CN113239008A - 一种应急大数据研判系统 - Google Patents
一种应急大数据研判系统 Download PDFInfo
- Publication number
- CN113239008A CN113239008A CN202011439718.2A CN202011439718A CN113239008A CN 113239008 A CN113239008 A CN 113239008A CN 202011439718 A CN202011439718 A CN 202011439718A CN 113239008 A CN113239008 A CN 113239008A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- database
- studying
- judging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000003032 molecular docking Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000010006 flight Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010042635 Suspiciousness Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Abstract
本发明公开了提供一种应急大数据研判系统,包括采集模块,用于采集车辆和人像信息;前端数据库,用于将采集模块采集的信息进行存储和整理,形成特征信息;后端数据库,存储有人像、车辆的标准信息,标准信息包括车辆属性、车辆相关人员信息和360°人像信息;研判模块,用于接收特征信息,并将特征信息与后端数据库中的标准信息进行比对,获得对应信息,并基于特征信息对后端数据库进行更新;前端数据库包括存储节点、元数据服务器、EFS分布式文件子系统和视频能力层,EFS分布式文件子系统将所有存储节点的存储空间统一管理,将所有存储节点化成一个统一的存储节点集群,将所有元数据服务器化成一个统一的元数据服务器集群。
Description
技术领域
本发明涉及应急系统领域,尤其涉及一种应急大数据研判系统。
背景技术
很多地方应急管理和应急体系建设起步较晚,现代化应急理念比较缺乏,应急技术和应急装备比较薄弱,再加上处在经济快速发展和转型的过程中,各种维权事件频繁发生,损失越来越大,故亟需建设统一的应急资源信息目录和应急协同机制,加快建设全区统一的应急联动信息网络,实现市区、乡镇等多级应急平台的互联互通和应急信息共享。
现实中,在各种场景采集的视频图像通常背景复杂、光照不均、分辨率低等情况,这些都给搜索系统带来了很大的困难。越来越多的用户要求能够通过海量录像的分析,达到预测预警的作用,实现从事后分析向实时布控、事前预测转变。因此,急需要一种能够快速处理采集到的信息资源,并能够进行云端存储的应急大数据研判系统。
发明内容
针对上述技术中存在的不足之处,本发明提供一种应急大数据研判系统,能够快速处理采集到的信息资源,并能够进行云端存储。
为实现上述目的,本发明提供一种应急大数据研判系统,包括采集模块,用于采集车辆和人像信息;前端数据库,用于将采集模块采集的信息进行存储和整理,形成特征信息;后端数据库,存储有人像、车辆的标准信息,标准信息包括车辆属性、车辆相关人员信息和360°人像信息;研判模块,用于接收特征信息,并将特征信息与后端数据库中的标准信息进行比对,获得对应信息,并基于特征信息对后端数据库进行更新;数据库拓展模块:用于接入其他存储有标准信息的数据库;前端数据库包括存储节点、元数据服务器、EFS分布式文件子系统和视频能力层,采集模块将获取到的信息输入至存储节点并通过元数据服务器进行处理,EFS分布式文件子系统通过分布式集群技术,将所有存储节点的存储空间统一管理,将所有存储节点化成一个统一的存储节点集群,将所有元数据服务器化成一个统一的元数据服务器集群;视频能力层提供基本视频管理功能,方便用户在客户端或WEB 端通过元数据服务器集群对存储节点集群进行访问,实现对视频的操作管理。能够快速处理采集到的信息资源,并能够进行云端存储。
