车辆视图大数据应用系统技术方案

车辆视图大数据深度联网应用平台技术方案 4- 2.1需求分析 2.1.1业务总体需求 2.1.2资源整合需求 2.1.3联网综合应用需求 5-2.1.4二次识别管控需求 62.1.5高危推送、布控预警需求 2.1.6实战应用需求 2.2需求规划 2.2.1综合查询 7-2.2.2实时查控…………7-2.2.3布控报警…………7-2.2.4离线分析…………7-2.2.5关联数据 7-2.2.6电子地图 2.2.7统计分析 3.1设计思想 3.2设计依据 3.2.1符合公安行业标准 3.2.2符合国家标准 3.2.3符合公安部相关规定 4.1建设目标 4.2建设内容 5.1系统总体架构 5.2系统逻辑架构 5.3系统物理架构 5.4系统部署架构 5.5系统数据交互 5.5.1系统间数据交互 5.5.2与其他系统进行数据交互 6.1数据预处理系统 6.1.1系统概述 6.1.2卡口(含电警)数据接入 6.1.3多维数据整合及传输 6.1.4系统优势 6.2车辆图像智能分析系统 6.2.1系统概述 6.2.2系统功能 6.2.3关键指标 6.31联网计算/访问云平台 6.4应用/实战平台 6.4.1功能概述 6.4.2功能设计 7.1软件环境及配置清单 7.2硬件环境及配置清单 55-8.1计算机视觉处理技术 8.2人工智能与深度学习算法 56- 8.8Spark分布式计算 8.10Storm流式计算 59-8.11Kafka分布式消息队列 8.12JavaEEWeb端开发技术 9.1全警种综合应用 9.2全程智能化应用 9.3直观的可视化展示 9.4完善的运维管理 9.5统一的用户界面 9.6超强的系统集成 9.7广泛的兼容性和扩展性 11.1售后服务 70- 70- 71- 72-当前，随着各地视频监控建设的深入推进，治安防控、刑事侦查、交通管理、反恐维稳等各公安业务层对卡口系统的依赖程度日益增加。同时，随着犯罪分子反侦能力的增强，作案手法不断升级，跨省市流窜案件频发，实战中对卡口数据的处理技术和支撑效能提出了更高的要求，迫切需要实现跨区域、跨车辆视图大数据深度联网应用平台充分发挥人工智能、深度学习、计算机视觉等前沿技术在图像分析处理领域的专业优势，针对治安防控业务应用层对实时监控、快速检索、轨迹追踪、预测预警等方面的深度需求，依托各地已建成的卡口视图大数据资源，进行二次识别、结构化特征提取与深度挖掘分析，为公安用户展开案(事)件研判分析提供丰富的模块应用，能够显著提高涉车系统立足各地卡口建设项目实际，部署过程中无需更换或改造前端设备，无需对过车图片数据集中存储，最大限度开发利用现有投资和已有资源。以先提供强有力的技术引擎和高端应用支撑。2需求分析及规划案件线”建设，整合卡口电警、GIS/PGIS地理度分析技术，实现卡口图像相关信息的高效流转，实现与其他业务系统的关联分析，实现各个警种单位的协同作战，实现业务的统一管理、统计分析、绩效针对刑侦破案提供卡口车辆图像二次识别、大数据研判等功能服务；针对决策指挥提供实时预警、布控查缉等功能服务；针对交通管控提供违章违法行为智决此问题，综合项目部署经验，制定数据对接标准，提供灵活的接入方式，可数据整合来源包括卡口电警数据及各平台采集的视图数据等，将分散的资通过统一接口，实现高清卡口系统、电子警察系统、GIS地理信息系统等多个系统的互联互通，使得各专业系统在统一的接入系统上互相访问和调用，从而省去系统间频繁的独立访问，提高实时交互性，提高应用效率。通过安全接入边界，向实战应用系统推送视图信息，实现资源综合应用。例如，可结合二次识别的车辆品牌、型号、车辆号牌等信息，与车管库登记数据实时比对，实现人车信息关联，自动筛选检出套牌车、假牌车等。系统基于计算机深度学习算法和特征建模技术，将非结构化的视频图片进行分析处理，转换为描述性结构化文本数据。将二次识别数据与其他原始数据 (如卡口名称、拍摄时间)融合后，将其中的高价值视图数据保存到系统数据库中，为平台的大数据分析应用提供实时数据支撑。例如，通过对视频流中的车辆进行缩略图精确提取，细化属性分析和目标搜索追踪。减轻监控操作人员监视负担，实现“从被动应急，到主动防控”可针对重点、可疑车辆进行推送、布控，通过平台推送或者短信等方式进目前社会治安的管理手段主要以“案后侦查”为主，较难开展有效的“案按照“事前综合防控、事中指挥调度、事后视频侦查与研判”为业务主要支持实时查看卡口车辆信息，支持实时查看触发布控条件的车辆视图。可灵活设置多种布控条件，支持平台警示栏和短信实时报警。不仅支持对联网的卡口电警图片进行查询分析，还支持对未联网的离线视可针对车辆信息(驾管信息、多次违章未处理、逾期未年检、逾期未报废有醉驾记录；车主或其关系人为全国在逃人员、涉稳人员、本市重点人员等)、车辆异常行为信息(套牌车辆、假牌车辆、一天内多次违法)等相关数据进行结合电警、卡口、视频监控设备获得的数据，提供基于地图的目标查询功能和行驶轨迹分析。支持灵活的地图可视化操作，例如任意框选、点选等。对有条件的统计数据，可建立预测模型，科学指导决策。3设计思想和依据1)以智能软件升级现有硬件，以高端应用软件替代专用硬件当前高清卡口电警、视频监控系统建设已趋于完善，积累了丰富的视频资源，但发挥作用普遍较为单一。受厂商技术更迭等客观因素影响，建设标准、技术架构、数据汇聚方式、处理应用策略等存在较大差异，新老设备、平台并存的现象普遍，导致视频中潜在的大量高价值信息缺乏深度开采应本平台设计充分考虑建设现状，依托现有视频资源及前端设备，以智能软件升级现有硬件的方式替代高成本专用硬件。