近年来，随着AI及物联网技术的不断发展，也随着警务工作改革和社会安全需求的不断变化，为了落实中央和公安部"公安大数据"建设的要求，以"雪亮工程"为代表的新一代技防工程正在紧锣密鼓的有序推进。各地公安立足实战，开展了智慧警务和公安大数据系统的建设和升级。其中，采用华为智能视频云技术方案作为主体框架的合肥雪亮工程，对于各地公安的信息化、实战化、数字化建设都具有参考性意义。

　　公安技防工作的三个阶段和存在的问题

　　在探讨合肥雪亮工程项目前，我们有必要回顾一下我国视频技术应用于公安实战的历程。视频侦查实战应用包括视频侦查理论体系、视频侦查技术、视频侦查应用体系等三个方面。从无到有、从有到强、从强到精，视频从文件到资产的演变，也成为了涵盖具象、资产、背景、轨迹等多要素融合的体系化大数据。但在现实应用中，视频技术应用于大数据还存在较大制约和诸多问题。

　　1、由于平台和业务相互独立、人员办公地点不一致，使得多警种、多资源、多手段的协作成为难点。

　　2、接口多样、运行分散，规模化管理难度大，容易形成多平台下的信息孤岛。

　　3、视频智能算法部署存在资源利用率低、跨区域共享困难以及算法绑定应用使得应用难创新等问题。

　　4、人流密集的关键卡口（步行街、火车站、汽车站、飞机场等）漏拍和重复抓拍等效率、效能问题突出。

　　5、海量摄像机的智能化升级和改造亟待解决。

　　6、视频数据与公安信息网的整合和一体化建设问题。

安防智能化发展的三座大山

　　分析上述问题，我们不难发现，视频技术服务于公安和大数据所存在的问题，可以归结为技术、规则和平台搭建三方面，也就是算法、算力和云平台建设。算力不足制约前端大脑、算法封闭制约开放平台和应用创新、云平台搭建的孤立和本地化制约多业务部门的数据交融和共享。如何搭建跨警种和跨区域的开放平台？如何解决智能时代新的信息孤岛？如何让安防从被动防御向主动出击转变？合肥雪亮工程的建设，给了我们一个很好的参考。

　　解读：管理布局和实战落地

　　合肥雪亮工程的布局，围绕着"514N"展开。即：建立并织密综治防控、人像感应采集、车辆特征捕获、无线网络信息采集、高空立体防控五张网；打造全市一片云，在云端实现软硬件、数据与业务、算法和应用的解耦；构建视频共享服务、视频图像解析、大数据存储、大数据挖掘等四个平台；吸收"514"的结果，建立公安视频图像、综合治理、社会视频等一系列应用服务平台，将视频大数据进行无限深挖、解析、呈送、分发，实现一个数据单元的N种应用。

　　

构建统一平台让视频数据融会贯通

　　1、智能视频云落地让共享成为现实。华为作为合肥雪亮工程的智能视频云供应商，最重要的就是要解决实现要解决在"514N"布局中提出的多网共享和交融问题。多警种、多业务单元以及庞大的社会摄像机存量，想要统一吸纳、分级管理，是一个非常复杂的过程。前端设备相对独立、业务属性不尽相同、业务诉求多种多样，仅仅是终端智能远远达不到海量数据收集和管理的诉求。这需要一个强有力的云平台将现有资源进行有效整合，在"端"实现智能的同时，让边缘域同时进行二次结构化处理，并将结构化数据交付云端，进而完成边缘感知、云端认知的过程。在这里我们可能要有疑问，一个城市，数以百万计的摄像机（包含公安和其他应用场景），真的能够集中到一个平台进行汇集和解耦吗？如果从海量数据下的云服务看，只要本着"物理分散、逻辑统一"的方式，将复杂的端设备和边缘结构数据接按照"相对独立、绝对统一"的软硬件+云平台方式进行先解耦、后耦合的方式处理，是完全可以实现的。这区别于之前我们理解的视频云业务，原来的视频云，在我们的理解里，大多是在前端和边缘节点的智能，这是相对智能，仅仅完成了感知的过程。而PaaS级的公有云智能，或者说是真智能，才能在云平台完成"既独立又统一"的功能，而不是"大脑迟缓、器官灵活"的局部智能。

　　

多算法仓确保应用落地

　　2、算法开放，打通封闭，确保实战应用落地。传统安防生态决定的算法各成一家、互不相同的局面至今仍旧是困扰公安大数据落地的难题之一。算法的僵化，直接制约了各个业务单元个性化的需求，给服务实战造成了人为的障碍。华为中国地区部副总裁、安平系统部总裁岳坤在之前的演讲中曾经提到，智能摄像机不只是人像摄像机，不仅仅要看人看车，更要有一个开放的算法训练平台，帮助用户根据业务需要快速训练生成算法。在实践中，我们也看到华为在多算法融合、打破算法壁垒上给出的解决方案。合肥雪亮工程建设中，采用了多算法仓以实现不同企业间的算法为同一平台服务的目的。多算法仓统一引入，兼容数厂商的诸多算法，实现上下级跨域算法集中管控和共享，解决跨区域算法间无法互相配合的问题。在提供算法训练的同时，能够让更加开放的平台赋能业务，在PaaS层完备的情况下，让生态伙伴利用自身优势提供SaaS服务，以实现平台场景的落地和快速部署。尤其是在5G时代来临之际，高速网络+灵活的应用，对机动作战、安保巡逻有重大意义。