优选的,后端数据库中,还存储有市面上各品牌、各车型的未改装和使用时的车辆精准特征,以构建车辆精准特征数据库;车辆精准特征包括:车身颜色、车标、车型、款式、子型号、车牌;当车辆研判模块接收到特征车辆数据库时,将特征车辆数据库分别与标准车辆数据库和车辆精准特征数据库进行比较,当特征车辆数据库与车辆精准特征数据库的重合度大于设定的第一阈值,且特征车辆数据库与标准车辆数据库的重合度大于设定的第二阈值时,将特征车辆数据库与标准车辆数据库相比时得到的新特征加上时间轴进行存储,并将新特征更新至原有的标准车辆数据库中,并输出标准车辆数据库进行展示。
优选的,研判模块中包括有车型识别单元、数据研判单元和对接代理单元;车型识别单元采用storm流式架构技术实现海量图片的实时二次识别;数据研判单元采用storm架构实现车辆大数据积分分析集群功能;对接代理单元用于与信息资源库对接获取标准车辆数据库。
优选的,后端数据库未Orale数据库;车辆研判模块还包括有,分布式检索集群,基于SPARK+SLOR技术,负责进行车型和/或车牌检索的海量索引存储和检索加速,与车型识别单元、数据研判单元进行数据交互;并提供基于Restful API的开放接口;客户端,用于输入检索信息,分布式检索集群根据Orale数据库和车型识别单元、数据研判单元的对比结果输出研判结果。
优选的,在数据研判单元进行数据比对过程中,构建车辆维度模型,以特征车辆数据库为基础形成信息关系网进行数据碰撞形成产生积分规则模型;车辆维度模型的信息关系网和数据碰撞依靠以下规则进行积分研判:车辆属性规则:一般高危地区车辆、特殊高危地区车辆、租赁公司车辆、非法运营车辆、假牌、套牌车辆、多次违章未处理车辆;车辆时空属性:首次出现、重点区域出现、凌晨出现、深夜出现、高危时间出现、高危地点出现、频繁进出城、全省高速轨迹信息;异常特征:白天放下遮阳板、描述不符、人员遮挡脸部。
优选的,在数据研判单元进行数据比对过程中还需要构建人员维度模型,人员维度模型的判断特征包括:人员属性:车主基本信息;轨迹信息:旅馆和航班确定活动轨迹、暂住地址。
优选的,EFS分布式文件子系统通过将数据流以及控制流分离的方式,使用户在通过视频能力层访问时,通过控制流的方式访问元数据服务器集群,通过数据流的方式访问存储节点集群。
优选的,EFS分布式文件子系统内包括动态负载均衡模块,动态负载均衡模块在集群内部自动根据各存储节点的IO负载、空间容量、 CPU、内存负载等因素,调度数据流向,实现IO读写的负载均衡。
优选的,动态负载均衡模块采用两级负载均衡调度,首先由元数据服务器选择一个负载轻的存储节点作为当前请求的读写节点,同时存储节点内部还会根据每个硬盘的负载选择最合适的硬盘参与数据写入。
优选的,EFS分布式文件子系统内包括生命周期管理模块,生命周期管理模块自动感知存储的状态,然后根据生命周期策略对需要删除的文件进行删除。
本发明的有益效果是:与现有技术相比,本发明提供一种应急大数据研判系统,包括采集模块,用于采集车辆和人像信息;前端数据库,用于将采集模块采集的信息进行存储和整理,形成特征信息;后端数据库,存储有人像、车辆的标准信息,标准信息包括车辆属性、车辆相关人员信息和360°人像信息;研判模块,用于接收特征信息,并将特征信息与后端数据库中的标准信息进行比对,获得对应信息,并基于特征信息对后端数据库进行更新;数据库拓展模块:用于接入其他存储有标准信息的数据库;所述前端数据库包括存储节点、元数据服务器、EFS分布式文件子系统和视频能力层,采集模块将获取到的信息输入至存储节点并通过元数据服务器进行处理,EFS分布式文件子系统通过分布式集群技术,将所有存储节点的存储空间统一管理,将所有存储节点化成一个统一的存储节点集群,将所有元数据服务器化成一个统一的元数据服务器集群;视频能力层提供基本视频管理功能,方便用户在客户端或WEB端通过元数据服务器集群对存储节点集群进行访问,实现对视频的操作管理。能够快速处理采集到的信息资源,并能够进行云端存储。
附图说明
图1为本申请的第一示意图;
图2为本申请的第二示意图;
图3为本申请的第三示意图;
图4为本申请的第四示意图。
具体实施方式
为了更清楚地表述本发明,下面结合附图对本发明作进一步地描述。
请参阅图1至图4,本实施例提供一种应急大数据研判系统,包括采集模块,用于采集车辆和人像信息;前端数据库,用于将采集模块采集的信息进行存储和整理,形成特征信息;后端数据库,存储有人像、车辆的标准信息,标准信息包括车辆属性、车辆相关人员信息和360°人像信息;研判模块,用于接收特征信息,并将特征信息与后端数据库中的标准信息进行比对,获得对应信息,并基于特征信息对后端数据库进行更新;数据库拓展模块:用于接入其他存储有标准信息的数据库;前端数据库包括存储节点、元数据服务器、EFS分布式文件子系统和视频能力层,采集模块将获取到的信息输入至存储节点并通过元数据服务器进行处理,EFS分布式文件子系统通过分布式集群技术,将所有存储节点的存储空间统一管理,将所有存储节点化成一个统一的存储节点集群,将所有元数据服务器化成一个统一的元数据服务器集群;视频能力层提供基本视频管理功能,方便用户在客户端或WEB端通过元数据服务器集群对存储节点集群进行访问,实现对视频的操作管理。能够快速处理采集到的信息资源,并能够进行云端存储。