例如，可在部分视频监控点位配置虚拟卡口等。在保证同等实战应用效果的前提下，大大降低设备采购和项目建设成本，进一步发挥现有视频资源支撑业务应用的效能，以科技武装警力，2)以视频大数据为核心，整合所有联网视图数据当前视频图像数据的存储和使用，大都在各个孤立的应用系统和专有网络内，需依赖于公安网实现联网共享应用。而现有的视频安全边界平台和网络传输带宽，难以满足海量视频数据跨网络跨地域的传输需要，因而形成了大量的信息孤岛，对于跨区域作案的人员和车辆难以实现顺线追踪、全局掌控。平台设计之初充分考虑以视频大数据开采应用为核心，通过视频结构化技术，进一步加强在视频监控传输网络、数据库对接、分析处理等领域的技术创新，从源头上攻克视频数据联网实战应用的技术壁垒。整合所有联网的视图数据、实时动态数据等资源，提供灵活的方式接入不同平台及资源库，实现视图数据的全覆盖和互联互通，达到全局分析、统筹研判的最佳应用效果。3)对视频资源实时智能分析，快速全面掌控预警视频监控作为一种实时的采集手段，记录了丰富的人、事、物信息量和特征点，能够反映真实行为及变化趋势。动态化、信息化条件下的立体化治安防控，不仅要求视频的“场景再现”,更重要的是“防患于未然”,做到预知、预警。因此，对于视频数据的深度分析不仅要满足对数据的高效率汇聚，对事件的高清晰还原，还应充分考虑到实时分析、深度挖掘和预测预警、趋势预判。采取可扩展应用的思路，建立实时分析和预警模型，实现高危目标和异常行为通过对视频资源的实时智能分析，强化对社会治安状况的监测评估，实时掌握轨迹、预判犯罪热点、提高预防打击违法犯罪、防范化解风险的能力。4)围绕视频深度应用，打通各信息库间合成作战应用建立合成作战工作机制，合成各警种的侦查力量、侦查手段和侦查资源，围绕感知设备、采集数据、处理技术进行多维分析与合成应用。充分考虑信息合成作战需求，采取可扩展应用的方式，将合成作战思路贯首先是多数据源的合成：将视频监控等多来源进行高效汇集处理、深挖内部关联关系，实现可视化并轨合成分析；其次是实战需求和平台应用的合成：将侦查破案、治安防控中的实战业务需求与平台的技术架构、功能设计、部署以视频监控数据深度应用为核心，实现公安各警种数据，如卡口电警、网关键图像等资源数据，满足各大公安业务系统以及公安各类数据库的合成研判5)以公安实战应用为落脚点，综合服务立体化治安防控和社会综治平台以公安实战应用为落脚点，依托视频监控，围绕侦查破案、治安防控的实际业务场景和需求，实现对重点车辆的管控。在此基础之上，平台对外能提供云服务数据接口和应用接口，满足立体化防控和社会综合治理的需求，支撑相关部门进行数据访问。显著提升应急维稳信息预测预警通报、综合分析研判和决策指挥支持能力，从源头上预防和控制重大事件、事故的发生，提高社本次项目设计和建设均遵守国家现行和公安部关于视频监控、视频指挥通信系统等相应的规范与标准。若未注具体日期，遵循其最新版本。1、《公安视频图像信息应用系统》系列规范(即将公布)2、《机动车号牌图像自动识别技术规范》(GA/T833-2013、《机动车类型术语和定义》GA802—20144、《公安视频图像信息联网与应用标准体系表》GA/T1164-20145、《公安机关图像信息要素结构化描述要求》(GA/Z1129-2013)6、《中华人民共和国机动车号牌》(GA367、《道路交通管理信息代码第4部分：机动车车辆类型代码》(GA/T16.4-8、《道路交通管理信息代码第7部分：机动车号牌种类代码》(GA/T16.7-9、《道路交通管理信息代码第8部分：机动车车身颜色代码》(GA/T16.8-10、《全国道路交通管理系统数据交换格式第2部分：机动车登记数据交换格11、《全国道路交通管理系统数据交换格式第3部分：交通违章数据交换格式》12、《全国道路交通管理信息数据库规范第1部分：机动车驾驶证管理信息13、《全国道路交通管理信息数据库规范第2部分：机动车登记信息数据结构》14、《全国道路交通管理信息数据库规范第3部分：交通违法管理信息数据规15、《城市监控报警联网系统技术标准：通用技术要求》(GA669.1-2008);16、《城市监控报警联网系统技术标准：安全技术要求》(GA669.2-2008);20、《城市监控报警联网系统技术标准：卡口信息识别、比对、监测系统技术21、《城市监控报警联网系统技术标准：无线视音频监控系统技术要求》(GA23、《安全防范工程程序与要求》(GA/T75-24、《安全防范系统通用图形符号》(GA/T74-2000);25、《计算机信息系统安全等级保护管理要求》(GAT388-2002B)26、《城市警用地理信息分类与代码》(GA/T491-2004);27、《城市警用地理信息系统建设规范》(GA/T493-2004);2、《安全防范监控数字视音频编解码技术要求》(GB/T25724);3、《安全防范工程技术规范》(GB50348-2004);4、《公共场所监视电视系统设计规范》(DBJ08-16-90);5、《防盗报警中心控制台》(GB/TI6572-8、《计算机信息系统安全保护等级划分规则》(GB17859-1999);1、《全国公安机关视频图像信息整合与共享工作任务书》(公安部);2、《公安部关于进一步加强社会治安防控体系建设的指导意见》(公通字[2011]37号);3、《关于深入开展城市报警与监控系统应用工作的意见》(公科信[2010]30号);4、