車輛大數(shù)據(jù)解決方案

1、車輛大數(shù)據(jù)解決方案大數(shù)據(jù)時(shí)代的視頻圖像理解與應(yīng)用視圖大數(shù)據(jù)時(shí)代數(shù)據(jù)量大數(shù)據(jù)類型多樣數(shù)據(jù)產(chǎn)生速度快數(shù)據(jù)價(jià)值待挖掘1萬(wàn)只高清攝像頭每月產(chǎn)生16PB的數(shù)據(jù)，需要5000塊硬盤保存。音視頻、圖片、人臉特征、過(guò)車記錄、GPS坐標(biāo)、文本信息等。全國(guó)智能交通系統(tǒng)每天產(chǎn)生20億條記錄。海量視頻圖片蘊(yùn)含巨大價(jià)值，但價(jià)值密度極低泛卡口時(shí)代的車輛大數(shù)據(jù)要塞卡口斷面卡口節(jié)點(diǎn)卡口軌跡卡口如何在茫茫車海中定位嫌疑車輛？車輛如何預(yù)警防控、有效打擊？視頻偵查反恐維穩(wěn)重大安保治安盜搶70%的案件涉及嫌疑車輛車輛如何預(yù)警防控、有效打擊？匯報(bào)內(nèi)容技術(shù)1： 車臉智能分析技術(shù)技術(shù)2： 車輛預(yù)警模型技術(shù)技術(shù)3： 云計(jì)算技術(shù)技術(shù)4： 極速

2、布控技術(shù)識(shí)別引擎顏色：灰色檢到的車輛識(shí)別結(jié)果車型：微面品牌：五菱型號(hào)：榮光小卡號(hào)牌：浙A1LP50年款：2010款技術(shù)介紹車臉特征分析技術(shù)-卡口場(chǎng)景技術(shù)介紹車臉特征分析技術(shù)-電警場(chǎng)景識(shí)別引擎顏色：黑車型：小轎車品牌：大眾型號(hào)：桑塔納號(hào)牌：蘇EW0941檢到的車輛破解了傳統(tǒng)單純依賴車牌或車標(biāo)識(shí)別追蹤目標(biāo)車輛的難題 系統(tǒng)采用國(guó)際領(lǐng)先的智能算法，把前端設(shè)備采集的卡口圖片中蘊(yùn)含的車輛品牌信息-如（奧迪）、型號(hào)（Q5）、年款（如2011年款）、類別（如SUV）顏色等信息深度挖掘和提取，并可實(shí)時(shí)的進(jìn)行查詢檢索，即使目標(biāo)車輛使用假牌、套牌，或中途更換、篡改、遮擋、拆卸車牌，也能在短時(shí)間內(nèi)準(zhǔn)確找到目標(biāo)車輛；品

3、牌：奧迪型號(hào)：Q5年款：2011顏色：黑色類別：SUV車牌：滬N-A8082異常特征：品牌：陜汽型號(hào)：奧龍重卡年款：2010顏色：紅色類別：大貨車車牌：滬DC5757異常特征：品牌：福特型號(hào)：經(jīng)典全順年款：顏色：白色類別：MPV車牌：滬DD4818異常特征：遮擋面部品牌：福田型號(hào)：奧鈴TX年款：2010顏色：藍(lán)色類別：大貨車車牌：滬B83535異常特征：遮擋面部車輛多特征分析技術(shù)技術(shù)介紹車臉特征分析技術(shù)-實(shí)戰(zhàn)應(yīng)用寧波系列盜狗案現(xiàn)場(chǎng)分析，發(fā)現(xiàn)了一輛嫌疑別克汽車，假牌針對(duì)案發(fā)現(xiàn)場(chǎng)周邊3公里畫(huà)圈，快速篩選所有黑色別克車浙BCY961（假牌）浙B787P6（真牌）年檢標(biāo)志掛墜紙巾盒車貼 可對(duì)特定車輛的

