一种智能侦查研判方法、系统、计算机设备及存储介质技术方案

本申请适用于治安侦查技术领域，提供了智能侦查研判方法，包括：收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构化数据和非结构化数据作为基础数据；从预设的规则模型库中选取与侦查目标对应的规则模型；通过预设的深度学习引擎调用选取出的规则模型对所述基础数据进行分析处理，得到所述侦查目标的分析研判结果。

【技术实现步骤摘要】
一种智能侦查研判方法、系统、计算机设备及存储介质
本申请属于治安侦查
，尤其涉及一种智能侦查研判方法、系统、计算机设备及存储介质。
技术介绍
随着人工智能技术的发展，基于人脸识别技术的应用已经运用到了社会中的各个领域，特别是在治安侦查方面。在实际侦查过程，人脸技术最多应用在人脸检索方面，虽然目前的数据自由碰撞对比技战法可以在一定的时空范围内发现嫌疑人，但是该方法计算出嫌疑人集合的范围比较大，这样办案的工作量仍然很大。并且该方法也没有对嫌疑人进行定量分析，缺乏科学性和准确性。因此，寻找一种能够定量分析嫌疑人行为数据，为公安机关侦查人员提供研判辅助的方法成为本领域技术人员亟需解决的问题。
技术实现思路
本申请实施例提供了一种智能侦查研判方法、系统、计算机设备及存储介质，可以解决侦查研判中存在的缺乏科学依据和效率低下的问题。第一方面，本申请实施例提供了一种智能侦查研判系统，包括：信息收集模块，用于收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；数据整理模块，用于将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；数据处理模块，用于对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构化数据和非结构化数据作为基础数据；规则模型选取模块，用于从预设的规则模型库中选取与侦查目标对应的规则模型；深度学习分析模块，用于通过预设的深度学习引擎调用选取出的规则模型对所述基础数据进行分析处理，得到所述侦查目标的分析研判结果。r>可见本申请从收集得到的业务信息和数据信息出发，对犯罪嫌疑人的行为数据进行了定量分析，通过深度学习引擎调用选取出的规则模型对数据进行分析处理，得到侦查目标的分析研判结果，为公安机关侦查人员的侦查研判工作提供了有效的辅助，具有科学性和准确性，提高了数据的利用率和侦查工作的办案效率。优选地，所述信息收集模块包括：图片数据收集单元，用于收集所述业务信息和数据信息中的非结构化的图片数据；视频数据收集单元，用于收集所述业务信息和数据信息中的非结构化的视频流数据；第三方数据收集单元，用于收集来自于第三方机构的社会留在的数据信息；公安数据收集单元，用于收集来自于公安机关的业务信息。可见，本申请还可以采用不同的数据收集和整理方式收集关于犯罪嫌疑人的信息，不仅有利于所述业务信息和数据信息的收集和整理，而且能够减轻后续步骤对这些信息的处理效率，方便信息的迭代更新。优选地，还包括：人脸结构化引擎模块，用于采用人脸识别技术对所述基础数据中的人脸图像进行处理，得到各个人脸识别结果，以结构化数据的形式存储所述各个人脸识别结果作为新的基础数据；和/或车牌结构化引擎模块，用于采用车牌识别技术对所述基础数据中的车牌图像进行处理，得到各个车牌识别结果，以结构化数据的形式存储所述各个车牌识别结果作为新的基础数据；和/或视频流结构化引擎模块，用于采用视频特征提取技术对所述基础数据中的视频数据进行处理，得到各个特征提取结果，以结构化数据的形式存储所述各个特征提取结果作为新的基础数据。可见，本申请预先针对基础数据中的人脸图像、车牌图像和视频流进行相关处理，并将处理结果存储为新的基础数据，可以减少服务器的重复计算量，降低深度学习引擎的计算复杂度。第二方面，本申请实施例提供了一种智能侦查研判方法，包括：收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构化数据和非结构化数据作为基础数据；从预设的规则模型库中选取与侦查目标对应的规则模型；通过预设的深度学习引擎调用选取出的规则模型对所述基础数据进行分析处理，得到所述侦查目标的分析研判结果。可见本申请从收集得到的业务信息和数据信息出发，对犯罪嫌疑人的行为数据进行了定量分析，通过深度学习引擎调用选取出的规则模型对数据进行分析处理，得到侦查目标的分析研判结果，为公安机关侦查人员的侦查研判工作提供了有效的辅助，具有科学性和准确性，提高了数据的利用率和侦查工作的办案效率。优选地，还包括：采用人脸识别技术对所述基础数据中的人脸图像进行处理，得到各个人脸识别结果；以结构化数据的形式存储所述各个人脸识别结果作为新的基础数据；和/或采用车牌识别技术对所述基础数据中的车牌图像进行处理，得到各个车牌识别结果；以结构化数据的形式存储所述各个车牌识别结果作为新的基础数据；和/或采用视频特征提取技术对所述基础数据中的视频数据进行处理，得到各个特征提取结果；以结构化数据的形式存储所述各个特征提取结果作为新的基础数据。可见，本申请预先针对基础数据中的人脸图像、车牌图像和视频流进行相关处理，并将处理结果存储为新的基础数据，可以减少服务器的重复计算量，降低深度学习引擎的计算复杂度。优选地，在得到所述侦查目标的分析研判结果之后，还包括：将所述侦查目标的分析研判结果反馈至所述规则模型库，以便所述规则模型库衍生新的规则模型；根据所述分析研判结果对所述与侦查目标对应的规则模型进行优化调整。可见，本申请中，深度学习引擎和规则模型两者之间相辅相成，规则模型可以提供给深度学习引擎作为分析使用的规则和标准，深度学习引擎可以在调用具体的规则模型后，把输出的分析研判结果反馈给该规则模型，以便维护人员根据反馈结果优化规则模型，甚至衍生出新的规则模型，以适用于新的侦查目标。优选地，在得到所述侦查目标的分析研判结果之后，还包括：判断所述分析研判结果是否满足所述规则模型对应的预设告警条件；若满足，则向指定终端发出告警信息。可见，本申请进一步可以给出及时的提醒，以便公安机关跟进侦查目标，完成侦查任务。优选地，还包括：将所述基础数据以预设的可视化展示方式输出至显示设备。可见，本申请进一步可以将基础数据可视化展示，有助于办案人员查阅这些基础数据，辅助办案人员快速完成案件的侦查。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的智能侦查研判方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的智能侦查研判方法。可以理解的是，上述第三方面至第四方面的有益效果可以参见上述第一方面和第二方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动本文档来自技高网...