本实施例的后端数据库中,还存储有市面上各品牌、各车型的未改装和使用时的车辆精准特征,以构建车辆精准特征数据库;车辆精准特征包括:车身颜色、车标、车型、款式、子型号、车牌;当车辆研判模块接收到特征车辆数据库时,将特征车辆数据库分别与标准车辆数据库和车辆精准特征数据库进行比较,当特征车辆数据库与车辆精准特征数据库的重合度大于设定的第一阈值,且特征车辆数据库与标准车辆数据库的重合度大于设定的第二阈值时,将特征车辆数据库与标准车辆数据库相比时得到的新特征加上时间轴进行存储,并将新特征更新至原有的标准车辆数据库中,并输出标准车辆数据库进行展示。本实施例的研判模块中包括有车型识别单元、数据研判单元和对接代理单元;车型识别单元采用storm流式架构技术实现海量图片的实时二次识别;数据研判单元采用storm架构实现车辆大数据积分分析集群功能;对接代理单元用于与信息资源库对接获取标准车辆数据库。
本实施例的后端数据库为Orale数据库;车辆研判模块还包括有,分布式检索集群,基于SPARK+SLOR技术,负责进行车型和/或车牌检索的海量索引存储和检索加速,与车型识别单元、数据研判单元进行数据交互;并提供基于Restful API的开放接口;客户端,用于输入检索信息,分布式检索集群根据Orale数据库和车型识别单元、数据研判单元的对比结果输出研判结果。本实施例的在数据研判单元进行数据比对过程中,构建车辆维度模型,以特征车辆数据库为基础形成信息关系网进行数据碰撞形成产生积分规则模型;车辆维度模型的信息关系网和数据碰撞依靠以下规则进行积分研判:车辆属性规则:一般高危地区车辆、特殊高危地区车辆、租赁公司车辆、非法运营车辆、假牌、套牌车辆、多次违章未处理车辆;车辆时空属性:首次出现、重点区域出现、凌晨出现、深夜出现、高危时间出现、高危地点出现、频繁进出城、全省高速轨迹信息;异常特征:白天放下遮阳板、描述不符、人员遮挡脸部。
本实施例的在数据研判单元进行数据比对过程中还需要构建人员维度模型,人员维度模型的判断特征包括:人员属性:车主基本信息;轨迹信息:旅馆和航班确定活动轨迹、暂住地址。
本实施例的EFS分布式文件子系统通过将数据流以及控制流分离的方式,使用户在通过视频能力层访问时,通过控制流的方式访问元数据服务器集群,通过数据流的方式访问存储节点集群。
本实施例的EFS分布式文件子系统内包括动态负载均衡模块,动态负载均衡模块在集群内部自动根据各存储节点的IO负载、空间容量、CPU、内存负载等因素,调度数据流向,实现IO读写的负载均衡。本实施例的动态负载均衡模块采用两级负载均衡调度,首先由元数据服务器选择一个负载轻的存储节点作为当前请求的读写节点,同时存储节点内部还会根据每个硬盘的负载选择最合适的硬盘参与数据写入。本实施例的EFS分布式文件子系统内包括生命周期管理模块,生命周期管理模块自动感知存储的状态,然后根据生命周期策略对需要删除的文件进行删除。
在本实施例中,标准车辆数据库还包括有车身颜色、车标、车型、款式、子型号、车牌、车检标、遮阳板、挂件、摆件的相对位置信息。系统支持车型二次识别功能,通过本应用方案,可以将非结构化车辆图像数据,转化为可准确描述、理解、查询的结构化描述信息,破解了传统单纯依赖车牌或车标识别,难以准确、快速锁定目标车辆及人员的难题。具体有:1、品牌型号识别服务;对提交的图片中的车辆进行品牌型号的识别,识别结果包括厂家品牌(车标,如:本田)、车辆子型号(如:雅阁),能够区分出厂年份的款式还应该包括年份(如:2008 款)。2、车身颜色识别服务;对提交的图片中的车辆进行车身的颜色的识别,以判断其为黑、白、蓝、黄(橙)、绿、红((粉、紫)、灰、青色中的哪一种。3、车辆类型识别服务;对提交的图片中的车辆进行车辆类型的识别,以判断其为轿车、面包车、客车、货车、三轮车等等12种车型的哪一种。4、车辆信息比对服务;将图片中识别的信息,与通过车牌号从车管数据库中查询到的车辆信息进行比对,进行假牌、套牌可疑度评价。在车型识别的基础上,即使目标车辆中途更换、篡改、遮挡、拆卸车牌,或使用假牌、套牌,系统也能够基于车辆局部特征唯一性进行分析、识别、提取,在短时间内锁定目标车辆。5、车牌二次识别服务;支持对提交的图片中的车辆进行车牌颜色及车牌号的识别,可有效应对已建卡口相机车牌识别算法准确率低的问题,在后台进行二次识别,保证已建规模化采集模块能最大发挥价值。
