科威達科技集團股份有限公司
車輛大數(shù)據(jù)應(yīng)用系統(tǒng)建設(shè)將以過車數(shù)據(jù)和車輛圖片為核心數(shù)據(jù)，聯(lián)動公安網(wǎng)上業(yè)務(wù)數(shù)據(jù)（如?？趲?、流口庫、車輛登記庫、盜搶車輛庫、前科犯罪人員庫等）進行車輛、人員、案件、現(xiàn)場勘查、電磁軌跡及社會資源數(shù)據(jù)的關(guān)聯(lián)串并和碰撞比對，對高危車輛進行深度數(shù)據(jù)挖據(jù)，倍增數(shù)據(jù)價值，服務(wù)警務(wù)實戰(zhàn)，提高城市公共安全服務(wù)水平。
車輛大數(shù)據(jù)系統(tǒng)可以實現(xiàn)以下業(yè)務(wù)目標：
1) 和已建/新建卡口系統(tǒng)無縫對接，實時讀取卡口過車數(shù)據(jù)和車輛圖片，進行過車信息大數(shù)據(jù)分析和圖片車型二次識別。系統(tǒng)可以按管理部門實戰(zhàn)需求建立高危車輛預(yù)警模型，通過卡口與公安信息網(wǎng)的數(shù)據(jù)碰撞分析、深度挖掘，為公安管理部門的查閱和進一步處理提供支撐；
2) 發(fā)生案件后，公安部門可以結(jié)合車輛大數(shù)據(jù)應(yīng)用系統(tǒng)中積累的車輛屬性信息（車輛屬性、車輛行為軌跡、車主屬性、關(guān)系人屬性）和各個過車的車型研判信息，排除假牌、套牌、號牌污損等常見手段的干擾，再通過與案件相關(guān)區(qū)域等信息條件碰撞比對，使用車輛技戰(zhàn)法層層過濾嫌疑車輛，進行針對性排查；
以創(chuàng)建“平安城市”為目標，密切結(jié)合公安實戰(zhàn)應(yīng)用需求，充分運用高清監(jiān)控技術(shù)、視頻分析技術(shù)、車輛識別與分析技術(shù)、業(yè)務(wù)系統(tǒng)集成技術(shù)等先進技術(shù)，在海量視頻信息中有目的地提取有效信息，對重點車輛出現(xiàn)進行實時預(yù)警并對其行徑軌跡進行跟蹤分析；利用車型二次識別技術(shù)，排除常見的假牌、套牌、無牌車的干擾，快速定位到目標車輛；基于車牌和車型的技戰(zhàn)法，對車輛的落腳點、同行車等進行分析，破解傳統(tǒng)單純依靠車牌進行分析應(yīng)用的難題，提升案件處置的準確性和實效性。
同時，系統(tǒng)采用AR技術(shù)與公安車輛業(yè)務(wù)相融合，目標是在屏幕上把虛擬世界套在現(xiàn)實世界并進行互動。隨著前后端運算能力的提升，通過AR等技術(shù)與視頻圖像算法、視頻壓縮及傳輸、云計算、大數(shù)據(jù)等科學技術(shù)的深度融合，視頻監(jiān)控系統(tǒng)作為關(guān)鍵性內(nèi)容的輸入端和圖像、數(shù)據(jù)的處理端，增強用戶對周邊環(huán)境的洞察。打造指揮作戰(zhàn)“一張圖”，將指揮作戰(zhàn)所需要的警情信息、警力分布及狀態(tài)、數(shù)據(jù)采集資源、社會資源、預(yù)案、異常數(shù)據(jù)、單位重點數(shù)據(jù)等各類信息要素綜合展現(xiàn)在一張電子信息地圖上，指揮人員只要查看該地圖，即可實時掌握全區(qū)異常情況、各單位警力工作情況、重點單位信息等內(nèi)容，為快速偵破提供基礎(chǔ)，指揮作戰(zhàn)提供便利，為決策提供依據(jù)。
車輛大數(shù)據(jù)系統(tǒng)圍繞公安實戰(zhàn)需求，利用大數(shù)據(jù)分析技術(shù)、深度學習和模式識別技術(shù)、分布式集群計算與實時搜索引擎技術(shù)、海量數(shù)據(jù)挖掘技術(shù)，實現(xiàn)對視頻監(jiān)控圖像（以車輛圖片應(yīng)用為主）的結(jié)構(gòu)化提取分析，便于實時搜索查找和聯(lián)網(wǎng)共享。系統(tǒng)建成后，能夠與目前公安網(wǎng)內(nèi)各類警務(wù)信息系統(tǒng)實現(xiàn)對接，交互各類型信息資源，實現(xiàn)數(shù)據(jù)信息關(guān)聯(lián)和碰撞串并分析。系統(tǒng)總體架構(gòu)為：
圖 2.2?1系統(tǒng)拓撲圖
系統(tǒng)架構(gòu)說明：
卡口匯聚平臺
卡口匯聚平臺實現(xiàn)車卡點位的集中接入與管理，負責向車輛大數(shù)據(jù)應(yīng)用系統(tǒng)提供車輛圖片和過車記錄數(shù)據(jù)，且當車輛大數(shù)據(jù)系統(tǒng)需要對卡口圖片進行單獨存儲，可按需配置本地存儲或視頻云存儲系統(tǒng)進行車輛圖片的集中存儲。
業(yè)務(wù)集群系統(tǒng)
車輛大數(shù)據(jù)業(yè)務(wù)處理集群-核心業(yè)務(wù)模塊集群，集成車輛圖片二次分析&&和數(shù)據(jù)業(yè)務(wù)分析功能于一體，主要包含：1.）車型識別業(yè)務(wù)集群--采用storm流式架構(gòu)技術(shù)實現(xiàn)海量圖片的實時二次識別；2.）數(shù)據(jù)技戰(zhàn)業(yè)務(wù)集群-實現(xiàn)車輛大數(shù)據(jù)技戰(zhàn)分析集群功能，可根據(jù)系統(tǒng)的規(guī)模，進行線性敏捷的業(yè)務(wù)擴容；3.）對接代理集群-負責和公安信息資源庫對接獲取業(yè)務(wù)數(shù)據(jù)，當日過車>500萬圖片規(guī)模數(shù)據(jù)時建議配置,適合于超大規(guī)模部署；4.）公安信息資源庫：公安服務(wù)資源庫，通常是省廳級或者公安部級，提供“人-車-關(guān)系人”綜合研判數(shù)據(jù)，供數(shù)據(jù)技戰(zhàn)業(yè)務(wù)應(yīng)用使用。
-1.）云數(shù)據(jù)庫，實現(xiàn)過車數(shù)據(jù)、車輛信息數(shù)據(jù)存儲，基于SPARK+SOLR技術(shù)，負責進行車型/車牌檢索的海量索引存儲和檢索加速，并對業(yè)務(wù)系統(tǒng)提供基于Restful API等開放接口的服務(wù)；2.）以圖搜圖一體機，集中存儲二次分析服務(wù)器所分析提取的車輛特征值，并通過計算特征值之間的匹配相似度，結(jié)合車輛大數(shù)據(jù)應(yīng)用平臺，實現(xiàn)車輛的布控、以圖搜圖等業(yè)務(wù)應(yīng)用。
車輛大數(shù)據(jù)應(yīng)用平臺
通過與業(yè)務(wù)集群系統(tǒng)數(shù)據(jù)碰撞與分析，實現(xiàn)車輛相關(guān)業(yè)務(wù)應(yīng)用，如過車查詢、車輛特征檢索、違法查詢、布控與報警管理、以圖搜圖等；并通過建立相關(guān)技戰(zhàn)模型，實現(xiàn)晝伏夜出、頻繁過車、首次入城、時空碰撞等技戰(zhàn)應(yīng)用，提升系統(tǒng)整體業(yè)務(wù)能力。
同時，系統(tǒng)為“公安偵查辦案”以及“打防控預(yù)警”等工作提供相關(guān)的情報線索與數(shù)據(jù)支撐，支持開放通用的車輛大數(shù)據(jù)平臺功能以滿足不同警種、不同應(yīng)用系統(tǒng)的實戰(zhàn)應(yīng)用需求；情報/刑偵/治安等使用單位通過系統(tǒng)發(fā)現(xiàn)高危車輛情報信息后，可將相關(guān)告警信息下發(fā)至轄區(qū)派出所、警務(wù)站、攔截站、指揮中心、其它警種（如交警）等管理部門或人員，用于執(zhí)行落地經(jīng)營、核查攔截。
系統(tǒng)整體邏輯架構(gòu)圖如下，由下至上依次是采集設(shè)備層、PAAS層和SAAS層。
圖2.3?1 系統(tǒng)邏輯架構(gòu)圖
采集設(shè)備層包含所有的前端感知設(shè)備，與車輛業(yè)務(wù)相關(guān)的電警攝像機、卡口攝像機、智慧監(jiān)控單元等。
PAAS層實現(xiàn)前端設(shè)備的管理和接入，屏蔽各種前端設(shè)備的協(xié)議差別，對內(nèi)提供統(tǒng)一的交互協(xié)議；完成前端設(shè)備所產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)（如過車記錄）和非結(jié)構(gòu)化數(shù)據(jù)（如圖片、視頻等）的存儲并提供統(tǒng)一查詢接口；在對車輛卡口圖像進行相關(guān)智能分析服務(wù)后，形成統(tǒng)一的智能能力資源池，對SAAS層提供統(tǒng)一的交互協(xié)議。
SAAS層包含基礎(chǔ)SAAS、車輛應(yīng)用服務(wù)及業(yè)務(wù)展示端，依賴SAAS層基礎(chǔ)能力實現(xiàn)設(shè)備管理、用戶和權(quán)限管理、統(tǒng)一鑒權(quán)、消息中心等功能；而車輛應(yīng)用服務(wù)通過封裝車輛智能管理服務(wù)和云數(shù)據(jù)庫提供的能力，對外提供車輛布控庫管理、車輛布控管理、抓拍和報警消息的查詢和檢索（以圖搜圖）功能。并提供統(tǒng)一展示界面，實現(xiàn)業(yè)務(wù)數(shù)據(jù)展示與應(yīng)用，支持管理端web頁面、應(yīng)用端web頁面、C客戶端和手機APP。
感知防控圈是基礎(chǔ)建設(shè)，前端車輛抓拍點位的建設(shè)規(guī)劃質(zhì)量、成像效果等因素會直接影響后臺車輛大數(shù)據(jù)應(yīng)用系統(tǒng)的應(yīng)用成效。依據(jù)“科學布局、圍繞實戰(zhàn)、建用結(jié)合”的建設(shè)原則，打造城際、城區(qū)、核心三級防控圈，城際防控圈作為城市護城河，通過建設(shè)主要進出口車輛卡口點位，率先對車輛所處城市進行定位，最大程度縮小目標活動范圍；城區(qū)防控圈覆蓋城市主干道路、城市交通樞紐，捕捉車輛在城區(qū)各主要道路的過車記錄，結(jié)合過車時間，精準還原車輛行徑軌跡；核心防控圈建設(shè)則是對小區(qū)、大型企業(yè)、特定封閉區(qū)域等車輛進出進行管控記錄，實現(xiàn)車輛軌跡刻畫的閉環(huán)，三級防控圈真正實現(xiàn)了車輛的“進城可知，軌跡可追，落腳可析”。
大數(shù)據(jù)技戰(zhàn)應(yīng)用系統(tǒng)是車輛大數(shù)據(jù)應(yīng)用的深度挖掘，系統(tǒng)將數(shù)據(jù)與業(yè)務(wù)充分結(jié)合，以實戰(zhàn)為目的，利用道路車卡抓拍的過車數(shù)據(jù)，結(jié)合車輛行駛軌跡，通過建立不同技戰(zhàn)模型，不斷和后臺車輛信息庫碰撞比對，實現(xiàn)車輛大數(shù)據(jù)“事前防控、事中控制、事后偵查”的業(yè)務(wù)能力。
通過相應(yīng)技戰(zhàn)模型的建立，對異常車輛、異常車輛人員出現(xiàn)進行實時預(yù)警，實現(xiàn)事前防控；通過建設(shè)車輛預(yù)警任務(wù)和車輛布控報警下發(fā)，在預(yù)警產(chǎn)生后，指揮中心聯(lián)動一線警力實現(xiàn)攔截防控，實現(xiàn)異常事件的事中干預(yù)控制；通過車輛二次識別分析、車輛技戰(zhàn)法、車輛軌跡還原等，在案件偵查過程中提升車輛數(shù)據(jù)分析、檢索效率，利用大數(shù)據(jù)為事后偵查提供便捷。
大數(shù)據(jù)技術(shù)是業(yè)界應(yīng)對快速增長的數(shù)據(jù)引入的綜合技術(shù)集合，是傳統(tǒng)技術(shù)的延伸深化，打破煙囪，把所有計算的資源整合成計算資源池，所有存儲的資源整合成存儲資源池，實現(xiàn)資源的集約化管理與使用。
車輛大數(shù)據(jù)平臺引入典型的云計算、大數(shù)據(jù)技術(shù)，云存儲（可選，圖片需要二次存儲情況下）能夠輕松處理海量的音視頻等非結(jié)構(gòu)化數(shù)據(jù)，對數(shù)據(jù)進行存儲，提供快速的分析基礎(chǔ)技術(shù)，能夠發(fā)現(xiàn)更多視頻和圖片以及業(yè)務(wù)數(shù)據(jù)中的關(guān)聯(lián)情況，為業(yè)務(wù)處理和決策分析提供強力的支持。
AR立體指揮平臺，以高點AR視頻感知為基礎(chǔ)，整合各實戰(zhàn)子系統(tǒng)資源，包括卡口系統(tǒng)、道路視頻監(jiān)控系統(tǒng)、車輛管控系統(tǒng)、移動執(zhí)法調(diào)度等，利用AR增強現(xiàn)實、各子系統(tǒng)通虛擬標簽方式進行“無縫”集成，增強實時感知數(shù)據(jù)與信息數(shù)據(jù)的結(jié)合，突破指揮中心傳統(tǒng)指揮模式，構(gòu)建面向AR立體指揮中心全域覆蓋的立體監(jiān)控指揮平臺，實現(xiàn)可視、可控、可調(diào)度，實現(xiàn)指揮管控業(yè)務(wù)可視化，提高指揮工作效率。
根據(jù)項目實際業(yè)務(wù)需求，系統(tǒng)可分別在單網(wǎng)環(huán)境、雙網(wǎng)環(huán)境部署應(yīng)用，并根據(jù)不同邊界網(wǎng)絡(luò)環(huán)境，提供對應(yīng)解決方案。同時，可與三方卡口平臺對接，實現(xiàn)車輛數(shù)據(jù)的集中匯聚與管理；與公安系統(tǒng)對接，實現(xiàn)公安信息數(shù)據(jù)同步與碰撞工作；與三方業(yè)務(wù)系統(tǒng)對接，提供數(shù)據(jù)分析結(jié)果，更好的服務(wù)公安各業(yè)務(wù)系統(tǒng)的不同業(yè)務(wù)需求。
采用標準視圖庫架構(gòu)體系，屏蔽前端設(shè)備的協(xié)議差異，實現(xiàn)多方前端設(shè)備的標準接入。接入服務(wù)集群管理著大量的前端設(shè)備，為了保障系統(tǒng)的高性能，接入服務(wù)采用分布式架構(gòu)，有管理節(jié)點和子節(jié)點，可通過子節(jié)點的橫向擴張，增加前端接入設(shè)備的能力，完成海量前端設(shè)備的穩(wěn)定接入，同時，前端設(shè)備以負載均衡的方式接入不同子節(jié)點，保障單節(jié)點故障時系統(tǒng)的高可靠性。平臺提供設(shè)備的統(tǒng)一管理服務(wù)，屏蔽設(shè)備差異，并向上提供管理邏輯設(shè)備的標準接口，實現(xiàn)業(yè)務(wù)邏輯與設(shè)備協(xié)議之間的解耦。
另外，平臺設(shè)計采用微服務(wù)化理念，實現(xiàn)了各項平臺服務(wù)能力的組件化和服務(wù)化。各功能模塊（接入、存儲、轉(zhuǎn)發(fā)、智能服務(wù)等）內(nèi)部運作具備負載均衡能力，保障系統(tǒng)整體運轉(zhuǎn)的高效性與高可靠性，對外提供統(tǒng)一服務(wù)接口，使得各服務(wù)之間的交互更加便捷與高效。
雖然很多前端車輛卡口相機支持車輛屬性的提取分析，但其提取分析的車輛信息較為基礎(chǔ)、單薄，利用車輛二次識別功能，可以提取細化的車輛信息，如車輛號牌、車身顏色、車輛品牌、車輛類型等信息。另外，還可將非結(jié)構(gòu)化車輛圖像數(shù)據(jù)，轉(zhuǎn)化為可準確描述、理解、查詢的結(jié)構(gòu)化描述信息，破解了傳統(tǒng)單純依賴車牌或車標識別，難以準確、快速鎖定目標車輛及人員的難題。
圖2.5?1 車輛圖片二次分析系統(tǒng)
1) 品牌型號識別服務(wù)
對提交的圖片中的車輛進行品牌型號的識別，識別結(jié)果包括廠家品牌（車標，如：本田）、車輛子型號（如：雅閣），能夠區(qū)分出廠年份的款式還應(yīng)該包括年份（如：2008款）。共支持200種車輛品牌識別，3000種車型識別。
2) 車身顏色識別服務(wù)
對提交的圖片中的車輛進行車身的顏色的識別，以判斷其為白色、橙色、粉色、黑色、紅色、黃色、灰色、藍色、綠色、紫色、棕色中的哪一種。
3) 車輛類型識別服務(wù)
對提交的圖片中的車輛進行車輛類型的識別，以判斷其為大客車、大貨車、中貨車、小轎車、面包車、小貨車、中客車、SUV、MPV、皮卡、微型車11種車型的哪一種。同時還可對支持消防車、渣土車、押運車、工程搶修車、救援車等多種特殊進行車輛識別。
在實戰(zhàn)中，經(jīng)常會發(fā)現(xiàn)，很多不法分子為了遮掩逃竄行蹤，會在車輛行駛途中換、篡改、遮擋、拆卸車牌，或使用假牌、套牌，這種情況通過車牌號碼來跟蹤車輛行駛軌跡，可能會出現(xiàn)行車軌跡不符邏輯或車輛信息大相徑庭等情況，干擾執(zhí)法人員追蹤車輛軌跡。
車輛圖片二次分析技術(shù)，在對車輛號牌、車身顏色、車輛品牌、車輛類型等信息識別的基礎(chǔ)上，還支持車輛唯一性局部特征進行分析、識別、提取。在實戰(zhàn)應(yīng)用中，將圖片中識別的信息，與通過車牌號從車管數(shù)據(jù)庫中查詢到的車輛信息進行比對，進行假牌、套牌可疑度評價，在發(fā)現(xiàn)基礎(chǔ)車輛信息被更改，無法刻畫真實車輛軌跡時，通過車輛局部特征的框選后以圖搜圖，輔助找尋車輛篡改后的信息，從而刻畫出車輛真實行徑路線。
目前支持車輛年檢標、紙巾盒、擺件、掛件、遮陽板等特征信息識別，可根據(jù)這些局部特征，來輔助完善車輛信息。
通過AR等技術(shù)與視頻圖像算法、視頻壓縮及傳輸、云計算、大數(shù)據(jù)等科學技術(shù)的深度融合，視頻監(jiān)控系統(tǒng)作為關(guān)鍵性內(nèi)容的輸入端和圖像、數(shù)據(jù)的處理端，立足VR/AR用戶體驗，可以有效針對虛擬現(xiàn)實場景，強化其內(nèi)容拼接、色差消除、景深調(diào)整、數(shù)據(jù)處理、結(jié)構(gòu)化數(shù)據(jù)提取和分析等技術(shù)處理效果，為用戶提供浸入式的視頻感知體驗，助力AR產(chǎn)品實現(xiàn)良好的體感交互，為視頻監(jiān)控行業(yè)創(chuàng)造出嶄新的行業(yè)應(yīng)用和市場需求，特別是在車輛實戰(zhàn)立體指揮領(lǐng)域得到更為廣泛的應(yīng)用。
