经过十多年的发展，随着高清、智能、云计算等技术的持续演进，以平安城市为代表的大型监控项目建设，经历了从基础建设到联网共享再到深化应用的不同阶段，开始注重从粗放型向规范化和精准化转变，强调统一规划和顶层设计，强调以实用为目标，贴近实际场景；注重从价格竞争向技术竞争转变，通过创新技术带动产业升级和提升工作效率。

　　从国家经济建设和社会治理的宏观角度，2019年党的十九届四中全会，历史上第一次用一次中央全会专门研究国家制度和国家治理体系问题并作出决定，明确了推进国家治理体系和治理能力现代化的总体要求、总体目标和重点任务，提出坚持和完善共建共治共享的社会治理制度，保持社会稳定、维护国家安全方面，要求完善社会治安防控体系。坚持专群结合、群防群治，提高社会治安立体化、法治化、专业化、智能化水平，形成问题联治、工作联动、平安联创的工作机制，提高预测预警预防各类风险能力，增强社会治安防控的整体性、协同性、精准性。因此，深入推进创新和完善社会治安防控体系建设成为当前公安工作的重中之重，也是推进社会治理现代化、建设更高水平平安中国的基础性工程。为认真贯彻落实中共中央办公厅、国务院办公厅《关于加强社会治安防控体系建设的意见》、国务院《关于印发“十三五”平安中国建设规划的通知》部署要求，公安部治安管理局牵头编制了《全国公安机关社会治安防控体系建设指南》，要求省、市、县各级公安机关及派出所同步开展相关工作，计划2020年在100个标注化城市中创建50个示范城市。《建设指南》通过明确社会治安防控体系项目建设任务内容，依托“圈层查控、单元防控、要素管控”的设计思想，突出智慧警务和配套机制建设，着力解决防控体系布局不合理、建设不规范、系统不完善、标准不统一、工作碎片化、数据孤岛化等问题，切实增强规划部署的科学性和系统性，提升治安防控的精准性和有效性。

　　通过标准化城市创建活动，基于圈层查控、单元防控、要素管控的建设布局，推进智能感知、智能采集等信息化科技手段应用。在全国各级治安综合业务应用系统整体框架内，集成整合各类治安业务应用，重点建设重大活动安保、智慧内保、智慧安防小区管控、智慧街面巡防治安管控、公安检查站治安管控、地铁公交安保智能防控、危爆物品立体化溯源、易制枪物品图形比对、娱乐场所和特种行业治安管控9大系统模块。

　　按照“圈层查控”的建设要求，在环国边境、环区域、环省市的重要道路上科学布建公安检查站、治安卡口、电子卡口，在区域外围构建自动识别重点目标、及时排查风险因素、全面掌控治安态势的完整闭环的“治安防控圈”，实现“智能感知、精准识别、触圈预警、实时响应”，最大限度将不安全因素封堵在外围，处置在远端。

　　按照“单元防控”的建设要求，包括智慧街面巡防、智慧社区警务、智慧内保、地铁公交智慧防控、新兴业态、网络社区警务等七大领域。

　　智慧街面巡防是以“网格布警、屯警街面、动中备勤、等级响应、扁平指挥、高效”以巡区划分为基础，以街面警务站、驻勤点、勤务车组建设为抓手，做到快速反应、高效应对，最大限度提升街面控制力、震慑力。

　　智慧社区警务室整合区域“人、地、物、事、网、组织”等信息，以公共安全视频监控建设和智慧小区建设为依托，以警务室建设规范化、社区民警配备专职化、社区警务工作信息化为抓手，实现社区警务机制创新，提升社区警务工作效能。

　　智慧内保是通过对单位内部治安数据的收集、梳理、分析和挖掘，实现内保工作治安要素可防、可控、可查，推动内保工作方式由时候处置向事前预警转型升级，构建覆盖重点单位和行业系统的单位内部智慧化治安防控格局。涉及单位包括：医院、中小学、幼儿园及高等院校、银行、寄递物流业、党政机关事业单位及重点企业。