　　3、提升算力，确保信息获取全面、及时、高效。人脸识别落地安防过程中，遇到最大的问题，场景还在其次，首当其冲的就是算力问题。如高敏感、高人员密度区域的大流量快速人像检索和识别，一直是困扰智能化识别的难题之一，一旦单位面积内人员密度达到一定程度，摄像机往往会出现漏拍、重复抓拍等情况，造成危险预警漏洞、存储和传输资源浪费。合肥部署的城市门禁系统中，如淮河路步行街，使用了华为最新的昇腾310芯片，抓拍效率获得大幅提升。该系统前端设备能够支持200张/帧的抓拍，远高于业界20张/帧的能力。在4K监控下，大视野，监控范围达30m，人流密度大，抓拍仍然不漏人，并且重复率小于8%，也远远领先于业界20%的重复率。不讲算法的算力是瘫痪，不讲算力的算法是傻瓜。只有算力算法相辅相成，才能够让智能化发挥最大的优势。

　　

全方位立体化防控系统

　　4、科学部署，让资源为我所用。在雪亮工程、平安城市建设中，如何利用设备和系统执行任务、在同等数量基础上提升效率，是一笔经济账，也是最终效果的重要保证之一。在合肥的雪亮工程建设中，华为特别注意了多单位设备和数据的兼容性问题和科学部署发挥设备最大效能的问题。据资料显示，合肥市在采集虚拟卡口数据时，复用任意厂家、品牌高清监控摄像机，均可实现车辆的特征的抓取和锁定。在部署方面，卡口的虚实结合，虚拟卡口与常规卡口的数据融合，构建了卡口大数据系统，有效保证了车辆的信息抓取、轨迹锁定、区域和频度分析的可行性和可靠性。城市重点区域的摄像机高低搭配，高点摄像机掌控全局，地面点位摄像机掌握细节，实现了城市的立体化防控。而1拖N给的赋能，又给IPC装上智能化大脑。城市中巨大的普通IPC存量和智能摄像机相对较高的价格让大批普通IPC的迭代和更新存在很大的现实经济问题和技术难题。对此，合肥视频侦查支队与华为合作实验，通过在支队门口新部署1台智能摄像X2221-CL，完成了现网2个普通摄像机的智能化改造。1个大脑，带了多个眼睛，实现智能化能力数倍提升，有效解决了升级和联动问题。

　　经过一年多的实战检验，合肥的雪亮工程在多轮驱动+智能云的加持下，在街面侵财类犯罪打击、网上追逃等方面取得了亮丽的成绩：2018年，合肥视频支队侦查队共抓获各类违法犯罪嫌疑人员1564人，抓获数同比提升215%；全市扒窃警情，同比大幅下降40.42%；全市盗三车警情，同比下降25.27%。仅2019年前三个月，视频支队就抓获463人；其中向行动队推送137人，特警43人，分局283人。在有效的震慑了犯罪分子的同时，也有效的降低了发案率。

　　合肥雪亮工程建设的启示

　　合肥雪亮工程的建设，是近年来众多智慧公安和公安大数据项目中的一个，也是非常具有代表性的一个。智能化的真正落地，让安防从被动防御变成主动主动出击、让数据从孤岛成为公共资源成为可能。透过合肥的雪亮工程项目，我们可以稍作总结，为公安大数据一体化建设总结宝贵经验。

　　1、云是智能化落地的基础。泛在智能时代，物联网前端设备爆发，要实现这些设备的有效管理，实现"边+端"的数据高效吸收并让视频大数据在赋能各行各业中发挥关键作用，云是绕不开的。边缘智能+云智能才是真正的智能，偏居一隅的数据抓取、分析，只能让数据服务客户，而不能将数据变成社会价值形成高密度应用。

　　2、建设生态，深度赋能用户。视频监控发展到今天，设备掌握在企业手中，但是设备所拍摄、存储下来的数据却是用户的，这部分数据在未征得用户授权的前提下是不能运营并利用的。应用的落地、场景的细分，一个企业无法面对N个场景，在开放算法平台、提供算法训练的基础上，是必要将更多的应用交给伙伴去完成，大企业自身提供平台，做技术服务型公司，这才是一个健康市场应有的状态。

　　3、在强调云服务集成的同时，必须保证硬件、场景的底层物理分散和云端的逻辑统一。这是一个不断解耦和整合的过程，只有这样，才能在满足大平台规划的同时，以基层业务为中心，确保应用的快速落地，也确保数据能够顺利的汇集并二次、三次利用。让安防从一个被动防御的过程变成主动出击的过程，才能完成视频监控变客为主、打防结合的使命。