◆王震

大数据时代视频侦查技术应用研究

◆王震

（中国人民公安大学 侦查学院 北京 100038）

在大数据时代，人工智能、物联网、大数据技术的发展使得视频侦查工作进入了新阶段。由于数据间互通存在障碍、数据挖掘效率不高、技术不够成熟、侦查人员缺乏数据思维，使得视频侦查工作滞后于大数据侦查的要求。通过建立大数据视频研判系统、规范数据格式、建立新型机器学习范式以及对侦查人员的思维训练，构建一个以云计算平台为中心、物联网为基础，多维数据综合研判的视频侦查平台。

大数据；视频技术；物联网；人工智能

随着大数据时代的来临，当前犯罪形式已逐渐由接触式犯罪转换为非接触式犯罪，组织化、智能化已成为当今犯罪的新特点，传统侦查手段难以有效防控新型犯罪。为应对犯罪形式变化，大规模成本低、质量高的信息采集设备投入使用，视频图像数据量呈现爆炸式上升，为侦查人员破案提供了更多的方向。但是由于各种侦查机制和技术上的原因，今天的视频侦查工作未能完全满足大数据侦查的要求，因此我们要研究其原因，使科技与视频侦查工作深度融合，真正实现智慧视侦，提高侦查效率。

1 大数据时代视频侦查工作的特点

1.1 以相关性的数据挖掘为核心

侦查工作中的数据挖掘是指警务工作人员运用人工智能以及计算机算法在海量的数据中寻找规律，并从中揭示出对预防、侦破犯罪有潜在价值的信息，并为侦查人员提供决策支持和破案新视角的一个计算机过程。视频侦查工作由过去的由案到像发展到了今天的由像到像、由像到案等多种工作模式，可以看出如今的侦查逻辑已经发生了转变，今天的视频侦查工作不再是单纯的关注相关案件信息间的因果关系，而是在数据挖掘技术的引领下进入到了寻找数据间关联性的时代。侦查破案也不再是过去的“大胆假设，小心求证”，而是更注重去挖掘那些表面看来无关数据间的相关性，直接从数据分析中得出结论，至于为什么会得到这个结论，我们不用担心，只要大胆接受即可。

1.2 思维方式更加倾向于大数据思维

传统的刑事案件侦查思维是以经验事实为引导，带着收集线索、证据的目的去收集各种各样的数据，以确保侦查方向始终在轨道上以及案件事实的愈加清晰，收集的线索大多是结构化的数据。大数据时代，侦查人员的目光也同时眺向了半结构化和非结构化的数据，侦查过程也不再是紧紧围绕着查明特定案件的事实去展开，而是不带目的的去收集数据，对收集到的海量数据进行深度研判，能够得到什么样的结论就做出什么结论。过去的思维模式是去探明因果关系，查明的事实、线索是“果”，知道“果”后去反查因，而大数据时代，我们是借助于各类数据挖掘技术去揭示数据间的潜在关系以挖掘信息。

1.3 视频侦查工作的智能化、同步化

随着大数据、云计算、物联网、泛在网等技术时代的到来，各种智能前端数据采集设备遍布大街小巷，几乎覆盖了城市的每一个角落，爆炸增长的视频数据量使得民警根本看不过来，视频智能分析系统借助计算机视觉分析技术解决了这个难题，侦查员可以利用此项技术将多场景中的背景和目标分离，经过机器智能分析从而对目标实现跨镜头、跨设备的动态追踪。再有就是利用视频内容分析技术，在系统中预先设定一些自定义规则，依托人体行为识别、人脸识别、行人重识别等技术，可以对视频区域内出现的违反预定义规则的行为进行自动报警，还可以实现在多个监控设备下识别出特定的行人目标，从而代替了人力，进入到了视频图像处理、比对、串并的自动化时代。

2 大数据时代视频侦查常用技术及应用

2.1 视频侦查工作中物联网技术的应用

物联网指的是通过射频识别（RFID）装置、红外感应器、全球定位系统（GPS）、摄像头等信息传感设备，按约定协议将任何物品与互联网连接，进行信息交换和通信，从而实现对物品的智能化识别、定位、追踪、监控和管理的一种网络。[1]互联网仅实现了人与人之间的信息交流，而物联网是基于互联网发展的一种高级网络形态，进一步实现了人与物、物与物之间的信息互通，融合了来自于视频监控、GPS、RFID等多种信息感知设备的数据源，极大提高了过去单纯依靠视频监控破案的效率。

