图像侦查中的智能化应用

文 | 柳文凭

　　图像侦查已经是公安四大侦查手段之一，图像侦查的建设依赖于10年来平安城市的建设。而高清和智能是近年来平安城市建设的两大热点，也是图像侦查工作取得突破性进展的关键技术。高清显而易见，让我们看到的监控画面更加清晰，图像细节更加丰富；平安城市中智能分析技术运用越来越多，不仅可以解决传统的图像侦查不能解决人力监管问题，还可以实现智能化视频处理警情，在第一时间透过视频监控处理警情。

平安城市大规模建设后，图像侦查必然选择智能

　　目前平安城市建设涵盖图像资源建设，公安人员监控客户端上前端列表中的监控点位数量可以突破万级，但可供实时监看的显示器、大屏的数量却是有限的，根本不可能对前端重要图像实施实时监控；另一方面，根据统计，由于人类生理结构自身的缺陷，人的注意力通常小于20分钟，科学实验证明，一个人观看二台显示器：10分钟后人眼就会忽略45%的屏幕内容，22分钟后人眼就会忽略95%的屏幕内容。而视频监控中无价值或低价值的冗余视频通常会大于90%，通过监控人员人眼长时间实时监看监控图像，监控人员很快就会对监控画面中的视频要点“视而不见”了，传统单纯通过人进行“实时监控”的模式也不能适应当前图像侦查发展的需求。只有通过技术创新引入新的解决之道来帮助使用者对海量视频去芜存菁，提取使用者感兴趣的目标，把用户从枯燥、低效的录像查看中解放出来。经过多年的探索，我们似乎找到了这个解决之道—通过引入机器智能协助业务人员对视频对象进行智能分析。

图像侦查需要什么样的智能业务

　　智能分析业务种类繁多，到底哪些智能分析业务是图像侦查所需要的？在讨论这个问题之前，我们先抽丝剥茧弄清楚图像侦查对视频监控业务应用本质这一智能分析业务基础应用。根据公安业界专家的归纳整理，公安对视频监控系统的建设本质上是在围绕“四库建设”而展开的。这四库为“基础视频库”、“情报信息库”、“警情库”和“案件信息库”四库系统架构如下图所示：

　　情报信息是由基础视频通过智能分析算法产生的结构化数据， 包括：车辆信息、人员信息、事件信息，供后续数据挖掘使用。

　　警情信息包括：警情是对公安日常处警事件的记录，警情一部分来自于“三台合一”转接过来的报警，一部分是日常巡查时发现的可疑视频信息如故意遮挡、涂污车牌的车辆信息、高危时间、高危地点出现的车辆信息、人员信息保存到警情图像存储。 用户在日常巡查时，发现部分情报信息包含警情， 则可以将该情报信息存储到警情中。 警情信息不一定有对应的案件，但为后续的案情侦破提供了丰富的素材。

　　案件库是刑侦人员围绕案件侦破，检索和有效存储和案件相关的所有相关资料。案件信息包含原始图片、原始视频、标准视频、视频结构化数据、附件、侦查和研判数据。标准视频是原始视频的转码视频。视频结构化数据是视频分析工具集对标准视频的输出。附件是案件相关的文档，比如通话记录.xls。侦查和研判数据是侦查员研判的过程数据，侦查和研判数据也可以来源于刑侦、技侦、网侦等其它侦查技术和方法。

　　公安对视频业务的应用，对外展现是案件侦破的发展演变，对内展现是是图像资源在四库内的流转；从这种思路出发来看智能分析在图像数据在四库流转中所发挥的作用，我们会更容易抓住智能分析对图像侦查建设的业务价值。

基础视频库建设中智能业务应用

　　基础视频库建设对应的是图像资源的整合与共享，通过共享平台建设和社会资源接入平台，公安将所有相关的图像资源汇聚到一起，成为一个大的存储资源库，这里存储的是未经加工的视频录像，按照规定对每个监控点存储30天以上录像，整个系统的建设围绕着获得高清晰的实况视频和安全可靠的历史录像存储。智能分析业务在这里最重要的作用是帮助获得高清晰的视频，视频诊断是很有效的业务功能，可以帮助管理人员对大规模复杂监控系统的健康质量进行检测，及时发现视频质量不佳（前端视频偏色、偏亮、偏暗、视频模糊、雪花、视频滚动等）、摄像机遮挡、枪机移位(当前图像与预置位的图像比较)等现象，判断镜头是否工作正常，对于存在异常的视频进行记录和报警，确保基础视频库中存储视频的高质量。

