欒潤生 劉國防 王超強

（1 安徽公安職業(yè)學院偵查系 安徽 合肥 230031；2 合肥市公安局視頻偵查支隊 安徽 合肥 230000）

1 前言

隨著技術的進步和社會需求的發(fā)展，行業(yè)化、商業(yè)化推動了人臉識別的高速發(fā)展。隨著公安系統(tǒng)、小區(qū)門禁、智能門鎖、智能考勤、智能汽車、智能手機等一系列行業(yè)應用和智能家居、設備的普及、催生，越來越多的應用都將人臉識別這一固有的生物識別技術普及、應用、發(fā)展提高。在公安工作中，從我國刑事犯罪的發(fā)展與偵查治理來看，當前我國仍處于刑事犯罪的高發(fā)時期，刑事案件仍舊高位運行，刑事犯罪正在從“網下”傳統(tǒng)接觸式走向“網上”非接觸式。諸如黑惡勢力“網絡化”、網絡暴力、電信網絡新型違法犯罪、網絡販槍和傳統(tǒng)盜搶騙的有組織化、網絡化、動態(tài)化等，正在形成新時代下刑事犯罪新形態(tài)[1]。而云取證、互聯(lián)網+、物聯(lián)網、大數據+、人工智能、智能家居、智能汽車、無人機等一批智能前沿設備的發(fā)展應用并逐漸成為主流的這一特征，使得人臉識別向自動化、智能化方向發(fā)展是必然的趨勢。

人臉識別技術的應用始于20世紀60年代，國外對人臉識別技術的相關研究，限于當時的技術水平和應用領域，僅僅是在一般模式識別領域和人臉幾何特征算法方面的研究[2]，主要是從認知、感知和心理學方向進行探索[3]，從面部輪廓曲線、基于面部的幾何結構中提取特征。到20世紀90年代初期，人臉識別技術開始從人臉的面部彈性圖特征匹配、灰度圖像、形狀分離及人臉模型可變等方面進行研究[4]，這一階段的人臉識別較初期有了長足的發(fā)展，無論是在識別率上還是識別條件都有巨大改進和豐碩成果。隨著計算機技術、信息網絡、芯片工藝、光學成像等技術的發(fā)展成熟，到20世紀90年代后期，人們開始了人臉識別的主要行業(yè)落地應用，并建立了一些商業(yè)人臉識別系統(tǒng)，這一時期不僅在技術層面上有了很大的提升，諸如多維特征矢量法、局部特征分析法、彈性圖標匹配技術等，而且隨著人工智能的深入應用，人臉識別逐漸能夠達到主動學習、自動識別的效果[5]。21世紀以來，人們不斷探索，從硬件性能提升到軟件算法改進，諸如人臉空間建模、人臉3D識別法、基于各種外部因素的人臉識別方法①各種外部因素算法包括：基于光照、拍攝角度、幾何特征、人臉特征、地域特征、模板匹配、神經網絡、隱馬爾可夫模型、貝葉斯理論、支持向量機等。、深度學習、大數據、人工智能等理論，使得當前人臉識別達到空前熱度和成熟度，基本達到快速、精準、誤差的魯棒性能等特征。一些關于人臉識別的技術綜述有詳細的闡述。

科學技術的突飛猛進使人臉識別得到了長足的發(fā)展，現在的網絡信息化、大數據、高清視頻的迅猛發(fā)展催生了大量對人臉識別的課題研究、論文發(fā)表、應用方向，很多知名理工大學、IT行業(yè)產業(yè)都有專門的研究組對這一領域進行大量深入的研究、探索，當前對人臉識別的研究應用幾乎達到了“泛濫”的程度[6]。