4、局部特征進(jìn)行提取分析和建模，在車輛號(hào)牌信息缺失（套牌、遮擋號(hào)牌或無(wú)牌）情況下，準(zhǔn)確快速地實(shí)現(xiàn)特定車輛追蹤與鎖定，獲取車輛真實(shí)行蹤；車臉特征分析技術(shù)-局部特征1、黑色小轎車2、三廂車3、年檢標(biāo)有兩個(gè)，橫向4、風(fēng)擋右下方有紙巾盒5、2015年2月1日23點(diǎn)35分車牌、品牌看不清！車臉特征分析技術(shù)-局部特征車臉特征分析技術(shù)-局部特征車臉特征分析技術(shù)-以圖搜圖多目標(biāo)檢測(cè)、不漏車車輛大品牌200種：95%車輛子品牌3000種：90%車型12種：90%顏色：80%車臉局部特征：90%安全帶、打電話：80%后端泛卡口：行人、自行車、摩托車等分類全車以圖搜圖、局部以圖搜圖每季度持續(xù)更新算法、車型種類全場(chǎng)景：卡

5、口、電警、標(biāo)清、高清、圖片、視頻深度學(xué)習(xí)+GPU加速業(yè)界“車”結(jié)構(gòu)化最優(yōu)算法 將多起案件時(shí)空信息進(jìn)行管理分析和碰撞比對(duì)，快速篩選出與多個(gè)現(xiàn)場(chǎng)具有相同特征的車輛系列毒狗案案件1嫌疑車系列毒狗案案件3系列毒狗案案件2寧波系列毒狗案車型年款局部標(biāo)志車臉特征分析技術(shù)-車臉碰撞 車輛大數(shù)據(jù)研判系統(tǒng)的“車臉?lè)治觥敝悄軕?yīng)用從根本上克服了傳統(tǒng)車輛檢索只能按照號(hào)牌進(jìn)行單一查詢的功能缺陷，實(shí)現(xiàn)了按照車輛品牌、型號(hào)、顏色、類別以及局部特征等自定義組合查詢和模糊查詢強(qiáng)大功能。多維搜車原型畢露車型圖片車牌類別特征車臉?biāo)衍?、真牌還原匯報(bào)內(nèi)容技術(shù)1： 車臉智能分析技術(shù)技術(shù)2： 車輛預(yù)警模型技術(shù)技術(shù)3： 云計(jì)算技術(shù)技術(shù)4：

6、極速布控技術(shù)1 車牌出沒(méi)時(shí)間？3 高危地區(qū)車輛？4 車主前科人員？2 車輛出沒(méi)地點(diǎn)？5 關(guān)系人前科？涉毒？6 車標(biāo)：東風(fēng)過(guò)車記錄一條過(guò)車記錄中蘊(yùn)含的信息車輛預(yù)警模型技術(shù)警務(wù)數(shù)據(jù)目前公安8大庫(kù)等系統(tǒng)中積累大量的車輛、人員、社會(huì)關(guān)系等信息；積累了大量的高危人員、高危車輛的信息。過(guò)車數(shù)據(jù)每個(gè)城市的卡口電警系統(tǒng)都在產(chǎn)生大量百萬(wàn)級(jí)的過(guò)車記錄和過(guò)車圖片；這些車輛信息不僅代表車輛的活動(dòng)情況，還含有車輛的特征信息；嫌疑指數(shù)車人關(guān)系人車輛預(yù)警模型技術(shù)車輛數(shù)據(jù)與核心業(yè)務(wù)數(shù)據(jù)的碰撞比對(duì)首個(gè)真正實(shí)戰(zhàn)的多維“人-車-關(guān)系人”車輛大數(shù)據(jù)預(yù)警模型首個(gè)實(shí)現(xiàn)可“敏捷訂閱”車輛預(yù)警的街面APP聯(lián)動(dòng)應(yīng)用過(guò)車數(shù)據(jù)警務(wù)數(shù)據(jù)1.預(yù)警推送

