多维智能感知在社区警务中的融合应用

王 军，赵 罡，黄力行，惠正娣

（中电海康集团研究院，浙江 杭州 300012）

0 引言

社区是承载社会人口的基本单元，是社会体系中最重要的基层单位，是社会稳定和谐的基础，而社区警务是公安基层基础工作的重中之重。随着社会经济的快速发展，人员流动频繁，汽车保有量增长迅速，各类社会矛盾和冲突带来了更复杂的社区治安情势，给社区的人口管理、治安管理、安全防范、纠纷调解、综合治理等社区管理及社区服务工作带来了新的挑战[1]。目前社区民警的基础工作存在一些困难，如基础信息采集工作量大且效能低下，基础数据不鲜活；对社区实有人口情况和流动人口的出入情况难以及时精准掌握；对社区重点人员的管控缺乏及时主动和有效的措施。社区管理亟需通过信息化、科技化、智能化的手段提升社区民警工作效能，提高社区综合管理水平。

物联网、大数据、人工智能等新技术的发展给社区安全防控和综合管理提供了更智慧、更有力的信息化和科技化手段。本文结合目前社区警务管理的实际需求，以及物联网、大数据、人工智能技术提出社区警务的总体架构，并详细探讨社区多维感知网络、社区警务大数据的智能融合应用。

1 社区警务现状与需求

随着公安业务发展理念的转变，公安部门不断在基础信息化、人口管理网格化、警务综治一体化、矛盾调解多元化等方面深入推进社区警务改革，并不断通过信息化、科技化的手段拓展社区服务的深度、广度和智能化[2]。在社区基础信息采集方面，主要通过网格员定期上门人工采集流动人口信息；在社区安全管理方面，主要通过社区视频监控系统进行出入口和重点部位实时监控，并通过车辆道闸进行车辆的出入管控。而相关物联网技术在社区警务业务应用中仍比较浅显单一，对于房屋情况、实际居住人员、流动人员、重点人员、车辆出入等社区治理基础要素的采集管控仍缺乏有效的支撑手段，难以满足社区治安管理、安全防控和居民服务的主动化和精准化的要求。

社区警务亟需从多元化的前端智能感知、融合化的数据管理和实战化的业务应用方面提高社区警务的智能化、实战化水平，提升社区民警工作效能，增强社区的预测、预警、预防能力。经过详细的调研，目前社区警务管理主要有以下三点核心需求。

1.1 前端感知采集和数据整合

加强和丰富社区的智能感知手段，通过实时自动化采集社区人口、车辆、事件等社区治安基础要素的动态、轨迹信息，广泛整合相关部门和社会面的人、房、车等基础信息和业务信息，实现基础信息的一网采集聚合；通过感知采集数据主动预测社区流动人口流入、流出变化情况，及时推送给网格员以上门精准采集核查，使社区实有人口、出租房等基础数据底数清、情况明。

1.2 融合应用多维感知数据

将前端多维感知采集的人、房、车等相关的视频、人脸、虚拟身份、指纹、通行记录等多维数据进行关联、碰撞、挖掘，充分挖掘数据融合的实际应用价值，为社区的人口管理、治安防控、案件侦查提供有效的数据支撑。

1.3 支撑社区警务业务实战

图1 社区警务信息基础设施体系架构图

将智能感知的数据和整合的社会面数据进行融合应用，根据重点人员管控、特殊人群服务等业务规则和公安打防实战的技战法进行模型的构建，提升业务实战能力。

2 社区警务信息基础设施体系架构

智慧社区警务以多元化的物联网前端感知采集系统构建社区智能采集防控网[3]；整合社区的人、房、车、综治组织等社区基础警务资源信息和实时动态信息，融合水电煤、民政、社保等相关部门和机构的数据，建设智慧社区警务基础大数据；通过大数据的分析研判和社区实景地图服务于公安社区警务打防管控的指挥、作战等公安实战业务。

社区警务信息基础设施体系架构如图1所示，该架构主要围绕“采集-建库-应用”的思路：最底层为数据采集，包括基础数据采集、物联感知以及已有系统数据接入；采集到的数据通过互联网、公安视频专网、公安信息网等网络传输到数据支撑层，通过数据支撑平台的物联网数据接入和数据交换整合模块将数据清洗、整合后流入数据资源池；数据通过数据分析模块和可视化综合展现平台的加工处理，可以为上层应用提供数据支撑；上层应用主要包括基础信息管理、全景地图展现、社区警务、社区综治管理和社区服务。

