人脸识别技术在公安工作中的应用推进

当前,人脸识别技术在公安工作中的应用既面临重大机遇,也面对许多挑战。借助该技术,公安机关可以实现对各类违法犯罪分子的快速识别和及时布控,但这又必须以更大的比对容量、更高的识别精度为前提。对此,通过"无感"方式持续获取相关信息,并进一步通过大数据人工智能算法进行人员分类刻画,可以较好地克服现有难题,提升公安机关的社会管控能力。虽然在隐私保护、精准识别和行业标准制定等方面还存在有待完善之处,但随着人脸识别技术的不断成熟,其必将对大数据信息化条件下的公安工作产生巨大的推动作用。

公安机关人脸比对系统联网应用的探索与实践

对人脸比对系统联网应用的现状及需求进行了分析,提出了省市县三级人脸比对系统联网应用和人脸资源汇聚整合应用的总体技术架构,开展了多源人脸识别算法在警务实战中的应用探索。

基于稀疏交界最大密度连通的模糊聚类方法

为解决现有密度聚类算法中参数设置依赖经验、复杂密度环境下聚类精度不高等问题,提出了基于簇间最大密度连通点进行密度簇分割与合并的模糊聚类方法。基于高斯混合模型计算数据点密度,形成高维离散密度空间,通过低精度网格连续数据空间,结合插值算法赋予空白网格相应密度,构建连续高维密度空间。对数据点按密度排序后,利用能否从大于当前密度的点集中连续可达识别密度极大值点,再以密度序实现极大值点的邻域扩张,以扩张矛盾实现稀疏交界处最大密度连通点识别、密度簇分割。最后基于最大密度连通点计算密度簇间隶属度,设定隶属度阈值,实现相关邻簇的合并,完成聚类。通过与多种密度聚类算法进行仿真对比验证,该算法大大降低了经验参数的依赖性,具有全局统一的合并隶属度,提升了多密度下的类识别能力。

异常轨迹数据预警与预测关键技术综述

重大突发事件的事后处置已经愈加无法满足当前社会的迫切需求,急于需要向事前异常行为的预警预测转型。传感器网络与定位技术的快速发展与普及,为时空轨迹数据挖掘奠定了基础。围绕异常轨迹预警预测挖掘这一核心目的,对异常轨迹聚类识别与轨迹预测的国内外研究现状和进展进行了理论梳理、剖析,综述了相关算法在城市异常轨迹数据预警预测中的应用,指出了所面临的挑战和进一步的发展方向,为该领域的进一步研究提供参考。

大数据时代警用视频智能技术发展实践与思考

在当前的公安工作中,受限于视频监控技术的发展,海量视频资源的利用受到极大限制。要克服这一难题,可以在了解智能视频技术在国内外发展现状的基础上,通过对智能视频分析技术的基本功能应用、与案件侦查的融合应用、与典型警务系统的对接应用以及与指挥调度工作的融合应用等方面的分析探讨来寻求有效突破。

基于一维卷积神经网络与改进D-S证据理论的警务云安全数据融合技术

针对系统内评估信息来源单一、准确度偏差过大与异构数据提取融合不充分的问题,提出一种可扩展攻击行为的多源异构网络安全数据融合框架。首先,建立以攻击模式为核心的安全事件分析模型,进一步精简安全数据;其次,针对决策层数据特征提取不足的问题,建立了基于攻击行为的1D-CNN(1D convolutional neural network,1D-CNN)模型,对警务安全数据进行特征学习和重构;最后,为了进一步提高警务云安全数据的分类能力,模型改进了D-S证据理论并结合多源安全数据的可信度进行数据融合。实验分析表明,基于1D-CNN的改进D-S证据理论模型进一步提高了警务云中安全事件的报警识别率,与其他相关技术相比,该模型具有较好的分析能力,对警务云的安全入侵检测和漏洞分析具有重要意义。

基于道路交通事故时空分析的道路工程安全审计研究

随着社会经济的发展,道路建设的需求也日益增长,交通安全形势也随之面临着日益严峻的挑战。本文探讨了道路工程安全审计的定义、目标和工作内容,剖析了道路工程安全审计各阶段重点内容。通过分析某地区2017年、2018年交通事故的特征,发现该研究区域的事故发生特点,通过道路交通事故发生日期与天气的分析,发现特定日期,极端气候导致的道路交通事故多发性存在。参照道路工程安全审计,提出减少道路交通事故的改进建议。

警务云数据安全删除技术及应用

警务云在复杂的网络环境下确保数据安全是亟需解决的问题,其中数据删除属于数据生命周期中最为关键的一个步骤,应考虑分布式存储与共享技术等带来的安全风险。结合警务云4层架构中存在的数据删除的安全威胁,在警务云环境中分析目前技术优缺点与可行性,数据删除部分分析了基于数据擦除、基于密钥管理的安全删除技术和数据删除验证技术的优缺点与未来研究方向,为机密数据安全销毁及验证提供了方法比较。针对警务云中存储节点信任边界难以扩展的问题,引入可信平台模块,提出了适用于警务云的可信删除框架,在此基础上结合E-CFH函数进行密钥树管理以减少TPM内部存储占用,提高框架运行性能,该框架不仅实现了存储集群中节点的可信验证,并且节点自身可以灵活选择不同加密规则进行文件存储与删除,增强了数据的保密性与完整性,为数据生存生命周期内的数据安全管控提供了有益的参考。