本文將著重對公安刑偵系統重要組成部分視圖庫的核心業務及技術架構進行分析闡述!

前言：作為公安刑偵研判的第一主要工具，視頻監控在案件研判過程中發揮著越來越重要的作用，據統計，近50%的案件偵破與視頻監控獲取的資料有關。在視頻數據成指數級增長的情況下，如何將數據采集、數據分析等處理環節變得精準高效成為公安視頻偵查作戰的前提，業內目前也已涌現出了針對視頻數據合成作戰系統的相關應用，比如視圖庫，本文將著重對公安刑偵系統重要組成部分視圖庫的核心業務及技術架構進行分析闡述!

文/尹鵬 柳文憑

隨著城市視頻監控系統的不斷完善和擴建，視頻已經成為社會數據量最大的一類數據，網絡甚至流傳這樣一個段子：電視臺新聞行業應該給視頻監控行業頒發 最佳素材獎 ，原因是電視臺播放的新聞中，有四分之一的素材來自于視頻監控。當然這只是個段子，但無疑也再次驗證了視頻監控本身具備的新聞真實性、直觀性等特色，這也是全國公共安全一直大力建設視頻監控，把視頻監控作為城市基礎建設中一部分的一個原因。

發揮視頻監控在案件研判中的效益

視頻監控事實上已經成為公安刑偵研判的第一主要工具，協助公安系統維護社會的穩定。但是并不是說視頻監控無懈可擊。我們知道，隨著平安城市的建設速度加快、996文把視頻監控定義為城市基礎建設設施的一部分，視頻監控錄像的體積走向了越來越龐大之路。

據最新的數據統計表明，視頻監控的建設在已經存在2000萬臺的基礎上依然按照每年20%的速度遞增。視頻監控錄像已經超過百PB級別，朝EB級別邁進。公安干警通過視頻監控偵破一個案件，平均需要調看6000G、3000個小時的錄像的辛苦勞作。如何讓視頻監控在案件研判中越來越重要的作用下更好的發揮效率是現代視頻監控行業一致認同的行業性難題。

慶幸的是，現在這個難題已經取得了一定突破性的進展了。在今年7月份由全國安全防范報警系統標準化技術委員會主導的GA/T1164-2014《公安視頻圖像信息聯網與應用標準體系表》 也就是行業內所俗稱的 視圖庫標準最新修訂版 正式發布。

視圖庫三大業務核心

視圖庫是什么?視圖庫是一個庫，存下所有的結構化錄像、超感信息;視圖庫是數據解析中心，能最快速度分析庫里數據;視圖庫也是合成作戰中心，能整合展現想要的信息。視圖庫是為了解決之前這一系列問題而誕生的，它具備數據搜集、數據分析、數據作戰三個主要業務核心，利用數據的合成作戰為案件偵破提供最關鍵線索服務，精確定位線索中的四要素：時間、地點、人物、事件。

數據搜集

其中數據搜集是整個視圖庫的重中之重，它包含了視圖庫最重要的核心-結構化，以及多維數據采集的超感。

為什么說結構化是重中之重?因為它是從占據EB級存儲量的視頻中提取數據的唯一方式。能夠對每一個攝像機的監控畫面其中的車、人信息進行最大化的結構化提取。一段幾百兆的錄像，提取后可以達到只有幾百個字段再加上幾K的圖片的壓縮比率。

而做到對每一個監控畫面的分析，依賴的是對GPU集群計算的應用。GPU集群是能夠實現1:1結構化的技術支撐。對比CPU，GPU的更多核心和其并行處理架構使GPU成為天然的圖形計算系統。利用GPU做圖形計算，我們可以做到比CPU計算：5倍以上性能提升，價格降低6倍，功耗降低10倍，體積減少20倍。利用依賴于GPU集群計算的1:1實時結構化，我們能夠實現全數據中秒級響應的以圖搜圖。能夠任意指定搜索車的車牌、車型、車款、顏色、遮陽板狀態、前擱置物、前玻璃粘貼物。任意指定搜索人的年齡、性別、衣服顏色。