2.1 社区多维感知网络

智能感知采集是社区安全、社区警务、社区综合治理、社区服务等业务的关键要素[4]。智慧社区警务以居民社区生活场景为基础，通过统筹布建视频监控、人脸抓拍、人证比对、WiFi探针、车辆道闸、RFID等智能感知采集设备构建多维立体化感知网络，利用多维感知手段全面采集社区场景下人员、车辆、事件的多种数据，形成社区“人过留像、车过留牌、机过留痕”的动态感知体系。社区警务多维感知体系如图2所示。

（1）人脸抓拍

在小区的出入口、楼栋单元门口、小区公共活动场所、社区商圈等部位部署人脸识别抓拍相机，对经过的人员进行人脸抓拍、特征提取和分析，结合公安已有收集的常住人口库、嫌疑犯等人脸数据，实现人脸实时动态比对、身份鉴别查询以及嫌犯布控等功能。人脸抓拍系统的网络拓扑设计如图3所示。

图2 社区警务多维感知体系

图3 人脸抓拍子系统网络拓扑图

（2）人员道闸和智能门禁

在小区的出入口部署人员道闸，在单元门安装带有二代身份证、门禁卡、人脸识别、指纹等多种识别方式的智能门禁系统，采集人脸和智能卡信息。该子系统由闸机、人证比对设备、身份证阅读器、控制器、出入口管理软件及客户端电脑等组成，可联动附近摄像机进行抓拍存储。其主要采集数据包括：人证照片、基本信息、设备信息、采集时间、核验结果等。人员道闸和智能门禁子系统的网络拓扑设计如图4所示。

人耳对语音信号的相位信息不是很敏感,可以认为语音信号的相位在处理过程中不改变,因此的相位谱可用Y(m,k)的相位谱近似代替,最后对其进行傅里叶逆变换便可得到增强后的语音信号的时域表示。由此可见,在维纳滤波算法中,对G(m,k)的求解至关重要。基于最小均方误差准则,定义增益函数G(m,k)为:

图4 人员道闸和智能门禁子系统网络拓扑图

（3）车辆道闸和车辆卡口

在小区的出入口、社区公共停车场等部位部署车辆道闸，对出入的车辆进行识别、抓拍，管控通行车辆的进出，记录过车信息，形成车辆进出行驶轨迹，能通过机动车号牌定位、字符切分、字符匹配和图像预处理实现号牌自动识别功能，可以识别蓝、黄、黑、白、绿五种号牌颜色。该系统主要包括车辆道闸、车辆检测处理器、出入口补光抓拍一体机、室外显示屏等组成部分。采集信息包括三大类：第一，车辆通行信息，比如通行时间、通行设备点位、通行方向等；第二，车辆图像信息，比如通行时抓拍的车辆照片；第三，智能识别信息，比如车型、车标、车身颜色、车牌号码、车牌颜色等。车辆道闸子系统的网络拓扑图如图5所示。

图5 车辆道闸子系统网络拓扑图

（4）移动终端MAC采集

根据移动终端在连接到WiFi AP后其MAC是真实稳定的而非伪MAC的特性，通过管理手段对小区出租屋布置AP并在楼宇内安装WiFi终端采集，实时探测AP和经此AP的手机MAC，记录进入、离开时间等，获取移动终端数量和虚拟身份信息，掌握出租屋实际居住人员数量和行为规律。

（5）视频监控

对小区现有的视频监控网络进行补点，提高监控密度，同时进行小区视频监控的高清化、智能化升级改造；在小区的重点部位、社区商圈等复杂环境下部署全景相机，进行社区的智能化监控。

（6）RFID 识别

2.2 社区警务大数据

（1）数据结构

多维的智能感知采集为融合实战、预测预警等社区警务业务提供了丰富的数据支撑。以社区为抓手，依托社区全要素网格管理体系，采集社区人口、房屋、车辆等要素的基础信息；同时整合民政、物业、水电煤等政府部门和服务机构的数据资源；融合小区的出入口、单元门楼栋、小区主要路口、社区重点部位和场所的人脸抓拍数据、智能门禁的人员通行记录、车辆道闸抓拍数据、WiFi采集数据等智能采集终端多维感知采集数据，使之有效关联串成有更多使用价值的数据，构建全时空的“人、房、车”等社区治安基础要素综合警务大数据资源库，总体结构如图6所示。

