1.视图大数据平台架构
1.1 视图大数据平台系统结构
视图大数据平台是上层视图应用的基础，系统采用通用开源的hadoop开放架构，并集成了优质的视图结构化语义分析智能算法，同时根据上层业务的需求，封装了一系列视图大数据的服务接口，为上层各类应用系统和实战系统提供端到端的视图处理服务能力，而在底层视图大数据平台则集成了视图云存储和各类IT基础资源池，来作为存储和处理海量原始视频的集成设施。
2.车辆大数据系统
平安城市建设从最初的点位建设到这几年的资源整合，系统已经掌握了大量的车辆卡口数据和价值图片，但是现有的应用基本上还停留在简单的过车记录查询上。
1.如何对社会上的高危车辆进行有效的预警防控?优化警力部署，进行有针对性的车辆排查?(治安事前防控)
2.面对大量的涉车涉驾案件，如何从有效的锁定嫌疑车辆，提高刑事侦查效能?(事后案件侦查)
2.1 车辆大数据应用系统
车辆大数据系统基于视图大数据平台，系统汇聚海量车辆数据和图片，并大量采集利用全国公安机关的网上警务综合信息，使用大数据平台能力对车辆、车主、关系人属性构建数据关系网进行深度分布式的数据挖掘分析，并根据上诉设定的规则筛选出高危车辆，进行实时预警和情报推送。
另一方面，除了分析车辆过车记录之外，车辆大数据系统使用大数据图像处理引擎，可实时处理海量的卡口过车图片(strom架构处理，性能可线性扩展);对车辆图片进行智能处理之后，系统提取车型、车系、年款等关键信息，提供对套牌车、假牌车分析的有力比对特征;形成车辆特征向量，支持对海量卡口图片的以图搜图查找，快速定位目标相似车辆、而不受套牌和假牌的影响。
2.2 “数据导防 数据导控 数据导侦“
车辆大数据积分预警系统通过采集利用全国公安机关的网上综合信息(各大服务请求方为主，加上一些地方的业务数据)，使用基于“车<->人<->关系人”的综合数据模型，主要包括以下四大方面：
1.车辆基本属性规则-自动判断是否是：盗抢车辆、高位地区车辆、租赁公司车辆、非法运营车辆等多种条件;
2.车辆行为基本规则-自动判断是否是：首次出现车辆、重点高位区域出现车辆、凌晨和深夜等高危时间段出现的车辆等多种条件;
3.车主基本属性规则-自动判断是否是：吸毒人员、一般高位地区人员、特殊高位地区人员、前科人员、在逃人员、盗抢骗人员等多种条件;
4.车主的关系人基本属性规则-自动判断是否是：关系人在逃、关系人为盗抢骗人员、关系人为前科人员等多种条件。
系统对车辆、车主、关系人属性构建数据关系网进行深度智能分析，并根据上诉设定的规则进行积分研判。
系统通过数据分析研判之后，可提供以下基础功能：
1.研判结果-实时了解高危车辆信息和详细的研判信息，锁定重点目标;
2.综合查询-根据案件、专项行动要求，综合不同条件来查询历史研判记录、车辆记录、车主记录，形成层层过滤式的嫌疑车辆排查综合技战法;
3.预警推送-当满足爆表条件时(如盗抢车辆、假牌车等)，系统可联动短信、LED屏、客户端弹出窗口等多种方式进行实时报警，并可将车辆预警信息推送至指挥中心、拦截站派出所、警务通APP，进行及时拦截排查;
4态势研判-通过定时分析统计高危车辆出没和分布情况，可对各区域治安态势热力分布形成研判依据(如了解前科人员、涉毒人员的出没情况);
5.图片二次识别、实现真牌还原-通过大数据平台和先进车辆图像分析算法，系统对海量卡口图片进行实时二次识别，有效提取车标、车系、年款等信息，联合公安车辆登记数据，对套牌车、假牌车进行有效预警，大大改善了由于现有前端卡口由于品牌不一造成的智能分析能力弱的局限性。
2.3 系统实战效能&&案例介绍
这一章节内容介绍我们系统在浙江(F市)的成功实战应用情况。
目前F市前端卡口有公安卡口和交警卡口两部分，车辆大数据应用系统目前整合了公安的卡口数据和部分交警卡口数据，目前平均每天处理过车数据130w左右。
2.3.1 实战应用1-日常治安防控 ：
治安防控效益1-平均每月积分“爆表”预警直接发现逃犯车辆10辆，直接发现有效盗抢车辆10辆;