縱觀人臉識別的發(fā)展，其核心要素包括硬件設備，如芯片、處理器的運算能力和前端采集設備、線路端的圖像傳輸設備，以及系統(tǒng)后端的數據存儲、分析、控制、輸出和顯示設備等一系列硬件的集合；軟件環(huán)境，如高報警準確率②報警準確率=報警正確數/報警數。的內核引擎、高響應度的應用系統(tǒng)和核心算法的優(yōu)化升級等；基礎數據，如數據的采集設施③數據采集設施包括可以產生人臉圖片、視頻數據的人臉抓拍機、高清網絡攝像機、視頻門禁、警務通、執(zhí)法記錄儀、認證采集儀、人臉閘機和卡口電警等。、一定量級和有價值的比對數據庫等。只有同時優(yōu)化提高這3方面的技術指標，才能保證人臉識別應用的準確性、高效性、實用性。因此，“人臉識別系統(tǒng)”集成了數據采集、機器識別、機器學習、模型理論、專家系統(tǒng)、圖像處理、大數據分析、云計算與存儲和人工智能等。并結合中間值處理理論與實現機制，可以說，它是當今生物特征識別技術應用領域的又一里程碑式的新突破。借助于高度集成與迅猛發(fā)展的信息化科學技術、立足于大數據采集分析、借助于5G網絡高帶寬傳輸，將共識算法、身份認證、智能合約、云計算、區(qū)塊鏈等多類技術不斷優(yōu)化升級，定會推動并加快人臉識別應用由弱人工智能向中強人工智能深度應用時代邁進的步伐。

2 背景

隨著國民經濟的快速發(fā)展和城市化進程的加快，從20世紀80年代初到2015年，全國各地的城市人口大量涌現，中國的流動人口總數呈增長趨勢。統(tǒng)計顯示：2017年全國流動人口總量為2.445億④根據國家衛(wèi)生健康委員會發(fā)布的《中國流動人口發(fā)展報告2018》。。由于流動人口的規(guī)模導致了區(qū)域人員構成相對復雜，這對城市公共安全領域的人員安全防范與管控等方面提出了巨大挑戰(zhàn)。按照原有的工作模式——僅憑傳統(tǒng)的人工查看視頻的方式，試圖從海量非結構化視頻數據中檢索分析、逐一排查進行業(yè)務處理和案件辦理，猶如大海撈針，費時費力、收效甚微，不論是從工作效率上還是對一線警情壓力上，與當前社會的大數據理念和快節(jié)奏的生活、工作方式都是不匹配的。因此，亟需創(chuàng)新工作模式、改進傳統(tǒng)工作方法，借力于當前科技發(fā)展和信息網絡力量。一套成熟度高、可靠性好的人臉識別系統(tǒng)可以實現對人臉大數據的快速采集檢索、秒級分析、聯(lián)動研判、精準落地等高效應用，可以解決傳統(tǒng)警務工作模式中的低效、延時問題，突破人員管控的瓶頸難題。2014年底，公安部下發(fā)的《關于做好公安“十三五”規(guī)劃編制工作的補充通知》中明確提出：“十三五”期間，人員數據智能數據采集系統(tǒng)（簡稱“雄關計劃”）的建設將在縣級以上城市進行。在重點城市，重點關注重點區(qū)域和重要出入口，通過人員卡口、電子圍欄、視頻監(jiān)控、移動卡口等前端設備建立多模式高通量人員特征信息采集與識別系統(tǒng)。加強預測和警告關鍵人員異常行為的能力。這指出了國家公安機關開展面對大數據建設的方向和要求?！扒岸酥悄懿杉?云端解析應用”人臉大數據研究與判斷系統(tǒng)的建設必將把視頻監(jiān)控系統(tǒng)推向一個新的高度。

3 動態(tài)人臉識別的概念、特點和架構

根據公安服務的實際應用需求，動態(tài)人臉識別是一種利用人臉識別、深度學習、大數據和云計算的技術。設計了動態(tài)人臉大數據分析應用系統(tǒng)、結合實戰(zhàn)經驗、犯罪心理學、犯罪行為學等實踐經驗和理論研究。通過建立科學合理的數據分析模型，提供相應的數據或事件檢索、關聯(lián)、分析、比較、標簽、存儲等服務，發(fā)現隱藏在數據和事件之間的高價值數據或線索，并升級傳統(tǒng)的“從案例到汽車，從汽車到人”檢測模式，創(chuàng)新擴展到一種新的運作模式——“從案到人，從人到人，從人到身份，從身份到人”。

