賈曉千，陳 剛，李白冰

中國人民公安大學，北京 100038

1 引言

視頻偵查技術在公安部門“金盾工程”“雪亮工程”等系統(tǒng)建設工程的基礎上實現(xiàn)了一次次突破性發(fā)展。至今，基于視頻偵查技術的偵查方法、偵查思維和偵查工作體系已經相當完善，視頻偵查技術成為繼公安刑事技術、行動技術（即技術偵查）、網絡安全保衛(wèi)技術之后的第四大公安專門技術[1]。但視頻監(jiān)控的數據安全與公民隱私保護、數據共享、數據運算等問題嚴重抑制著視頻偵查的發(fā)展。

視頻監(jiān)控的主要偵查應用價值就是其所記錄的案件視頻圖像。通常情況下，調取案發(fā)現(xiàn)場周遭的視頻監(jiān)控就能發(fā)現(xiàn)案件偵破的重要線索，而這種幾率與案發(fā)環(huán)境的監(jiān)控探頭密度息息相關。監(jiān)控探頭密度越大、犯罪案件偵破率越高的思維直接造成了全國范圍內的監(jiān)控安裝競賽[2]。監(jiān)控攝像頭的大規(guī)模部署，帶來了犯罪偵查和犯罪防治等方面的種種益處，基本實現(xiàn)了主要城市街區(qū)的無死角監(jiān)控。大量案件的犯罪過程被完整、清晰地記錄下來，成為指控犯罪、證明案件事實的最有力證據。在東部某市的調研中，發(fā)現(xiàn)視頻偵查已成為偵查部門應用最多的偵查技術，甚至在派出所都成立了專門的視頻偵查隊伍，“有犯罪看監(jiān)控”成為偵查工作中的慣性操作。

但是，視頻監(jiān)控的部署由各省市縣鄉(xiāng)相關部門自主規(guī)劃、招標，造成了監(jiān)控體系下設備參數參差不齊的現(xiàn)狀，而隱藏在背后的，是監(jiān)控視頻圖像基礎數據的異構問題，即通常所說的“數據孤島”。大數據偵查的價值在于數據信息的挖掘與分析，不能整合應用的數據將成為數據“垃圾”。在這種情況下，建立于高層級的合成作戰(zhàn)平臺會受到底層數據非結構化問題的制約，數據共享也只能在偵查局部有限展開，視頻偵查技術的應用受到人為因素的干涉。數據融合與共享障礙也是AI警務發(fā)展的最大難題與挑戰(zhàn)之一。

此外，大規(guī)模監(jiān)控攝像頭的運轉對應的是更大規(guī)模的視頻監(jiān)控數據。首先，當前對于視頻監(jiān)控信息的后臺存儲做法不一，普遍自行存儲、管理的狀態(tài)造成了視頻監(jiān)控保存期限的差異，但一般局限在2～3 個月的范圍內。這對偵查辦案的效率提出了極高的要求，因為新的監(jiān)控信息在不斷覆蓋舊有信息的存儲空間，有價值的偵查線索可能因不及時發(fā)現(xiàn)而永久滅失。其次，海量視頻監(jiān)控數據的另一個特征是有價值偵查信息密度相對較低，單純依靠擴大云端或本地存儲規(guī)模的做法收效甚微。在具體案件的偵辦中，對視頻監(jiān)控數據信息的檢索也無異于大海撈針，偵查資源在視頻偵查過程中浪費嚴重。最后，在現(xiàn)有技術下，海量視頻數據通過蜂窩網絡、互聯(lián)網和VPN 技術進行傳輸，帶寬的限制致使數據傳輸效率難以得到保障。視頻數據云端接收出現(xiàn)的高時延使緊急性偵查措施的實施和突發(fā)性刑事案件的處置出現(xiàn)滯后，而在某些情況下，這種滯后能直接影響到案件的最終偵辦結果。如何在各種載體中獲取有用信息，將大數據變成小數據是急需克服的問題[3]。

