视频侦查主动预警系统应用研究*
段蓓玲
湖北警官学院，湖北 武汉 430035
摘 要： 视频侦查作为侦查工作中新的破案增长点备受公安机关重视，但主要依靠人工的视频侦查已不能满足当前公安工作的需求。在大数据背景下，人工智能技术引入视频侦查工作，实现了侦查效率的大幅提升，侦查工作从被动侦查转为主动预测，视频侦查主动预警系统逐步发展。借助人脸识别、微表情识别、异常行为识别、车辆识别等技术对高危人群、无前科危险人群、嫌疑车辆等实现主动预警，凭借其非接触、高隐蔽、高效率的特点，符合视频侦查的实战发展需求，具有重要研究价值。
关键词： 视频侦查；主动预警；高危人群；微表情；异常行为
视频监控系统的逐步建立、发展和普及，为我国视频侦查的发展奠定了良好的硬件基础。由于视频图像信息可以清晰的反映犯罪嫌疑人的体貌特征、行径路线和行为方式，直接为案件侦破提供了有效的信息支撑，因此近年来视频侦查已广泛运用于侦查工作之中，成为侦查工作中的破案增长点，弥补了传统侦查模式应对犯罪形式复杂化、多样化的不足。
在大数据背景下，依托人工智能技术的发展，视频侦查已不再满足于被动的查询、分析视频监控系统的信息资源从而破案，而是逐步转向提前介入视频监控信息，从而实现主动预警系统的建立。视频监控主动预警系统就是依托大数据平台和人工智能技术，对可疑人群、可疑车辆等开展智能识别和预警，有效弥补被动侦查的缺陷，实现积极防范和控制犯罪案件的发生，最大限度地保障公共安全。其主要表现在以下几个方面：
社科院金融研究所法与金融研究室副主任尹振涛称，设立理财子公司，在为打破刚性兑付困局提供制度保障的同时，也为商业银行今后开展理财业务提供了更多的优势。“无论是允许理财子公司发行的公募产品可以直接投资股票市场，还是扩大理财代销和合作机构的范围，都让理财子公司这张牌照价值提升，更具竞争力。”
一、高危人群预警
“高危人群”在百度百科的释义为，“社会上的一些具有某种危险性高的特征(多指疾病)的人群组合，而这种疾病不仅包括生理上的，也包括心理上的。”而公安工作中所指的高危人群主要是指犯罪心理学领域中的人格性高危人群，以地域作案手法为划分标准的地区性高危人群，以是否拥有犯罪历史划分标准的经历性高危人群(刑满释放人员和解除劳教人员)，以年龄段为划分标准的年龄性高危人群以及特殊类型的吸贩毒人员。①即前科人员、在逃人员、吸贩毒人员等对公共安全有直接或潜在威胁的人员。根据帕累托法则所述，在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。在侦查工作中则可以理解为，约80%的刑事案件是由20%的人群所实施的，而这20%的人群即高危人群，对这类人群的出现地点、活动轨迹开展视频监控主动预警有很重要的防范价值。高危人群本身具有较高的犯罪可能性，且公安机关对此类人群的信息掌握较为充分，预警实施具有针对性和可操作性。2017年春运期间，上海南站地铁站启用的人脸识别系统试运行第一天就协助公安部门抓获在逃人员2名。系统上线一个月，预警800余次，有效盘查652次，协助公安部门抓获嫌疑人286名。②
高危人群的视频监控主动预警系统依赖于高危人员数据库的有效建立和人脸识别技术的充分运用。高危人群数据库的建立是主动预警系统顺利运用的数据基础，数据库应收录高危人群的清晰人脸照片，同时关联其个人基本信息、前科劣迹情况以及危险程度等。人脸识别技术的运用是主动预警实现的核心技术，人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，也被称为人像识别、面部识别、Face recognition，其特点在于自然性和不让被测个体察觉。在不触动监控对象的情况下前端视频探头对监控范围内人脸进行抓拍，人脸图像将自动传输至监控中心并完成人脸图像预处理、人脸图像特征的提取，最后与高危人员数据库自动比对，当相似度达到设定值时即自动触发预警。
二、无前科危险人群预警
