摘要：随着现代化技术以及信息化手段的高速发展，社会已经进入到了全新的发展进程中，这也为视频图像技术的发展起到了良好的促进作用，而站在实际情况的角度上来看，目前公安领域属于应用视频图像技术的主要场所，在各类公安侦查工作的实际开展进程中，视频图像已经成为了内部的主要线索，同时也属于对各类案件进行办理时需要采用的主要工具，所以，这就需要进一步提升对于视频图像技术的重视程度，并充分结合现代化技术以及智能化技术的应用来逐步完善视频图像技术的措施建设理论。因此，文章首先对公安视频图像技术的基本概述展开深入分析;在此基础上，提出公安视频图像技术措施建设的具体措施。

关键词：视频图像技术;措施建设理论;具体措施

引言：在目前各类科学技术高速发展的背景下，各类信息化技术已经成为了群众日常生活当中至关重要的组成部分，而在享受各类信息技术带来的便利性的同时，一部分违法分子也同样通过这些高科技技术来损害群众的财产安全。因此，公安机关就必须要提升对于视频图像技术的重视程度，在其中适当的引入一些先进的智能化应用，在解决实际工作中各类困难的同时，促进工作效率与工作质量的同步提高。而通过视频图像技术措施建设理论的完善优化，也能够为公安机关内部办案模式的改革与创新起到良好的促进作用，同时也属于促进后续公安技术侦查工作稳定发展的关键所在。

一、公安视频图像技术的基本概述

通过视频图像的应用，可以将以往那些处于静态状态中的图像更好的连接在一起，使得原本的事物能够得到简单化处理，保证各类数据信息可以实现精准化传输，而目前视频图像信息技术当中的主要技术就在于远程化的视频监控，能够实现对于案件现场全过程的深入分析，还可以采用构建网络系统的方式，将案件现场当中的各个摄像头有效连接在一起，并派出专业化的工作人员来针对视频监控系统进行更加全面的分析，以此来明确现场中的实际情况，从而为后续案件的侦查提供出更加优质的线索。而通过计算机技术来实现视频图像内部的网络连接，能够保证各类数据信息在短时间得到高速传播，并且在网络系统起到的支持作用下，视频监控信息技术就可以通过自身极高的实用价值，针对案件的具体内容加以控制，还可以采用计算机或是其他类型的移动设备来对案件现场的实际情况进行观察，并准确找寻出内部的关键点，这样就可以为后续案件的侦破提供出更加科学合理的依据[1]。

（一）公安视频大数据与人脸识别

公安视频大数据，其所指的主要内容就是那些与公共安全有着紧密联系的数据信息，这部分数据信息有着极高的增长速度，并且还体现出了十分显著的大数据特征，而内部的数据信息囊括了公安的多方面业务，比如刑事业务以及交通业务等，这部分业务视频数据信息一同组建成了公安视频的大数据。站在实际情况的角度上来看，我国目前的案件侦破，其与公安视频大数据之间有着十分紧密的联系。而人脸识别在本质上则是一种灵活应用视频图像分析的技术手段，能够准确挖掘出图像内部存在的各类信息，并将其当做后续监控、追踪等公共安全工作顺利开展的主要措施，通过对于图像信息所进行的深入挖掘，就可以将这部分信息与人像之间加以匹配，这样就可以为后续的犯罪侦查以及治安防范等多种内容奠定坚实基础，而在目前的时代发展进程中，人脸识别技术已经逐步深入到了公安视频处理当中。

（二）视频处理的需求分析

为了有利于公安机关各类工作的顺利开展，我国在各大地区当中都安装了对应的摄像头，通过这种装置可以有效收集对应的视频图像信息，从而为后续案件的侦破提供必要的线索。然而，尽管我国当前的摄像头在清晰程度方面得到了较为显著的提升，但却并没有在全国的范围内进行普及，只有小部分地区更新了高清的智能化摄像头，这就导致后续所采集到的视频图像信息，大多数清晰度都比较低，只可以基本看清人体的轮廓，脸部不够清晰，如果只是单纯的通过人眼进行识别，其很难保证基本的正确率，并且人眼观察所消耗的时间也相对较多，在后续的案件处理过程中，往往都需要降低视频图像的处理时间，从而为后续的抓捕或是处理等工作争取更多的时间。因此，这就需要在其中引入现代化的视频处理技术，而在对各类公安视频进行处理的过程中，还需要更加精准的对视频内部的人脸信息进行提取，在最大程度上进行还原，以此为基础来对视频当中人员的具体身份进行准确判断。通过对于大数据应用方案的应用，就可以同时对各类视频数据资料加以处理，并在短时间内找寻出所需的人脸图像信息，在这一阶段中，还要求应用方案当中应当具备人脸的充足功能，这样就可以有效解决摄像头清晰度不足等多种问题[2]。