視頻監(jiān)控系統(tǒng)的粗放式管理還對公民的隱私權保護帶來挑戰(zhàn)。在公民權利意識逐漸覺醒的時代背景下，偵查機關因公民個人信息的不當使用和泄漏屢受質疑。視頻監(jiān)控系統(tǒng)的密集分布，不僅記錄了犯罪行為和犯罪嫌疑人的痕跡，也將大量普通公民的日常行為痕跡拍攝下來。這種情況下，視頻監(jiān)控數據一旦被黑客或管理者不法利用，就能反為犯罪提高精度和破壞力，如何平衡擴大視頻監(jiān)控體系規(guī)模與維護公民個人信息成為橫亙在偵查機關和全社會面前的一道難題。

綜上所述，視頻偵查的應用存在一定的局限性，而所有問題的根源集中在視頻監(jiān)控數據的收集、傳輸、存儲、處理和共享等幾個方面。而源頭數據質量瑕疵將直接導致誤導性甚至根本性錯誤[4]。因此，針對視頻監(jiān)控基礎數據的技術處理，有望從根本上重塑視頻偵查技術。基于數據分布式收集與處理的邊緣計算模型，依托邊緣化的服務器實現(xiàn)邊緣端的數據預處理，強化“邊云協(xié)同”，能為視頻偵查技術的規(guī)制與發(fā)展提供新的技術解決路徑。

2 邊緣計算概述

邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合開放式分布平臺，就近提供邊緣智能服務的計算模型[5]。它在數據源點結合AI 等技術對數據進行初步處理。邊緣計算的模型理念是將云端服務器復制到數據源附近，計算通常發(fā)生在數據源的附近[6]，使數據產生即處理。因此實現(xiàn)了計算流的雙向運轉，其基本的模型架構如圖1所示[7]。這種處理模式表面上看起來是增加了一道數據流程，但是該環(huán)節(jié)的加入可以在精簡數據規(guī)模的基礎上，實現(xiàn)行業(yè)數字化的低時延傳輸、數據優(yōu)化、可信共享和數據安全管理。

圖1 邊緣計算模型

邊緣計算在工業(yè)領域和智慧交通建設中已經有了較為成熟的應用，正逐步向公安、政府、醫(yī)療等行業(yè)過渡。目前，已經有部分研究者提出了邊緣計算助力大數據偵查[4]的理念，邊緣計算在智慧監(jiān)控體系中的應用也得到了初步的探索，但作為邊緣計算偵查應用的前沿性模塊，邊緣計算與視頻偵查技術的融合發(fā)展卻尚未引起公安學相關研究領域的重視。而視頻偵查領域是當前邊緣計算與公安工作融合發(fā)展的最佳結合點，基于對視頻監(jiān)控數據流程的再造可以最大限度地釋放偵查效能。

3 邊緣計算的視頻偵查應用初探

“科層制”偵查體制與邊緣計算具有相容性，為邊緣計算在視頻偵查中的應用提供了組織基礎。邊緣計算的模型架構與數據處理邏輯與偵查體制具有相似性，將邊緣計算應用于視頻偵查領域不需要對現(xiàn)有組織體制、機構設置做較大變動。反過來，邊緣計算的應用還能為下一步的偵查體制改革提供一些有益思路。在這種情形下，邊緣計算在視頻偵查領域的應用具有實踐上的可行性，提出了其應用的技術架構設計和路徑分析。

3.1 邊緣計算應用于視頻偵查的可行性分析

視頻偵查為法律所規(guī)制，又為技術所調整。法律與技術在不同層面發(fā)揮著互補性作用，共同影響著視頻偵查的發(fā)展。但法律依托違法制裁措施維護權威，技術的影響則從根源上實施。因此，就視頻偵查的發(fā)展與完善而言，邊緣計算的引進具有內在的合理性和極大的應用價值。