在本实施例中,在数据研判单元进行数据比对过程中,构建车辆维度模型,以特征车辆数据库为基础形成信息关系网进行数据碰撞形成产生积分规则模型;车辆维度模型的信息关系网和数据碰撞依靠以下规则进行积分研判:车辆属性规则:一般高危地区车辆、特殊高危地区车辆、租赁公司车辆、非法运营车辆、假牌、套牌车辆、多次违章未处理车辆;车辆时空属性:首次出现、重点区域出现、凌晨出现、深夜出现、高危时间出现、高危地点出现、频繁进出城、全省高速轨迹信息;异常特征:白天放下遮阳板、描述不符、人员遮挡脸部。例如通过批量方式和手动方式添加“安全”车辆到可信列表中,对于可信车辆系统将不进行车辆积分规则研判,以提高系统的分析效率,但是会对所有车辆图片进行车型二次分析,保证后续所有车辆的有效真牌还原;把当地城市中持续“朝九晚五”的车辆智能添加到可信车辆列表中,保留系统资源首先研判行为不规律的车辆;重点车辆:通过预设值的车辆积分研判规则,通过对车辆实施积分计算达到红色积分底线(如积分达到120分判定为红色预警,100为橙色预警、80为蓝色预警、40 为一般预警)的车辆信息详细展示。对于系统经过积分研判产生的高危车辆或者手动布控车辆,系统自动进行预警,并在电子地图上通过图标闪烁的形式进行提醒。当点击单条报警记录后,系统自动在电子地图上生成车辆的轨迹路线,便于对车辆的运行状态进行实时把握。布控预警:通过管理人员录入的稽查布控车辆信息产生的实时预警信息展示。产生预警信息后,系统提供如下的预警处理功能,特别是通过手机APP联动进行对高危车辆的针对性拦截和排查,实现一次积分预警的有效闭环。
更优的一个方案中,在数据研判单元进行数据比对过程中还需要构建人员维度模型,人员维度模型的判断特征包括:人员属性:车主基本信息;轨迹信息:旅馆和航班确定活动轨迹、暂住地址。在构建了车辆维度模型和人员维度模型后,数据研判单元获取标准车辆数据库进行多维度的碰撞分析,碰撞分析包括的车辆特征有:车型维度、车辆类别、车辆颜色、车牌维度、车辆信息标记。那么在多个维度独立可检索时,满足在已有车辆照片情况下,依据照片上的车辆局部特征,如车辆内饰、年检标示、车头标示等局部的唯一特征进行快速分析,查找该车辆的行车信息。相对于传统卡口系统只能依靠车牌进行碰撞分析,车辆大数据系统支持多维度的碰撞分析,可在不同的时间和现场过滤筛选具有同一车型和局部特征等的车辆,进而排除假牌、套牌的干扰,获得可能作案的高危车辆影像信息。除了“车脸”特征,车辆大数据系统还可以基于高危车辆历史数据,可通过时间、地点、车辆积分规则、车型、类别、颜色等的多个维度,层层过滤海量过车数据,进一步对高危车辆和人员分析挖掘。通过大量数据的积累和变化规律进行深度的信息挖掘,系统可实现为第三方业务系统提供数据支持,帮助决策者和管理者提供有价值的线索信息,进行层层过滤式的嫌疑车辆挖掘。
本实施例在进行多维度的碰撞分析时,将碰撞分析的特征顺序进行以下排序:时间地点过滤:通过案发地以及案发时间,当发生多个类似案件时还通过时间以及地点的碰撞分析,查找同时出现的嫌疑车辆、车辆信息标记过滤:通过19项积分规则,快速排查嫌疑车辆。根据现场走访或者视频监控知道车辆的品牌、型号等信息后,可输入相关信息,比如大众-桑塔纳,快速过滤嫌疑车辆、车辆类别过滤:根据现场调查或者视频监控知道车辆的类别后,可通过类别,比如面包车、皮卡、SUV等过滤嫌疑车辆、车辆颜色过滤并进行输出目标车辆对应的特征车辆数据库和标准车辆数据库。层层迭代、过滤锁定目标车辆信息。
在本实施例中,在分布式检索集群接收到客户端的检索指令时,对输入的车辆信息进行特征提取建议特征向量模型,更加特征向量模型对比标准车辆数据库和特征车辆数据库,并输出相似度排序列表,同时展示对应的标准车辆数据库和特征处理数据库中的子数据。全车以图搜图-通过神经网络+深度学习技术,对车脸进行特征向量建模,实现以图搜图,根据特征向量相似度寻找目标车辆;以特征点作为搜索条件进行搜索,搜索结果以相似度排序。如果不选取特征点,则搜索结果默认以整车相似度进行排序。通过特征向量的以图搜车功能,可以自动识别出车辆凹槽、破损、保险杆凹痕、引擎盖等,通过以图搜图的方式查找相似车辆。
以上公开的仅为本发明的几个具体实施例,但是本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种应急大数据研判系统,其特征在于,包括采集模块,用于采集车辆和人像信息;前端数据库,用于将采集模块采集的信息进行存储和整理,形成特征信息;后端数据库,存储有人像、车辆的标准信息,标准信息包括车辆属性、车辆相关人员信息和360°人像信息;研判模块,用于接收特征信息,并将特征信息与后端数据库中的标准信息进行比对,获得对应信息,并基于特征信息对后端数据库进行更新;数据库拓展模块:用于接入其他存储有标准信息的数据库;