在數據搜集中另外一個重要的工具是用于多維身份判定的超感，身份識別精度隨數據量和使用量增加，理論極限可達到萬分之幾的誤差，結構化視頻作為身份判定主參數毋庸置疑，現在的人臉對比能夠達到99%以上的準確度。而超感的數據采集作為A類輔助信息其作用也極其重大。

通用的超感工具包分為，被動型和主動型兩種，被動型以wifi sniffer為主，通過采集每個人都隨身攜帶的手機網卡MAC地址，去定位人員。主動型以RFID感知為主，通過對需要管控的人或者物加載有源標簽，可實現精確管控。

其中被動感知的wifi sniffer 功能，可以通過小小大大的反復型線索確認方法提高線索搜索效率。比如我們可以通過幾個攝像機視頻確定一個人員的小范圍視頻軌跡，通過這個視頻軌跡與周邊MAC采集數據進行軌跡碰撞，碰撞出最可能的幾條MAC軌跡后，可以快速對這幾個MAC軌跡進行大范圍搜索，得到一個更大的MAC軌跡，然后再通過這個輔助MAC軌跡去碰撞視頻監控錄像，精準、快速調取錄像內容，最終得到切實的人員視頻軌跡。這就是小小大大的線索確認方式，它提高了監控錄像調取效率，降低了公安干警視頻研判的工作量。

RFID作為主動型感知建設功能，其具備切實準確的數據結果。可以用做于精確管控，比如電動車進行管控，主要功能包括：提高治安案件主要作案工具的管控，降低猖獗的電動車偷盜相關案件發生率，規范電動車超速駕駛，杜絕電動車肇事逃逸。

數據分析

視圖庫的第二大核心業務：數據分析，是公安大數據建設的重要部分，它的準確度和分析速度直接影響了整個系統的運行效率。

為了提高數據的準確度，最新的視圖庫技術大范圍使用了人工智能領域的技術桂冠 深度學習算法，它能夠讓機器自動訓練，速度提升十倍。全特征訓練，算法擴展速度提升三倍?，F在的人臉識別精度達到99%以上，依賴的也就是深度學習算法。利用深度學習的宇視人臉識別系統，能夠實現人臉識別的超難度工作，無論你做鬼臉、胖了、老了、擋臉、擋嘴、側臉都可以準確的識別出你的存在。

解決了準確度問題，最新的視圖庫技術利用新一代的時空數據庫去解決速度的問題。時空數據庫是針對安防特性提出的一個專業安防數據庫概念。其開發依據公安部研究所的研究報告： 只要有4個時間點和位置的數據，就能確定一個人身份 。依據此研究成果，以時間為線，以地點為軸對結構化信息進行分類的時空數據庫，能夠更容易、更快速的對視頻內容進行規則分析，找到線索軌跡。

時空數據庫中充分整合了兩個最重要的大數據框架Hadoop和Spark。Hadoop作為模式計算的典范，能夠做到營房中算無遺策，它最大特性是能夠對歷史數據進行有組織的存儲和計算。屬于戰略層計算，只針對歷史數據，能夠做到以史觀之，可看歷史規律、找未來趨勢,獨獨缺乏對現狀的分析，這就依賴另一個大數據框架，著重進行流式計算的Spark，它做到的是運動中殲敵，屬于戰術層計算，主要特征依賴于內存計算，針對動態數據，速度奇快，適合追蹤、布控。

數據作戰

視圖庫的第三大核心業務：數據作戰，是視圖庫在用戶面前最直接呈現，是數據展示效果的依托，沒有數據作戰模塊的展現，再多的數據、再快的分析皆是無用之物。而這些數據都應該整合在具備時空關系天然展現的電子地圖上，讓數據一目了然。電子地圖支持直接信息類展現，包括設備類：槍機、云臺、球機、超感基站、立桿等基礎設備;警力類：警員、警車、崗亭等警力信息;報警類：110報警、報警崗亭、布控報警等信息;支持數據分析類地圖展現：包括軌跡類，車輛軌跡、RFID軌跡、MAC軌跡;案件分析類，案件軌跡、案件視頻、案件圖片;數據結果類，案件熱力圖、攝像機密度圖。

(本文作者尹鵬現任職于天津市公安局和平分局、作者柳文憑現任浙江宇視科技有限公司解決方案架構師、)