
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29