所述前端数据库包括存储节点、元数据服务器、EFS分布式文件子系统和视频能力层,采集模块将获取到的信息输入至存储节点并通过元数据服务器进行处理,EFS分布式文件子系统通过分布式集群技术,将所有存储节点的存储空间统一管理,将所有存储节点化成一个统一的存储节点集群,将所有元数据服务器化成一个统一的元数据服务器集群;视频能力层提供基本视频管理功能,方便用户在客户端或WEB端通过元数据服务器集群对存储节点集群进行访问,实现对视频的操作管理。
2.根据权利要求1所述的应急大数据研判系统,其特征在于,所述后端数据库中,还存储有市面上各品牌、各车型的未改装和使用时的车辆精准特征,以构建车辆精准特征数据库;所述车辆精准特征包括:车身颜色、车标、车型、款式、子型号、车牌;当所述车辆研判模块接收到所述特征车辆数据库时,将所述特征车辆数据库分别与所述标准车辆数据库和所述车辆精准特征数据库进行比较,当所述特征车辆数据库与所述车辆精准特征数据库的重合度大于设定的第一阈值,且所述特征车辆数据库与所述标准车辆数据库的重合度大于设定的第二阈值时,将所述特征车辆数据库与所述标准车辆数据库相比时得到的新特征加上时间轴进行存储,并将新特征更新至原有的所述标准车辆数据库中,并输出所述标准车辆数据库进行展示。
3.根据权利要求1所述的应急大数据研判系统,其特征在于,所述研判模块中包括有车型识别单元、数据研判单元和对接代理单元;所述车型识别单元采用storm流式架构技术实现海量图片的实时二次识别;所述数据研判单元采用storm架构实现车辆大数据积分分析集群功能;所述对接代理单元用于与信息资源库对接获取标准车辆数据库。
4.根据权利要求3所述的应急大数据研判系统,其特征在于,所述后端数据库为Orale数据库;所述车辆研判模块还包括有,分布式检索集群,基于SPARK+SLOR技术,负责进行车型和/或车牌检索的海量索引存储和检索加速,与所述车型识别单元、所述数据研判单元进行数据交互;并提供基于Restful API的开放接口;客户端,用于输入检索信息,所述分布式检索集群根据所述Orale数据库和所述车型识别单元、所述数据研判单元的对比结果输出研判结果。
5.根据权利要求4所述的应急大数据研判系统,其特征在于,在所述数据研判单元进行数据比对过程中,构建车辆维度模型,以所述特征车辆数据库为基础形成信息关系网进行数据碰撞形成产生积分规则模型;车辆维度模型的信息关系网和数据碰撞依靠以下规则进行积分研判:车辆属性规则:一般高危地区车辆、特殊高危地区车辆、租赁公司车辆、非法运营车辆、假牌、套牌车辆、多次违章未处理车辆;车辆时空属性:首次出现、重点区域出现、凌晨出现、深夜出现、高危时间出现、高危地点出现、频繁进出城、全省高速轨迹信息;异常特征:白天放下遮阳板、描述不符、人员遮挡脸部。
6.根据权利要求1所述的应急大数据研判系统,其特征在于,在所述数据研判单元进行数据比对过程中还需要构建人员维度模型,人员维度模型的判断特征包括:人员属性:车主基本信息;轨迹信息:旅馆和航班确定活动轨迹、暂住地址。
7.根据权利要求1所述的应急大数据研判系统,其特征在于,EFS分布式文件子系统通过将数据流以及控制流分离的方式,使用户在通过视频能力层访问时,通过控制流的方式访问元数据服务器集群,通过数据流的方式访问存储节点集群。
8.根据权利要求1所述的应急大数据研判系统,其特征在于,EFS分布式文件子系统内包括动态负载均衡模块,动态负载均衡模块在集群内部自动根据各存储节点的IO负载、空间容量、CPU、内存负载等因素,调度数据流向,实现IO读写的负载均衡。
9.根据权利要求8所述的应急大数据研判系统,其特征在于,动态负载均衡模块采用两级负载均衡调度,首先由元数据服务器选择一个负载轻的存储节点作为当前请求的读写节点,同时存储节点内部还会根据每个硬盘的负载选择最合适的硬盘参与数据写入。
10.根据权利要求1所述的应急大数据研判系统,其特征在于,EFS分布式文件子系统内包括生命周期管理模块,生命周期管理模块自动感知存储的状态,然后根据生命周期策略对需要删除的文件进行删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439718.2A CN113239008A (zh) | 2020-12-10 | 2020-12-10 | 一种应急大数据研判系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439718.2A CN113239008A (zh) | 2020-12-10 | 2020-12-10 | 一种应急大数据研判系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239008A true CN113239008A (zh) | 2021-08-10 |