【技术保护点】
1.一种智能侦查研判系统，其特征在于，包括：/n信息收集模块，用于收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；/n数据整理模块，用于将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；/n数据处理模块，用于对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构化数据和非结构化数据作为基础数据；/n规则模型选取模块，用于从预设的规则模型库中选取与侦查目标对应的规则模型；/n深度学习分析模块，用于通过预设的深度学习引擎调用选取出的规则模型对所述基础数据进行分析处理，得到所述侦查目标的分析研判结果。/n

【技术特征摘要】
1.一种智能侦查研判系统，其特征在于，包括：
信息收集模块，用于收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；
数据整理模块，用于将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；
数据处理模块，用于对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构化数据和非结构化数据作为基础数据；
规则模型选取模块，用于从预设的规则模型库中选取与侦查目标对应的规则模型；
深度学习分析模块，用于通过预设的深度学习引擎调用选取出的规则模型对所述基础数据进行分析处理，得到所述侦查目标的分析研判结果。


2.如权利要求1所述的智能侦查研判系统，其特征在于，所述信息收集模块包括：
图片数据收集单元，用于收集所述业务信息和数据信息中的非结构化的图片数据；
视频数据收集单元，用于收集所述业务信息和数据信息中的非结构化的视频流数据；
第三方数据收集单元，用于收集来自于第三方机构的社会留在的数据信息；
公安数据收集单元，用于收集来自于公安机关的业务信息。


3.如权利要求1或2所述的智能侦查研判系统，其特征在于，还包括：
人脸结构化引擎模块，用于采用人脸识别技术对所述基础数据中的人脸图像进行处理，得到各个人脸识别结果，以结构化数据的形式存储所述各个人脸识别结果作为新的基础数据；
和/或
车牌结构化引擎模块，用于采用车牌识别技术对所述基础数据中的车牌图像进行处理，得到各个车牌识别结果，以结构化数据的形式存储所述各个车牌识别结果作为新的基础数据；
和/或
视频流结构化引擎模块，用于采用视频特征提取技术对所述基础数据中的视频数据进行处理，得到各个特征提取结果，以结构化数据的形式存储所述各个特征提取结果作为新的基础数据。


4.一种智能侦查研判方法，其特征在于，包括：
收集犯罪嫌疑人在公安机关的业务信息和社会留在的数据信息；
将收集得到的所述业务信息和数据信息划分为结构化数据和非结构化数据；
对所述结构化数据和非结构化数据进行ETL处理，得到处理后的结构...

【专利技术属性】
技术研发人员：陈耀棠，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：广东;44