合成作战
丰麵大
及其在合成作战中的应用
周川1朱维和2王蹇2贺国强3
1 ■东方网力科技股份有限公司2.第一研究所3■甘肃省白银市
摘要：针对合成作战中视频资源在管理、应用、共享等环节存在的问题，以“整合资源、应用数据、智能研判、服务实
战”为目标，突破海量多源异构数据智能融合与管理等关键技术，实现数据的按需汇聚、资源的安全共享、犯罪的精 准预警、服务的智能推送和警务的高效协同，构建视频大数据服务系统，提升合成作战中视频大数据分析应用能力。
关键词：麵廳分析合成臟
具有知识迁移能力，基于OpenStack开源社区的云计算麟
_、引言
目前，各地机关均按照‘‘警务实战 化”的战略部署，建立实体化运作的侦查破案合成作战中 心，其中最典型的合成作战业务应用是多个警种配合从海量 视频数据中寻找具有一定价值的案件线索，利用先进的视频 智能分析技术，通过对海量视频数据的\"元数据”信息重 构，并用数据TAG的方式重新对各类信息进行组织、存 储、深度学习，完成对^罪分子行为痕迹的拼凑，把智能化 视频技术融合于案件处理的全工作流程中，使预警更加科 学、防控更加有效、打击更加精确，切实提升合成侦查、破 案攻坚能力。
不断发展，搭建以视觉智能为杨L、的视/频神经网络，使计算 能力得到充分提升，开辟人工智能的新战场。
图1 it技术和智能分析技术的进步推动视频大翻e发展(—)城模《«析计算技术
大规模视频解析计算技术是指“云+计算”，即云量的 存储空间和海量数据的计算分析。设计弹性可扩展的系统架
二、据智能分析关键技术
构，建设统一开放的视频云服务软件体系，为业务多样 化视频分析任务提側艮务。支持CPU+GPU混合计算、小数 据高并发类计算、施瞒计算，提
频
分
析
、处
利用视频大数据关系分析数据模型算法，结合非监督 式学习技术、大规模视频解析计算技术、视觉智能分析技 术，充分使用计算资源的智能调度运算框架，使计算机真正
理、比对服务，包括海量视频中的犯罪嫌疑人挖掘、嫌疑车
〇叱6 6〇1111〇丨〇97 2017年第4期11
辆数据挖掘、犯罪事件挖掘以及基于历史视频的犯罪过程分 析、实时高效的模瑚图像处理技术等。
解释数据，通过组合低层特征形成更加抽象的高层表示属性 类别或特征，以发现数据的分布式特征表示。
深度学习的核心是通过复杂的多层神经网络对海量数 据进行训练，然后得到一个适应性好、精度高的模型，从而 应用于新数据的预测。在视觉智能技术的应用中，人员、车 辆、物体是其中最有价值的三种分析源，深度学习在最新的 人脸识&J、人体识别、人群分析、车辆分析、物体识别的算 法研究中，都扮演着重要的角色。
图2大规模算技术架构图
1 ■細层
通过对车辆卡口数据、视频监控数据、移动终端数 据、数字对讲等系统的接入和管理，实现数据的统一接入管 理。
2■数据交臟
通过对基础数据库、人脸识别库、车辆库、视频 结构化数据等业务进行分析和调用，建立系统所需的数据 池，便于上层应用的分析和调取。
3■数据层
根据业务需求对数据进行处理，通过开发消息服务' 警齡析服务、系统離调剷艮务，实用腿倩息系 统、“三台合一”接处警系统、GPS定位系统、视频监控 共享平台、数字集群对讲、卡口监控及电子围栏监控等平台 的资源进行整合，建立数据与应用之间的关联。
4.应用层
实现‘‘常规警情指挥、重大事件指挥、移动事件处 置、情指研判分析、勤务管理”的实战警务格局。