Family
ID=77129949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011439718.2A Pending CN113239008A (zh) | 2020-12-10 | 2020-12-10 | 一种应急大数据研判系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239008A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855284A (zh) * | 2012-08-03 | 2013-01-02 | 北京联创信安科技有限公司 | 一种集群存储系统的数据管理方法及系统 |
KR20130015082A (ko) * | 2011-08-02 | 2013-02-13 | 에스케이플래닛 주식회사 | 차량안전운행 제공 시스템, 이를 위한 방법, 이를 위한 단말기 및 이를 위한 서비스장치 |
US8484259B1 (en) * | 2009-12-08 | 2013-07-09 | Netapp, Inc. | Metadata subsystem for a distributed object store in a network storage system |
CN105554059A (zh) * | 2015-11-25 | 2016-05-04 | 北京华油信通科技有限公司 | 基于北斗导航技术的物流运输智能感知与位置服务系统 |
CN106875692A (zh) * | 2017-03-27 | 2017-06-20 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的车辆积分预警系统及其方法 |
KR20190057954A (ko) * | 2017-11-21 | 2019-05-29 | 정상준 | 빅데이터를 기반으로 하는 차량 관리 시스템 |
CN110675639A (zh) * | 2019-12-03 | 2020-01-10 | 武汉中科通达高新技术股份有限公司 | 基于卡口过车数据分析套牌车所属真牌的方法 |
CN111009120A (zh) * | 2019-10-22 | 2020-04-14 | 广州阳光耐特电子有限公司 | 一种车辆综合应用管理系统 |
US20200334777A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Intelligent emergency decision support system for emergency communication |
-
2020
- 2020-12-10 CN CN202011439718.2A patent/CN113239008A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8484259B1 (en) * | 2009-12-08 | 2013-07-09 | Netapp, Inc. | Metadata subsystem for a distributed object store in a network storage system |
KR20130015082A (ko) * | 2011-08-02 | 2013-02-13 | 에스케이플래닛 주식회사 | 차량안전운행 제공 시스템, 이를 위한 방법, 이를 위한 단말기 및 이를 위한 서비스장치 |
CN102855284A (zh) * | 2012-08-03 | 2013-01-02 | 北京联创信安科技有限公司 | 一种集群存储系统的数据管理方法及系统 |
CN105554059A (zh) * | 2015-11-25 | 2016-05-04 | 北京华油信通科技有限公司 | 基于北斗导航技术的物流运输智能感知与位置服务系统 |
CN106875692A (zh) * | 2017-03-27 | 2017-06-20 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的车辆积分预警系统及其方法 |
