車臉識別在警務(wù)實戰(zhàn)中的系統(tǒng)實現(xiàn)與應(yīng)用

本文轉(zhuǎn)載自：《特種裝備網(wǎng)》

傳統(tǒng)公安實戰(zhàn)業(yè)務(wù)中，車輛的識別主要依賴車牌圖像識別技術(shù)實現(xiàn)。伴隨著城市經(jīng)濟的高速發(fā)展和機動車規(guī)模急劇增長，與車輛相關(guān)的違法犯罪活動也日益猖獗，給公安車輛視圖實戰(zhàn)工作帶來極大的挑戰(zhàn)。

首先，在大部分案件中嫌疑車輛的車牌大多以套牌、假牌等手段進(jìn)行偽裝，單獨采用車牌識別的方法并不能準(zhǔn)確、快速確認(rèn)車輛身份。其次，受光線、安裝條件的影響，現(xiàn)有前端系統(tǒng)車牌識別率不高，導(dǎo)致以車牌為線索的布控精度降低。再次，以車牌為核心的圖像識別系統(tǒng)獲得的信息量太少，無法充分有效地挖掘圖像監(jiān)控信息潛在的價值。

當(dāng)前大數(shù)據(jù)、人工智能等高新技術(shù)蓬勃發(fā)展，面對人、車日益增長的復(fù)雜社會局面和治安態(tài)勢，充分利用人工智能和大數(shù)據(jù)分析技術(shù)，破除傳統(tǒng)的以車牌為核心的查詢分析桎梏，變“事后查詢處置”為“事前主動研判、預(yù)警”，將是未來以車輛視圖分析為核心的警務(wù)實戰(zhàn)應(yīng)用的主流發(fā)展趨勢。

一、系統(tǒng)架構(gòu)

根據(jù)蘭州市公安系統(tǒng)技術(shù)現(xiàn)狀和業(yè)務(wù)需求，結(jié)合當(dāng)前先進(jìn)的Hadoop分布式大數(shù)據(jù)平臺設(shè)計理念進(jìn)行本系統(tǒng)的規(guī)劃設(shè)計。系統(tǒng)是公安機關(guān)業(yè)務(wù)數(shù)據(jù)運算分析和人機交互的平臺，分為派出所、區(qū)縣分局、市局三級業(yè)務(wù)系統(tǒng)，根據(jù)不同的層級設(shè)定不同的管理用戶和訪問權(quán)限。

（一）數(shù)據(jù)源

主要實現(xiàn)卡口圖像、Wi-Fi數(shù)據(jù)、其它資源數(shù)據(jù)的接入，并完成數(shù)據(jù)的抽取、清洗、加工、整理并加載到數(shù)據(jù)倉庫和大數(shù)據(jù)平臺。這些數(shù)據(jù)包括車輛圖像結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)。視頻流、圖片等非結(jié)構(gòu)化數(shù)據(jù)則首先通過深度學(xué)習(xí)車臉識別分析技術(shù)將其進(jìn)行一次、二次、三次識別，并將圖像與從中提取到的車輛牌照、抓拍位置、抓拍時間、車輛特征及車內(nèi)特征進(jìn)行分離并形成一個多達(dá)4000維的車輛特征信息庫。

（二）大數(shù)據(jù)平臺

根據(jù)具體需求實現(xiàn)對圖像識別的數(shù)據(jù)資源的集中存儲與管理，并根據(jù)系統(tǒng)設(shè)計需求面向各個業(yè)務(wù)部門提供不同的應(yīng)用支持。大數(shù)據(jù)平臺包括數(shù)據(jù)倉庫和大數(shù)據(jù)平臺。數(shù)據(jù)倉庫主要處理結(jié)構(gòu)化數(shù)據(jù)，包含過車信息、設(shè)備信息、營運信息、車輛信息、駕駛員信息、違章信息、違章處理信息、車道卡口信息、車輛識別信息、車輛的一次二次三次識別信息等明細(xì)數(shù)據(jù)，也包含日常分析所涉及的日匯總、月匯總數(shù)據(jù)，以及某些個性化數(shù)據(jù)。大數(shù)據(jù)平臺則主要處理非結(jié)構(gòu)化數(shù)據(jù)，如視頻流、圖片等，同時為處理方便也將一些數(shù)據(jù)倉庫的結(jié)構(gòu)化數(shù)據(jù)納入其中進(jìn)行處理。

（三）智能調(diào)度引擎

對客戶端的請求進(jìn)行分析后，以任務(wù)為單位或針對前臺應(yīng)用訪問需求，結(jié)合系統(tǒng)當(dāng)前運行狀態(tài)選擇最適合的操作模式，通常包括自動調(diào)度、自動切換、動態(tài)分配、容災(zāi)備份等智能操作模式。系統(tǒng)將根據(jù)任務(wù)的不同分配相應(yīng)的運算資源，從而起到合理分配資源、效率最大化的目的。

