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)研判帶來的飛躍

公安機關(guān)性質(zhì)與任務(wù)決定了中心工作都是圍繞人來開展，“人”是案件或者事件的主體。案件發(fā)生后，公安機關(guān)首先需要研判的“誰”是作案嫌疑人，而“誰”需要“ID”來唯一標識。在日常生活工作中， “姓名”可以來唯一指向一個對象，但是“姓名”ID標識因重名存在缺陷。警務(wù)工作中，常用的ID更為廣泛，筆者認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，比如身份證號碼、手機號碼等；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。不同的ID有不同的優(yōu)劣勢，比如第一類相對準確真實，但是采集困難；第二類最普及，但是偽裝性強；第三類為新型ID，隨著互聯(lián)網(wǎng)特別是移動互聯(lián)網(wǎng)的興起，警務(wù)工作能夠采集的線索（含ID）也急速擴張，特別是在APP需要手機號碼唯一注冊后，與主體“人”的關(guān)聯(lián)性在逐步增強。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)過了加密處理。

通過ID唯一指向嫌疑人，然后圍繞ID，依托人事物、地點組織、關(guān)系、生物特征、電子軌跡、活動軌跡等多維數(shù)據(jù)，對嫌疑人展開靜態(tài)屬性、動態(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)測嫌疑人將要去什么地方，會有什么動作等，發(fā)揮大數(shù)據(jù)最核心的價值——預(yù)警預(yù)判，真正實現(xiàn)情報主導(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)、人口庫數(shù)據(jù)等）采集的是人的靜態(tài)屬性，得知“對象是誰”；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態(tài)屬性，得知“對象在哪”?？赏ㄟ^多維數(shù)據(jù)時間和空間上的疊加構(gòu)建算法模型，得知“對象規(guī)律”。

傳統(tǒng)警務(wù)大數(shù)據(jù)的特點是準確性和豐富性，那么視頻大數(shù)據(jù)的特點是真實性和可視化。傳統(tǒng)警務(wù)大數(shù)據(jù)省級體量往往在1PB左右，數(shù)據(jù)種類多至上百種。數(shù)據(jù)準確高；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采集，所以數(shù)據(jù)往往真實性高，但是因為受限于算法精度、安裝環(huán)境等因素，視頻數(shù)據(jù)的準確性不高。比如，同一款人臉智能攝像機，安裝的合理，捕獲和識別率可以到95%以上，不合理，則可能到不了50%。

可視化是視頻數(shù)據(jù)的另一個特點。公安機關(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，因為視頻記錄還原了那一刻“最真實的事實”，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，包括人車對象、異常行為等；視頻數(shù)據(jù)種類相對比較少，導(dǎo)致在視頻結(jié)構(gòu)化變成數(shù)據(jù)過程中，損失了大量的價值信息，比如案發(fā)當天下暴雨（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，保留價值最全的數(shù)據(jù)載體。

視頻對象結(jié)構(gòu)化數(shù)據(jù)根據(jù)價值梯度分為三個圈，如下圖所示。第一個圈內(nèi)的數(shù)據(jù)（車牌號碼、人臉模型、車輛模型、人體模型）具有ID屬性，價值最高；第二個圈內(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?，價值相對較低，但是具有縮小嫌疑對象范圍的能力；第三個圈內(nèi)的數(shù)據(jù)是系統(tǒng)穩(wěn)定可靠運行的支撐。