该视频云框架提供针对不同文件类型的存储方案，根 据业务需要采用不同的数据计算方式，同时面对结构化数据 和非结构化数据采用不同的数据检索方式，提高应用效率。 满足视频云计算中心对于视频资源有效组织、高效计算'关 联查询的要求。
(二）深度学习技术
深度学习技术是以神经网络为基础的人工智能的研 究，其概念源于人工神经网络。深度学习提出的动机在于建 立、模拟人脑进行分析学习的神经网络，它模仿人脑机制来
图4麵结构化流程
(三）视觉智能分析技术
视觉智能分析技术是指计算机图像视觉分析技术，是 人工智能中的模式识别，其工作流程是从监视摄像头收集非 结构化数据集，■频图像内容进分析，紐图像 内容和行为的描述信息，并以结构化或半结构化语言描述， 找出可能指向某种安全威胁的异常现象。这是一个复杂的过 程，需要即时过滤和处理大量数据。
通过使用视觉智能分析技术，对视频内容进行分析， 提取固定场景视频片段中的运动目标及结构化属性特征，浓 缩合成一段更小视频片段，调度车辆和人脸、人体分析算 法，对接入视频流（实时/历史）图片进行人车目标结构化 属性提取，以及对人脸和人体进行特征提取，从而提高麵 侦查目标检索、排查定位的效率。
在中心服务端，对前端智能设备分析提取的人车图片 数据，利用优秀的分析算法进行二次结构化属性提取，进_ 步丰富人车目标属性信息，有助于目标特^数据分析更加 精准。为确保人、车运动目标智能分析识S啲精准性，进行 视频结构化和二次识5啲算法要求采用行业一流的深度学习 算法。
12 I警親涿3 2017年第4期
合成作战
以人脸、人体、时间、地点为基础的人像分析预测、稽查布 默数据应用。
图5目:性i只另IJ
通过先进的深度学习算法，可实现对视频流或图片文 件中的人、车运动目标特征属性精确测，比如人脸属性包 括年龄、性别、种族、发型、眼镜、口罩等；车辆属性包括 车牌、车标、车身颜色、子品牌、车前脸、车速、车辆掛牛 特征等。
对目标群体内部之间的未知关系进行梳理确认，找出 群体内各个目标对象之间是否存在关联关系。基于六度空间
三、视频^据分析
在合成作战中的应用
通过信息将各警种业务结合在一起，使其形成合力， 通过情报合成，基于海量高清监控视频数据（视频、图片和 音频）和智能感知采集数据（RFID、Wi-Fi和电子围栏）， 强化信息汇聚、信息整合共享，打破信息壁垒问题。面向 ‘‘人员、物品、地址、机构、时间”五个信息维度获取各类 型的数据信息，通过对这些数据信息的有效整合汇聚，为合 成作战业务提供海量的基础数据支撑。同时，随着云计算、 大数据技术的快速发展和成熟普及，融合视觉智能技术有效 提升资源利用效率、提供《量视频结构化分析、感知数据清 洗汇聚、基于GIS的资源可视化检索、数据关系推演分析、 重点目标缉查布控等应用的综合型应用，能够为合成作 战提供有效的技术支撑。
理论和已知的关系网络，提供对两个特点目标人员之间的关 系挖掘，通过两个人的身份证信息，一是行为关系：宾馆同 住、航班同行、火车同行、网吧同行、同案、同监、同车违 法、同事故、同事、同学、邻居等，二是虚拟关系：微信好 友、QQ好友、微博好友、陌陌好友等。定义关系层级，挖 掘两个人存在的关联关系，包括人员活动轨迹、区域频繁出 没分析、人员频次分析、伴随人员分析、区域碰撞分析、落 脚点分析、1: 1比对、1: N比对、m: N比对分析等。
(二）车辆轨迹时空分析应用