（四）應(yīng)用層

應(yīng)用層主要為使用對象提供了多種數(shù)據(jù)可視化模塊，同時為一線業(yè)務(wù)需求和各級領(lǐng)導(dǎo)數(shù)據(jù)決策分析提供邏輯支撐，通常包括基礎(chǔ)應(yīng)用，如視頻查詢、圖片查詢、以圖搜車、特征搜車、綜合查詢等功能，實現(xiàn)各種關(guān)聯(lián)業(yè)務(wù)信息的查詢，如駕駛員查詢、人員數(shù)據(jù)查詢、通信數(shù)據(jù)關(guān)聯(lián)等。提供車輛軌跡分析、跟車關(guān)聯(lián)分析以及人、車、Wi-Fi并軌分析研判等功能。

二、關(guān)鍵技術(shù)

（一）深度學(xué)習(xí)車臉識別技術(shù)

系統(tǒng)采用CNN圖像深度學(xué)習(xí)車臉識別技術(shù)和GPU、CPU異構(gòu)運算架構(gòu)，不依賴車牌識別信息，通過機器學(xué)習(xí)和人工智能技術(shù)，有效提取車牌特征（顏色、結(jié)構(gòu)、可見字符等）、車輛品牌（300余種）、年款或子車型（7000余種）、顏色（10種）、車輛類型（10種）、車燈、格柵、車身粘貼物、車窗粘貼物、車內(nèi)掛件擺件等多達(dá)4000維微特征信息，為大數(shù)據(jù)平臺實現(xiàn)以圖搜車、以圖搜圖、以圖布控、虛擬車牌檢索等視圖應(yīng)用提供可靠的技術(shù)支撐。

（二）多元數(shù)據(jù)并軌分析技術(shù)

對接卡口數(shù)據(jù)、微卡口數(shù)據(jù)、Wi-Fi探針數(shù)據(jù)等，采用結(jié)果融合、過程融合和決策融合等手段，實現(xiàn)多種人車軌跡數(shù)據(jù)的互查、互補和并軌分析�？梢杂行�彌補因?qū)�業(yè)卡口點位不足、拍攝精度不高等造成的人車軌跡過粗、間隙過大、漏洞過多等問題。

（三）增強學(xué)習(xí)與機器學(xué)習(xí)

增強學(xué)習(xí)（Reinforcement  Learning，RL）又叫做強化學(xué)習(xí)，是近年來機器學(xué)習(xí)和智能控制領(lǐng)域的主要方法之一，也是當(dāng)前熱門的研究課題。機器學(xué)習(xí)則是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)等多門學(xué)科，專門研究計算機怎樣模擬人類的學(xué)習(xí)行為，并不斷獲取新的知識和技能提升自身的性能。

（四）Hadoop分布式運算

基于Hadoop分布式大數(shù)據(jù)架構(gòu)構(gòu)建公安車輛視圖大數(shù)據(jù)平臺，采用HDFS、Hbase、Hive、MapReduce等技術(shù)，解決目前所遇到的大數(shù)據(jù)量查詢、模糊查詢、非結(jié)構(gòu)化數(shù)據(jù)查詢等瓶頸問題。

三、解決方案

（一）數(shù)據(jù)接入

系統(tǒng)對接雪亮工程、平安城市、天網(wǎng)工程等視頻和綜合監(jiān)控系統(tǒng)，充分整合公安接處警、案件庫、高危人員庫、人口庫、戶政及車駕管等業(yè)務(wù)數(shù)據(jù)，以車臉分析數(shù)據(jù)為基礎(chǔ)、Wi-Fi數(shù)據(jù)為補充，快速在系統(tǒng)中實現(xiàn)嫌疑人員、車輛定位、行為分析、軌跡分析等，實現(xiàn)對嫌疑人、車的積分研判、危險預(yù)警、重點查控等應(yīng)用。

（二）系統(tǒng)特點

1.兼容治安卡口、微卡口、執(zhí)法終端等多種復(fù)雜場景圖像數(shù)據(jù)

系統(tǒng)通過對車輛多角度微特征的大樣本量訓(xùn)練和特征提取，能夠充分兼容標(biāo)準(zhǔn)治安卡口、微卡口（視頻監(jiān)控）、電警、執(zhí)法記錄儀等多種視角條件下的智能車臉識別和結(jié)構(gòu)化信息提取。從而增加系統(tǒng)對前端采集數(shù)據(jù)的廣泛適應(yīng)性，為大數(shù)據(jù)分析實現(xiàn)更精確、更細(xì)致的車輛軌跡描繪、精確檢索和查詢提供基礎(chǔ)。

