1研究背景

隨著我國(guó)經(jīng)濟(jì)發(fā)展和人民生活水平的提高,汽車(chē)數(shù)量急劇上升,給人們的交通出行提供便利的同時(shí)也帶來(lái)了很多亟待解決的問(wèn)題,如交通事故頻發(fā)、利用機(jī)動(dòng)車(chē)實(shí)施犯罪等,給公安機(jī)關(guān)開(kāi)展視頻圖像偵查造成巨大困難。傳統(tǒng)的車(chē)輛卡口識(shí)別系統(tǒng)大多基于車(chē)牌識(shí)別系統(tǒng),通過(guò)車(chē)牌對(duì)過(guò)往車(chē)輛進(jìn)行識(shí)別,存在一定的缺陷和不足,不能完全準(zhǔn)確地識(shí)別出問(wèn)題車(chē)輛,比如人為故意遮擋號(hào)牌或者車(chē)輛套牌,可見(jiàn)只依靠車(chē)牌對(duì)車(chē)輛進(jìn)行識(shí)別不但不能發(fā)現(xiàn)問(wèn)題,更談不上對(duì)車(chē)輛進(jìn)行追蹤。

2系統(tǒng)技術(shù)架構(gòu)

某地通過(guò)對(duì)目前公安視圖偵查工作的現(xiàn)狀和需求進(jìn)行分析,完成了預(yù)警系統(tǒng)的設(shè)計(jì)與研發(fā),采用先進(jìn)的Hadoop分布式技術(shù),在視頻圖像大數(shù)據(jù)資源整合優(yōu)化基礎(chǔ)上,基于KGIs+的視頻圖像大數(shù)據(jù)系統(tǒng)框架,建設(shè)圖像資源主目錄庫(kù)、線索庫(kù)、案事件庫(kù)、技戰(zhàn)法庫(kù)等:整理包括公安自建設(shè)備圖像、外調(diào)圖像的信息資料主目錄庫(kù):提供一鍵入視頻（線索）庫(kù):整合警務(wù)綜合平臺(tái)、網(wǎng)辦平臺(tái)、"三臺(tái)合一"平臺(tái)、大情報(bào)系統(tǒng)等。

2.1數(shù)據(jù)源

預(yù)警系統(tǒng)將公安自建設(shè)備圖像資源、政府部門(mén)建設(shè)圖像資源、社會(huì)建設(shè)圖像資源統(tǒng)一標(biāo)準(zhǔn)進(jìn)行編碼、入庫(kù),加載到大數(shù)據(jù)平臺(tái)。將常住人口信息、暫住人口信息、違法犯罪信息、重點(diǎn)人口信息、車(chē)輛實(shí)名登記信息、車(chē)駕管信息等視頻深度應(yīng)用和圖像偵查系統(tǒng)基礎(chǔ)數(shù)據(jù)接入:將警情庫(kù)整合接入:根據(jù)規(guī)則將"三合一"系統(tǒng)數(shù)據(jù)自動(dòng)清洗導(dǎo)入。

2.2大數(shù)據(jù)平臺(tái)

按照需求實(shí)現(xiàn)對(duì)圖像資源的統(tǒng)一存儲(chǔ)與管理,設(shè)計(jì)視頻資源主目錄,包括公安部門(mén)視頻圖像資源主目錄庫(kù)和外調(diào)圖像信息資源主目錄庫(kù),將公安自建的圖像資源的屬性信息根據(jù)國(guó)家統(tǒng)一標(biāo)準(zhǔn)進(jìn)行整理、加載:將社會(huì)各個(gè)單位自己建設(shè)的視頻、卡口、電警等資源的屬性信息根據(jù)國(guó)家統(tǒng)一標(biāo)準(zhǔn)進(jìn)行整理、加載:根據(jù)資源的價(jià)值分等級(jí)保存在不同的存儲(chǔ)空間,為