治安防控效益2-了解统计高危人员如-涉毒人员、前科人员、盗抢骗人员、高危地区人员、敏感关系人、七类重点人员在本地区出没和活动情况，形成治安态势研判重要依据。
2.3.2 实战应用2-找假牌、抓套牌：
找假牌-对于每条过车记录，系统都会根据车牌号去和车管所登记信息进行比对，若没有命中，则在并结合卡口识别正确率因素进行综合的研判分析，若对于同一个车牌，若有当天多次没有命中记录，则假牌概率增高，进行推送预警;
抓套牌-对于每张过车图片，大数据平台会实时分析，提取车辆的车型、车系、年款等信息，拉取车管所信息进行比对，若比对没有命中，则进行套牌嫌疑车辆推送预警;
2.3.3 实战应用3-由案到车 ：
对于刑侦/治安等警种，当发生案事件时，可以根据案件相关车辆初步侧写，然后进入车辆大数据系统进行“由案到车”的研判分析流程：
由车到案-常用技战法示例：
1.接到报案某小区发生入室盗抢案(或者其他很有可能需要用到车辆的案件);
2.电子地图上框选小区周边范围输，入案发大概时间点
3.直接检索：该时间段，该地点段 所有异常车辆(异常车辆包括：1.租赁车辆 2.前科车辆 3.高危地区车辆 4.首次或极少出现车辆);
4.人工分析结果，锁定嫌疑车辆----在车辆大数据系统上分析该时间段，该地点段所有过车数据-包括：车辆属性，车牌，车主，首次出现时间，出现频率，异常属性，时间属性，出现地点次数，旅馆住宿信息，高速路口信息;
5.原形毕露!根据车主前科信息，关系人，名下车辆，活动轨迹，手机通话记录等跟踪分析，一网打尽;
3. 视图云摘要和大数据图侦
目前对平安城市的海量监控视频最典型的公安业务应用就是视频侦查。而在传统视频侦查中，刑侦人员需要花费大量时间和精力查看分析视频源文件，且容易错过关键线索。而视频摘要(即浓缩)是能有效对海量图片进行结构化处理和提取关键目标的核心智能化手段。
虽然目前各地公安局已经建设了大量具备视频摘要功能的视侦系统，但是已建视侦系统往往集成了大量的业务流程和复杂的功能，但对于用户最关心的核心应用-视频摘要的性能和效率却非常低下-本质原因是已建系统都是采用传统“单机”模式来实现视频摘要功能，因此面对海量的视频处理时，完全无法满足实际业务需求。
大华视频云摘要系统，利用云计算技术提供分布式视频处理框架、利用云存储可提供像“太平洋”一样宽的存储管道，完全解决了视频上传下载的带宽瓶颈，在此基础上，对外提供极致的视频浓缩摘要服务。云摘要系统整体计算性能可以通过增加集群的数量进行线性增加，从而可以满足随着非结构化数据规模的增大而不断提高的视频结构化分析的性能要求，最小规模系统即可实现1080P高清视频1分钟端到端处理性能规格;
海量视频结构化分析、统一检索.云摘要具备强大的视频智能分析功能以及数据处理能力，其能利用自主研发的先进的视频图像智能分析算法-包括视频摘要分析、视频浓缩等，实现对海量视图的结构化描述，形成目标影像片段+关键特征描述，并提供全局检索入口，可通过多个条件(人车分类、大小、速度、颜色、特征等)来检索人车等目标。
图侦业务集成、业务深度融合。系统支持与主流视频侦查系统融合和集成，基于云摘要视侦系统可快速构建丰富技战法应用和智能化平台、并将云摘要分析结果快速导入警务工作流程、和业务紧密融合，实现有价值结果视图信息的集中保存和应用;
灵活部署、能力共享、互联网+ 。对外提供统一IP和通用RESTful接口。系统可以独立部署使用，也可以对接三方平台提供更为灵活的摘要业务服务;云摘要基础设施能够给上层各类视频应用以及其他系统提供各种平台接口服务，推动视频结构化分析能力在各类业务系统中的广泛共享和应用。进而最终改变用户处理海量视频的应用模式-从“看视频”到“搜目标的转变”。
4.结束语
平安城市内出现的视频主要可以分为三类：涉车、涉人、以及泛在场景的视频图像，而这三类都可以通过基于视图大数据的车辆大数据应用、云摘要应用等得到高效的处理和结构化描述，进而能让公安更好的“用视频”和“搜目标”，以更好的迎接警务新常态下的应用要求。