7、3.反饋考核2.攔截排查高危車輛G20城市外圍防控-車輛大數(shù)據(jù)研判預(yù)警云+端=情報(bào)+行動(dòng)來(lái)源：臨安車輛大數(shù)據(jù)終端APP畫(huà)面車輛屬性車主屬性關(guān)系人屬性租賃車輛車輛業(yè)務(wù)系統(tǒng)數(shù)據(jù)號(hào)牌圖片過(guò)車記錄車輛特征+車臉行駛軌跡業(yè)務(wù)數(shù)據(jù)盜搶車輛、租賃車輛行為軌跡異常車輛首次出現(xiàn)頻繁出現(xiàn)夜間出現(xiàn)前科人員、涉毒人員、重點(diǎn)人員高危車輛落腳點(diǎn)假套牌車輛車輛大數(shù)據(jù) = 業(yè)務(wù)大數(shù)據(jù)+軌跡大數(shù)據(jù)匯報(bào)內(nèi)容技術(shù)1： 車臉智能分析技術(shù)技術(shù)2： 車輛預(yù)警模型技術(shù)技術(shù)3： 云計(jì)算技術(shù)技術(shù)4： 極速布控技術(shù)杭州偽基站案例2015年8月10日，臨安公安接到多地居民舉報(bào)收到“建設(shè)銀行”的詐騙短信，初步判斷為典型的犯罪分子通過(guò)偽基站作案，臨安

8、公安通過(guò)群眾收到短信的時(shí)間和地點(diǎn)，對(duì)8個(gè)以上不同地點(diǎn)進(jìn)行了時(shí)空碰撞，最后碰撞結(jié)果只剩一輛浙AXXX牌照車輛滿足所有軌跡要求，公安設(shè)卡對(duì)其車輛進(jìn)行了攔截，并在車上發(fā)現(xiàn)了偽基站設(shè)備。在20億的卡口記錄中，使用大數(shù)據(jù)分布式檢索引擎進(jìn)行多維度的碰撞分析，在5秒內(nèi)得到了分析結(jié)果，真是天網(wǎng)恢恢，疏而不漏！云計(jì)算架構(gòu)-彈性擴(kuò)展1.分布式計(jì)算平臺(tái)支持批量離線計(jì)算和流式計(jì)算按需彈性擴(kuò)展、負(fù)載均衡、容錯(cuò)支持海量爆發(fā)小圖片場(chǎng)景的高數(shù)據(jù)吞吐2.結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的查詢及檢索分布式結(jié)構(gòu)化數(shù)據(jù)查詢（NOSQL）面向數(shù)據(jù)分析型的分布式數(shù)據(jù)庫(kù)技術(shù)面向多維數(shù)據(jù)碰撞的緩存設(shè)計(jì)基于全文搜索引擎的海量車牌模糊查詢基于圖像搜索引擎的

9、以圖搜車技術(shù)GPU加速技術(shù)融合層層過(guò)濾式的嫌疑車輛挖掘技術(shù)基于分布式計(jì)算框架，車輛大數(shù)據(jù)研判系統(tǒng)不僅僅可以實(shí)現(xiàn)對(duì)車輛和人員的分析研判，通過(guò)大量數(shù)據(jù)的積累和變化規(guī)律進(jìn)行深度的數(shù)據(jù)挖掘和碰撞分析，幫助決策者和管理者提供有價(jià)值的線索信息。云計(jì)算架構(gòu)-豐富技戰(zhàn)法云計(jì)算架構(gòu)-極速處理億萬(wàn)數(shù)據(jù)50億數(shù)據(jù)量，引入數(shù)據(jù)搜索服務(wù)一體機(jī)后性能顯著提升部分無(wú)法完成的業(yè)務(wù)可以在秒級(jí)響應(yīng)線性擴(kuò)容、一勞永逸數(shù)值越小，性能越高300表示5分鐘無(wú)響應(yīng)匯報(bào)內(nèi)容技術(shù)1： 車臉智能分析技術(shù)技術(shù)2： 車輛預(yù)警模型技術(shù)技術(shù)3： 云計(jì)算技術(shù)技術(shù)4： 極速布控技術(shù)布控預(yù)警及時(shí)性如何解決？如何有的放矢，高效出警？傳統(tǒng)數(shù)據(jù)流架構(gòu)的局限性Web

