以人為中心的數(shù)據(jù)收斂和智能研判——視頻數(shù)據(jù)為警務(wù)研判帶來(lái)的飛躍
公安機(jī)關(guān)性質(zhì)與任務(wù)決定了中心工作都是圍繞人來(lái)開(kāi)展,“人”是案件或者事件的主體。案件發(fā)生后,公安機(jī)關(guān)首先需要研判的“誰(shuí)”是作案嫌疑人,而“誰(shuí)”需要“ID”來(lái)唯一標(biāo)識(shí)。在日常生活工作中, “姓名”可以來(lái)唯一指向一個(gè)對(duì)象,但是“姓名”ID標(biāo)識(shí)因重名存在缺陷。警務(wù)工作中,常用的ID更為廣泛,筆者認(rèn)為大致可以分為三類:第一類是人體生物特征,比如指紋、虹膜、DNA等;第二類是主體人經(jīng)常使用的,比如身份證號(hào)碼、手機(jī)號(hào)碼等;第三類是互聯(lián)網(wǎng)的虛擬身份,包括微信、QQ、支付寶、抖音等各種APP的賬號(hào)。不同的ID有不同的優(yōu)劣勢(shì),比如第一類相對(duì)準(zhǔn)確真實(shí),但是采集困難;第二類最普及,但是偽裝性強(qiáng);第三類為新型ID,隨著互聯(lián)網(wǎng)特別是移動(dòng)互聯(lián)網(wǎng)的興起,警務(wù)工作能夠采集的線索(含ID)也急速擴(kuò)張,特別是在APP需要手機(jī)號(hào)碼唯一注冊(cè)后,與主體“人”的關(guān)聯(lián)性在逐步增強(qiáng)。APP里的內(nèi)容也隱藏了大量的線索,比如微信的聊天記錄可能透露嫌疑人的位置,抖音的視頻獲取嫌疑人的頭像等等。出于數(shù)據(jù)安全考慮,互聯(lián)網(wǎng)APP的虛擬身份和內(nèi)容一般都經(jīng)過(guò)了加密處理。
通過(guò)ID唯一指向嫌疑人,然后圍繞ID,依托人事物、地點(diǎn)組織、關(guān)系、生物特征、電子軌跡、活動(dòng)軌跡等多維數(shù)據(jù),對(duì)嫌疑人展開(kāi)靜態(tài)屬性、動(dòng)態(tài)屬性、規(guī)律屬性等“屬性分析”,以得知嫌疑人住在哪里,去了什么地方,甚至預(yù)測(cè)嫌疑人將要去什么地方,會(huì)有什么動(dòng)作等,發(fā)揮大數(shù)據(jù)最核心的價(jià)值——預(yù)警預(yù)判,真正實(shí)現(xiàn)情報(bào)主導(dǎo)警務(wù)。如下圖所示:
公安內(nèi)網(wǎng)的業(yè)務(wù)數(shù)據(jù)(如車管所數(shù)據(jù)、人口庫(kù)數(shù)據(jù)等)采集的是人的靜態(tài)屬性,得知“對(duì)象是誰(shuí)”;物聯(lián)網(wǎng)中的視頻數(shù)據(jù)(以及互聯(lián)網(wǎng)數(shù)據(jù))采集的主要是人的動(dòng)態(tài)屬性,得知“對(duì)象在哪”??赏ㄟ^(guò)多維數(shù)據(jù)時(shí)間和空間上的疊加構(gòu)建算法模型,得知“對(duì)象規(guī)律”。