3.1 動態(tài)人臉識別的概念

按照人類對事物的認識規(guī)律，識別，即是人類通過感官系統(tǒng)（比如眼睛、耳朵等）對外界事物的信息接收與獲取，然后將信息傳遞給大腦進行分析、識別、判斷，最終決定采取相應響應動作的一個過程。動態(tài)人臉識別（DynamicFaceRecognition），就是把照相機、攝像機和圖形圖像采集等儀器設備作為我們的眼睛和耳朵，獲取和接收人臉圖像信息，通過傳輸，存儲到后臺服務器來執(zhí)行實時特征提取和特征點比對分析。通過與既有數據庫原型數據進行相似度識別判斷，得出相似度數值并輸出的過程。

動態(tài)人臉識別系統(tǒng)主要包括人臉檢測、跟蹤、特征值提取、識別等模塊[7]。所謂動態(tài)，是相對于靜態(tài)而言，它是在實時檢測、采集到人臉數據的同時運行數據處理分析模塊，采用深度學習算法和圖形處理器（CPU）功能，一種面部結構數據系統(tǒng)，用于從諸如由前端設備收集的視頻和圖像的非結構化數據中提取面部屬性和構建視頻圖像，通過實時和深度挖掘技術提取特征和構建模型，以形成可由機器快速識別的分析數據。并在各種、各級、各類已建在建資源庫數據中進行檢索比對實時預警的過程。動態(tài)人臉識別是建立在初期人臉識別概念、中期自動人臉識別研究和現階段大數據實時采集、分析、處理、輸出的一個系統(tǒng)，突出“動態(tài)”特性。

3.2 動態(tài)人臉識別的特點及技術實現

3.2.1 深度學習技術

深度學習是機器學習的重要分支，是傳統(tǒng)神經網絡的重要延伸。作為一個多層次的非線性神經網絡模型，它具有強大的學習能力，結合大數據，云計算和GPU并行計算。它已廣泛應用于圖形圖像處理、視覺、語音和生物識別等領域和專門行業(yè)[8]。自2007年以來，人臉數據庫LFW（LabeledFacesintheWild）[9]作為權威人臉識別測試數據庫，大量基于深度學習的人臉識別方法在LFW數據集上獲得了突破性的結果。Face++提出的MegviiFaceRecognitionSystem[10]采用常規(guī)的深度卷積網絡模型，訓練數據是通過網絡搜集的500萬張人臉圖像，訓練后的模型在LFW人臉數據集上準確率達到了驚人的0.9950，超過了人眼0.9427～0.9920的識別精度。DeepFace通過額外的3d模型重構正臉頭像，在LFW人臉數據集上達到了0.9735的精度[11]。百度的方法結合了util-patchdeepCNN和deepmetriclearning來提取人臉特征，訓練數據為1.8萬人的120萬人臉圖像，在人臉數據集LFW上達到了0.9977的超高精度[12]。

3.2.2 大數據技術

如今全球數據化時代，數據的產生和存儲量在逐年增加。根據國際數據公司（IDC）跟蹤分析顯示：2012年全球產生的數據總量已達到1.8ZB①數據基本單位換算：1ZB=1024EB;1EB=1024PB;1PB=1024TB;1TB=1024GB;1GB=1024MB;1MB=1024KB;1KB=1024B;1B=8b(bit位).，預計到2020年將達到35ZB，其中約22%將來自中國[13]。借助大數據4V功能②大數據有4個特點，為別為：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值），一般我們稱之為4V。EB/OL-大數據是什么？大數據時代4個特點。https://baijiahao.baidu.com/s?id=1601445047342656382&wfr=spider&for=pcz.，結合公安管控業(yè)務的實際需求，基于分布式計算、全文搜索引擎等技術，解決并提供系統(tǒng)內海量數據的結構化、半結構化類型的存儲、快速檢索、分析統(tǒng)計等應用。通過大數據的深度學習、關聯(lián)分析、聚類融合等技術手段，對事件（務）的發(fā)展趨勢做出研判、預測并給予客觀科學、可靠性決策建議。