10、應(yīng)用SQLOracle搜索緩存數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)分析實(shí)時(shí)布控多模塊調(diào)用影響性能海量數(shù)據(jù)讀取緩慢數(shù)據(jù)中樞-KafkaWeb應(yīng)用Oracle搜索數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)分析Kafka實(shí)時(shí)布控?cái)?shù)據(jù)不落地 云端高速流轉(zhuǎn)1.解耦將數(shù)據(jù)入口、業(yè)務(wù)服務(wù)器和分析服務(wù)器解耦，為其提供數(shù)據(jù)傳遞的橋梁允許獨(dú)立的擴(kuò)展或修改各個(gè)組件，保證系統(tǒng)穩(wěn)定性2.分布式，高吞吐量，速度快高吞吐量，每秒處理十萬(wàn)條消息分布式架構(gòu)，能夠以集群進(jìn)行處理3.支持實(shí)時(shí)和離線兩種解決方案支持storm實(shí)時(shí)計(jì)算支持hadoop離線計(jì)算匯報(bào)內(nèi)容實(shí)戰(zhàn)案例介紹15分鐘破獲詐騙案件2015年09月14日13時(shí)許,事主楊某經(jīng)過(guò)奉化市岳林街道龍津尚都小區(qū)大門口,被一坐在白色奔

11、馳轎車(無(wú)牌照)車內(nèi)的男子叫住，冒充香港人，采用借刷銀行卡的方式騙取楊某卡內(nèi)4000元 后駕車逃離。A 設(shè)置開(kāi)始-結(jié)束時(shí)間根據(jù)案發(fā)時(shí)間分析，選擇開(kāi)始時(shí)間: 9/14 10:00:00結(jié)束時(shí)間: 9/14 15:00:00B 選擇卡口選擇案發(fā)地附近三公里范圍內(nèi)的卡口（如無(wú)可疑車輛可擴(kuò)大搜索范圍），嫌疑車輛必然會(huì)經(jīng)過(guò)其中的卡口。C 選擇搜索車輛品牌設(shè)置品牌為奔馳15分鐘破獲詐騙案件 運(yùn)用以圖搜圖技戰(zhàn)法，根據(jù)嫌疑車輛的年檢標(biāo)志等特征搜索該車軌跡，很快就鎖定該車于9月14日上午9時(shí)12分由寧海進(jìn)入奉化。 追蹤該車作案前軌跡至其落腳賓館，發(fā)現(xiàn)登記人為王某，系嫌疑人冒用他人身份住宿。后對(duì)該冒用的身份證進(jìn)行

12、布控，抓獲犯罪嫌疑人車某。真實(shí)牌照：蘇AE26A3 利用年檢標(biāo)志特征搜索出相似車輛快速鎖定高危車輛破案 2015年1月15日凌晨3時(shí)至6時(shí)許，案犯竄至奉化市尚田鎮(zhèn)橋棚村大禮堂旁小店，采用撬門的手段進(jìn)入，盜走價(jià)值香煙50條，共計(jì)損失9700元。1，作案時(shí)間分析據(jù)報(bào)警人反饋，案發(fā)時(shí)間大概在15日凌晨3:00-6:00之間。2，交通工具分析案發(fā)地在較偏遠(yuǎn)鄉(xiāng)鎮(zhèn)，且被盜物品為50條香煙，需要借助作案車輛來(lái)完成。3，嫌疑車輛分析根據(jù)案發(fā)特性重點(diǎn)篩選無(wú)牌、套牌、假牌車輛。尚嶺線與甬臨線卡口場(chǎng)尚卡口案發(fā)時(shí)間：15日3:00-6:00案發(fā)地進(jìn)入車輛大數(shù)據(jù)系統(tǒng)發(fā)現(xiàn)可疑套牌車輛重點(diǎn)排查套牌車輛時(shí)空異常：有作案時(shí)空條