傳統(tǒng)警務(wù)大數(shù)據(jù)的特點(diǎn)是準(zhǔn)確性和豐富性,那么視頻大數(shù)據(jù)的特點(diǎn)是真實(shí)性和可視化。傳統(tǒng)警務(wù)大數(shù)據(jù)省級(jí)體量往往在1PB左右,數(shù)據(jù)種類多至上百種。數(shù)據(jù)準(zhǔn)確高;而視頻數(shù)據(jù)的采集往往是在群眾不被告知的情況下被動(dòng)采集,所以數(shù)據(jù)往往真實(shí)性高,但是因?yàn)槭芟抻谒惴ň?、安裝環(huán)境等因素,視頻數(shù)據(jù)的準(zhǔn)確性不高。比如,同一款人臉智能攝像機(jī),安裝的合理,捕獲和識(shí)別率可以到95%以上,不合理,則可能到不了50%。
可視化是視頻數(shù)據(jù)的另一個(gè)特點(diǎn)。公安機(jī)關(guān)特別是基層民警在警務(wù)工作中,經(jīng)常需要調(diào)閱視頻,因?yàn)橐曨l記錄還原了那一刻“最真實(shí)的事實(shí)”,而且最直觀。但是非結(jié)構(gòu)化的視頻是不能用于大數(shù)據(jù)分析挖掘的,需要經(jīng)過(guò)智能視頻算法提取視頻中的結(jié)構(gòu)化內(nèi)容,包括人車對(duì)象、異常行為等;視頻數(shù)據(jù)種類相對(duì)比較少,導(dǎo)致在視頻結(jié)構(gòu)化變成數(shù)據(jù)過(guò)程中,損失了大量的價(jià)值信息,比如案發(fā)當(dāng)天下暴雨(室外),步態(tài)異常(室內(nèi))等。所以目前,原始視頻必須被按一定期限保留,保留價(jià)值最全的數(shù)據(jù)載體。
視頻對(duì)象結(jié)構(gòu)化數(shù)據(jù)根據(jù)價(jià)值梯度分為三個(gè)圈,如下圖所示。第一個(gè)圈內(nèi)的數(shù)據(jù)(車牌號(hào)碼、人臉模型、車輛模型、人體模型)具有ID屬性,價(jià)值最高;第二個(gè)圈內(nèi)的數(shù)據(jù)(人臉屬性、車輛屬性等)不具有ID唯一指向?qū)ο蟮膶傩?,價(jià)值相對(duì)較低,但是具有縮小嫌疑對(duì)象范圍的能力;第三個(gè)圈內(nèi)的數(shù)據(jù)是系統(tǒng)穩(wěn)定可靠運(yùn)行的支撐。
第一個(gè)圈內(nèi)的數(shù)據(jù)價(jià)值最大,但是具有不同的優(yōu)勢(shì)特點(diǎn)。從易讀性、準(zhǔn)確性等維度對(duì)比如下(附加移動(dòng)終端特征和RFID):
ID屬性對(duì)比 人臉模型 人體模型 車牌號(hào)碼 車輛模型 移動(dòng)終端特征 RFID
(人眼)易讀性 弱 弱 強(qiáng) 弱 弱 強(qiáng)
(ID)準(zhǔn)確性 中 弱 強(qiáng) 中 強(qiáng) 強(qiáng)
(場(chǎng)景)豐富度 弱 強(qiáng) 強(qiáng) 強(qiáng) 強(qiáng) 強(qiáng)
(與人)匹配度 強(qiáng) 弱 弱 弱 弱 中
(ID)偽裝力 強(qiáng) 弱 強(qiáng) 弱 強(qiáng) 弱
(ID)易損性 弱 弱 強(qiáng) 弱 弱 強(qiáng)
(人眼)易讀性:模型數(shù)據(jù)作為半結(jié)構(gòu)化數(shù)據(jù),無(wú)法用人類語(yǔ)言表述出來(lái),導(dǎo)致民警無(wú)法進(jìn)行口語(yǔ)描述和文字傳遞(比如全文檢索),而車牌號(hào)碼就可以由案發(fā)現(xiàn)場(chǎng)的A民警告知辦案中心的B民警,再由B民警將車牌號(hào)碼錄入布控中心,發(fā)起全城布控,此業(yè)務(wù)場(chǎng)景就是ID易讀性帶來(lái)的優(yōu)勢(shì)。