3.2.3 高性能計算技術

對于傳統(tǒng)的計算密集型應用程序，它通常適用于使用傳統(tǒng)刀片集群的大規(guī)模多節(jié)點并行性。對于無法執(zhí)行多節(jié)點跨節(jié)點并行性的多線程應用程序，內存、I/O（輸入和輸出）要求很高，即使具有特殊附加卡要求的應用程序也需要更高的單節(jié)點處理性能，更高的內存和I/O（輸入和輸出）可擴展性要求及附加卡可擴展性要求。通常，SMP胖節(jié)點配置為滿足應用程序要求。同時，在圖形領域，GPU可以提供更高的性能和更好的能效比，并配置大量的高密度GPU節(jié)點，以滿足圖形計算的需求（如圖1）。

3.3 動態(tài)人臉識別系統(tǒng)架構

3.3.1 物理架構

圖1 GPU加速工作原理和GPU+CPU組成模塊并行計算架構

動態(tài)人像應用系統(tǒng)由視圖接入系統(tǒng)、視圖解析引擎、比對引擎、大數據分析引擎、應用系統(tǒng)、圖片存儲等部分組成。主要完成人臉抓拍機、網絡攝像機、視頻平臺或者圖片平臺的接入和協(xié)議適配；解碼、取景、面部追蹤和視頻的臉部捕捉；根據人臉所在位置、人臉大小、人臉偏轉情況及光線環(huán)境等情況自動對人臉圖片質量進行判斷，屏幕并標記最佳質量的圖像，用于特征提取，面部建模和數據結構化。搜索要實時比較的面部特征值流對并在單個目標庫中搜索目標，為布控功能提供基礎計算能力支持。

3.3.2 邏輯架構

動態(tài)人像應用系統(tǒng)及其周邊系統(tǒng)從邏輯上由基礎設施層（Iaas）、智能視頻服務層（Paas）、智能視頻應用層（Saas）、用戶場景層組成。包括數據采集基礎設施、網絡傳輸基礎設施、數據中心基礎設施；人臉抓拍機、高清網絡攝像機、視頻門禁、警務通、執(zhí)法記錄儀、人證采集設備、人臉閘機、卡口電警；數據接入服務、基礎服務，數據接入服務處理原始視圖數據的接入、編解碼、流媒體轉發(fā)以及異構網絡的擺渡服務等。視圖解析引擎、大數據分析引擎、深度學習訓練引擎、比對引擎四大引擎及一套視圖分布式存儲系統(tǒng)。通過對下層服務的抽象和封裝、結合業(yè)務流程，對外提供包括基本的注冊認證權限功能，以及人員軌跡研判、人員身份研判、重點人員布控、大數據技戰(zhàn)法功能、數據統(tǒng)計功能等。支持通過SDK等方式與公安常見的業(yè)務系統(tǒng)，比如八大庫、PGIS等進行交互，實現技戰(zhàn)法的綜合應用。

4 抓捕機制與實戰(zhàn)效果

H市公安局視頻偵查支隊在人臉識別領域開拓創(chuàng)新，通過人臉識別技術，已經實現抓捕人數的大幅度增長，其中包含全國在逃人員（包括在逃10年以上）、本地三車人員、扒竊人員、吸毒人員等。在實際工作中，有許多實戰(zhàn)經驗輸出，包括夜晚低分值預警研判追蹤、歷史預警追蹤、戴口罩犯罪嫌疑人的研判抓捕、戴墨鏡的犯罪嫌疑人的研判抓捕、模糊圖片的人臉識別研判等經驗總結，對開展人臉識別和犯罪嫌疑人抓捕工作具有重大突破。

4.1 H市視頻偵查人臉識別抓捕機制

與傳統(tǒng)歷史預警，即通過對過去的視頻數據進行分析研判，確定人員的同一性，再進一步研判、分析、跟蹤，直到實施抓捕不同的是，實時預警是動態(tài)人像識別，實時判斷目標動態(tài)人像相似度，利用系統(tǒng)比對加上人工適時干預，判斷身份信息同一性并進行實時視頻追蹤，結合回溯相關歷史視頻數據進行梳理歷史視頻軌跡進行警力調配，實施抓捕的過程。