《公安信息通信网边界接入平台安全规范(试行)—视频接入部分》(公科信[2011]5号);5、《公安指挥通信系统建设总体方案》(公安部);6、《安全技术防范工程标准》(公安部);8、《公安信息化建设“十三五”重点任务考虑》(公装财传发〔2014〕192号)9、《关于加强公共安全视频监控建设联网应用工作的若干意见》(发改高技〔2015〕996号)厅2015年4月13日印发)11、《全国公安机关视频图像信息整合与共享工作任务书》(公科信〔2012〕11号)12、全国公安装备建设“十三五”规划重点项目《全国公安视频图像基础设施13、全国公安装备建设“十三五”规划重点项目《全国公安视频图像基础设施4建设目标与内容密切联系公安实战应用需求，加强公安业务需求与物联网技术、大数据技术对接，在更深层次上落实基础信息化建设创新，使得人工智能、计算机视觉等先进技术能够在警务掌控、预警、实战方向找到实质的落地应通过对卡口过车图像的结构化分析，运用物联网、大数据、人工智能等前沿技术实现过车数据的实时查询及多维度分析。通过丰富的接口应用，与警用地理信息系统、机动车缉查布控系统、情报系统、警务综合业务系统等已有业务系统实现对接，为大数据挖掘分析和跨地市案件串并等深度应用提供技术支撑，充分发挥大数据情报研判的引擎作用，深化“车—人—物—案”的案件侦使之互联互通，更加便捷高效的处理巨量、复杂的警务数据，实现科学的预测预警，大幅提升警务资源数据的深度挖掘和综合开发应用效能。具体来说，项目建设包括以下内容：1)根据各地建设现状和应用需求，在视频专网或公安网进行数据整合和二次识别:实现各厂商、多来源卡口数据的整合接入；对过车图像进行结构化2)根据各地建设现状和应用需求，在视频专网或公安网搭建汇聚云对接，支持车辆研判、视图可视化展示、综合布控报警、运维管理等功能，并建立对外可调用的结构化卡口数据调用接口。以云服务的方式为各地各警种各5.1系统总体架构车辆视图大数据深度联网应用平台由数据预处理、车辆图像智能分析、联网计算/访问云平台、实战应用/实战平台组成，总体架构图如下：车辆图像智能分析子系统联网计算/访问云平台公安各资源信息库系统公安各警种实战平台安全边界接入平云深端集前采端集前来电于地留用户神眼系统与前端采集系统对接，数据预处理子系统接入前端采集系统的实时过车数据，包括前端采集结构化数据和过车图片。并对数据进行转码、清理经数据预处理子系统处理的数据推送至车辆图像智能分析子系统进行二次并将识别的特征数据经安全边界接入平台导入联联网计算/访问云平台可通过统一接口与公安各深度计算和分析(如假/套牌车筛选),并提供给应用/实战平台进行各项应用操作。也可通过标准统一接口与公安各警种实战平台对接，实现多系统的互联互应用/实战平台结合电子地图为各业务用户提供标准体标准体系应用接口数据接口通信接口等用户层表现层应用层数据分析)服务层网络层数据层采集层前端感知层安全隔离设备安全隔离设备事件监测报警服务地理信息服务前端设备诊断服务安全体系权限管理用户管理日志管理等车辆视图大数据深度联网应用平台从逻辑架构上分为采集层、网络层、数示、存储、应用、系统管理的无缝衔接。其结构如图所示：端数据决入转发服务结构化服务实时淀式计算服务高线计算服务数据统存服务数据仓库照务魏频检案展务公安视频专网其它网络公安移动专网其它网络二次识别系统电子警案系统治安卡口系统视频监控系练虚拟卡口系统GS系统…图：系统逻辑架构图主要包括卡口(含电警)设备、治安监控设备、视频虚拟卡口、GPS卫星定位设备、移动信号设备及其它干系设备。这些设备为上层应用提供多样化的主要包含虚拟卡口系统、电子警察系统、治安卡口系统、GPS平台及其它数据采集平台。这类平台可按照国标规范对多来源的前端建设设备进行数据采3)网络层根据实际部署环境，系统涉及的网络主要涉及互联网、移动专网、视频专网和公安信息网等。基于安全保密要求，各个网络间通过防火墙、安全边界保根据应用需要，对结构化过车数据进行智能解析，基于解析数据和实战要求对数据进行深度挖掘，提炼研判出高价值数据，供上层业务单位使用。5)应用层能等，可基于GIS地图进行场景的直观化展示；同时平台具备6)表现层平台提供B/S架构的展示方式，通过WebServer同数据库进行数据交互，7)用户层在视频专网或公安网部署卡口整合汇聚大数据云服务系统，通过内外网交一般情况下，车辆视图大数据深度联网应用平台会部署在公安网，与客户时接入，进行二次分析研判。同时对接公安网内的车辆登记信息库、重点人员库、盗抢车辆库等各类资源库，以实现套牌车、人车关联研判等功能。视屋大数据联网云假务系统/电警油安监控/电警油安监控图：系统部署在公安网的物理架构车辆视图大数据深度联网应用平台也可以部署到视频专网内，通过安全接更断服务器视图大数据联同云服务系统油安监的攒源库对卡口电警抓拍的过车数据进行统一整合和联网管理：包括分布在公安网和视频专网内以及未联网的实体卡口、电子警察、虚拟卡口等；1)完成图片数据的结构化处理并按标准进行数据存储：对卡口数据和图片信息进行深度挖掘应用，以及实现数据的高速运算，实时地把海量非结构化视频图像处理为可查询检索的结构化数据，并按数据存储规范进行数据存储。