2.采用深度學(xué)習(xí)技術(shù)，自動區(qū)分車頭、車尾圖像和不完整圖像

系統(tǒng)采用CNN深度卷積神經(jīng)網(wǎng)絡(luò)，基于千萬級的車輛圖片樣本訓(xùn)練，可自動基于車輛圖像特征對車頭、車尾進(jìn)行判斷，采用相對應(yīng)的精確模型進(jìn)行分析，以便獲得更加實時、準(zhǔn)確、高效的識別信息。對通常的標(biāo)準(zhǔn)正向卡口圖片、背向電警圖片、復(fù)雜微卡口圖片、拍攝不完整的車輛圖片等，同樣可以進(jìn)行結(jié)構(gòu)化分析，讓系統(tǒng)真正具備“雁過留痕”的能力。

3.車、人、Wi-Fi并軌分析，準(zhǔn)確定位嫌疑目標(biāo)軌跡

目前治安卡口所采集的圖像效果最佳，信息量最大，但是點位相對較少，完全依賴卡口圖像生成的車輛軌跡不夠準(zhǔn)確和細(xì)致，而通過增加駕駛員人臉卡口、Wi-Fi探針數(shù)據(jù)則可實現(xiàn)人車、Wi-Fi軌跡合并分析，從而能夠起到補位的效果，為大數(shù)據(jù)系統(tǒng)實現(xiàn)更準(zhǔn)確、細(xì)致的軌跡分析提供基礎(chǔ)。

4.采用分布式大數(shù)據(jù)運算技術(shù)，實現(xiàn)海量數(shù)據(jù)查詢和大數(shù)據(jù)分析

采用CPU、GPU異構(gòu)運算平臺和Hadoop分布式大數(shù)據(jù)技術(shù)，借助高效的GPU服務(wù)器，能夠?qū)崿F(xiàn)高效的車臉視圖分析和數(shù)據(jù)調(diào)度管理服務(wù)。Hadoop分布式運算能夠很好利用現(xiàn)有的服務(wù)器，實現(xiàn)高效的數(shù)據(jù)并發(fā)運算和訪問支撐，具有充分容錯性能，并具有設(shè)備利舊、節(jié)省系統(tǒng)投資等優(yōu)勢。

（三）功能實現(xiàn)

1.數(shù)據(jù)可視化

基于車牌、車流量、品牌、年款等車臉圖像識別數(shù)據(jù)和積分研判分析數(shù)據(jù)等，采用計算機圖形、圖像、計算機視覺以及用戶界面，通過表達(dá)、建模、屬性及動畫的展示方式，對主要業(yè)務(wù)數(shù)據(jù)（如車流量、數(shù)據(jù)挖掘、車輛分布、過車排名、違法排名、無牌車、假套牌車等）加以可視化解釋。旨在借助圖形化手段，清晰有效地傳達(dá)與溝通信息，便于一線民警和管理者快速、有效地理解數(shù)據(jù)、分析結(jié)果，提升管理、指揮和決策能力。

2.智能搜索

采用深度學(xué)習(xí)車臉識別與智能分析、視頻結(jié)構(gòu)化分析、搜索引擎等技術(shù)，基于卡口圖像數(shù)據(jù)、過車數(shù)據(jù)、車臉識別數(shù)據(jù)、Wi-Fi數(shù)據(jù)等，為平臺使用者提供全方位的人、車、Wi-Fi關(guān)聯(lián)搜索、綜合查詢等功能。用戶可以通過百度搜索模式，以文本描述方式實現(xiàn)快速、便捷的目標(biāo)車輛全文檢索，還可以車輛圖像線索為依據(jù)，通過圖像結(jié)構(gòu)化、特征比對分析等技術(shù)，實現(xiàn)以圖搜車、特征搜車、品牌搜索、年款查詢、顏色及車輛類型等單一維度或多維度的模糊查詢或精確搜索功能。

3.大數(shù)據(jù)分析研判

涉牌車輛分析，依托車牌識別、車臉識別數(shù)據(jù)、Wi-Fi數(shù)據(jù)等，采用機器學(xué)習(xí)、增強學(xué)習(xí)等技術(shù)，基于實時分析數(shù)據(jù)和歷史數(shù)據(jù)、特征信息的比對分析、車駕管數(shù)據(jù)比對等技術(shù)手段，對不按規(guī)定懸掛號牌、套用他人車牌、假冒車牌等違法車輛信息自動挖掘、行為分析和身份碰撞分析。車輛軌跡時空碰撞分析，基于車牌識別、車輛識別W-Fi數(shù)據(jù)等，根據(jù)歷史軌跡數(shù)據(jù)、實時數(shù)據(jù)等進(jìn)行多元時空并軌分析，實現(xiàn)如固定路線行駛車輛、異常聚集、熱點路徑等常用分析功能。