如下图1所示，在侦查中，云计算平台具有类似“人脑化”处理的功能，视频监控作为物联网的一类传感器，与射频识别装置、红外感应器等感知技术融合应用，周期性地采集各类数据信息，视频监控获取图像信息，Rfid技术可以获取人员、车辆等轨迹信息，真正做到了数据获取的自动化、动态化和批量化，并利用云计算等智能技术将获取到的各类涉案信息进行综合研判，挖掘信息资源的潜在价值，实现了对人、车、物、案的全面感知。

图1 物联网融合应用示意图

2.2 视频侦查工作中人工智能技术的应用

随着大数据时代的降临，视频数据数量呈现爆炸式的上升，传统的人工提取、分析视频极大降低了视频侦查的效率。在人工智能时代，计算机视觉技术的合成应用使得视频侦查又迈上了侦查破案的“高速路”，首先是视频识别技术行人重识别技术作为人脸识别技术的重要补充，可以增强视频数据的连续性，也就是当目标对象消失在监控之后再次出现在监控探头下时，智能系统会自动识别报警。二是视频分析技术，智能监控系统的计算机视觉分析技术有强大的数据处理分析能力，可以代替人工筛选出视频中的关键信息将场景中的背景和目标分离，排除干扰因素，如果目标出现了与预定义规则相违背的行为，即传入数据与系统设定的敏感数据产生交集，系统会自动报警，比如基于深度学习的暴力行为检测系统，使得侦查人员对暴力犯罪的发现更加及时，并节省了大量的警务资源[2]。

2.3 视频侦查工作中大数据技术的应用

大数据技术的一个关键作用就是从海量的无关数据中找到数据之间的关联性，将低价值密度的数据整合成为有高价值密度的数据，并从中攫取出对侦查有用的信息。在传统的视频侦查中，侦查人员通过调取公安内部以及私人安装的监控录像进行分析研判、顺线追踪，但总是会遇到一些监控死角，导致侦查陷入困境。在大数据时代，视频侦查不再是单一的依靠视频图像，而是结合WiFi嗅探、基站等数据挖掘出嫌疑人的轨迹信息，拓宽了侦查途径[3]。并且大数据的应用在一定程度上解决了结构化、半结构化以及非结构化数据融合互通难的问题，侦查人员将视频信息结合美团外卖信息、订房信息、车辆轨迹信息、通信信息等输入到大数据业务平台中，对犯罪嫌疑人的生活习惯、轨迹、关系网等进行综合研判，可以实现“智能串并、智能比对、智能推送、智能破案”的工作目标。

3 大数据时代视频侦查工作中存在的问题

3.1 数据资源间互通存在障碍

数据融合共享障碍是智慧警务发展的最大难题与挑战之一。公安机关过度依赖公司的技术，各公司之间缺乏统一的接口规范和数据格式，不同厂家生产的设备与系统之间无法互联共通，民警没有办法从一个统一的系统中去调取数据，极大降低了办案效率，数据孤岛问题亟待解决。并且虽然目前有很多智能视频分析软件，可以实现对视频检索、浓缩播放、关联对比等快速阅览视频功能，但无法在视频专网上使用，办案民警需要将大量的视频从专网上下载到本地，再利用本地计算机上安装的智能分析软件对其进行操作，这一系列流程都是缺乏自动化标准的[4]。

3.2 数据资源获取效率低下

现阶段，侦查人员对视频图像数据进行案件信息的挖掘更多的还是以人工的方式进行，侦查人员再对各种数据进行比对、分析、研判时会耗费大量的精力。在海量的数据中寻找案件线索无异于大海捞针，不仅严重耗费了侦查人员的精力，更是难以保证视频信息提取的效率，而对于推动侦查进展的线索的出现往往就在一瞬间，而机器智能便不会有这种烦恼，可以有效避免人的错误，计算机视觉技术对人、物品、行为的识别终将超过人眼的精确度。

3.3 技术智能化程度不高

技术层面存在智能化程度不高的问题。机器建构的模型智能化程度不高，使得未来机器代替侦查人员做决策时，很容易产生难以解释的推理过程，并且模型一般只能在特定的情况下工作，难以适应复杂多变的犯罪环境，这些都会直接影响各类智能技术在侦查中的破案准确率[5]。

3.4 基层民警缺乏大数据侦查思维

如今全国上下的侦查人员基本都已掌握利用视频监控来破案，但大多数基层民警还是保持着“一条线索追到底”的思维模式，即将视频侦查获得的线索单一结合现场勘查、调查访问等传统侦查措施，而忽略了不同技术获取之间的数据融合侦查。仅依靠大数据技术，而缺乏运用大数据技术的数据思维、经验与直觉，难以有效发挥大数据技术在视频侦查中的作用。