后續(xù)多警種數(shù)據(jù)共享提供支撐。

2.3應(yīng)用層

應(yīng)用層為用戶(hù)提供多種可視化操作模塊,同時(shí)為公安業(yè)務(wù)需要和各級(jí)領(lǐng)導(dǎo)決策分析、研判提供邏輯支撐,主要有以下幾個(gè)模塊:視頻實(shí)時(shí)監(jiān)控、視頻快速檢索、視頻摘要播放、圖像清晰化、視頻增強(qiáng)功能、高危人員比對(duì)、視頻智能跟蹤、案件空間分析、案件視頻研判、線索相似比對(duì)等,可實(shí)現(xiàn)車(chē)輛、人像數(shù)據(jù)的查詢(xún)、比對(duì)、搜索、碰撞等功能,并可配合各種技戰(zhàn)法實(shí)現(xiàn)大數(shù)據(jù)研判。

3系統(tǒng)關(guān)鍵技術(shù)

3.1基于卷積神經(jīng)網(wǎng)絡(luò)模型的車(chē)輛檢索技術(shù)

采用卷積神經(jīng)網(wǎng)絡(luò)Convo1utiona1Neura1Network,簡(jiǎn)稱(chēng)為CNN）進(jìn)行圖像特征提取,即利用CNN模型從待檢測(cè)車(chē)輛的圖像中提取待檢測(cè)車(chē)輛的N個(gè)檢測(cè)特征向量,不同的車(chē)輛部件可以采用不同的CNN模型進(jìn)行檢測(cè)特征向量的提取。該技術(shù)擺脫了依靠車(chē)牌進(jìn)行識(shí)別的限制,通過(guò)機(jī)器學(xué)習(xí)和人工智能方法,有效提取車(chē)牌特征（如顏色、結(jié)構(gòu)、可見(jiàn)字符等）、車(chē)輛品牌、車(chē)型、顏色、車(chē)輛類(lèi)型、車(chē)燈、格柵、車(chē)身粘貼物、車(chē)窗粘貼物、車(chē)內(nèi)掛飾擺件等,為警用監(jiān)控預(yù)警系統(tǒng)實(shí)現(xiàn)對(duì)車(chē)輛大數(shù)據(jù)的各種深度研判,可以為車(chē)輛尾隨跟蹤分析、車(chē)輛頻次分析、晝伏夜出車(chē)輛分析、區(qū)域徘徊車(chē)輛分析、區(qū)域碰撞（多點(diǎn)關(guān)聯(lián)）、路徑匹配分析、車(chē)輛活動(dòng)區(qū)域分析等提供可靠的技術(shù)支撐。

3.2機(jī)器學(xué)習(xí)

預(yù)警系統(tǒng)利用深度學(xué)習(xí)技術(shù)進(jìn)行公安業(yè)務(wù)模型訓(xùn)練,采用當(dāng)前最先進(jìn)的深度學(xué)習(xí)算法對(duì)車(chē)輛、人員圖片進(jìn)行處理。深度學(xué)習(xí)就是利用一些算法去構(gòu)建一個(gè)含有多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)的各層與原始數(shù)據(jù)不同層次的數(shù)學(xué)抽象相對(duì)應(yīng),利用特征向量描述圖像。與傳統(tǒng)模式識(shí)別算法相比,深度學(xué)習(xí)算法的最大的區(qū)別在于它所選擇的特征是從大數(shù)據(jù)中自動(dòng)學(xué)習(xí)而來(lái),而非手工獲取,合適的特征能有效提高模式識(shí)別系統(tǒng)的速度及準(zhǔn)確度。

3.3Hadoop分布式運(yùn)算

采用先進(jìn)的Hadoop分布式技術(shù),可實(shí)現(xiàn)高速的數(shù)據(jù)查詢(xún)、存儲(chǔ)等功能,采用傳統(tǒng)的高可用架構(gòu)部署方式,集成多項(xiàng)領(lǐng)先的、可靠的服務(wù)器冗余備份技術(shù)以及系統(tǒng)軟件級(jí)的高可用技術(shù),保證平臺(tái)的不間斷穩(wěn)定運(yùn)行。

在高密度服務(wù)器上,部署大數(shù)據(jù)軟件系統(tǒng),軟件主要包含Hadoop架構(gòu)、Hadoop分布式文件系統(tǒng)HadoopDistributedFi1esystem,HDFs）和MapReduce編程模型。