4.1.1 歷史預警

針對歷史預警信息，可以通過分析研判，判斷預警信息是否為同一人，如果是同一人，可以通過圖2流程圖所示的信息進一步研判、分析、跟蹤，直到實施抓捕。

圖2 歷史預警模型

4.1.2 實時預警

實時預警部分屬于動態(tài)人像識別部分，是目前人臉識別技術應用最為廣泛、直觀的部分，對于打擊犯罪、實時人員管控起到最為直接的效能。H市視偵在現有的人像識別技術中不斷探索，深挖行業(yè)能力，通過實時預警實時抓捕犯罪數起，對打擊犯罪、維護社會治安起到良好的作用。圖3所示為H市視偵在貼合實戰(zhàn)使用中不斷探索的實時預警出警機制，通過一整套的系統(tǒng)融合、加上人工干預，充分發(fā)揮了人臉識別系統(tǒng)的強大功能。

4.1.3 戴口罩、戴墨鏡、模糊圖像研判分析

圖3 實時預警模型

在實際案件中，犯罪嫌疑人反偵查意識能力越來越強，犯罪嫌疑人通常采用多種方式實施遮擋，包括戴帽子、戴口罩、低頭等多種方式遮擋，導致人臉識別系統(tǒng)無法直接抓拍到人臉特征信息，針對這類人員，可利用衣著、體型、步態(tài)等特征進行“以圖搜圖”等方式，通過綜合研判核實人員身份信息。目前，H市視偵在經過大量數據的整合、人像大數據的應用，目前針對戴口罩、戴帽子等遮擋面部人員已經可以實施有效打擊，一年來針對這部分人實施抓捕多人，給社會治安作出重大貢獻。遮擋、模糊圖像的研判模型如圖4所示。

圖4 遮擋、模糊圖像研判模型

4.2 實戰(zhàn)效果及案例

4.2.1 預警追逃

在實時視頻圖像中捕獲面部信息，并且與布控庫內的面部數據進行比對，執(zhí)行碰撞指令，并且相似性達到設定的預警閾值。

案例1：動態(tài)人像快速鎖定潛逃5年命案逃犯

2018年6月某日下午14時50分許，人卡預警：疑似2013年5月某日因涉嫌故意傷害致人死亡被上海警方上網追逃的在逃人員周某某在某超市門口出現。綜合多家科技公司人卡系統(tǒng)交叉比對和人工干預研判，均傾向于命案逃犯周某某，隨同步推送至行動隊對其進行現場盤查，隨后結合其他認證比對信息，確認了其身份。

4.2.2 臨時布控

針對轄區(qū)電瓶車、系列車內物品盜竊案件在時效性、破案追贓等方面困難重重。利用動態(tài)人像識別系統(tǒng)進行臨時布控，各警種部門根據工作需求，申請視頻臨時布控。相對于其他技術手段，門檻低、時效性強，收效好。目前臨時布控庫共布控212人次，抓獲180人次。

案例2：系列盜竊車內物品案

經對圖偵庫多起案件梳理串并，鎖定兩名犯罪嫌疑人。其駕乘車輛、衣著體型、鞋子高度相似，傾向于同一伙人。遂進行動態(tài)人像臨時布控預警，視頻偵查員立即開展視頻追蹤工作。一路追蹤近3個小時，調閱上百個探頭，截取上百張有效截圖畫面，于下午18時30分許，犯罪嫌疑人在某交叉路口伺機作案時，被早已在視頻可視化指揮下的偵查員和附近特警巡控人員當場抓獲。