同时向省级系统提供读取方式，以实现全省跨区域的卡口车辆数据共享应用；2)实现对辖区范围内的过车图像数据的一键查询功能：包括实现车辆法检测、综合分析等功能，实现对无牌、套牌、假牌车辆的管理；3)实现公安网内信息系统资源整合及共享：如交警机动车登记信息、身份证信息、违法信息等，增强跨警种、跨系统的车辆监控信息共享、交换模式与机制，实现与公安网内各类警务信息系统对接，从而对数据信息关联和串并1)市县级系统按照统一数据库标准和数据库对接标准，向省级系统提供数据库地址、只读权限的账号和密码等数据；2)市县级系统向省级系统主动提取或接收重点监控车辆、各种违规车辆1)与机动车登记信息和驾驶员信息对接，实现对车辆和人员基本信息的2)与各类违法信息库进行对接，实现对人和车辆的相关信息的自动关联；3)与两客一危等重点营运车辆监控或监管平台对接，实现对重点车辆的监控；4)与人员信息库或人脸识别系统对接，实现对驾乘人员的关联识别；5)与公共交通指挥平台进行对接，为指挥平台提供数据支撑6系统建设数据预处理系统的主要功能是将前端数据采集设备(电子警察和卡口设备、二次识别服务器等)采集的过车图片和结构化数据进行整合，并按照车联网应该系统主要包含数据接入、多维数据整合及传输两部分内6.1.2卡口(含电警)数据接入卡口、电警设备主要是由车检装置、信息采集装置、数据存储装置、数据控制转发装置及车牌识别等模块组成。利用图像处理技术、计算机技术、远程数据库访问等相关的技术手段，对路面通行的车辆进行图像采集，并且实施全可接入不同厂家的卡口平台和前端设备。对于各类平台如已建标准监控平台经信令网关服务器实现，可通过GB/T28181标准，实现与上下级联网的接入控制和管理；对于已建非标监控平台经非标接入服务器根据国标GB/T28181-2011将信令协议和媒体数据标准转换后推送共享平台实现对接。具体的数据接入方式主要与以下三种：指系统主动从卡口平台获取某些或全部卡口的抓拍图片进行分析并存储。2)接受推送针对已有卡口平台整合前端数据，并有对应的采集、转发和存储服务器的情况，系统可作为卡口平台的一个子系统，当有新的抓拍照片产生时，卡口平台主动将照片推送至本系统。具体可通过消息队列、数据库查询、WebService3)系统直接从前端设备获取数据，并按照相关标准转存到存储设备中。消息队列服务器消息队列服务器读取消息图片识别数据清洗T布控处理结构化数据存储分布式存储布控缓存服务图片分布式存储服务结构化数据存储服务服务器结构化过车数据接口实时计算服务器过车图片接口添加索引数据清洗索引服务服务器6.1.3多维数据整合及传输频专网或公安网，实时接收前端卡口、电警系统推送的数据，或者接入已建卡车牌颜色、车身颜色、安全带、遮阳板、打手通过对卡口数据的多维数据整合，可在平台界面统一展现实时过车数据，多维数据整合及传输模块主要提供以下服务：台的图片流，根据同级信令网关服务器的调度指令将数据转发给存储服务器、存储服务：存储服务支持分布式存储或集中存储任意存储策略；能按照应用需求，选择适当的存储存量、存储带宽和响应时间的存储设备；支持7x24小时的全天候实时存储作策略部署或重点监控点位和关键报警事件进行冗余备份WEB交互服务：包含WEB交互服务器软件，提供基础版Web界面，支持电子地图服务：系统中大部分对象或设备与空间位置、空间分布有关，如抓拍摄像头、各类统计分布信息等。将基础地图和各类专业专题符号信息进行地理叠加、分层管理最终成为支持信息建设的底层基础支持平台。主要通过调用地理信息平台的GIS服务器地理数据实现对各类地理针对当前前端设备数据整合方面存在的技术瓶颈，平台提供了业内领先并兼容众多视频监控厂商设备，支持跨多个平台对接，最大限度保护现有投解决此问题，针对各平台分别定制接入方案，实现跨平台数据汇聚。综合各地项目部署经验，制定了数据对接标准(对数据表结构、数据库性能、图片存储2)针对性图像评估指导传统厂商重点关注车牌信息采集，忽视整车及局部特征分析，图像质量参差不齐。平台针对车型识别和局部特征的技术处理特点，建立图像质量评估体系，逐个点位排查图像质量，对于问题点位提出评估建议。项目建设过程中，根据各地图片情况采集样本进行训练，不断优化系统在当地的适应性。3)自动化稳定性监控前端设备、机房环境、供电、网络、维护等因素均会影响数据整合系统的稳定性。采用自动化监控系统，及时发现并处理相关问题。4)个性化调研改造受网络传输、数据库、存储性能、平台效率瓶颈等因素影响，导致过车数据入库时间长甚至数据丢失。为避免此类问题，提高项目实施效率，优化用户体验，由专业工程师进行前期调研，详细测试各环节性能，及早发现问题和风险隐患，提供改造建议，最大化保证基础来源数据稳定、可靠。6.2车辆图像智能分析系统为实现更全面、更高效分析研判的建设目标，对过车图片的识别必须提供更多维度、更准确的实时数据。单纯依靠前端设备提供的车牌识别、交通违法行为等结构化数据，难以支撑实战应用平台的需求。为此，必须部署车辆图像智能分析系统，对过车图片进行智能化二次识车辆通过卡口时，触发卡口抓拍，将过车图片发送到二次识别服务器。系统利用计算机视觉和深度学习算法将非结构化车辆图片进行分析处理，转换为描述性结构化文本数据，数据承载设备将二次识别数据与其他原始数据(如卡口名称、过车时间、车牌识别数据)融合后，将其中的高价值视图数据保存到系统数据库中。