二、公安视频图像技术措施建设的具体方式

（一）发挥出公安视频图像的基本特征

首先为多智能技术服务支撑以及多数据分析挖掘，在系统内部可以建立起GPU集群视频图像的解析域，而以深入学习技术为基础所形成的车辆解析、人脸解析、视频结构化算法等多种视频图像智能分析技术的应用，可以在根本上提高视频图像的智能化预警能力，确保视频图像自身的智能解析能力可以在根本上得到提高，有效提高视频图像的智能化应用能力。而系统在视频图像解析过程当中所得到的车辆、人员以及人脸等多种活动目标多得出的结构化数据信息，而后就可以通过视频大数据技术的应用来展开深入的大数据分析，从而对模型设计内容进行全面挖掘，还要对行车的轨迹、行车伴随以及车辆的落脚点等多种内容进行分析，这样就可以提供出更加优异的大数据信息分析与挖掘服务;其次为多角度视频服务设计以及视频的综合应用，在系统当中应当按照事前到事后的基本时间维度，充分结合各大维度中业务关注点的基本属性展开全面的服务设计，在案发前应当将安全防范控制作为主要内容，利用视频图像来对车、人等要素出现的变化情况，从而针对性的提高事件的防范能力以及预警能力。而在案件处理过程中，就要将对于各类突发事件进行的处置当做核心内容，利用视频图像来提升对于各大重点线路与重点区域的应急调度能力与指挥能力，而在案发过后就应当针对案件展开深入的研究与判断，利用视频图像来对案件的全生命周期展开系统化的总结。同时，系统主要就是将视频图像信息的综合服务作为主要目标，在防控与研判的角度上设计出多样化的视频应用内容，这样就可以满足多个警种对于视频图像信息应用方面所产生的基本需求，其中应当针对多个警种来提供出将视频图像信息作为基础内容的综合性应用服务内容，并对公安机关来提供出一站式的视频警务综合服务内容;最后则是要保证其能够符合国家的战略发展方向，通过视频结构化技术来实现对于图像的深入解决，提取出那些重要的要素信息，这样就可以更好的满足公安部门在大数据警务云方面的建设需求，保证其能够服务我国大数据方面的主要战略发展方向[3]。

（二）引入大数据Hadoop技术

1.公安视频人脸识别。首先是视频数据人脸识别技术，目前的图像人脸识别，其很难有效满足公共安全工作开展的基本需求，当前的工作要求应当处在具备着动态化特征的视频数据信息中对人脸进行准确识别。通常情况下，在视频数据信息内部所挖掘出的人脸图像在质量方面相对比较低，这也使得对于人脸的准确识别成为了公安视频图像技术应用中的关键所在，而在Hadoop技术当中，其可以对分布式视频图像进行科学合理的拆分，并通过集群视频转码的方式，从而为后续视频的高效处理来创造出更加优异的条件;其次则是Hadoop在分布式人脸识别当中的应用，主要就是将云架构作为基础所在，通过云平台内部所具备的高效计算功能，在短时间内实现对于各类视频图像信息的高速处理，而云平台的算法比较多，但可以同时满足年龄、角度以及光照等要求的算法则比较少，MapReduce框架作为一种较为经典的算法，其内部具备着较强的计算能力，可以对多种限定条件中视频图像的计算起到支持作用。所以，这就需要选择这种框架当做公安视频人脸识别当中所采用的主要计算工具。为了在根本上提升视频信息的处理效率与处理质量，就要采取并行处理的方式，利用Map映射处理来建立起相似程度比较高的人脸图像信息，并作为主要的人脸对比资料，而在输入端方面录入对应的公安视频资料过后，就可以针对分布式视频图像的各类细节进行自动屏蔽，通过对于多种函数的构建，结合视频处理的规定内容来更好的映射出人脸的图像信息，这样就可以并行完成对于多个节点视频的高效处理[4]。