(ID)準(zhǔn)確性:受限于算法精度和安裝環(huán)境等因素限制,模型數(shù)據(jù)的識(shí)別率通常不高,而人體模型因?yàn)镮D特征點(diǎn)不明顯,建模困難,企業(yè)研發(fā)投入相對(duì)不足等原因,準(zhǔn)確率相比車牌號(hào)碼低很多,而且不穩(wěn)定。
(場(chǎng)景)豐富度:目前,攝像頭的布建,越來(lái)越依托業(yè)務(wù)場(chǎng)景,即有目的性
的去采集視頻中的對(duì)象和行為,所以兩者(場(chǎng)景和對(duì)象ID)耦合度不斷增強(qiáng)。比如人臉對(duì)象的采集:因?yàn)樗惴▽?duì)人臉像素和人臉角度的要求比較高,所以適合安裝人臉智能IPC的場(chǎng)景并不多,局限于狹長(zhǎng)式的人員通道、規(guī)則的人員出入口等。但是捕獲人體的場(chǎng)景就相對(duì)豐富,大部分室外開(kāi)放式的場(chǎng)景都合適,對(duì)人臉像素和人臉角度基本無(wú)要求。結(jié)合(ID)準(zhǔn)確性這項(xiàng),可以得知人體模型是弱ID,但是場(chǎng)景豐富,適合采集對(duì)象人的軌跡。
(與人)匹配度:本文一開(kāi)始提到警務(wù)工作是圍繞“人”為中心展開(kāi)的,所以不同的ID最終是需要關(guān)聯(lián)到“人”,因?yàn)椤叭四樐P汀笔侵苯硬杉娜松砩献詭У腎D,所以和主體“人”的匹配度最高,采集人臉圖像建模后和公安內(nèi)網(wǎng)的人口庫(kù)作比對(duì)實(shí)現(xiàn)身份確認(rèn)。對(duì)于車輛對(duì)象,因?yàn)樘囟〞r(shí)間的司機(jī)不一定是車主(車主信息可以由公安內(nèi)網(wǎng)車管所獲得),所以車牌號(hào)碼和車輛模型兩個(gè)ID和“人”的匹配度是相對(duì)低的,特別是真實(shí)的案件中,嫌疑人往往不會(huì)使用自己名下登記的車輛。
(ID)偽裝力:真實(shí)案件中,嫌疑人經(jīng)常會(huì)帶上口罩,嫌疑車的車牌號(hào)碼被遮擋污損或者直接套牌無(wú)牌等,容易偽裝。但是對(duì)于人體模型和車輛模型兩個(gè)ID,一方面難以偽裝,另一方面目前的作案人員還沒(méi)有這個(gè)意識(shí)去針對(duì)這兩種ID進(jìn)行偽裝,所以偽裝力弱,已采集。
(ID)易損性:人臉、人體、車輛等模型數(shù)據(jù),因?yàn)橹苯痈街趯?duì)象身上,所以嫌疑對(duì)象不會(huì)自己主動(dòng)發(fā)起破壞,比如把自己的臉刮傷,把車給砸壞等,基本不太可能。但是比如車牌號(hào)碼、或者RFID等電子標(biāo)簽,因?yàn)槌杀镜?,相?duì)容易被故意損耗和破壞。
綜上可以看出,不同的視頻類ID具有不同的優(yōu)劣勢(shì),如果在警務(wù)實(shí)戰(zhàn)過(guò)程中將不同ID的優(yōu)勢(shì)進(jìn)行互補(bǔ),強(qiáng)強(qiáng)結(jié)合,將發(fā)揮出1+1>2的實(shí)戰(zhàn)價(jià)值,這也是大數(shù)據(jù)戰(zhàn)略中非常關(guān)鍵的一環(huán)。