进而通过安全边界平台传输到车辆图像智能分析系统运用模式识别与深度学习技术，可识别车辆物理特能采集识别的信息外，还能够提供车辆车型(品牌、型号、年款)、车身颜色、车辆类别等基础数据，以及是否有天窗和行李架、主/副驾驶区、驾驶员人脸、系统通过实时接入卡口、电警系统、视频联网共享平台或直接接入前端视类行喷备，右左左右挂纸摆卡年类行喷备，右左左右挂纸摆卡年::型李字胎侧侧侧坠巾件锰6.2.2.1车牌号码及颜色识别6.222车身颜色识别6.2.2.3车型识别车型信息识别支持精确到车辆的品牌、型号及年款，具备对车辆头部、尾部照片进行识别，在白天光照正常、夜间补光正常、车辆特征人眼可辨识的条件下，可通过车头照片识别5000多种车型，可通过车尾照片识别3000多种车6.2.2.4车辆类别识别可自动识别出抓拍车辆图片中车辆的类型，可识别10种车辆类型：轿车、越野车、商务车、面包车、皮卡车、小型货车、大型货车、中小型客车、大型客车、非机动车(三轮车、两轮车、拖拉机)。6.2.2.5车辆局部特征识别可自动识别出抓拍车辆图片中的车辆年检标志、纸巾盒、挂坠、摆件、天窗、行李架、备胎、车身喷字共计8种局部车辆特征。1)车型识别准确率系统支持10个大类7000种以上车型的车头、车尾照片的识别，所有车型识白天识别正确率>95%,夜间识别正确率>90%。2)车辆类别识别准确率系统可识别10种细分类别，即轿车、越野车、商务车、面包车、皮卡车、白天识别正确率>95%,夜间识别正确率>90%。3)车身颜色识别准确率白天识别正确率>90%,夜间识别正确率>80%。4)车牌识别准确率白天识别正确率>95%,夜间识别正确率>90%。5)套牌车识别准确率白天识别正确率>95%,夜间识别正确率>95%。白天识别正确率>90%,夜间识别正确率>80%。7)相似车牌串并识别准确率白天识别正确率>95%,夜间识别正确率>95%。8)局部特征识别可正确识别是否有天窗、是否有行李架、年检标志、纸巾盒、遮阳板、摆白天识别正确率>90%,夜间识别正确率>85%。联网汇聚云服务平台通过统一的接口，实现多个系统的互联互通，使得各专业系统在平台上互相访问和调用，避免系统间频繁的独立访问，提高系统间的实时交互性，达到提高应用效率的目的。提供可扩展和开放的云服务，可为其它警务系统应用提供数据访问接口，实现资源共享，挖掘深度价值。分布式检索服务、索引服务、多系统数据综合分析服务等。将二次识别后的前端数据(原始数据和部分结构化数据),通过分布式存储服务和索引服务，统一存储于HBase大数据仓库，提供给上层应用直接调用。当上层应用需要调用数据时，经过分布式检索引擎分解计算指令，并将分解后的计算指令经由转发服为实现人车信息关联，自动筛选检出套牌车、假牌车等，系统需要与车管库信息进行对接。可采用接口方式，接入车管库实时登记数据。结合系统二次识别的车辆品牌和型号、车辆号牌等信息，实现及时更新比对。近税室2012款20AT比对所有需要接入卡口整合汇聚大数据云服务系统的平台厂商，需提供具有读取权限的数据库账号，以供数据对接。2)数据表标准平台厂商需要提供的数据库字段信息：b.过车图片的获取地址(URL)c.图片对应的卡口(或交警)位置编号(每个位置要求区分设备是卡口还是电警)d.图片对应的类型(卡口或交警：二选一)f.图片对应的车牌号类型(是蓝牌或者黑牌等)g.图片对应的拍照设备编号h.图片对应的拍照时间j.车道方向编号k.车速b.卡口名称c.卡口设备提供商d.卡口设备类型(拍摄车头还是车尾)e.GPS经度f.GPS纬度g.卡口，设备，车道，方向的对应关系h.点位，设备，车道，方向的对应关系其中过车图片的获取地址最好是完整的路径，如果需拼接各平台厂商请提数据联网云汇聚平台可接入人员信息库、车辆信息库等相关资源库，通过其中对人员信息库、车辆信息库的综合利用，可以获得车主的基本信息、交通违法信息(开车接打电话、前排未系安全带等)、是否是重点人员、是否是数据联网云汇聚平台的数据和应用可为第三方提供服务接口，各地可根据1)分布式部署传统厂商汇聚方案，是将原始图片数据进行汇集，需要建立庞大的图片、视频池集中存储资源，网络带宽压力也非常大。联网汇聚云服务平台采用分布式部署方案，通过Kafka(消息将图片数据提供给Storm(分布式实时计算系统),Storm系统搭配GPU异构计算进行图片识别及数据清洗，同时运用Redis(日志型数据库)对图片数据进行缓存，避免大批量访问数据库。通过Solr(搜索引擎)建立数据索引，而数据将(分布式应用程序协调服务)来协调并完成数据同步。应速度就会非常缓慢，以至于无法满足数据存储和查询要求。数据联网汇聚平保障高并发分布式图形计算和存储计算，支持大量随机读写，系统规模可弹性扩展，不影响对外服务。原始信息流经分布式消息总线，采用基于Lucene构建的分布搜索引擎，建立索引库，实现即搜即得，亿级数据挖掘不超过400ms。分布式架构具有良好的容错机制，当系统某一模块发生错误时，不影响整个业务的运行；关键设备采用热备份和负载均衡等方式，保证系统正常运行；电、网络故障等问题时，在系统修复后，服务器将自动恢复到故障发生前的状通过数据服务总线对外提供数据服务。为了提升信息共享的深度和广度，避免重复建设，具有全局共享意义的服务由卡口整合汇聚大数据云服务系统统一提用户可通过API访问平台提供的共享服务。服务调用时遵循平台级统一授权策略，即平台根据用户角色分配不同的服务调用权限。可对接各种符合标准的资源库来提高分析性能，增加分析项目，可以根据不同地区的需求定制化资源的接入和功能的添加。该平台主要包含以下功能模块：智能搜车服务、大数据研判、车辆智能预警、车辆布控、车辆人员超级档案、大数据看板等功能。车牌号、系统识别车型、拍摄位置等信息，地图可联动显示每条结果抓拍位置与行车方向；●支持在列表中点选卡口或在地图上圈选任意范围的查询区域；●检索条件包括车辆类别、车身颜色、车牌颜色、车牌号码(支持精确、牌号、系统识别车型、拍摄位置等信息。