4.技戰(zhàn)法分析

基于車臉視圖分析數(shù)據(jù)、Wi-Fi數(shù)據(jù)、GIS/GPS數(shù)據(jù)，采用時空碰撞、軌跡研判分析等技術(shù)，結(jié)合公安業(yè)務(wù)實戰(zhàn)經(jīng)驗形成多種車輛技戰(zhàn)法工具，實現(xiàn)了包括人車軌跡分析、伴隨行為分析、落腳點分析、異常軌跡分析、初次入城分析、出行規(guī)律、遮擋號牌等十余種常見功能，為一線民警針對涉車、涉牌案件的分析研判提供強有力的技術(shù)支撐。

5.車輛專題分析

系統(tǒng)對接車駕管、人口庫、案件庫、違法信息等數(shù)據(jù)，基于車輛、Wi-Fi信息等在大數(shù)據(jù)系統(tǒng)中形成的時空軌跡、行為特性、關(guān)系拓?fù)洹⑾到y(tǒng)關(guān)注排名等形成車輛專題分析。一線民警通過這一功能，可以車牌號牌或Wi-Fi、駕駛?cè)嘶蜍囍鳛榫�索，快速了解目標(biāo)車、目標(biāo)人的相關(guān)信息，以及嫌疑人近期出行軌跡、出現(xiàn)規(guī)律、活動范圍、所駕車輛、所有車輛、系統(tǒng)關(guān)注度等重要信息，為重要案件的偵破和重點人、車監(jiān)管提供快捷、高效的實戰(zhàn)工具。

四、實戰(zhàn)應(yīng)用

系統(tǒng)第一期于2016年底開始研發(fā)，2017年7月正式上線運行。至今已歷經(jīng)三期建設(shè)，日均圖片數(shù)據(jù)處理量2500萬張/天，協(xié)助蘭州市公安局一線民警破獲了多起套牌車、無牌車違法案件。

2018年11月1日傍晚，系統(tǒng)通過自動時空邏輯分析產(chǎn)生套牌車輛疑似數(shù)據(jù)報警，發(fā)現(xiàn)兩輛同牌號出租車在同一數(shù)據(jù)分析時段、距離較遠(yuǎn)的兩個卡口同時出現(xiàn)。

      值班人員查看系統(tǒng)推送的兩輛車抓拍圖像，發(fā)現(xiàn)尾部存在明顯圖像差別，確認(rèn)系套牌車無疑（上為原車、下為套牌車）

通過以圖搜車等技術(shù)，調(diào)取兩輛車正面關(guān)聯(lián)圖像，發(fā)現(xiàn)兩車正面圖像也存在明顯差異，進(jìn)一步確認(rèn)其為套牌車輛。

通過大數(shù)據(jù)實戰(zhàn)工具對目標(biāo)車輛的行車軌跡和駐泊地進(jìn)行分析，初步確定嫌疑車輛的駐泊區(qū)域和經(jīng)常出現(xiàn)的路段、卡口位置等。

進(jìn)一步使用出行規(guī)律分析工具，對嫌疑車輛的出行規(guī)律進(jìn)行分析，確定布控和抓捕時間，最終通過靜態(tài)布控破獲該案。

五、結(jié)束語

本文從公安機關(guān)面臨的社會環(huán)境和技術(shù)現(xiàn)狀入手，依托多警種合成作戰(zhàn)和大數(shù)據(jù)研判需求，結(jié)合深度學(xué)習(xí)車臉識別和視圖大數(shù)據(jù)系統(tǒng)的技術(shù)特點分析，提出了基于車臉識別技術(shù)的公安車輛視圖大數(shù)據(jù)系統(tǒng)解決方案，并通過實戰(zhàn)案例進(jìn)行驗證。車臉識別是一項新興技術(shù)，優(yōu)點和局限并存。作為一線警務(wù)工作者，要在實戰(zhàn)中不斷總結(jié)和完善，使其能夠真正服務(wù)實戰(zhàn)，以大數(shù)據(jù)為抓手，切實、有效地提升公安警務(wù)實戰(zhàn)效能。

參考文獻(xiàn)

[1]胡少云.基于平安城市的車輛大數(shù)據(jù)研判應(yīng)用模型研究[J]智能建筑，2017(8):45-47.

[2]侯偉，周川.公安視頻圖像信息技術(shù)應(yīng)用與對策[J]圖像與多媒體技術(shù)，2018(1):82.

[3]武亞軍.視頻圖像偵查在公安工作中的發(fā)展和應(yīng)用[D]西北大學(xué)，2015.

[4]胡明舒，張學(xué)謙，陳志華.基于視圖警務(wù)云平臺的車輛大數(shù)據(jù)應(yīng)用[J]中國公共安全，2014(23):015