图6 数据资源汇聚结构图

（2）数据存储

人、房、车等基础要素信息，网格员实时动态采得数据以结构化信息进行存储。感知设备中视频信息以3个月为周期进行循环覆盖存储；照片信息人证比对成功的以12个月为周期，比对无效的以3个月为周期进行循环覆盖存储；MAC采集信息以非关系型数据结构进行存储。外部数据通常通过ETL以结构化信息进行存储。

（3）数据分析

数据分析服务基于不同的业务场景和需求，为相应的用户和角色提供服务。数据描述分析：以提供或直接间接的数据内容、数据量、数据比例为主，服务于普通社区工作人员和社区民警。数据诊断分析：提供经计算和分析后，符合具体实际业务需求的名单数据为主，服务于社区垂直业务的工作人员，如民政条线、综治条线用户。数据预测分析：在描述和诊断基础上，提供短、中期的趋势和预测，服务于中上层社区管理人员，如社区主任、派出所分管所长。数据指令分析：通过上述三种数据分析和业务反馈介入，来帮助用户决定应该采取哪些应对措施，这类分析结果的可靠性可在系统运行中随着数据的积累而持续提升。

3 社区警务多维大数据应用实例

针对实际应用需求，选择典型的半开放式安置房小区作为试点，融合应用多维感知数据，支撑社区警务业务实战。图7为试点社区警务多维大数据应用实例展示效果图。

图7 社区警务多维大数据应用实例展示效果图

3.1 三维实景展示和多维信息统计

基于三维实景地图可展示小区内人口分布、房屋分布、告警信息、今日抓拍、抓拍趋势等信息，实现车辆、人员等多维度数据源的统计。支持柱状图、饼图、折线图、表格等多种数据展现方式，支持按照日、周、月、年的时间周期进行数据展示，实现社区基础治安要素的立体化和可视化。

3.2 重点人员管控和服务

通过对进出社区的重点人员、重点车辆信息的多维感知采集，并通过人脸识别、车辆识别等技术的应用，准确掌控涉恐、涉案人员等的动态行为轨迹，对违法犯罪苗头做到实时发现、及时布控、快速打击；对小区内孤寡老人、留守儿童、残疾人等特殊人群出入进行记录，当其长时间未出现时能自动预警并推送联系人电话，提醒社区民警及时上门或联系相关人员，做到出入有检测、异常有反映、管控有目标、巡防有目标，最终实现对重点人员“走明去向、来能预警、动知轨迹、全程掌控”。系统能够对重点布控人员进行实时告警，如图8所示。同时可多维展示布控人员的信息，以便进行研判分析，如图9所示。

图8 重点布控人员出现告警

图9 重点人员详情信息展示

3.3 基于实战业务模型的预警预测

在全方位多元化数据的采集和整合基础上，可通过人员全息档案、人员关系网络、人员和车辆的时空多维轨迹等功能挖掘特定人员的异常行为，预测预警高危事件，提高案件的追踪效率。如陌生人员的规律性定期出现、多个陌生人同时规律性出现、恶性上访人员行为异常、外来车辆规律性同时出入小区等。本文选择部分经典场景进行实战应用：第一，空置房入住事件告警，用于提醒社区民警上门进行信息登记。如图10所示；第二，对陌生人脸进行抓拍统计，并推断其大致落脚点，以便社区人员做好流动人口管理工作，如图11所示；第三，对出租房的水电气使用情况进行监测和预警，支撑群租房管理工作，如图12所示。系统可提供所有警情事件的统计分析报表，以及事件发展趋势分析，如图13所示。

图10 水电气异常告警提醒空置房入住事件

图11 陌生人人脸碰撞累计提醒人口流入事件

图12 出租屋水电气月度信息、变化和预测

图13 警情事件统计、分布与趋势

从应用可以看出，根据公安实战业务规则，进行技战法的总结和业务模型的构建，利用多维数据的融合应用，进行预警预测和实战研判，可大幅度提高基层治理的效率。

4 结语

社区安全和社区治理是社会和谐安定的基础，社区多维智能感知防控体系是社区安全的重要抓手，也是全面提升社区警务工作效能的关键手段。多维感知网络可全面感知社区的方方面面：自动感知人员、车辆的活动轨迹和行为；以公安业务实战为导向的多维数据的融合应用必将提高社区警务基础信息采集、预警预测、侦查研判等工作的精准化、智能化，提升社区警务工作效能，提升社区的安全管理水平。