鎖定范某在銅仁的行駛軌跡和落腳點(diǎn)，最終成功將其抓獲歸案。將范某如此快速的抓獲得益于大數(shù)據(jù)分析預(yù)警能夠精準(zhǔn)助力公安機(jī)關(guān)在一些案件偵破和嫌疑人抓捕場景下的業(yè)務(wù)應(yīng)用。

（二）團(tuán)伙成員分析

系統(tǒng)基于親密度積分模型和關(guān)系圖譜分析，對實(shí)名人員及戰(zhàn)法挖掘的人員識別出團(tuán)伙成員，團(tuán)伙會(huì)隨著人員識別戰(zhàn)法不斷分析出更多高危人員而隨著精準(zhǔn)自動(dòng)生長，同時(shí)還可以進(jìn)行人工干預(yù)，團(tuán)伙的關(guān)系網(wǎng)會(huì)隨著人員親密度變化，越來越廣、越來越密、越來越準(zhǔn)。團(tuán)伙成員分析能夠助力公安單位在一些涉案團(tuán)伙嫌疑人員打擊和抓捕業(yè)務(wù)場景下的研判應(yīng)用，從而將團(tuán)伙成員一網(wǎng)打盡。

（三）人員全息畫像

系統(tǒng)基于一人一檔信息歸類聚檔，同時(shí)將一個(gè)人的人員屬性信息、活動(dòng)規(guī)律、軌跡信息和關(guān)系圖譜等分析，呈現(xiàn)出人員的全息畫像，不僅可以實(shí)現(xiàn)人員最近衣著、常穿衣著、人員屬性、異常行為、車輛和移動(dòng)設(shè)備信息展示，同時(shí)還可以展示其首次出現(xiàn)的時(shí)間、地點(diǎn)，最后一次出現(xiàn)的時(shí)間、地點(diǎn)以及活動(dòng)分析，包括屬性標(biāo)簽、常訪區(qū)域和活動(dòng)時(shí)段。人員全息畫像能夠精準(zhǔn)助力公安單位在案件研判中展示一個(gè)嫌疑人全方面的信息，便于更好地分析研判嫌疑人。

五、結(jié)語

大數(shù)據(jù)分析技術(shù)應(yīng)結(jié)合先進(jìn)的人工智能圖像算法對海量的人像數(shù)據(jù)進(jìn)行精準(zhǔn)聚類，從而面向基層公安民警典型應(yīng)用場景提供一套實(shí)戰(zhàn)化的應(yīng)用系統(tǒng)，提升在案件偵破、治安防控、情報(bào)研判等實(shí)戰(zhàn)效能。隨著技術(shù)的不斷發(fā)展和成熟，提供一套基于人臉、車輛、Wi-Fi、手機(jī)信令、出行數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等全域數(shù)據(jù)的大數(shù)據(jù)分析系統(tǒng)，將是今后較長一段時(shí)間內(nèi)精細(xì)化治理實(shí)戰(zhàn)應(yīng)用發(fā)展和研究的方向。