　　地铁公交智慧防控是配合交通运输部门，加强安保力量、装备、设备和机制建设，严防发生针对公共交通枢纽的暴力恐怖袭击事件、拥挤踩踏事件和个人极端事件，提升对禁限带物品的检查识别预警管控等应用，确保迅速有效地处置突发公共安全事件。

　　按照“要素管控”的建设要求，以“人、地、物、事、网、组织”等基本治安要素为重点，加强信息采集、数据汇聚、线索串并、精准预测、智慧决策等应用个，有效防范危害国家安全的案事件和公共安全事故，有效遏制暴恐犯罪和个人极端暴力犯罪，有效化解矛盾纠纷和群体性事件，全面提升对各类风险隐患的自动识别、敏锐感感知和防范能力。涉及要素包括：“一标三实”管理、重点人管理、枪支弹药管控、危爆物品管控、矛盾纠纷排查、保安服务业管理、大型活动安保社会面治安防控、网络安全等级保护。

　　从上述系统的基础工程建设角度，提出了派出所建设、群防群治力量建设、防控感知体系建设、治综系统、全国人口管理信息系统、网络安全管控的具体要求。

　　从规范引导和提高质量效率的角度，制定了考核评价体系指标，包括达标项（重点项目建设必须完成的指标）、优选项（在完成达标项基础上拓展的指标）和示范项（在实现达标项和优选项基础上的融入探索性和创新型的指标），实现了可量化的科学评测，并体现了区域差异性和基层可操作性。

　　认真研究学习《建设指南》，不难看出社会治安防控体系建设有别于之前建设的平安城市和雪亮工程，正在向立体化和纵深化发展，从物理空间区域上明确了城市外的多级查控圈和城市内的多类防控单元，从管控要素上明确了“人、地、物、事、网、组织”等基本治安信息，从应用主体上明确了公安机关、政府机关及公共服务单位和社会力量的多元群体，从防控手段上明确了技防、人防、物防和责任防建设，通过考核评价体系强调宣传教育和服务群众。

　　不论是“圈层查控”、“单元防控”、还是“要素管控”，采集数据都是核心基础。深化社会治安防控体系建设的主要目标就是有效利用公安平台数据、有效汇聚治安综合业务应用系统数据、政府政务数据和互联网数据以及城市物联网数据，全面支撑技术与业务的融合，不断释放数据智慧，实现决策科学化、治理精准化和服务高效化。

　　面向多警种的大数据管理和分析平台，不仅要通过对海量数据的收集、整理、归档、分析、预测，从复杂的数据中挖掘出背后所蕴含的内在的必然的因果关系，找到隐含的规律，而且要向各警种提供集中资源、集中管理、集中监控和配套实施统一的大数据应用环境，担负起对各警种实战应用的支撑、服务、保障作用，提高公安机关打击犯罪、应急处突、治安防范、社会治理等多方能力，为防控公共安全风险提供有效手段。

　　2019年12月27日，公安部部长赵克志在全国公安科技信息化暨大数据智能化建设工作会议上强调，牢牢把握推进国家治理体系和治理能力现代化的总目标，紧紧围绕坚决打赢防范化解重大风险攻坚战，下大力气固根基、补短板、强弱项，大力推进公安大数据战略实施，不断深化大数据智能化应用，为提升公安机关维护国家政治安全和社会稳定的能力水平、切实担负起党和人民赋予的新时代使命任务提供强有力的支撑。赵克志强调，要坚持统一运行网络、统一基础设施、统一数据资源、统一服务平台、统一安全策略、统一标准规范，加快推进公安大数据智能化建设和应用，着力构建公安大数据智能应用新生态。要加快数据融合，把数据资源汇聚共享作为大数据智能化建设的基础工程来抓，进一步打通数据融合渠道，打破数据“孤岛”，积极推进联通共享的大数据平台建设，加快形成覆盖全警、统筹利用的数据信息资源服务体系。要做好服务支撑，紧贴基层一线实战需求，完善数据开放服务机制，加强基础性、通用性服务供应，建设完善应用系统，有效提升实战应用水平。要创新移动警务应用，深入推进“互联网+公安政务服务”一网通办，为深化公安“放管服”改革、优化营商环境提供更好的服务保障。要加强数据安全保护和分级分类、依法依规管理，完善工作监督机制，强化公民个人信息保护，严防数据滥用和泄漏。