所谓微表情(micro expression)，是指极大地压缩了正常表现时间的完整的情绪性表情，尽管它完整地表现于脸上，但持续的时间仅止于一瞬间，快到让人难以察觉。③保罗·埃克曼(Paul Ekman)是研究微表情的先驱，他在一次对精神病患者玛丽的访谈录像带研究时发现了其脸上迅速掠过的极度忧郁的神情，随后便被笑脸所掩盖。这种表情可以完整的呈现人隐瞒的情绪，但转瞬即逝，往往只有1/25秒，不到1/4秒的时间，往往为人们所忽略。人类的面部表情是具有普世性的，不分种族、文化、年龄和性别，人在成长过程中逐步学会了情绪管理和表情的调整。但是由于面部表情过于复杂且具有人们难以破除的习惯性，当人在说谎时，被压抑的真实情绪往往会通过面部破绽——微表情流露出来，因此微表情研究往往作为谎言识别研究的主要内容。埃克曼博士研发出了微表情识别训练系统，可以有效提升训练者的谎言识别能力。目前，微表情研究也引起了很多学者的关注，在国家安全、侦查讯问、临床医学、政治选举和金融领域等多有应用。在安全领域，可以通过微表情识别判断对象是否具有危险性和攻击性；在侦查讯问领域，讯问人员可以通过微表情识别判断嫌疑人的心理变化；在临床医学领域，医生通过患者的微表情更好地了解其感受，有益于制定个性化治疗方案；在政治领域，通过研究政治家的微表情，更深入分析其能力；在商业领域，捕捉微表情利于掌握商业战略的主动性。
④Berg，J．M．，Dutton，J．E．＆ Wrzesniewski，A．，“Job crafting and meaningful work”，Dik B．J．，Byrne Z．S．＆ Steger M．F．(Eds．)Purpose and meaning in the workplace，Washington DC:American Psychological Association，2013，pp．81 ～104．
(一)微表情分析预警
产生犯罪的原因多种多样，视频监控主动预警系统除了要瞄准高危人群以外，对其他潜在的犯罪嫌疑人也要做出有效预警，这当然是对主动预警系统更全面的要求。当没有了可比对的数据库，应如何有效识别无前科危险人群呢？这就要从行为人实施犯罪前和实施犯罪行为活动中的微表情及异常行为的识别、分析入手。
视频监控探头还未普及到全高清状态，且由于人的行为轨迹具有移动性、人脸特征呈现部位的局限性，并非所有摄像头都能捕捉到有效高清正面人脸图片，那么这类对人行为特征记录的视频图像在视频侦查业务中就具有了更多的探索空间和应用价值，具体表现为可以用于行为异常的分析预警之中。例如人群在某政府机关门口迅速高密度的聚集，在异常事故疏散过程中的逆向行走，行为人突然高速奔跑、手持武器等均属于异常行为，且这类异常行为能够直观地反映出行为人对公共安全的威胁。当人工智能运算系统通过视频图像捕捉到这些异常行为的出现，就会及时预警、记录。视频监控人员可以从漫无目的且毫无目标的视频巡视中解脱出来，根据预警情况有针对性的开展甄别分析和研判，有利于防范危害公共安全的行为发生。
犯罪嫌疑人为便于踩点、实施犯罪、转移赃物、逃离案发现场、掩盖行踪等往往会选择驾驶机动车作案，而为了躲避公安机关的侦查，犯罪嫌疑人常选择租赁车辆、赃车、套牌车实施犯罪。机动车辆目标大、特征明显、数据信息多、行为轨迹易查，因此车辆识别技术的发展较为迅速，运用较为普及。传统的车辆识别技术可以识别车牌、车身特点等因素，随着视频图像技术和人工智能技术的发展，车辆识别技术也有了长足发展。一是体现在车辆特征细化。车辆特征范围由车牌、车型、年款、车标、颜色等扩展至车灯、车窗、车内装饰、驾驶席安全带情况、遮阳板状态等诸多细节，可以轻松实现对嫌疑车辆的识别、锁定和预警。二是借助视频监控和车载定位系统还可以对车辆行驶轨迹等特征进行二次分析。借助城市卡口路段的视频监控对重点路段进行监控，对车辆异常行为轨迹实现预警。例如，在机动车禁行路段突然发现车辆轨迹，在城市中心路段有机动车高速行驶追逐等车辆异常行为轨迹的出现往往伴随着恐怖、犯罪行为的实施而出现，及时主动预警再配合视频侦查人员有针对性的介入和分析能够有效组织公共危险的发生，为侦查快速反应提供便利条件。