:●支持在列表中点选卡口或在地图上圈选任意范围的查询区域；●检索条件：车牌号码(支持精确查询及模糊查询),同时可选择车头/车车牌、系统识别车型、拍摄位置等信息。数切图：按车牌搜车通过输入车辆号牌和设置其它搜索条件，后台自动与前端设备识别出的号●检索条件：车牌号码(支持精确查询及模糊查询),同时可选择车头/车尾、车牌颜色、时间段、地理范围进行深度检索。过车图片数据接入智能识别服务器后，服务器会对车辆图片进行车辆号牌通过输入车辆号牌和设置其它搜索条件，后台自动与二次识别出的号牌比●检索条件：车牌号码(支持精确查询及模糊查询),同时可选择车头/车●支持在列表中点选卡口或在地图上圈选任意范围的查询区域；●检索条件：自动识别车辆品牌、型号、年款，颜色、过车时间段、地理范围以检索与图片中车型一致的车辆；●支持车辆照片上传，可在图片上圈选1至8个局部特征；地理范围进行检索；辆局部特征；别车型、拍摄位置信息，搜索结果即时展现，按相似度排序呈现。城4模糊特征搜车是通过多项语义特征筛选目标车辆，主要包括按车头特征和按车尾特征搜车。通过车辆特征参考图和特征条件选择模块进行选项对应，帮助用户更直观的定位车辆，精确搜索范围和提高搜索速度。车头特征选择项包括车体特征(包括：天窗、行李架、车身喷字)、前车窗特征(年检贴数量、左/右遮阳板、挂件、摆件、卡片、纸侧戴口罩、上衣颜色)、车辆颜色、车辆型号、过车时段(最大时间段不超过三个月)、区域选择(可联动地图选择)。直据车辆物应非的康+#E金上教mmm控车时院：204021118域选排(献认全器)车尾特征选择项包括车体特征(天窗、行李架、车身喷字、备胎)、后车窗过车时度：0402-1区壤选挥(默认全带)开时时析搜索在指定的回溯时间内第一次入城的车辆，可以通过入城时间和入城地点进行搜索，搜索条件还包含车辆品牌、型号、年款、车身颜色、车牌号码(可模糊查询)、车辆类别。检索结果按照车牌、车型、拍摄位置分组，显示满足条件的车辆照片、车牌号、系统识别车型、拍摄位置等信息。图片型：图片型：山中中古护顺护顺检索条件包括：过车时段、地区范围、是否为初次入城、车辆型号(品牌、型号、年款)、车牌号码(支持模糊查询),并支持排除特定车牌。重A是认0天内无记动图：套牌车筛选搜索条件页重K图：套牌车筛选搜索结果页根据车牌号分析该车在一定时间和地点范围内可能的落脚点，其检索条件索结果显示出行或落脚方向、次数等信息，并能够在地图上进行位置标示。mmmm定0析*○图：落脚点分析搜索条件页支持自定义2至6组时空条件，检索出符合所有条件(在指定时间、地点均出现过)的车辆。每组检索条件包括：过车时段、地 结果按照符合的条件数排序，以列表形式显示，并附有小图，点击可查看过车研判条件展示2/5研判条件展示2/5第*AS*m*4车B牌座区三入册判√* √√4√图：多点碰撞搜索结果页指定已知车牌号，在一定时间、地点范围内，搜索与该车牌相差1或2位 图：相似车牌串并搜索条件页时间12016-04-21133812时间12016-08-21.141037车型：需铁龙-爱明合两用-2011,2009利利*>>。W示，查可用一代位数一位1题：6。BA?4751通图：频繁过车搜索结果页□图：轨迹重现搜索条件页*山大*CB在指定时间段、地区范围内，搜索出驾驶员遮挡面部的车辆。搜索条件包括：过车时间段、车型、车辆类别、车辆颜色、车牌号码(支持模糊查询)、车牌颜色、无车牌。搜索结果显示满足条件的车辆照片、车牌号、系统识别车型、拍摄位置信息。x世*时降201600-3115;40:30方例方两妇量时2016-08-211540-2621PaR*型1东风风5%-2004,2013时单2016-0821154248车*6t:300元82010,2000,00*打2016-08211540:20进B风风20152014.201m时章221606211540:262014-体2154k20*指定被尾随车辆的车牌号码，搜索出符合限定条件的尾随车辆。限定条件包括：过车时间段、跟车时间、同行路口数量、同行车信息(支持按车型、类车号：四车时院：01600202:0:00-2016215:0:0源车时间1小于2分A)间行次数1大于刘A)普建车如次入址(30天内)C)渝热五部周文RW通-97-2015,2014,2013,2012,2011,2010■411正通-)-2013,2012,1011,2010,2000,1000,201011在147香播普快况-要带告三和-2013,2012,2011,2010,2000,2000127其-量用★三用-2013,2012,2011,2010,2004,200611726]26通过输入车辆号牌，即可对城区的任一车辆进行实时追踪。可根据车辆出现的时间先后在地图上标注其行踪轨迹和图片抓拍信息。武汉天眼警务魔方-特定目标车辆追踪武汉天眼警务魔方-特定目标车辆追踪依据作案时间、挖掘区域(可能隐匿的区域，手动划选)研判显示在该时段内有过车记录，该时段之后没有过车记录的过车信息。通过设置区域与时间，分析在指定时间内车辆轨迹信息，并显示前多后少、差异较大的车辆。支持根据案件时间、案件地点等信息，快速获取嫌疑车辆并按嫌疑度进行排序展示；搜索结果显示满足条件的车辆照片、车牌号、系统识别车型、拍摄多数嫌疑车辆会选择以“白天藏匿夜间外出”的方式实施作案，由于受到夜间监控视频光线及画质的影响，办案人员依靠眼药水来寻找线索的方式已经过时，为此系统推出了昼伏夜出模块，采用人工智能技术自动完成对车辆的实昼伏夜出模块通过车辆特征识别技术结合过车时间信息，自动对昼伏夜出的车辆进行圈定，提供了准确的昼伏夜出车辆信息，并满足任意时段、车型、车牌的检索，避免了人工信息挖掘的费眼、费时、费力等缺点。