2919第四屆中國信息化融合發展創新大會

智慧公安論壇

海信公共安全事業部總經理／孫論強

演講實錄

 

 

各位嘉賓，各位同仁，大家下午好！我是海信網絡科技公司公共安全事業部總經理孫論強。今天，我演講的主題是《基于海信公安云腦的一體化實戰平臺》，本次匯報分為三個部分，一是行業問題，二是公安云腦，三是行業應用。

 

 

PART 1

 

從“陽春白雪”到“下里巴人”，

我們距離人工智能與大數據的落地究竟還有多遠？

我們都知道，任何一款產品誕生的首要意義一定是為了解決某個或者說某些問題，海信的公安云腦一體化實戰平臺也不例外。基于我們對行業的深入理解，我們發現在智慧公安建設當中，存在著三個方面的核心問題：

首先是數據的整合力度不足，資源的利用率有待提升。這個問題盡管是老生常談，但是我們在實際工作中仍然能感到它有很多需要克服的具體困難，其中最為核心的就是如何利用人工智能技術實現多種協議的自適應適配，實現資源的快速自動對接。這是我們所謂“資源整合一體化”的目標。

第二是人工智能、大數據的落地應用上有一定的差距。雖然從整體上來看，人工智能和大數據已經形成了強大的推動力，但是“最后一公里”的問題仍然存在（現在可能不到一公里），落實到我們的實戰業務當中，就會出現“陽春白雪”和“下里巴人”之間的融合鴻溝。因此，我們要通過人工智能的最新成果應用，結合實際業務場景進行專題化訓練，把人工智能真正的應用到公安一線的實戰業務當中，這就是我們公安云腦智慧化的目標。

第三就是各行業之間的業務協同仍然有很多“坎”。在整個工作推動當中，該如何通過對技術與業務的有效融合，去提升協同效率？對于這一點，我們現在提出了一體化警務應用，通過一個一體化的平臺，創新警務模式，推動業務部門進行業務的高效融合，實現真正的實戰化，提高社會公共安全管理水平。這就是我們行業現在存在的問題和我們下一步工作的目標及思路。

PART 2

 

最懂公安業務的“公安云腦”，

不是“自賣自夸”，而是“名不虛傳！”

綜合上面分析，對于現有的行業痛點，海信提出的解決方案就是——打造最懂公安業務的“公安云腦”。公安云腦由三部分組成，其一是公安大數據。海信網絡科技經過20年的深耕，在智能交通領域形成領先優勢，不僅已連續九年簽單行業第一，而且在其帶動下，公共安全、智慧城市、交通運輸、公共交通、軌道交通、智慧建筑七大事業部共同推進，形成了一個覆蓋城市服務各領域的廣泛的數據融合能力。借助人工智能技術形成智能化的應用，將極大地促進城市智慧化。其二是“算法倉”，它包括兩大部分，一種是視頻分析的算法倉，一種是業務智能處理的算法倉，或者說我們叫業務模型算法。通過對數據的一系列的智能化加工處理，賦予數據以“靈魂”，讓數據真正發揮作用，這就是我們云腦算法倉的重要意義。上述“公安大數據”和“算法倉”這兩部分業務的正常運轉需要有一個強力支撐，我們稱其為“云平臺”，它是調度數據資源、支撐有效的運算和數據處理的基礎。海信公安云腦就是在這三部分的共同作用下，通過一體化平臺去進一步融合、打造我們的實戰業務應用的。

我們預計在未來的五到十年，借助海信在智能交通領域積累的差異化領先優勢，我們在公共安全領域也將通過“云腦”這一核心技術去建立起我們自己的競爭優勢，我認為其中最核心的就是公安大數據。

公安大數據其實是一個涵蓋了一系列技術手段的全生命周期的數據管理過程 。首先是數據的匯聚，公安云腦目前已接入公安自有資源、政府委辦局資源以及住宿旅行等社會資源。這其中包含了大量的公安自建監控資源，通過數據治理手段，把離散且碎片化的數據加工形成具有警務價值的數據資源。

整個過程均伴隨著人工智能技術的融合滲透。就其中的“數據治理”環節而言，我們數據至少需要經過抓取、交換、存儲、共享這四個流程，最后匯聚到“云腦”中，形成相應的專題庫，然后進行應用和共享。經過這樣的流程處理，數據能夠更加準確、智能地“為我所用”。

結合公安具體業務，大數據主要包括人像大數據、車輛大數據和情報大數據這三大類，這僅是從動態數據上來看。除此之外還有行業數據、業務數據以及互聯網開源數據等，這些不同種類的數據共同形成了整個公安云腦的大數據中心，通過“數據治理”這一核心技術手段支撐具體應用。

上述數據的匯聚和治理，還僅僅算是“公安云腦”能力的第一步，其對數據的深度分析才是其最為出色的能力。要實現深入實戰業務的深度分析，僅僅依靠海信“公安云腦”自己的力量并不足夠，“公安云腦”是一個向行業開放的平臺，我們會借助業界各家特有的優勢技術，融合匯總成高效搭配的技術組合，以此進行面向業務的應用開發。公安云腦的算法倉便是融合了海信獨有的，以及行業內各種優勢算法的靈活開放的算法平臺。在應用時，大規模智能分析能力，人臉識別、車輛識別等多種算法不再固化在產品中，而是按需調度。比如當需要快速由人臉識別切換為車輛識別場景時，無需繁瑣的配置和改造即可實現快速調度和切換。

