警务云智能情报分析研判系统

维护 成本
• 维护期内的维护 成本
为什么要有云隼？
由于现有机动车辆抓拍系统在打击犯罪、处置交通违法等各类公安业务中起到的作用越来越大， 公安机关对现有系统的使用要求也越来越高。传统系统也暴露出来不容忽视的问题：
1
现有系统对获得的机动车辆图像信息还不能做到全面分析，简单 的车牌识别极易导致可用信息沉淀，影响公安业务应用；
2
多设备、多平台系统同时存在，导致信息对接、信息共享困难；
✓ 安全带/电话/遮光板使用检测 ✓ 综合识别准确率＞85% ✓ 综合识别样本＞3000+种 ✓ 车型实时样本更新 ✓ 车辆头/尾/侧位/内部识别
车辆全维度信息识别
海量实时、历史数据 智通云隼
海康 大华 宇视 。。。。
单一前端识别
✓ 识别准确率更高 ✓ 识别样本更全面 ✓ 样本更新更迅速
车辆全维度信息识别
云隼可以做什么？
治安/微卡口
电子警察
小区卡口
停车场
视频监控
公路卡口 电子警察 治安卡口 小区/微卡口
01
02
03
04
技术核心1
三维车辆建模，真正意义的全信息分析识别
驾驶室内部特征 车辆面部特征
车辆尾部特征
车辆全维度信息识别
通过智能交通采集设备产生的数据图像，进行基于图像二次识别，多项识别结果实时输出
可针对无牌车辆同行信息完成除车牌外的结构化信息分析，将信息转化为检索条件进行多项专项分析。
技术核心2
数据处理能力： 性能：数据入库每天1亿条数据新增写入；
架 构 层 面
数据查询能力： 性能：百亿条数据模糊查询5秒内返回结 果；
数据分析能力： 性能：基于海量历史多类型数据的专项
分析、异常行为分析及信息关联 分析预测；
•通过机动车辆信息及活动轨迹，融入“案件主因以人为本”的思路，由车辆深 度关联人员信息，以车辆为人员管控切入点，有效加强公安客户对于人员管控 的高层次需求
成本组成
• 系统搭建所用各 类服务器
• 浪潮
硬件 成本
软件 部分
• 系统GIS 地图开 发
• 底层服务
肇事逃逸
• 现场部署 • 定制化开发
人员 成本
功能应用
警务云智能情报分析研判系统
应用案例
应用案例
典型案例
应用案例
系统抓拍 嫌疑车辆 及嫌疑人
图片
犯罪 现场 指认
犯
犯
罪
罪
嫌
嫌
疑
疑
人
人
应用案例
典型案例
应用案例
车牌识别 比对 全国盗抢汽车资源库 比中 实时预警
功能介绍
年检标志 纸巾盒
…
挂坠 车贴 …
肇通事过逃车逸辆除 号牌外其他 可辨认特征， 通过细节特 征比对，快 速、准确的 对“克隆车” 进行自动分 析及预警。
功 能 层 面
多重信息关系联网： 性能：建立与车辆目标发生关联交集的所
有关系网（车主、亲属车辆、同车 人员、随车通信信 息、同行车辆等）
技术核心3
警务数据
目前公安8大库等系统中 积累大量的车辆、人员、 社会关系等信息；
积累了大量的高危人员、 高危车辆的信息。
行
人
嫌疑 指数
过车数据
每个城市的卡口电警系 统都在产生大量百万级 的过车记录和过车图片；
车辆套牌
应用案例
应用案例
功能介绍
肇事逃逸 车辆套牌 机动车超速
功能介绍
应用案例
典型案例
应用案例
典型案例
典型案例
应用案例
典型案例
应用案例
典型案例
应用案例
典型案例
应用案例
典型案例
应用案例
典型案例
应用案例
典典 型型 案案 例例
应用案例
典型案例
应用案例
典型案例
介绍定义
云隼的产品定义
需求分析
治安/微卡口
电子警察
视频监控
小区卡口
停车场
公安科技建设的加强带来的是图像信息采集设备的数量激增， 截止2014年，深圳市全市各类前端采集设备数量就多达40多万台，
随之带来的是采集信息数据量呈几何倍数的增长
有效数据
无法利用数据
数据负担
图像数据的海量
1、大数据 = ？
大数据，又称巨量数据或海量 数据，指得是所涉及的非结构化数 据（*注）量规模巨大到无法通过人 工，在合理的时间内达到截取、管 理、处理、并整理成为人类所能解 读的信息。
•采用大数据处理技术的软件产品
肇事逃逸
•结合公安警务实战运用的情报分析类软件产品
•面向新用户单位：公安厅（局）信息通信处（科）、科技处（科）或指挥中心， 适用层级：省公安厅、地市公安局、县市公安局
•原有客户销售方向：已完成建设的卡口、电子警察系统、管理平台项目，无论 是否是我们承建的，均可进行产品的二次销售达到功能架构全面升级，同时借
助大数据系统的数据为主线特性，进行新硬件系统及现有系统的捆绑销售。
云隼的技术卖点
•基于图像的全信息二次识别，提供全文检索形式的全新的线索发现体验，车辆 身份自动辨别真伪
•基于大数据云计算的处理技术，可实现100亿条数据模糊查询秒速完成（2-5秒） •基于大数据模型推送技术，嫌疑信息可定制化推送，实现关注点自动预警和公 安机关足不出户，犯罪嫌疑自动预测报警
*注：在图像分析领域内，非结构化 数据是未经过任何机器识别的图像，例如： 通过一张图片，我们可以通过人眼和大脑 分辨出车辆品牌、类型、颜色，但这些不 是通过识别算法自动得出并用于检索使用， 这些我们统称为非结构化数据，而车辆类 型、品牌、颜色等条件就是数据所谓的结 构，识别处理后的数据为结构化数据。
这些车辆信息不仅代表 车辆的活动情况，还含 有车辆的特征信息；
重点人员和重点车辆=车平安城市涉车管控的核心
打通 业务数据 与 过车数据，构筑车辆大数据DT平台
核心技术4
假套牌分析 一车多牌分析
初次入城
碰撞对比分析
相似车牌串并
轨迹重现
隐匿车辆挖掘
实战功能应用开发
落脚点分析
同行车辆分析
一牌多车分析
异常遮挡分析
2、大数据=多大？
1张200万像素高清卡 口照片大小为200KB，大数 据的通常存储量级以PB （拍）为单位，按照数量级 规则，1PB=1024TB， 1TB=1024GB ， 1GB=1024MB， 1MB=1024KB，1PB的数据 换算成卡口图片是近55亿张， 由此可见，大数据之“大” 从何而来。
3
现有卡口系统数据挖掘程度不足，实战工作应用深度不够；
析研判系统
高清数据采集设 备结构化数据
车辆驾驶员数据 重点人车数据
其他公安掌握 资源数据库
实现功能肇事逃逸
车辆身份精准识别 重点车辆人员管控 情报汇总辅助决策
犯罪和预测模型 专用地理信息系统 异常目标快速预警