大數(shù)據(jù)卡口平臺(tái)軟件架構(gòu)如圖1所示。

4車(chē)輛卡口識(shí)別系統(tǒng)

4.1基礎(chǔ)應(yīng)用功能

4.1.1實(shí)時(shí)過(guò)車(chē)查詢(xún)

系統(tǒng)可以調(diào)用卡口設(shè)備的實(shí)時(shí)監(jiān)控功能,顯示實(shí)時(shí)通過(guò)的車(chē)輛記錄及圖像資料,系統(tǒng)還提供單斷面和多斷面顯示。

4.1.2歷史過(guò)車(chē)查詢(xún)

系統(tǒng)支持對(duì)于過(guò)車(chē)信息的多條件符合檢索功能。檢索條件包括號(hào)牌號(hào)碼、設(shè)備位置、過(guò)車(chē)時(shí)間段、號(hào)牌顏色、車(chē)道類(lèi)型、車(chē)速范圍、車(chē)身顏色等:車(chē)輛號(hào)牌號(hào)碼支持精確查詢(xún)和模糊查詢(xún):支持對(duì)于檢索結(jié)果的詳細(xì)信息調(diào)閱、單幅/多幅查閱、前后翻頁(yè)、跳頁(yè)、記錄圖片導(dǎo)出、線索取證、視頻回放、數(shù)據(jù)篩選、圖像在線增強(qiáng)處理、KG1s+定位等實(shí)戰(zhàn)應(yīng)用功能。

4.2車(chē)輛大數(shù)據(jù)分析

利用當(dāng)前先進(jìn)的大數(shù)據(jù)分布式運(yùn)算架構(gòu),基于資源庫(kù)中的卡口信息、車(chē)駕管信息等相關(guān)資源,利用深度學(xué)習(xí)實(shí)現(xiàn)了多種模式搜車(chē)、以圖搜圖、車(chē)標(biāo)任務(wù)管理、車(chē)檔檢索、語(yǔ)義檢索和車(chē)輛統(tǒng)計(jì)等多種功能。

4.3車(chē)輛技戰(zhàn)法

利用當(dāng)前先進(jìn)的大數(shù)據(jù)分布式運(yùn)算架構(gòu),基于資源庫(kù)中的卡口信息、車(chē)駕管信息等相關(guān)資源,實(shí)現(xiàn)了假/套牌分析、車(chē)輛多點(diǎn)碰撞、路徑復(fù)現(xiàn)、未系安全帶分析、遮擋面部分析、車(chē)輛落腳點(diǎn)分析、晝伏夜出分析、一車(chē)多牌分析、路徑策略分析、跟車(chē)策略分析、區(qū)域徘徊分析等十余種功能,真正實(shí)現(xiàn)對(duì)城市各類(lèi)嫌疑車(chē)輛的實(shí)時(shí)監(jiān)控、預(yù)警防范、信息研判、快速響應(yīng)。

5結(jié)語(yǔ)

該系統(tǒng)從2016年開(kāi)始研發(fā),2018年初正式上線運(yùn)行,目前已協(xié)助當(dāng)?shù)毓矙C(jī)關(guān)破獲多起車(chē)輛違法案件。筆者從基層公安面臨的視圖偵查現(xiàn)狀和傳統(tǒng)車(chē)輛識(shí)別技術(shù)存在的不足入手,根據(jù)各警種聯(lián)合作戰(zhàn)和大數(shù)據(jù)預(yù)警預(yù)測(cè)需求,設(shè)計(jì)與研發(fā)了預(yù)警系統(tǒng),經(jīng)基層實(shí)際應(yīng)用表明,在匯聚豐富的車(chē)輛大數(shù)據(jù)后,在后臺(tái)即可實(shí)現(xiàn)對(duì)車(chē)輛大數(shù)據(jù)的各種深度研判,實(shí)現(xiàn)了對(duì)城市各類(lèi)嫌疑車(chē)輛的實(shí)時(shí)監(jiān)控、預(yù)警防范、信息研判、快速響應(yīng),提高了民警辦案水平和辦案效率。