既然要有效融合各家算法，這其中就會牽扯到對算法有效性的評估。為了對算法進行精細化訓練，我們根據實戰業務維度投入大量精力采集各種目標和樣本，標注它的屬性，用以進行專題化訓練。令我們驚喜的是，通過多種算法的融合以及在不同場景下的智能化調度，“公安云腦”可迅速匹配最有效的算法，以支撐具體的業務應用。這一過程中“公安云腦”表現出了極高的準確率和高效的業務支撐能力。

特別是在結構化數據和人臉識別方面，我們結合現在很多城市都有的大量的視頻監控點的部署（很多城市甚至已經達到上萬點），從這些視頻信息數據里邊提取出有效的人臉信息、車牌信息等。過去這些信息大多通過人臉抓拍機和人臉卡口、車輛道路的卡口等來進行識別和獲取，而現在我們通過視頻監控點位也能夠有效的識別這些信息。最近海信在長沙做了一個測試，隨機地抽取視頻監控點位的視頻流，我們發現針對3到5米高的安裝點位，我們能夠在50%以上的視頻中有效、精準地識別到人臉和車牌信息。通過這樣超凡識別能力，可充分利用現有的視頻監控點位挖掘信息價值，實現全市區域內對關注目標的準確定位、視頻布控和動態跟蹤分析。

那么“公安云腦”的視頻識別準確度到底水平如何？我們也與行業內主流的識別算法做過對比測試，就人、車目標提取而言，海信“公安云腦”特征提取精度和種類明顯高于行業主流產品水平。對人臉聚類而言，海信自研了人像與人臉特征關聯分析模型，關聯準確率業界領先，同時人像以圖搜圖的首位命中率高達65%以上。

在這個基礎上，我們以人臉識別為基礎，綜合發型、衣著等特征，結合機器強化學習技術，為路人構建專屬人像模型，并標記唯一虛擬身份ID，實現監控場景下的人員聚類 ，再通過人臉關聯到這個人的實名，在更多情況下我們是用虛擬號在使用，一旦這個目標確定為我們重點關注管控的目標的時候，我們會進一步的去核實他的真實身份，然后再做進一步的大數據關聯。除了人員聚類，我們還能實現車輛聚類、非機動車聚類等。

除了上面提到的算法，海信根據辦案經驗、數據特點、應用場景特色等，建立了多種業務智能算法模型，設計了25種實戰專題庫，已形成了62種場景化技戰法。根據公安業務的要求，我們針對不同的案件、不同的職能部門和不同的科室，把這些技戰法分別進行二次開發加工，形成圍繞某一個專題的實戰型專題庫，便于民警在開展這一類的工作的時候，系統能夠自動地為其匹配適合的人工智能算法，使他能夠選擇最優的、最適合的技戰法支撐具體實戰業務。

PART 3

 

一體化實戰平臺，

深入公安業務的“破案高手”！

在行業應用方面，我們根據公安的業務特點，從公安打防控三大業務出發，進行了相應的一體化實戰平臺的開發。在精準化偵察方面，我們可實現對案件的全流程管理、自動研判和重點目標的精準追蹤；在立體化防控方面，我們基于三維電子沙盤實現智能管控，這個管控包括重點人員管控、重點區域的風險發現和防控；在指揮方面，我們可實現警情的宏觀分析和警力的統一調度，在遇到緊急警情的時候，可以實現自動化布控和一鍵堵控，提高我們的現場查控效率。

一個典型應用，就是精準追蹤技戰法。我們借助一體化實戰平臺實現了對人、車和非機動車三大類目標在視頻監控點位下的跨境追蹤，這個應用的效果已在實際的案例中得到了驗證。在監控相對密度比較高的情況下，我們基本上可以實現一個目標，在一個城市范圍內追不丟。

下面通過一個實際的案例來看一下海信公安實戰平臺發揮的作用。

在2018年11月2號下午，青島市劉某下班以后發現家中被盜，我們經過初步分析，認為這是在白天趁家中無人的情況下進行的入室盜竊案，嫌疑人極可能駕駛機動車作案。根據這樣的基本分析，我們通過平臺自動調取以案發地為中心、方圓一公里區域內的監控視頻，快速進行分段車輛精準檢索。其中在一個時間段內檢索出了4萬余條車輛信息，僅用時20分鐘。

一般而言，此類案件中嫌疑車輛通常有異常逗留行為，因此我們通過對異常停留車輛的檢索，縮小嫌疑范圍，線索迅速從4萬余條縮減到37條。我們同時對37輛車在后臺進行篩查，首先是做了一個假套牌的一個研判，一般而言作案車輛大多都是假套牌車，將上述37輛異常逗留車輛與車駕管數據精準比對，成功發現1輛假套牌車，進而鎖定了嫌疑車輛。

根據確定的嫌疑車輛圖片，系統自動確定目標經過的最后一個卡口，以此為起點，對其啟動精準追蹤技戰法，結合車輛行駛速度、路網空間信息等，再加上邏輯推理，智能推測嫌疑人車輛行駛路線，精準還原嫌疑車輛蹤跡，最終找到落腳點。到現在我們公安民警用了也就三個多小時的時間，在小區內找到了嫌疑車輛，再根據物業登記的相關信息，成功將嫌疑人抓獲。

同時，系統還將嫌疑車輛圖片與近2個月內的同類案件進行串并比對，發現該車輛與之前的4起入室盜竊案相關，經確認，一舉破獲了這起系列入室盜竊案件！

以上就是本次演講的全部內容。未來，在技術融合創新的新時代，海信會以更加開放的心態，與在座的同仁共同來推動智慧警務的新發展，共創我們美好生活的新篇章！

謝謝大家！