
合肥应用“视频大数据”打造“天网2.0” 明年3万高清电子眼覆盖全市
1小时的视频,通过大数据应用,自动选出动态画面,将时长浓缩至5分钟,大大提高警方办案效率。两年多来,合肥视频监控系统“天网工程”的不断推进,合肥市深度运用“视频大数据”开展实战,打造“天网2.0”。
近日,人民网安徽频道从合肥市政法委获悉,目前合肥已建设1.6万个数字高清摄像机,初步构建立体化的视频防控体系。明年年底,3万个数字高清探头,将覆盖全市县市区的重点路段和重要区域。
视频监控综合应用助力案件侦破
近日,合肥市蜀山区社岗路一网络会所门口,市民朱某某发现自己停放的燃油助力车被盗。朱某某停放车辆只有几分钟,接警后,井岗派出所民警立即调取了现场的天网监控。
在井岗派出所的勤务指挥室内,所长李春生介绍,指挥室24小时有人值班,接到报警后,民警鼠标一动,就能调出现场画面,并进行回放。
“从监控里,我们很快掌握了两名嫌疑人的作案经过,以及他们的体貌特征。”李春生介绍,案发路段正在修路,嫌疑人只有两个方向可逃,附近的两辆巡控车立即分头搜索。10分钟后,一辆巡控车发现嫌疑人并将他们抓获。
“监控拍下了案发经过,有的嫌疑人被抓后想抵赖都不行。”合肥市公安局警令部信息中心副主任盛虎介绍说,合肥市搭建了三级视频云存储系统,为视频实战应用提供了大数据支撑。通过云存储系统,全市1.6万个探头的高清视频,可以实现30天存储,而涉案视频资料,则实现了永久存储。
通过天网系统现场抓获嫌疑人,只是合肥警方视频实战应用的功能之一。通过全市统一的视频综合应用平台,视频实战已覆盖治安、交警、指挥、警卫、巡控等多警种,实现了视频浓缩摘要、虚拟卡口、图像处理、查询分析等功能。
人民网安徽频道从合肥警方初了解到,在服务侦查破案方面,“天网”也发挥了很大作用。包括“房云云”盗窃案、凡莎莎非正常死亡案等在内的重大案件侦破中,视频实战应用都起到了重要作用。
立足视频监控大数据打造“天网2.0”
2013年8月,合肥市政府投资5.37亿元着手打造“天网工程”,虽然工程由公安部门推进,但除治安管控、案件侦查外,该系统还有效服务于社会综合治理、突发事件处置等工作。
合肥市公安局警令部副主任、信息中心主任吴波介绍,“天网系统”搭建了全市统一的万兆视频专网,既覆盖全市各级公安机关,也覆盖市区两级政府共享应用需求部门。其中,城管、应急、人防、市政等政府部门,都实现了整网监控视频资源全市共享调阅应用。
在城市管理方面,天网视频全面共享接入市、区两级城管部门,为推进全市数字化城市管理工作发挥重要支撑作用。
“‘天网工程’的视频资源是一个基础,这个大数据公安可以用,城管也可以用,根据城市管理的需求,开发出相关的应用。下一步,其他部门也可以基于这个资源进行应用开发。”吴波说,城管执法人员可以通过“天网”查看哪些路段有违法占道经营、摆摊设点,并很快进行处置。
依托视频监控,合肥全面提升了城市交通管理、城管综合管理的能力、效率,在合肥成功创建“全国文明城市”中,发挥了重要作用。
此外,在公安安全、突发事件处置等工作上,基于“天网工程”的应用开发也在不断创新。
“我们可以在指定视频区域内,设置人员密度系数,一旦超过这个密度,系统就会自动报警,我们就可以迅速进行人员分流等应急处置。”合肥市委政法委副书记、市综治办主任许道和说,基于“天网工程”进行深度研发,根据需要开发出众多视频应用功能,与传统的视频监控相比,如今的“天网”可以被称为2.0版本。
高标准规划建设,明年3万摄像头覆盖市县区
“合肥‘天网工程’的一大特点,就是坚持顶层设计,高标准统一规划建设,避免了多方投入,重复建设。”许道和介绍说,该项目一开始就以视频大数据为核心,实现全市范围内视频资源的统一管理、统一调阅、统一存储,进而实现对视频大数据的高效分析挖掘。
人民网安徽频道从合肥市公安局了解到,经过多轮选点、论证、勘察设计,前端1.6万个探头基本上形成了“封闭成环、汇聚成网”的立体监控网络。随着工程的不断推进,预计明年年底,合肥市县区将建成3万多视频监控,“天网工程”实现重点路段、区域的全覆盖。
此外,整合社会视频资源的工作,也在全面推进。
目前,合肥市公安局正在对“天网”的每一个杆件进行规范编号,与接处警系统对接,可实现全市监控杆报警定位功能。如果报警人不熟悉地形,找到最近的监控杆,报出编号,就可以让民警迅速赶到现场。
在深化视频应用的同时,合肥“天网工程”也建立了一整套安全保障体系,包括网络安全、终端安全、数据安全管理等。
“谁在哪里调取了什么视频,系统都能查到。”盛虎介绍说。
在合肥“天网工程”的建设中,合肥市公安局同步开展视频前沿技术研究和成果转化推广,三项研究被列为安徽省科技强警科研项目。合肥市视频监控建设的标准规范化,也被列为安徽省地方标准发布推广。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15