在卡口过车数据、车辆基本信息登记数据、客户指定高危地区、人员基本证数据、交通违法相关数据等支持下，根据客户提供的数据定制预警的具体内容根据预警条件，系统界面左侧可实时展示预警内容，同时地图界面可对预警(1)预警信息多维展示针对预警内容，后台根据用户需求灵活配置预警条件进行预警内容列表显危地区车辆、车主为高危地区人员、多次违章未处理、车主有吸毒记录、逾期未年检、驾驶人遮挡面部、车主有酒驾记录、逾期未报废、驾驶人面部识别预警、初次入区(从其他各预警项中筛选出)、车主有醉驾记录、已报废车辆、套牌车辆、车主为全国在逃人员、假牌车辆、遮牌车辆、车主为本市重点人员、1天内连续违法3次、车主为涉案人员、重点违法行为、车主无驾驶证、违法载2013201220112010,300920东型：0龙量册★三2013201220112010,2009.20期时间：2016-06-21014400913201220112010,30099,200a转0(2)预警历史展示预警历史功能是将触发预警的所有结果进行汇总显示，在此基础上可根据预警类型、预警地点、时间进行分类检索。检索条件包括：预警类型(预警条件)、预警地点、过车时间段。搜索结果显示满足条件的车辆照片、车牌号、系统识别车型、拍摄位置、方向、预警原因。2016-08-10至2016-08-10筛选录部录6.4.2.4.1按精确车牌布控6.4.2.4.2按模糊车牌布控6.4.2.4.3被盗车/牌布控在自定义布控的时限、区域内，按车辆类别及细化品牌进行布控。布控条件包括：车辆类别(包括轿车、越野车、商务车、面包车、皮卡车、小型货车、大型货车、中小型客车、大型客车等)、品牌、布控类型、预警方式、布控原因、布控时段和划选的布控区域。布控后对实时过车信息进行比对，若触发布控条件，系统自动提供页面或短信报警。在自定义布控的时限、区域内，按品牌、型号、年款等车型信息进行布控。布控条件包括车型(品牌、型号、年款)、布控类型、预警方式、布控原因、布控时段和划选的布控区域。布控后对实时过车信息进行比对，若触发布控条件，系统自动提供页面或短信报警。实时查看布控信息的界面，出现符合布控条件的车辆时，可通过页面警示栏提醒或短信提醒的方式，及时通知布控接收人员。*年08-21014400*通人电语41重*4日校#14条已基收0隔MA等4*c7软硬件选型计算与存储框架。基于Linux操作系统，兼容Hadoop分布式计算框架。系统硬件选型充分考虑了视频图片数据对计算存储的高性能要求，采用专属定制化设计。其中，车辆智能识别服务器为标准4U机箱，内置高性能GPU处理器，采用CPU+GPU异构计算设计，达到高密度计算效果，最大程度降低服务器与机房建设成本。同时不断迭代更新最先进的图像处理算法和大数据专8系统关键技术本系统应用了大量的计算机视觉处理技术。计算机视觉是一门研究如何使跟踪和测量，并进一步进行图形计算，处理为更适合人眼观察或传送给计算机进行分析的图像。系统通过计算机视觉处理技术对卡口图片数据进行实时的二车辆可以按照外观类型进行分类，如轿车、货车等。而同一类型车辆所具有的公共特征是在进行分类时必须要考虑的问题，例如轿车之间的共同特征非常类似，但轿车与货车的公共特征却存在着明显的差别。本系统采用了K-近邻算法、决策树算法(decisiontrees)、支持向量机(supportvectormachines)等分类算法，通过boosting集成方法将以上多个算法的分类结果进行组合，从而获得了比简单的单一算法更好的分类结果。此外，还采用了F及卷积神经网络(ConvolutionalNeuralNetworks)等深度学习算法，下面对相关1)K-近邻算法：使用K-近邻算法构造程序，自动划分车辆类型，该算法无数据输入假定的优点；用的数据挖掘算法，其数据形式易于理解，其优点是计算复杂度不高、输出结果易于理解、对中间值的缺失不敏感。采用决策树算法可处理不相关车辆特征数据，通过叶子节点的形式进行车辆特征判断，同时由Matplotlib注解解释数据的内容；机”,它具有良好的学习能力。该算法简称SVM,SVM被认为是最好的现成的计算开销小、结果易解释；效率，本项目使用该算法进行车辆数据的关联分析，关联分析是一种在大规模数据集中寻找关系的任务。这些关系分为两种形式：频繁项集和关联规则，频繁项集是经常出现在一起的车辆的集合，关联规则暗示两辆车之间可能存在很强的关系。该算法是目前用于发现数据集中频繁模式效率最高的有效方法。络是人工神经网络的一种，在大型图像识别领域具有出色的表现。优化了识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他形式的系统在对卡口图像特征、行为进行智能化实时分析时，高密度图像运算中浮点计算密集性高，对存储访问量大，采用传统的CPU已经无法在性能方面进能力和数据读写吞吐能力。采用并行处理方式，合理分配计算资源，充分释放计算能力。将复杂的分析任务细分成数以千计的、可并行处理的小任务，从而实时存储/转发、实时监控、数据挖掘分析。主要涉及大数据存储及处理，采用>高效率通过分发数据，hadoop可以在数据所在的节点上并行地处理。复制，并且在任务失败后能自动地重新部署计算任务。