KR20190057954A (ko) * | 2017-11-21 | 2019-05-29 | 정상준 | 빅데이터를 기반으로 하는 차량 관리 시스템 |
US20200334777A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Intelligent emergency decision support system for emergency communication |
CN111009120A (zh) * | 2019-10-22 | 2020-04-14 | 广州阳光耐特电子有限公司 | 一种车辆综合应用管理系统 |
CN110675639A (zh) * | 2019-12-03 | 2020-01-10 | 武汉中科通达高新技术股份有限公司 | 基于卡口过车数据分析套牌车所属真牌的方法 |
Non-Patent Citations (2)
Title |
---|
胡少云;: "基于平安城市的车辆大数据研判应用模型的研究", 智能建筑, no. 08, pages 45 - 47 * |
蔡京军;刘晓宇;王珊珊;沈强;潘皓;: "城市轨道交通视频云存储系统架构及功能模块设计", 城市轨道交通研究, no. 12, pages 172 - 175 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106534344B (zh) | 一种云平台视频处理系统及其应用方法 | |
CN110334111B (zh) | 一种多维轨迹分析方法及装置 | |
CN102187336B (zh) | 用于识别视频档案中的对象的方法 | |
CN108052882A (zh) | 一种智能安防监控系统的操作方法 | |
CN107862072B (zh) | 基于大数据技术分析车辆入城套牌作案的方法 | |
CN102880692A (zh) | 一种面向检索的监控视频语义描述和检测建模方法 | |
EP2735984A1 (en) | Video query method, device and system | |
CN103177436B (zh) | 物件追踪的方法、系统 | |
JP2005518001A (ja) | モジュール式インテリジェントマルチメディア解析システム | |
CN106227788A (zh) | 一种以Lucene为基础的数据库查询方法 | |
CN113360523A (zh) | 基于车辆大数据的多重筛选系统 | |
CN113470369B (zh) | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 | |
WO2016081880A1 (en) | Large scale video search using queries that define relationships between objects | |
Kamde et al. | A survey on web multimedia mining | |
US11907291B2 (en) | System for integral analysis and management of video data | |
CN114255010A (zh) | 电子政务平台中电子文件档案化管理与知识服务协同实现方法 | |
Bali et al. | Clustering Technique Approach to Detect the Special Patterns for Medical Video Mining | |
CN111782589B (zh) | 一种用于操作历史重现的数据模型的构建方法及系统 | |
CN112232885A (zh) | 一种基于多模态信息融合的仓租价格预测方法 | |
CN113239008A (zh) | 一种应急大数据研判系统 | |
WO2023165219A1 (zh) | 目标检索方法、装置及存储介质 | |
CN112256809A (zh) | 一种数据处理方法和装置 | |
CN110245247A (zh) | 图片搜索的方法、电子设备和计算机存储介质 | |
CN105320704B (zh) | 跨区域相似车辆检索方法及装置 | |
CN111428081A (zh) | 一种视频数据智能分析系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |