到 智 炼成记 智慧警务从 两大重点 治 四道防线
从可知、可用到可控、可靠,以“AI+”为标志的普惠型智能社会正朝我们阔步走来。
譬如智慧警务,作为“平安中国”的重要组成部分,智慧警务的首要目的是打造高质量的社会治安防控体系。
过去两年,相关部门先后发布了包括《关于加强社会治安防控体系建设的意见》等诸多文件,对于社会治安防控体系的建设提出了更加详细的规划要求。
眼下,相关行业解决方案正在全国快速落地。某行业专家介绍,社会治安防控体系助力智慧警务建设主要体现在两个方面:
立体化社会治安防控体系建设四道防线
立体化社会治安防控体系建设从外到内可分为四道防线:智慧公安检查站、智慧街面巡防、治安要素管控以及智慧安防小区。
第一道防线:智慧公安检查站。
智慧公安检查站部署在城市边界,通过配备人脸识别、车辆识别、安检设备、人证核验、移动终端特征采集等智能感知设备,全面采集人、车、物、证、码等数据。
通过对数据的综合研判,提升对跨区域人员、车辆、物品的动态管控能力,最大限度的将重点人员、重点车辆以及危险物品隔离在管辖范围之外。
第二道防线:智慧街面巡防。
智慧街面巡防部署在城市街面区域,依托街面警务站,整合各警力资源,确保遇到警情和突发案(事)件能够第一时间反应、第一时间到达、第一时间有效处置。
同时,还需要整合PGIS、110 接警平台、卫星定位系统、视频监控系统、人脸识别系统、无人机系统、无人机反制系统、巡逻机器人、移动单兵、4G/5G 回传等相关业务系统,打通数据壁垒,提高系统利用率,最大限度提高见警率、盘查率、管事率,提升震慑力和控制力。
第三道防线:治安要素管控。
治安要素管控包括基础数据采集、重点人员管控、重大活动安保、智慧内保、枪支弹药管控、娱乐场所管控以及新兴业态管控等多个方面。
这些应用场景采集的实时数据可为智慧公安的业务应用提供基础数据支撑,比如以前采集的基础数据是靠社区民警挨家挨户上门采集,这种采集方式不仅耗时耗力,而且保证不了数据的真实性和时效性。
眼下,通过科技化的手段可以实时动态采集相关数据,不仅保证数据的时效性,也保证数据的可靠性,让真实的数据产生实战价值。
第四道防线:智慧安防小区。
智慧安防小区的建设是社会治安防控体系的最后一公里,也是如今智慧社区建设如火如荼的重要原因。
社区里的人员结构复杂、人员密度较大、车辆出入频繁等特点决定了小区的管控是智慧公安业务应用的必要延伸。
智慧安防小区的建设可以围绕社区警务室开展,在小区出入口、小区内部公共区域、单元楼入口部署部署三道防线,采集人脸信息、人体信息、车辆信息以及移动终端MAC 数据等多维数据, 精确掌握重点人员行动轨迹,有效防范各种入室盗窃案件发生。
从汗水警务到智慧警务
一直以来,包括数据孤岛、联动机制不畅等问题均是政府职能部门的痼疾所在。包括公安系统,各警种都有自己的业务系统,但是各系统之间都是相对独立的,很难进行数据融合共享。
该专家认为,社会治安防控体系的构建有利于打破部门数据壁垒,加快数据融合共享。
如街面巡防联动机制,整合了多种业务系统以及多个业务警种力量。社会治安防控体系主要由各地公安机关的治安管理部门主导建设,而治安部门的业务种类繁多、治安体系人数众多等原因保证了治安管理部门可以采集多维数据以及鲜活的数据。
这些具有治安属性的数据经过脱敏之后也可以共享给公安系统的其他业务部门,达到数据一次采集、多次利用。
目前全国大概有5万个派出所,60万基层民警,占到全国警力资源的三分之一。
即便如此,基层民警的警力资源依然匮乏,工作强度依然很大,用“汗水警务”来形容现在基层民警的工作现状一点也不为过。
以基础数据采集为例,以往民警采集相关数据都是拿着纸质的表格采用登门拜访的方式采集,但是这种采集方式效率低、数据真实性差,基层民警在定期考核的机制面前显得心有余而力不足,在这种现状面前必须要转变工作方法,向科技要警力。
智慧公安主要技术应用
视频摄像头与AI、大数据等技术的结合能够打开智慧公安新世界的大门。
据中国电子科学院创新中心公安业务负责人林晖此前介绍,在AI实战中,目前公安视频大数据分析领域已有诸多前沿应用,包括:
一、视频点位人流量分析
基于深度学习和计算机视觉技术,可以实时统计监控视频中的经过人数及拥挤情况。也可以针对人员密集场所的监管需求,构建群体聚集分析模型,智能判断出某区域是否有拥挤堵塞、异常聚集等行为。
二、禁入区域异常入侵预警
识别系统通过深度学习人体特征和动作,能够自动发现、标记出人员的位置,当有人员异常入侵重点禁入区域时,以及异常行为时,系统可以发出自动预警。
三、人员异常行为智能预警
通过构建行为运动分析模型和行人姿态分析模型,智能分析判断出行人是否有快速运动、打架斗殴等异常个体和群体行为,及时向后台发出预警信息。
四、剧烈挥手求救识别
利用深度学习人体姿态识别技术,精准识别人员向摄像头的剧烈挥手动作,当人员遇到不法侵害向摄像头剧烈挥手时,可以实时预警提醒后台人员。
五、外观线索识别技术
通过摄像头联网,利用某一监控下的行人图像,可以在其它不同场景、不同光线、不同视角下的视频中准确搜索出该行人,并勾勒出其行动轨迹,搜索准确率可以达到90%,在茫茫人海中搜索一个人可以像百度查找一篇新闻那样容易。
六、携带物体识别技术
主要针对某些特定场所的安全监管需求,打造深度学习携带物体识别系统,当有人携带敏感物体时,系统会及时预警。
七、网络直播敏感信息监测系统
基于深度学习图像识别技术,可以智能识别直播中的疑似敏感信息,节省超过90%的审核人力。
八、审讯场景的无感知情绪监测分析
它主要面向审讯场景,结合视频图像处理、并行计算、深度学习等技术,采用非接触的生理信号采集、微表情识别方法,保证了无感知的实现,进而建立量化情绪模型,实现情绪监控和分析。
智慧警务建设无止境
AI融合下的安防市场,拉动的不仅仅是前端设备的更新换代,更是拉动了背后物联网、人工智能、大数据和云计算的万亿级大市场。
相关数据显示,2019年我国安防行业总产值将达8300亿,而公安部门无疑是推动这一需求背后最大力量。
从顶层设计来说,公安部门的远景是:在全国各地建设一张立体化的社会治安防控体系网。而这张网的要求是:联网共享、拥抱大数据、实现预测、预警、预防,以此驱动公安业务升级。
对于公安部门来说,如今他们正经历着一场前所未有的“智慧化变革”,而这场变革的目标是:
但该专家也同时提到,冰冻三尺非一日之寒,智慧公安的建设也非一日之功,社会治安防控体系也只是从治安的角度给智慧公安增彩。
智慧警务没有止境,只有更智慧。
原创文章,未经授权禁止转载。详情见 转载须知 。