4.2.3 智能管控

針對特定治安復雜區(qū)域、重大活動安?，F場，建立連線劃片，閉環(huán)人像觸發(fā)網絡，達到人像虛擬圍欄的效果，是進行區(qū)域智能管控的有效手段。位于老城區(qū)內的二手車（三車）交易市場，道路錯綜復雜，治安狀況較為惡劣情況，在架設探頭基礎上，增設專用智能人臉相機，形成人像虛擬圍欄。做到三車前科人員進入該區(qū)域即觸發(fā)報警，并及時對特定人員活動軌跡實施特定管控。同時，實現了基于人像識別的全市扒竊前科人員預警、抓捕、盤查和重點人員管控。動態(tài)人像識別能及時發(fā)現、掌握其活動軌跡，推送街面行動力量，由事后打擊向事前預警轉變。

4.2.4 同行伴隨，揪出“隱形人”

對于一些有前科劣跡人員再次作案時，他們的反偵查意識不斷增強，已經不僅僅是針對在攝像頭下的簡單遮擋了，他們作案后反而會“堂而皇之”“從容不迫”地出現在監(jiān)控之下，而公安工作中卻無法對其劃定軌跡、定位落腳點。這一類犯罪嫌疑人稱之為“隱形人”，而對于這樣的“隱形人”，僅僅依靠視頻檢索分析、追蹤定位是不夠的，還需要使用其他方法來破解難題。而對他的同行人進行伴隨分析，便能很好地關聯(lián)出這個“隱形人”，如果繼續(xù)深挖的話還能起到打擊窩點、團伙的良好效果。這種“同行伴隨法”針對多人、流竄作案的打擊效果尤為明顯。

案例4：動態(tài)分析同行人伴隨出流竄慣犯

2019年5月上旬，家住黃山市某小區(qū)的葉女士報警稱其被人實施了傳統(tǒng)的“丟包詐騙”，犯罪嫌疑人為兩人，均為男性，年長者年齡在50歲左右。民警遂通過受害人提供的線索及周邊監(jiān)控，通過循線追蹤及受害人指認等方式獲取了一張犯罪嫌疑人的監(jiān)控照片（如圖5）。但是該照片只有年長者犯罪嫌疑人且圖形模糊，不具備比對條件。后通過動態(tài)檢索獲取了一張清晰照片（如圖6），但對年長者進行查詢沒有任何軌跡信息，工作一度進入僵局。后通過對同行年輕者（白色長袖T恤者）進行多次動態(tài)檢索，獲取其清晰正面照片后并落地身份（如圖7），經研判發(fā)現了該年輕人的活動軌跡信息，隨進行伴隨落地，并在該小伙登記住宿點將兩人同時抓獲。

圖5 犯罪嫌疑人1

圖6 犯罪嫌疑人1/2

圖7 犯罪嫌疑人2

5.2.5 快破大案、多破小案

人臉識別系統(tǒng)除抓拍人臉外，還抓拍全身及全景圖片，逐漸形成了視頻大數據。通過對人臉數據、人體特征及伴隨圖像進行檢索分析，實現了對犯罪嫌疑人員活動軌跡的掌控，為大要案偵破中情報研判和案件串并提供支撐。同時，視頻大數據對盜竊三車犯罪嫌疑人員，可通過分析一人多次騎不同車輛（如圖8），有效實現案件研判串并的破小案奇效。

案例5：動態(tài)分析快破偽裝入室搶劫案

圖8 同一人不同時間段頻繁騎行不同型號電瓶車

2017年12月某日15時許，110接警中心接市民熊某報警稱其遭入室搶劫。經過現場勘查等偵查措施在推動案件偵破過程中遇到瓶頸時，根據天網截圖，展開視頻大數據搜索分析研判。動態(tài)人臉卡口系統(tǒng)發(fā)現當日下午16時在步行街1名男子的衣著體貌特征與犯罪嫌疑人的特征極為相似。搜索分析，發(fā)現案發(fā)3天前18時許的視頻顯示，犯罪嫌疑人在徽州大道附近的圖像，此時的犯罪嫌疑人是板寸頭。從而推斷其作案時佩戴的是假發(fā)。通過視頻大數據分析，還原了犯罪嫌疑人作案前后的行為生活軌跡。獲取了犯罪嫌疑人清晰的人臉截圖，經工作得到兩名犯罪嫌疑人的身份信息，并在相關部門的大力協(xié)助下，于1周內，分別在石家莊、H市將兩人成功抓獲。