车辆轨迹时空分析的目的在于对目标车辆及车辆相关 关系的发现和挖掘。基于所有与车辆相关的数据信息，以车 辆为关系主体，从不同维度，利用不同手段来找出车辆之间 相关关系、车与人之间关系、车辆异常等。整合各类与车辆 相关的数据，对车辆展开研判。
图8车辆研判分析的理论依据
图6擁信息侦查研判过程抽象
将由人到车、由案到车、由车到人的案件要素之间的 关联关系，在GIS上进行可视化轨迹展示，能够细化现 有的涉车案件分析结果，提供针对涉案场所等实体信息的空 间分叠加分析。将汇聚到大数据平台的卡口图片和结构化属 性信息进行深度的数据分析，整合车辆盗抢库、车驾管库'
(-)AM关系分析应用
将汇聚到视频大数据平台的人脸、人体图片和结构化 属性信息进行深度的数齡析，整合辖区常SA 口'暂ftA 口、全国在逃、重点人员及辖区名类嫌疑人员库数据，构建
〇叱6 6〇1111〇丨〇97 2017年第4期13
“六合一”等系统，构建以车牌、车型、地点、时间为基础 的车辆分析预测、稽查布控大数据应用，包括车辆活动轨 迹、嫌疑假套牌车分析、车辆频次分析、车辆尾随跟踪分 析、昼伏夜出分析、区域r徊分析、车辆落脚点分析等。
l.l. J1I.I..I...I1
llllll
基于地图，利用数据热力图、聚合图和丰富的监测魏g统
计报表，直观展现大数据平台实时资源汇聚动态，为各类 用户人员提供大数据宏观分布与统计展示。
图10可视化态势分析
充分利用某平安城市建设VW-R采集数据和人脸采集数 据，实现对人脸库和Wi-Fi轨迹库的检索应用，支持接入已建 人脸抓拍系统数据，提供详细接入方案及应用功能截图。通 过对人脸轨迹、W-R轨迹的关联碰撞，建立其人脸与W-
Fi的对应关系，进而实人员fL迹的详细刻画。
图9车辆关系分析图
(三）可视化关系分析应用
在综合检索的基础上，提供常态化的布控预警应用， 形成对检索应用的有效补充，对于民警长期关注的目标，可 以布控方式实现系统自动检索、比对，并将报警信息实时推 送至民警，变“民警主动搜索”为“系统主动推送”。主要 提供对各类信息的研判思路和研判方法，如技战法模型，同 时也包括面向特定业务主题的研判应用，如维稳研判、涉恐 研判等。在不同的业务警种或部门、不同地方，都有自己在 侦破案件中、信息研判中的思路和方法，一些他人没有遇到 过的侦破场景，如果将这些思路和方法收集起来再共享给他 人使用，会大大提高案件健.信息研判臟率〇
人像数据与Wi-Fi数据碰撞分析
查著对应人脸的对应倍&
图11数据^
通过可视化的展现方式，定义描述多类数据之间的关 系，有助于研判人员进行嫌疑目标定位和深层关系挖掘。比 如謝输入j
车牌号码，可以贼分析出在大数据平台中
该车辆的活动轨迹、车辆基础信息、车主信息、Wi-Fi探测
MAC地址信息等，选择车主图标，可以进一步分析出车主
的人员獅雛数据、人员基础信息，并可挪涉案人员的 多层社会关系挖掘分析。
四、结语
视频大数据分析为合成作战中侦查破案' 布防预 警、应急处突等方面提供了强大的可视化信息支撑，为多警 种协同、多手段整合，常态化开展瞥情研判、线索核查'串 并比对等工作奠定了基础，同时也提升了视频大数据对社会 治安防控体系的支撑力度，推动了挪^数据分析技术在公 安行业的快速推广及实战应用。界
参考文献
[1] 汪滔.温州局应急指挥平台的建设研究P].浙江大学，2009.[2] 周川.大数据时代的公共安全治理[]].决策与信息，2016.[3] 李牧生.应急事件管理系统的设计与实现[D].浙江大学,
14 I警親涿3 2017年第4期