情报库中的智能业务应用

　　图像侦查必然选择智能，是由于追求视频对城市的无缝覆盖所导致的必然的超大数据量，和并不能与之线性增长的响应速度之间的矛盾造成的。这个矛盾的解决之道指向了高效率的机器智能代替人脑处理的方式，而这必须依靠对原始数据进行一定加工才可实现，因为人工智能也不能模拟“人眼—人脑”这样一个信息采集和处理的过程，中间必经一道数据结构化，才符合机器的能力特征。视频监控业务的发展趋势是将传统的非结构化的图像信息向结构化数据进行转化，实现数字到数据的价值挖掘。这一过程体现了图像数据从基础视频库向情报库的转化。

　　视频监控图像从数字到数据，结构化是核心。那么究竟需要从视频中提取哪些结构化信息，这需要认真设计，也是后面所有应用的基础。一张最为普通的图片，不同的人从不同的角度可以看到不同的信息，因此如何从最少的维度通过机器智能去描述该画面，将非结构化的图像变为结构化的信息是至关重要的。从公安业务角度来看，主要分为“事前”、“事中”、“事后”，但“人”、“车”、“物”是公安所谓的三大核心要素，一个事件最终还是通过大脑逻辑抽象为这三个关键要素的组合，是最为关注的事件核心，因此从城市治安的角度来看，对于每一帧图像，通过机器只能对其中出现的“人”、“车”、“物”进行结构化是最为经济和高效的。

　　再简化一些，“人”、“车”是重点记录的，“物”可以根据事后的需要再做定向的分析，或者依赖于其他传感器对“物”进行描述，例如通信工具反映的手机号码，或者有效证件号码…因此本文重点讨论对视频中“人”、“车”两个最为核心的治安要素如何进行结构化，再加上监控点位的空间信息和时间信息，系统就可以确定一个事件。对于监控点位中关键监控区域的“人”、“车”进行结构化记录，可以分为三个层次：

　　■ 第一个层次，视频分析能够发现监控区域中运动的物体，并且对这些目标进行记录，在编码时加上运动目标索引，并不区分目标对象。这个应用比较简单，很容易在所有监控点位实现，通过其可以实现视频浓缩功能，在事后录像检索时只检索运动目标，例如在环境简单的一些出入口和巷道，检索效率可以提升几十倍。

　　■ 第二个层次，通过视频分析技术进一步对运动目标进行目标识别，区分“人”和“车”，并且分别打上不同的索引。这种应用层次可以结合“枪球联动”应用，枪机对有效监控区域进行识别，球机自动跟踪抓拍“人”、“车”的清晰特写照片，供事后关联检索，提供细节特征。

　　■ 第三个层次，进一步分析目标的特征，由易到难对目标的特征进行结构化，例如对“人”，除了“人”这个关键索引外，还可以记录衣服颜色，体型胖瘦高矮，抓拍一张清晰的人脸照片，通过传感器识别人的身份证、通信号码、有效证件信息等。当下火热的人脸卡口可以在地铁出入口、火车站汽车站通行闸道进行清晰的人脸抓拍，并且对人脸特征码识别和记录，需要的时候可以基于人脸特征码进行人脸比对；对于车还可以记录车型、车身颜色、车牌、车标、车辆速度、驾乘人员照片、驾驶行为（是否违章），专业的卡口可以实现对车的准确记录，这也是当下最为典型的结构化应用，普通的监控点位或者所谓的“泛卡口”可以记录较少的关键属性。对于目标的特征识别，应本着尽可能做到准确而非多样，所有属性由易到难，做好一个再考虑下一个。

　　情报信息库除了对“人”、“车”两大关键要素的不断追求，还会准确记录视频图像的两个基本信息，时间信息和空间信息，空间地理信息是一种非常精确的结构化信息，结合GIS地图可以做到对视频的直观体验和基于地理信息的快速检索。总结一下，情报库设计中，最为关注的结构化信息为时间、地点、人脸特征、人员身份证号码、车牌号码；半结构化信息为人、车图片；

　　在从基础视频到结构化/半结构化的情报信息的转化中，智能分析是关键。智能分析的实现，一种解决方案是前端专业卡口化，直接生成结构化信息存储情报信息库，在特定的场合，通过针对性设计创造出最合适的应用场景，对目标数据进行识别，如专业车辆卡口，直接在前端对“车”进行智能识别，自动识别车牌、车身颜色、车型、车标等关键结构化信息进入情报信息库存储。还有一种解决方案是平台智能，针对图像侦查中基础视频库海量数据和快速处理之间的矛盾，欧亿推出了iMDC智能多媒体数据中心架构设计，采用云计算技术构建的IA智能分析架可以有效解决这一难题，简单讲应该是“数据集中+有限前端分布智能+弹性智能架构”。数据集中是基础，非集中数据无以做标准结构化处理；前端实现后端智能和前端智能的分布化和一体化结合，前端实现简单智能，实现对视频图像中运动目标检测，并将目标视频帧传回后台智能分析计算中心，由更为强大的智能分析服务器对前端传回的图像帧进行更多智能分析，所有结构化信息在存储时统一存储，前端和后端实现统一，当前公安业务中的“泛卡口”和人脸卡口都采用这种架构设计，人脸抓取由前端抓拍相机实现，但复杂的人脸特征码识别和人脸比对则由平台智能分析服务器完成；后端智能分析可以实现计算资源的的动态扩展和算法挂载的动态加载，iMDC的IA智能分析架构目前已经可以实现11种高度抽象的元规则，通过复合规则形成业务规则，适应复杂业务场景；独特的抗干扰分析算法，充分利用多帧的累计效应，获得最佳的背景图像，降低误报漏报。

　　情报库中存储的信息是海量的，可以达到上亿或、十几亿乃至几十亿的规模，海量信息的检索效率成为公安用户重点关注的焦点。欧亿iMDC分布式数据库优化后，极大提升了整个系统的检索效率。例如在进行车辆信息分析时，1亿条记录，可疑车辆轨迹分析，数据分析读取速度提升3倍，从几分钟提升到<30秒；在进行车辆信息检索时，1亿条记录，多条件模糊检索，检索速度提升20倍，从几分钟提升到5秒。

警情库中的智能业务应用

　　警情库中除被动接受“三台合一”转接过来的报警事件，围绕这些报警事件去分析关联的图像资源进行存储；警情库最直观反映公安一线民警在日常业务中对视频监控系统的应用。

　　在日常重点区域监控中，智能可以代替人工完成实时监视任务。对重点监控区域，警员设置禁区、绊线，设置防护区域，当有人非法闯入，智能分析就可以及时发出报警，机器智能代替人眼实现了实时监视功能，并且不会感到疲劳，这类业务同场还有人流密度检测、剧烈运动、徘徊等行为分析等智能分析业务。电警业务和卡口违章业务同样是此类业务的佼佼者，通过对违法行为的自动识别，系统可以代替公安去准确有效的发现并记录各种违反行为，比如闯红灯、不按标线行驶、逆行、超速等违法驾驶行为。

　　在公安日常业务中，除去直观智能分析识别发现的警情，还有一类是隐性的，需要从海量信息中根据蛛丝马迹挖掘出各种可疑行为和高危行为，这需要有机结合公安对犯罪行为的深入研究和智能分析技术才能实现。比如“车辆积分模型”业务应用。通过对各种可疑的驾驶行为进行综合研判评测，从海量的过车情报信息中发现符合某种犯罪行为的可疑车辆进行重点监控，减少犯罪。

　　干警的日常工作从视频查看变为对车辆、人员、行为等进行布控检索；长期的布控检索经验就变为技战法，借助于智能技术，“办案能手”、“罪恶天敌”这些公安宝贵优秀干警的丰富刑侦经验可以得到有效的复制和分享，可以有效提升整个公安系统的办案效率。

案件库中的智能业务应用

　　案件库围绕案件的侦破科学、有效组织各种图像资料，发掘线索，在最短的黄金周期内破案。这里重点体现了智能业务的另一个重要功能，在海量视频数据中快速收缩有价值的目标和事物。首先可以通过特征对情报库进行快速检索，可以通过车牌号码，目标嫌疑人身份证信息、人脸信息进行快速查询比对，发现线索。如果不能直接发现，可以通过案发现场重建获得的时间信息+空间信息，精确锁定目标视频进行视频浓缩提高检索效率，视频浓缩是非常有用的业务功能，可以根据用户设定的规则（如对目标车辆浓缩，对目标人物进行浓缩），去除冗余录像，快速将目标录像挑选出来，提高检索效率。

　　图像增强技术是案件研判中使用较为频繁的一个功能，当发现与案情相关的目标视频时，往往由于各种原因视频不够清晰，较为模糊，无法看清目标特征，借助图像增强功能，可以对图像进行处理，支持对比度、饱和度、伽马、亮度、色调、去雾处理、动态对比度增强、锐化、防闪烁、消除边缘锯齿、消除图像重影。帮助刑侦人员更有效的从不清晰的图像中获取情报信息。

智能业务对图像侦查业务模式带来的改变

　　在早前的图像侦查应用中，绝大部分为“事后”录像调查取证，简单、低效；随着卡口、卡式电警的大规模建设，引入了对车辆的智能识别技术，城市技防系统通过对大数据进行挖掘和分析，通过“以车串案，以车查人”更加强调“事中”实时抓捕，例如对目标车辆实时布控，在GIS上实时显示逃逸车辆轨迹，根据GPS信息从容调派警力进行围堵抓捕；从现在往后，围绕“四库”建设的完善，智能分析技术不断提升，通过从案件视频库中积累的大量案件卷中分析犯罪数据，识别犯罪模式，通过犯罪模式抽象提取布控规则，及时发现犯罪信息，终结犯罪在案犯之前。