2.公安视频处理系统。首先是系统的基本设计，结合实际情况可以将公安视频处理划分为三个不同层次，分别是低质量图像重建层、视频数据信息解码层以及Hadopp集群。而结合视频图像处理阶段中不同层次之间存在的关系，可以设计出具备着系统化特征的整体框架结构，而Hadoop集群属于整体公安视频处理工作当中的底层，可以采取HDFS Streaming模式，针对公安视频文件当中存在的各类视频数据信息进行读取，而后形成视频MapReduce分布式数据信息处理结构，在经过拓展层过后，就可以将相关的数据信息直接传送到视频数据信息解码层当中，而在这一层所负责的工作内容，就是要将原本的视频数据划分为多个不同片段，还要将每一个片段当中的数据信息编码为频帧，这也有利于后续进行图像处理。通过I/O口建立的通信连接，就能够与人脸图像图片处理接口层更好的连接在一起，实现对于那些低质量图像的重新构建，在经过人脸部位识别过后建立起全新的脸部结构，这样有利于提升整体人脸识别的精准程度;其次是系统的硬件设计与软件设计，系统当中的硬件开发，主要就是构建在公安服务平台的集群系统当中，这种系统硬件具备着较高的成熟性，能够有效满足公安视频处理系统在开发方面的基本需求，而系统硬件自身的储存能力在2PB左右，内存在1TB左右，计算节点的数量以及作业节点的数量相对较多，针对每一个节点都应当配备出4核CPU，并在千兆的网络环境当中进行高速的计算管理。在系统软件作业环境的开发方面，就要在Hadoop-02平台当中完成，还要结合实际情况来选择针对性的操作系统。

（三）公安视频图像技术措施的完善优化

首先为提升视频中的图像质量，这就需要针对视频监控装置进行必要的完善优化，通过模糊图像处理器来保证设施自身的图像分辨能力可以得到稳步提升，并强化清晰程度，还要引入高清视频技术来确保后续采集到的视频信息有着更高的分辨率，这样就可以为后续的案件侦查提供更加重要的保证;其次，要采用视频图像智能分析技术，在这种技术中可以将人工智能技术与计算机视觉技术之间有效连接在一起，比如识别技术、行为追踪等多种技术，利用这部分智能化技术就能够针对案件的发生以及视频图像形成关联，这样就有利于公安机关在短时间内找寻出相关的目标任务，还要对视频监控过程中出现的各类无效信息进行自动过滤，保证目标任务可以更加精准的搜寻，稳步提升破案效率与破案质量。这部分技术中需要重点关注的内容就在于对人员异常行为所进行的追踪与识别，这种技术中主要就是采用深度学习技术以及时空关联调整模型，实现对于监控视频内容各类人员异常行为的智能化识别，并利用深入学习来将人体检测技术更好的融入至深度网络当中，以此来实现对于各大节点的准确定位[5]。

结论：综上所述，通过对于视频图像信息技术的深入分析，可以明显看出其目前在公安领域当中得到了较为广泛的应用，为了确保其能够有效发挥出自身的实际作用，就要结合实际情况来构建出对应的公安视频图像技术措施，这样不仅能够为案件的处理与侦破提供出必要的图像信息，也有利于维护社会治安。

参考文献

[1]姚晓龙.基于大数据Hadoop的公安视频处理研究[J].信息与电脑（理论版），2021，33（18）：191-194.

[2]孙浩然. 警用执法记录仪中视频图像修复[D].中国人民公安大学，2020.

[3]何迪，郑征.公安视频图像信息联网应用运维管理平台检测工具的设计与实现[J].中国安全防范技术与应用，2019（04）：39-43.

[4]庄超明.公安视频图像信息应用系统标准符合性测试研究[J].中国安全防范技术与应用，2019（03）：46-49.

[5]刘海青，刘凯.视频图像处理和网络视频技术的研究与应用[J].赤子（下旬），2016（09）：155.

作者简介：梁彦堆（1987.11——）男，汉族，甘肃平凉，助理工程师，本科。