>高扩展性：Hadoop是在可用的计算机集簇间分配数据并完成计算任务>高容错性：Hadoop能够自动保存数据的多个副本，并且能够自动将失集群的计算能力和丰富的数据存储模型，共享同一个Hadoop集群和驻留在集HBase是Hadoop大数据下的列式数据库，相比于传统的关系型数据管理系统可提供更高的读写效率，更好的容错性能，非常适合卡口这种大量数据并行写入，同时存在多用户同时在线查询的业务，根据卡口业务合理设计行键和列，并对部分列建立特定的二级索引，大大加快系统查询响应速度，提升系统系统完全支持分布式并行处理，使用Hbase分布式数据库，结合Spark将海量的过车数据问题拆分成并行处理的小问题，将海量过车数据的搜索，转变成大量的子搜索处理，提高数据库的处理速度。中心使用Hbase作为中心数据库，利用分布式检索工具通过分布式的读写和检索，满足高速读、写、检索的需求，有效降低系统的整体负担，极大提升系统的性能与稳定性，同时可以方数据模型、面向列、多维表、稀疏表等特点和优势：为此，选择分布式数据库Redis是一个开源的、基于C语言编写、可持久化、提供多语言API的KeyValue类型的内存数据库。Redis具有高性能并发读写的能力。Redis最大各种操作。与Memcached只能保存1MB的数据相比，Redis单个内存块的最大限制是1GB。另外Redis也可以对存入的Key-Value设置到期时间，因8.8Spark分布式计算Spark是一个分布式数据快速分析项目，拥有HadoopMapReduce所具有一些不同之处，这些有用的不同之处使Spark在某些工作负载方面采用构建二级索引可适当改善，在组合查询字段中存在唯一值条件的查询能很好的解决，但对于多条件组合查询中每个条件值都不唯一或模糊条件时却无能通常车牌号码、车型都要求支持多个条件输入，时间段也可能跨度较大，甚至也会出现基于多个不同时间段查询，在面对这种多条件和多条件组合查询时，Hbase的Rowkey和二级索引都不能很好的解决。而Solr式的、可扩展的、容错的实时计算系统。Storm具有如下特点：>支持多种编程语言>高容错性Storm会管理工作进程和节点的故障。>高扩展性Storm计算是在多个线程、进程和服务器之间并行进行>高可靠性Storm保证每个消息至少能得到一次完整处理。任务失败时，它会负责从消衡，用于处理系统中的所有视图流数据。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一通过Hadoop的并行加载机制来统一线上和离线的消息处理。有如下特性：>稳定性>高吞吐量即使是非常普通的硬件kafka也可以支持每秒数十万的消息。系统选用kafka技术对前端设备的结构化及非结构化数据进行接收。级、速度快、效率高的优势，是目前软件开发中主流的框架技术。9系统优势市局、分(县)局多级系统级联部署，以共享应用为导向，遵照国家和行业相关标准，统一规划、分级建设，建立各类综合应用业务机制，促进建设和应用的紧密结合，推动卡口数据与情报研判、指挥调度、网上巡防和视频侦查等重点工作的有效开展，实现卡口数据跨地区、跨层级、跨警种的综合性图像综合应实现了智能化在事前(卡口监控、卡口布防)、事中(卡口追逃)和事后(结构化卡口数据库、图像研判)中的应用。卡口整合汇聚大数据云服务系统实现了警情线、指挥线和案情线的全过程综合应用，更加贴合公安业务流程需求，卡口整合汇聚大数据云服务系统支持电子地图、大数据看板等多种可视化数据展示，提供了多级地图导航模式，以图形化的形式，动态地表现出过车状系统具有良好的权限管理机制，能设定用户权限实现权限管理，授权用户可进行相关功能和设备操作；角色管理可指定用户角色，赋予角色权限；可实现系统的数据管理、系统同步功能；提供统一的系统配置管理服务，为平台管卡口整合汇聚大数据云服务系统采用开放式结构，具备多种对接接口，满足与电子卡口系统、视频指挥系统等多个系统的互联。实现视频监控子系统、子系统应兼容多家厂商的硬件产品，最大限度地利用现有卡口资源，减少重复投资。此外，子系统需要平台等系统联动，所以子系统必须能够提供完备系统采用灵活高效率、标准化的部署方案，可于24个工作日内快速完成一期项目的落地部署，具备了在短时间内实现县级市过车图像数据联网应用的可行性。具体分项施工安排如下：>数据整合和系统对接：7个工作日>软件系统安装与部署：7个工作日>本地图像数据识别的校准训练：7个工作日(依托数据积累)>系统上线前测试运行及培训：3个工作日项目一期，建成后，应用平台主要包涵七个模块共47个功能：按车型搜车、按车牌搜车、按类型搜车、同初次入城、落脚点分析、自定义碰撞、隐匿车辆挖掘、相似车牌串并、能按精确车牌布控、按模糊车牌布控、按类型布控、按车型布控、我的布接打电话、未系安全带、遮挡号牌、套牌车筛选、假牌车筛选共5个功能危险品运输车辆、出租车、校车、旅游客车、公路客车、渣土车、重点实时卡口过车统计、趋势分析、交通违法统计、外地车辆分布矩阵共4 11.1售后服务>资料完备我方将提供完整的资料，如产品质量保证书、保修单、技术指标资料、说明书等，系统调试完毕提供调试报告，试运行期间提供试运行报告，培训期间提供培训手册，保证整个系统的数据和资料确保准确无误，并保证设备按时正确地安装、调试和验收，满足正常运行和维修保养的需要。建立完善的客户服务体系：工程施工和服务以质量管理体系为工程实施目无论在保修期内外，我们都提供优质的售后服务，售后服务分为两种：例例行维护以预防为主，排除故障隐患。具体查看定期回访周期，并向工程故障检修分为三种：>应急维修遇有紧急事件突发故障时，我们可以在最短