13、件行為異常：遮陽(yáng)板放下牌照異常：套牌可疑情況分析以圖搜圖獲得真實(shí)軌跡套牌車輛快速鎖定高危車輛破案城市套牌車打擊專項(xiàng)活動(dòng)寧波奉化套牌車打擊專項(xiàng)行動(dòng)-上線兩周，有效預(yù)警套牌車400車次，落地排查抓獲30余輛，有效扼殺多起犯罪于搖籃之中，形成寧波的車輛套牌犯罪禁區(qū)。浙BG3M78(套牌) 浙BY161V（真牌）浙B905M8（套牌） 浙B93Z68（真牌）系列入室盜竊案 2月24日25日凌晨奉化發(fā)生多起入室盜竊案，失竊財(cái)產(chǎn)總價(jià)值約64000元。大橋所立即組織人員成立專案組，偵查人員迅速以案發(fā)現(xiàn)場(chǎng)為中心進(jìn)行實(shí)地走訪分析，調(diào)取周圍監(jiān)控。 車輛研判 該案通過(guò)中心現(xiàn)場(chǎng)視頻偵查發(fā)現(xiàn)嫌疑人兩名，在外圍監(jiān)控中未發(fā)

14、現(xiàn)可疑人員，分析嫌疑人在作案得手后利用車輛逃離。應(yīng)用車輛研判功能，將2月24日至25日積分研判最高的車輛篩選出來(lái)。選定時(shí)間段系列入室盜竊案篩選高危車輛車主：陳賢剛車輛：浙BQ0F56排查研判結(jié)果 將積分研判分?jǐn)?shù)最高的前十位車輛提取出來(lái)后逐輛分析。發(fā)現(xiàn)牌照為浙BQ0F56的黑色力帆轎車到過(guò)案發(fā)現(xiàn)場(chǎng)附近。1.首次進(jìn)城2.夜間出現(xiàn)車輛1.盜竊前科人員2.特殊高危地區(qū)人員積分75分認(rèn)定理由1:車輛軌跡與作案時(shí)空吻合認(rèn)定理由2:車主話單分析墾利-小區(qū)泛卡口社區(qū)防控墾利小區(qū)泛卡口案例河南清豐縣肇事逃逸案件2015年3月18日一輛本田-奧德賽小汽車肇事逃逸，肇事后馬上對(duì)號(hào)牌進(jìn)行了遮擋，現(xiàn)場(chǎng)通過(guò)對(duì)5萬(wàn)多張車尾

15、圖片通過(guò)系統(tǒng)的“特征分析比對(duì)”方式在2小時(shí)之內(nèi)確定所有出現(xiàn)的本田-奧德賽圖片，成功獲得的將遮擋號(hào)牌前車輛的真牌圖片，對(duì)犯罪分子進(jìn)行了有效打擊。之前面對(duì)這樣的案件，通常需要出動(dòng)十幾名勤務(wù)人員進(jìn)行通宵加班加點(diǎn)人工查找，還可能遺漏-通過(guò)車輛大數(shù)據(jù)系統(tǒng)的車臉?lè)治龉δ?，大大的提高了案件的偵辦效率和質(zhì)量。單機(jī)工具型版本介紹便攜式偵查工具車型二次分析單機(jī)版-很多時(shí)候，涉車涉駕的案件地域跨度較大，刑警有可能要跨越幾個(gè)地市進(jìn)行追逃，這時(shí)就需要帶著單機(jī)版在不同的地市處理不同的圖片，進(jìn)行車輛真牌還原，是對(duì)整體方案和應(yīng)用的有力補(bǔ)充。另外，區(qū)縣地區(qū)如果只考慮做破案時(shí)的車型二次分析，也可以考慮采購(gòu)此類便攜設(shè)備做工具型使用