4 大数据时代视频侦查工作应用效能提升措施

4.1 建立大数据研判系统

目前各地公安机关已经建立起了基础的视频监控信息系统，在该系统中可以对全市范围内的警用探头进行实时查看和历史记录查询，应该在此基础上对系统进行升级。首先是要丰富可分析数据类型，无论是结构化、半结构化还是非结构化数据都可以存储进大数据研判系统中进行分析。其次，各类型数据都要建立起统一的数据格式规范，以方便侦查人员利用研判平台对其进行存储、处理、分析，可以将各类智能前端所采集的数据与后台的大数据研判系统通过ETL汇聚平台进行融合。同时，要加强对输入数据的同步监测和筛选，利用智能分析技术对数据进行清洗，筛除与工作无关的数据[6]。

4.2 多维度数据智能检索、分析

充分挖掘有利于侦查破案的结构化、半结构化以及非结构化数据中的信息，侦查人员可以依靠视频特征提取、视频相似度测量技术对视频图像进行深度解析和描述，自动生成图像中物体的关键词，并寻找其同义词，从而使侦查人员可以对视频图像进行智能检索和分类，快速找到与案件相关的线索，摆脱了过去熬夜看视频的“枷锁”。上述操作再结合案件性质、犯罪嫌疑人特征等案件信息，更能够实现各视频图像线索间的智能串并和研判，并且随着深度学习技术的不断发展，未来侦查依靠声音、文本、数据等多维度特征进行联合检索已纳入日程，多维度数据的联合检索可以更大程度的提升视频侦查的效率[7]。

4.3 建立新型的机器学习范式

要建立新型的机器学习范式，就要实现以小数据量快速建构出准确率高、解释性强、环境适应性强的模型。第一，要建立小样本学习网络，使机器学习人类可以从少量标签或者无标签数据中快速训练的能力；其次，建立起机器间的协作学习模式，使得机器在没有人参与的情况下自主完成设备间知识的迁移；最后就是要依靠人类已有知识减少机器训练需求样本数量，加速训练进程。

4.4 培养民警的数据思维

我们要顺应大数据侦查时代的要求，培养数据思维，即对数据进行获取、清洗、关联和还原的过程。[8]推动建立数据驱动视频侦查的侦查思维模式，提高对视频图像数据的采集、挖掘、分析能力。

在信息化时代，犯罪嫌疑人留下的电子轨迹成为破案的关键，侦查人员要学会利用提供信息通讯、网上购物、网上订餐等服务的公司去获取满足破案需求量级的数据，利用数据间的相关性从有助于查明案情的间接数据中去挖掘破案信息，将WiFi嗅探、人脸识别、REID、RFID、电子围栏等技术获取的数据融合应用，可视化案件相关人、事、物的动态，利用计算机智能最大限度地还原案前、案中、案后涉案人员、物品的时空轨迹，使得侦查人员有更多的精力去“把好钢用在刀刃上”，提高侦查效率。

5 结语

过去是发案后，依靠视频监控回溯案情、收集证据、查获犯罪嫌疑人的侦查过程，如今是强调在案前或者案中及时发现、预防以及制止犯罪发生的案前案中干涉过程。大数据时代，要充分发挥技术的力量，依托云计算、大数据、云平台的建设，使各种高新技术应用于侦查，将来自于各智能前端采集的海量数据进行深度融合、互通，才能在最大程度上提升视频侦查的效能，实现对犯罪的实时、同步控制。

[1]张兆端.智慧公安-大数据时代的警务模式[M].北京：中国人民公安大学出版社，2015.

[2]阴文佳. 基于深度学习的暴力行为检测系统研究与应用[D]. 大连海事大学，2020.

[3]洪漪妮. 人工智能时代的视频侦查困境与突围——以人体图像智能合成技术为例[J]. 北京警察学院学报，2020，189（4）：95-101.

[4]张雅丽，崔建海. 大数据背景下视频监控应用效能提升方法研究[J]. 中国人民公安大学学报（社会科学版），2020，36（2）：56-61.

[5]Wai chen，鲍媛媛. 面向6G的智能物联网关键技术[J]. 中兴通讯技术，2021，27（2）：6-12.

[6]刘弘胤. 视频大数据在公安涉案视频图像研判中的应用研究[J]. 现代信息科技，2019，3（13）：88-90.

[7]胡志军，徐勇. 基于内容的视频检索综述[J]. 计算机科学，2020，47（1）：117-123.

[8]胡智勇．让视频侦查步入大数据时代[C]．视频侦查论坛论文集，2019（11）：16－17．