應(yīng)用場(chǎng)景:(1)調(diào)取現(xiàn)場(chǎng)視頻監(jiān)控,鎖定嫌疑人;(2)結(jié)構(gòu)化大量視頻,提取人體模型,對(duì)嫌疑人構(gòu)建豐富的軌跡;(3)利用軌跡中多維智能抓拍機(jī)同時(shí)捕獲清晰正面人臉和人體,將人臉模型和人體模型進(jìn)行關(guān)聯(lián),人臉模型和公安業(yè)務(wù)人口庫(kù)比對(duì)確認(rèn)嫌疑人身份和登記住處;(4)通過(guò)人體模型形成的軌跡,分析嫌疑人的落腳點(diǎn),和登記的住處相吻合,最終捕獲嫌疑人。案例偵破中,結(jié)合利用了人臉模型(與人)匹配度高和人體模型的(場(chǎng)景)豐富度高兩個(gè)不同的優(yōu)勢(shì),通過(guò)人臉模型知道“是誰(shuí)”,通過(guò)人體模型知道“在哪”。
未來(lái),隨著越來(lái)越多的數(shù)據(jù)匯聚到大數(shù)據(jù)池中,通過(guò)“數(shù)據(jù)拼圖”,構(gòu)建“數(shù)據(jù)魔方”,形成能力倍增器,為各警種提供易懂、可視、高度共享的價(jià)值鏈。
本文來(lái)源:《企業(yè)科技與發(fā)展》:http://m.00559.cn/w/qk/21223.html
欄目分類
- 1智能家居發(fā)展現(xiàn)狀及未來(lái)
- 2中國(guó)VR技術(shù)發(fā)展現(xiàn)狀、應(yīng)用前景與對(duì)策研究
- 3淺談霍爾效應(yīng)及其應(yīng)用
- 4收入確認(rèn)與計(jì)量的"五步法"模型實(shí)務(wù)探討
- 5趣味浮力探究實(shí)驗(yàn)
- 6智能溫度控制系統(tǒng)
- 7人工智能技術(shù)在傳播領(lǐng)域的應(yīng)用與展望
- 8基于OpenCV的車道線識(shí)別與跟蹤算法
- 9國(guó)內(nèi)外廢紙分類標(biāo)準(zhǔn)對(duì)比和分析
- 10共享汽車行業(yè)和諧發(fā)展的swot分析
- 2023JCR影響因子正式公布!
- 國(guó)內(nèi)核心期刊分級(jí)情況概覽及說(shuō)明!本篇適用人群:需要發(fā)南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的學(xué)者
- 我用了一個(gè)很復(fù)雜的圖,幫你們解釋下“23版最新北大核心目錄有效期問(wèn)題”。
- 重磅!CSSCI來(lái)源期刊(2023-2024版)最新期刊目錄看點(diǎn)分析!全網(wǎng)首發(fā)!
- CSSCI官方早就公布了最新南核目錄,有心的人已經(jīng)拿到并且投入使用!附南核目錄新增期刊!
- 北大核心期刊目錄換屆,我們應(yīng)該熟知的10個(gè)知識(shí)點(diǎn)。
- 注意,最新期刊論文格式標(biāo)準(zhǔn)已發(fā)布,論文寫(xiě)作規(guī)則發(fā)生重大變化!文字版GB/T 7713.2—2022 學(xué)術(shù)論文編寫(xiě)規(guī)則
- 盤(pán)點(diǎn)那些評(píng)職稱超管用的資源,1,3和5已經(jīng)“絕種”了
- 職稱話題| 為什么黨校更認(rèn)可省市級(jí)黨報(bào)?是否有什么說(shuō)據(jù)?還有哪些機(jī)構(gòu)認(rèn)可黨報(bào)?
- 《農(nóng)業(yè)經(jīng)濟(jì)》論文投稿解析,難度指數(shù)四顆星,附好發(fā)選題!