16、。已完成警企合作-浙江奉化全省“車控”情報(bào)重點(diǎn)實(shí)驗(yàn)室貴州省廳卡口聯(lián)網(wǎng)、省廳車輛大數(shù)據(jù)麗水市局車輛云平臺(tái)漳州、梧州、柳州、北海、百色、盤錦等市局車輛大數(shù)據(jù)浙江臨安、奉化、蕭山等區(qū)縣車輛大數(shù)據(jù)獲得省級(jí)、部級(jí)科技獎(jiǎng)項(xiàng)目前大華車輛大數(shù)據(jù)系統(tǒng)每天處理的圖片超過(guò)8500萬(wàn)次 ( 生產(chǎn)環(huán)境 )測(cè)試目標(biāo)局點(diǎn)超過(guò)55個(gè)（測(cè)試環(huán)境）正在建金華市局日過(guò)車3000萬(wàn)大數(shù)據(jù)平臺(tái)寧波市局日過(guò)車5500萬(wàn)大數(shù)據(jù)平臺(tái)浙江省廳卡口數(shù)據(jù)中心，日過(guò)車一期2億日過(guò)車，規(guī)劃20億日過(guò)車案例總結(jié)最具競(jìng)爭(zhēng)力車輛大數(shù)據(jù)系統(tǒng)大華主流監(jiān)控廠家主流集成商標(biāo)準(zhǔn)云架構(gòu)是無(wú)是車型識(shí)別算法優(yōu)差差局部特征算法優(yōu)無(wú)無(wú)第三方平臺(tái)是無(wú)無(wú)警務(wù)大數(shù)據(jù)聯(lián)動(dòng)優(yōu)無(wú)中街面A

17、PP聯(lián)動(dòng)是無(wú)無(wú)警務(wù)互聯(lián)網(wǎng)+時(shí)代-構(gòu)筑車輛大數(shù)據(jù)DT平臺(tái)、構(gòu)筑“車”流量入口匯報(bào)內(nèi)容技術(shù)演進(jìn)方向大數(shù)據(jù)演進(jìn)方向-涉車數(shù)據(jù)應(yīng)采盡采+業(yè)務(wù)數(shù)據(jù)碰撞挖掘空間時(shí)間以時(shí)間和空間為主線，以車輛為線索和入口貫穿車輛軌跡、車輛特征、車輛社會(huì)屬性、物、通聯(lián)工具、網(wǎng)安信息、情報(bào)信息、警綜信息、痕檢信息穿藍(lán)色衣服的人車首次酒店車徘徊網(wǎng)吧穿藍(lán)色衣服的人穿黑色衣服的人趨勢(shì)：云端智能與融合智能前端智能？云端智能？融合智能？趨勢(shì)：泛在的涉車數(shù)據(jù)采集泛在的車輛數(shù)據(jù)采集前端相機(jī)停車場(chǎng)道閘行車記錄儀車載相機(jī)無(wú)人機(jī)泛在終端采集執(zhí)法記錄儀、警務(wù)通趨勢(shì)：從過(guò)車記錄匯聚到全業(yè)務(wù)數(shù)據(jù)匯聚市局車輛大數(shù)據(jù)平臺(tái)全市涉車數(shù)據(jù)匯聚全市車臉軌跡還原全市車輛態(tài)勢(shì)分析+情報(bào)數(shù)據(jù)挖掘趨勢(shì)：云南昆明-10億記錄的社會(huì)關(guān)系挖掘熱力圖-國(guó)慶節(jié)趨勢(shì)：江蘇徐州市局-30億記錄的過(guò)車熱力分析熱力圖-實(shí)時(shí)趨勢(shì)：數(shù)據(jù)可視化與態(tài)勢(shì)感知車輛歷史態(tài)勢(shì)專題-1周內(nèi)首次入城車輛分布-1周內(nèi)前科車輛活動(dòng)態(tài)勢(shì)-1周內(nèi)假套牌區(qū)