第一個圈內(nèi)的數(shù)據(jù)價值最大，但是具有不同的優(yōu)勢特點。從易讀性、準確性等維度對比如下（附加移動終端特征和RFID）： 

ID屬性對比 人臉模型 人體模型 車牌號碼 車輛模型 移動終端特征 RFID

（人眼）易讀性 弱 弱 強 弱 弱 強

（ID）準確性 中 弱 強 中 強 強

（場景）豐富度 弱 強 強 強 強 強

（與人）匹配度 強 弱 弱 弱 弱 中

（ID）偽裝力 強 弱 強 弱 強 弱

（ID）易損性 弱 弱 強 弱 弱 強

（人眼）易讀性：模型數(shù)據(jù)作為半結(jié)構(gòu)化數(shù)據(jù)，無法用人類語言表述出來，導(dǎo)致民警無法進行口語描述和文字傳遞（比如全文檢索），而車牌號碼就可以由案發(fā)現(xiàn)場的A民警告知辦案中心的B民警，再由B民警將車牌號碼錄入布控中心，發(fā)起全城布控，此業(yè)務(wù)場景就是ID易讀性帶來的優(yōu)勢。

（ID）準確性：受限于算法精度和安裝環(huán)境等因素限制，模型數(shù)據(jù)的識別率通常不高，而人體模型因為ID特征點不明顯，建模困難，企業(yè)研發(fā)投入相對不足等原因，準確率相比車牌號碼低很多，而且不穩(wěn)定。

（場景）豐富度：目前，攝像頭的布建，越來越依托業(yè)務(wù)場景，即有目的性

的去采集視頻中的對象和行為，所以兩者（場景和對象ID）耦合度不斷增強。比如人臉對象的采集：因為算法對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的場景并不多，局限于狹長式的人員通道、規(guī)則的人員出入口等。但是捕獲人體的場景就相對豐富，大部分室外開放式的場景都合適，對人臉像素和人臉角度基本無要求。結(jié)合（ID）準確性這項，可以得知人體模型是弱ID，但是場景豐富，適合采集對象人的軌跡。

（與人）匹配度：本文一開始提到警務(wù)工作是圍繞“人”為中心展開的，所以不同的ID最終是需要關(guān)聯(lián)到“人”，因為“人臉模型”是直接采集的人身上自帶的ID，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)的人口庫作比對實現(xiàn)身份確認。對于車輛對象，因為特定時間的司機不一定是車主（車主信息可以由公安內(nèi)網(wǎng)車管所獲得），所以車牌號碼和車輛模型兩個ID和“人”的匹配度是相對低的，特別是真實的案件中，嫌疑人往往不會使用自己名下登記的車輛。

（ID）偽裝力：真實案件中，嫌疑人經(jīng)常會帶上口罩，嫌疑車的車牌號碼被遮擋污損或者直接套牌無牌等，容易偽裝。但是對于人體模型和車輛模型兩個ID，一方面難以偽裝，另一方面目前的作案人員還沒有這個意識去針對這兩種ID進行偽裝，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)，因為直接附著在對象身上，所以嫌疑對象不會自己主動發(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。但是比如車牌號碼、或者RFID等電子標簽，因為成本低，相對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，如果在警務(wù)實戰(zhàn)過程中將不同ID的優(yōu)勢進行互補，強強結(jié)合，將發(fā)揮出1+1>2的實戰(zhàn)價值，這也是大數(shù)據(jù)戰(zhàn)略中非常關(guān)鍵的一環(huán)。

應(yīng)用場景：（1）調(diào)取現(xiàn)場視頻監(jiān)控，鎖定嫌疑人；（2）結(jié)構(gòu)化大量視頻，提取人體模型，對嫌疑人構(gòu)建豐富的軌跡；（3）利用軌跡中多維智能抓拍機同時捕獲清晰正面人臉和人體，將人臉模型和人體模型進行關(guān)聯(lián)，人臉模型和公安業(yè)務(wù)人口庫比對確認嫌疑人身份和登記住處；（4）通過人體模型形成的軌跡，分析嫌疑人的落腳點，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（場景）豐富度高兩個不同的優(yōu)勢，通過人臉模型知道“是誰”，通過人體模型知道“在哪”。

未來，隨著越來越多的數(shù)據(jù)匯聚到大數(shù)據(jù)池中，通過“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、高度共享的價值鏈。

本文來源：《企業(yè)科技與發(fā)展》：http://m.00559.cn/w/qk/21223.html