案例6：盜竊電動車案

2017年12月某日，接受害人孟某報警稱，昨晚將電動車停放在小區(qū)邊，早上上班時發(fā)現電動車被盜。通過調取監(jiān)控視頻后，發(fā)現并鎖定犯罪嫌疑人。犯罪嫌疑人戴口罩，連帽外套，通過視頻大數據分析，對進出區(qū)域周邊所有盜竊三車前科人員進行梳理。發(fā)現三車前科人員韋某某經常出現在受害人居住小區(qū)附近區(qū)域，且衣著特征明顯。視頻大數據分析進一步發(fā)現，韋某某曾在一周內連續(xù)駕騎7輛不同顏色、型號的電動車出現在二手車交易區(qū)域。經推送巡特警盤問和其他證據證實了韋某某的系列盜竊電瓶車事實。

5 存在的問題及發(fā)展方向

5.1 存在問題

當前的動態(tài)人臉識別系統(tǒng)，在案件預警、實時追蹤、歷史回溯等事前、事中、事后方面已經有了長足的進步和提升，但是在系統(tǒng)建設、應用管理、統(tǒng)籌任務等方面仍存在一些不足，有待提高。一是在系統(tǒng)權限管理、賬戶分配、保密推送上要逐漸精細化。當前階段，視頻圖像分析軟件、企業(yè)如雨后春筍般發(fā)展，如何整合利用好各家優(yōu)勢，系統(tǒng)在預警推送上努力達到精準、精細化；將使用權限嚴格管理，避免濫用；將大要案件的視頻預警推送信息密級提升、按規(guī)合規(guī)。二是視頻圖像存儲時間短，識別算法參差不齊?，F在的系統(tǒng)視頻數據的存儲時間30天左右就將覆蓋刪除，而有些案件偵辦需要更長時間視頻數據支撐。在實戰(zhàn)應用中多家科技公司對同一張圖片進行識別分析時會有不同的結果，有的還相差甚遠，加入大量的人工干預進行輔助分析，所以應在光照、姿態(tài)、遮擋等方面進行算法突破，提高預警準確率，降低誤判率。三是多數據交叉智能化碰撞分析能力需提升。當前視頻偵查僅在人臉圖片的碰撞比對，而對于其他數據的交叉碰撞缺乏探索與融合。

5.2 發(fā)展方向

未來發(fā)展，結合各要素、多系統(tǒng)、互關聯(lián)數據建立視頻動態(tài)立體防控網的理念尤為重要。一是設計鋪設一定量級的普通攝像機，組成“綜合治理防控網”，實現對區(qū)域面積的治安防控全覆蓋；二是根據城市區(qū)域環(huán)線構建多重防控圈的實體卡口、微卡口的“車輛特征捕獲網”，實現對進出城市區(qū)域車輛信息的采集、比對無遺漏；三是架設多路重點點位的人像識別攝像機和后端人臉處理機的“人員特征采集網”，實現對人臉采集、識別的精準化和快速反應；四是架設高空攝像點位機和警用無人機的機動空中監(jiān)控點位的“高空立體防控網”，實現高低搭配的立體防控；五是架設一定數量的WiFi信息采集點的“WiFi信息采集網”，實現網絡信息與視頻等資源的關聯(lián)聯(lián)動；六是充分利用內外網、專網等信息資源，整合視頻圖像、基礎信息、虛擬信息（網絡空間信息）的“大偵查綜合研判網”，實現大數據的碰撞、聚合的全方位綜合治理新格局。

當前，一個人的身份存在很多結構化、半結構化和非結構化形態(tài)，比如人臉數據、網絡電子數據、WiFi數據等等，若能將這些形式多樣、結構復雜的數據打通、融合、篩選、提取，才會向智能化偵查邁出一大步。隨著物聯(lián)網、云計算、移動互聯(lián)、大數據和人工智能的深入推進，利用大數據技術，推動“智慧公安”、轉型升級偵查治理手段，必將成為新時代推動公安事業(yè)發(fā)展的必由之路[14]。