　　建设社会治安防控体系需要实现“用数据来说话、用数据来管理、用数据来决策、用数据来创新”。《建设指南》要求实现信息感知的全面、全量、实时。公安机关在履行社会管理职责过程中，管理储存人口信息、接处警信息、出入境信息、旅店宾馆住宿信息、机动车信息和驾驶员信息等各类数据。这些数据来自于不同的知识领域，包括结构化的文本信息，非结构化的图片和音频视频信息。

　　视频监控作为公安大数据的重要组成，可以实时显示现场图像和记录回放历史场景，在发现犯罪、预防犯罪、威慑犯罪和锁定目标、提供线索、固定证据等重要作用，图像中的人、车、物、事件等数据已经成为社会治理的核心要素，但图像资源中包含大量冗余信息，通过人工查找回溯，不仅占用了大量人力和时间，而且因为个人能力的差异和时空交叉数据研判比对的复杂性，会导致对目标认知的偏差。

　　目前，将视频转化为数据的关键手段是图像解析，通过深度学习和模式识别等AI智能技术，从图像中自动检测目标、提取特征并对内容进行结构化描述，实现对活动目标和异常事件的实时分析和线索追踪，从而启动预案和精准处置，让监控从事后被动回溯向事前主动防范转变。公安机关重点关注的图像数据包括人脸识别、车辆识别、人体识别和动作行为识别。采用AI智能技术可以实现前端图像解析和后端图像解析，前端解析产品是智能摄像机，在采集视频和图片的同时，依靠强大的AI算力和智能算法，分析人员和车辆的特征属性，为后端的数据中心提供结构化的数据，可以减少后端分析所消耗的计算资源和网络带宽等系统成本。后端解析产品是智能NVR和智能服务器，智能NVR适合中小型项目使用，可以在存储录像的同时，对视频内容进行智能解析和提取信息，比如小型比对库的人脸识别/车辆识别等。智能服务器是基于服务器和高性能计算芯片以及深度学习算法，对人脸特征、车辆特征、机动车/非机动车/行人的全目标特征进行快速全量提取和精准识别比对，比如动态人脸的识别比对、卡口车辆图片的二次解析和以图搜车、行人的衣着体貌特征识别和以图搜人等。后端解析产品的优势是算力强大可运行复杂计算。

　　图像经过解析后的结构化数据包括了活动目标的海量实时动态信息，大数据的大量性（规模超大、不断攀升）、高速性（高速产生、处理高效）、多样性（种类多样、来源多样）、低密性（有用数据提纯）的特点，给获取存储管理、处理传递共享、关联聚类分析等常规数据分析技术带来了较大挑战。由于社会治理的问题复杂度、数据数量级以及可能产生的价值和影响力无法想象，从海量的数据中提取出有价值的信息需要多学科多技术的研究，特别是AI智能技术。基于AI智能的大数据平台，针对数据进行模型设计，通过大数据治理技术将海量多源异构数据治理成行业知识，结构化数据通过数据库或者数据仓库解决，半结构化数据使用网页和搜索引擎等技术解决，非结构化数据使用深度学习、网络交互和群体智能解决，再基于知识图谱数据库完成行业知识内容理解，通过机器学习、符号推理等技术分析挖掘隐藏在行为背后的信息。