追影-车踪大数据系统

一、建设背景

随着各地“天网工程”、“平安城市”等建设的不断深入，视频监控立体化防控体系建设的持续完善，视频监控系统覆盖到的物理空间越来越广。随着前端设备规模的快速正常，每个城市产生的视频数据每时每刻都在呈浪涌式增长。如何处理这些海量数据，对传统系统使用关系型数据库（Oracle、Mysql、SQLServer）的技术架构中提出了大挑战，单单从数据存储层面已无法满足用户需求。如果基于这些数据再进行业务分析和关联数据交叉运算，利用技战法进行碰撞，对于传统技术架构来说，是不可能完成的事。从实战角度来说，必须要对此类技术架构进行升级换代，使其能满足大数据处理带来的挑战。
对于公安用户来说，与犯罪分子进行斗争的主动权多的建立在对情报和数据的掌控上，据统计，所有发生的案件中将近50%属于涉车型案件，针对这种情况，我们需要重点思考：面对海量过车数据，如何快速有效的锁定嫌疑车辆，提升实战效能？如何对嫌疑车辆进行有针对性的车辆排查，从而优化警力部署？如何对嫌疑车辆进行有效的缉查布控？
基于上述因素，我们推出了：千视警务云产品系列-追影车踪大数据系统。

追影：基于车辆识别技术和大数据处理技术，对接交通卡口、电警等基础资源，对车辆进行深化识别，基于深度识别之后的数据实现车辆综合技战法分析和交通态势数据分析。

二、建设思路

追影车踪大数据系统采用的车辆识别和大数据处理技术，结合用户实际需求，需解决以下问题：
1、海量过车数据存储
能够支撑百亿级别的过车结构化记录。能实现对卡口图片分布式形式的存储管理。
2、速检索
在过车记录达到数十亿甚至百亿级别的时候，“追影”依然能够实现过车记录基于车牌的秒级精确查询、快速模糊查询。
3、数据挖掘
需可以提供模型（初次入城、昼伏夜出、**车辆等）对库内数据进行挖掘，“追影”需能提供复杂的数据交叉运算能力。借此为用户提供稳定、高效的研判支持。
4、数据统计
实现基于海量过车数据的可视化报表统计。不同时间段区域下的过车数统计、过车规律统计、过车分类统计等。
5、数据相关性分析
为进一步合理设计道路交通管理措施以及为道路规划提出合理化建议，需要“追影”具备进一步挖掘城市交通拥堵与交通车流量、交通道路渠化设计、当前的交通管理措施、交通信号配时等各数据之间的相关性分析规律的能力。



三、系统架构

追影由五层组成。
**层：基础资源层。支持通过和监控平台、卡口系统等对接获取车辆识别的图片或视频源；支持离线上传社会视频或图片作为待分析源；
*二层：算法分析层。借助于车辆深度识别技术，对视频或卡口图片中的目标进行特征提取。可提取的特征范围包括：车辆基本特征、特征物、驾驶员行为等。
*三层：大数据处理层。大数据平台VideoMind包括两个部件：Storage，可存储识别之后的结构化数据、非结构化数据。Analyse：支持对Storage内的数据进行检索、运算、关联。
*四层：智能应用层。基于识别之后的海量过车数据，结合用户需求形成的一系列智能应用。包含：检索类、数据挖掘类、大数据统计类。
*五层：工作门户层。呈现给较终使用者的工作门户。支持采用IE10及以上、Chrome、FireFox等浏览器进行登录使用。