(二)异常行为分析预警
总之，通过高危人群预警、无前科危险人群预警和嫌疑车辆预警等，提高对犯罪发生的预测和预警，公安机关可以实现整体把控局势，有效利用资源，主动侦查。视频监控主动预警系统的建设符合科技发展和公安实战发展的需求，具有非常重要的研究价值。
问卷设计完成后先进行小范围预调查并咨询预防接种人员，验证其合理性和可行性，进一步修正形成正式调查表。由2名流行病学专业的在读研究生负责问卷收集。预调查选择25名基层医务人员，3~7 d内完成重测，计算各条目计分和各维度得分分组的Kappa值在0.576~1.000，重测一致性较好。调查员统一培训，包括调查内容、方法和现场调查技术。调查完成后及时对调查表进行审核，更正空项和逻辑错误。
三、嫌疑车辆预警
随着人工智能技术进入微表情识别领域，研究机构和团队也在着手于微表情自动识别研究。CAC、Noldus等公司都推出了微表情识别系统。在主动预警系统研究领域，我们可以通过对行为人实施犯罪前的情绪状态进行捕捉，对潜在危险程度进行有效判断，有效甄别不属于高危人群范围的危险分子。通常人们在实施犯罪前往往会有因为内心的罪恶感、被发现后面临严重惩罚的恐惧感、从未实施过此行为的慌乱感等产生的异常情绪流露，当视频图像定位到人脸后，通过提取表情特征，确定表情特征分类从而对异常者实现主动预警。在某些特定场所，微表情识别技术可以借助高清探头，在嫌疑人无防备的状态下实现对非危险分子的预警处理，从而弥补高危人群数据库的局限性。但微表情分析预警的使用较高危人群预警更受环境、清晰度、算法、数据库的限制，适用范围较窄，研究深度和广度有待进一步提高。
对潜在危险分析的主动预警除了通过微表情分析，还可以依靠异常行为分析技术。所谓异常行为分析技术是指通过对人行为特征的捕捉和收集，依赖人工智能运用算法，实现对行为异常的把控和危险程度的预警。高危人群和微表情预警都需要建立在清晰的人脸特征的前提之下，然而并非所有的监控探头都能在任意条件下实现高清画质，也并非所有的被抓拍对象都将面部细节充分暴露。在有的视频图像中，我们仅能提取到的是人的身体和行为特征。那么这类非高清人脸的人像视频信息在主动预警系统领域是否有利用价值呢？答案是肯定的。
[ 注 释 ]
①王忠敏.高危人群的分析研判[J].江西警官学院学报，2016(4)：52-56.
②李振宇.人工智能：推动警务视频侦查技术发展的高速引擎[N].人民公安报，2017-04-02(03).
③[美]保罗·埃克曼.说谎[M].生活·读书·新知三联书店，2008：105.
对于轨道三维模型，利用Civil 3D部件编辑器，通过参数装配控制轨道和断面的几何形状。根据装配参数生成的轨道模型效果如图5所示。
[ 参 考 文 献 ]
[1]王忠敏.高危人群的分析研判[J].江西警官学院学报，2016(4)：52-56.
[2]李振宇.人工智能：推动警务视频侦查技术发展的高速引擎[N].人民公安报，2017-04-02(03).
[3][美]保罗·埃克曼.说谎[M].生活·读书·新知三联书店，2008：105.
[4]孔令勇.效益最优视角下的我国视频侦查工作进路[J].福建警察学院学报，2014(1)：47-55.
[5]王鹏，马红平.公共场所视频监控预警系统的应用[J].广西警察学院学报，2018(2)：42-45.
[6]高磊，赵炫.AI+公安视频分析应用进入新时代[J].警察技术，2018(2)：4-7.
*2017年度湖北省教育厅青年人才项目《大数据背景下主动式视频侦查研究》(项目编号：Q20174202)的研究成果。
中图分类号： TP18 ；TP391.41
文献标识码： A
文章编号： 2095-4379- (2019 )16-0063-02
作者简介： 段蓓玲(1982- )，女，湖北襄阳人，法学硕士，湖北警官学院侦查系，讲师，主要研究方向：侦查学。