可適用于視頻偵查技術的邊緣計算模型架構大致如圖2 所示。以數據的生產、傳輸、處理和應用順序為邏輯，可以將邊緣計算模型粗略劃分為三個層次。處于模型最底層的設備端，由監(jiān)控探頭部分和接口部分組成。監(jiān)控探頭是視頻偵查中最基礎的數據采集設備，也是該邊緣計算模型的最主要數據生成裝置。視頻監(jiān)控數據產生后，設備端還需要通過通信技術將記錄的視頻數據向上進行傳輸。處于中間層次的是邊緣端，也是邊緣計算模型的核心，邊緣端由邊緣節(jié)點和邊緣管理器組成[8]。邊緣節(jié)點是實體硬件，承載著邊緣計算業(yè)務的核心，而邊緣管理器的功能就是對邊緣節(jié)點進行統(tǒng)一的管理[9]。在邊緣節(jié)點部分，邊緣端計算/網絡/存儲調用API模塊的存在可以解決不同類型的視頻數據接入問題，同時保障必要的資源調配能力。對接受數據的管理主要通過數據控制模塊進行，負責安排視頻數據的處理流程，進行數據感知和執(zhí)行。數據分析模塊具有視頻數據的預處理、流分析和函數計算等能力，設備端產生的視頻數據在此分流，無價值視頻數據被留置。數據優(yōu)化模塊是視頻數據在邊緣端走過的最后一道處理程序，在此可實現(xiàn)數據加密或數據結構的調整。在邊緣管理器部分，管理器通過模型驅動的業(yè)務安排對邊緣端資源進行調用，管理邊緣節(jié)點設備的運行，管理視頻監(jiān)控數據生命周期。

圖2 應用于視頻偵查技術的邊緣計算模型架構

邊緣端通過任務調度模型將預處理后的視頻傳輸到遠端的云中心視頻服務器集群，對視頻流做進一步的分析處理[10]。現(xiàn)有的數據挖掘、分析和應用等技術已經相對較為成熟，預處理后的數據價值在云端更容易得到應用，視頻數據提升為視頻信息進而發(fā)展成視頻情報，為各種視頻偵查技戰(zhàn)法的應用提供應用平臺。大數據融合云計算和AI 警務，能為偵查工作提供有力的警務云服務，為邊緣計算在視頻偵查中的應用提供不同的價值場景。

3.2 邊緣計算應用于視頻偵查的路徑分析

邊緣計算可以其獨特的數據處理模式對視頻偵查技術進行再造。視頻偵查的實踐應用難題恰恰是邊緣計算的優(yōu)勢所在，且兩種技術具有相對的互補性，邊緣計算可以實現(xiàn)視頻監(jiān)控數據的高效處理、傳輸和優(yōu)化，進一步釋放視頻監(jiān)控體系的偵查價值，為多種警務智能應用提供平臺?；诖?，提出了邊緣計算應用于視頻偵查的路徑體系，如圖3。

當前，我國對社會監(jiān)控的安裝并無限制，“各自為戰(zhàn)”的監(jiān)控設置方式帶來了管理上的難題。為研究需要，有必要先對整個監(jiān)控體系做簡要分類。（1）公安系統(tǒng)管理的監(jiān)控探頭主要分布在城市主要街區(qū)、干道和鄉(xiāng)鎮(zhèn)關鍵點位，這些設備多由政府組織、公安承建，因此在點位選擇上有一定的規(guī)劃，且某一行政區(qū)劃內的監(jiān)控設備由政府統(tǒng)一招標采購，不存在數據異構的問題。為表述方便暫將這類監(jiān)控稱為公安監(jiān)控，公安監(jiān)控監(jiān)管相對規(guī)范，邊緣計算的應用環(huán)境好。（2）公安系統(tǒng)以外，大量的社會企事業(yè)單位、社會組織和社會團體駐地也普遍存在監(jiān)控裝置，這主要是為了保障生產、經營和工作環(huán)境的安全性。這一類監(jiān)控基本由各社會主體自行安置，監(jiān)控探頭類型不一，但形成了一個個小的“監(jiān)控單元”，暫將其稱為社會監(jiān)控。社會監(jiān)控除部分與公安聯(lián)網外，大部分管理并不統(tǒng)一，按照安裝主體分為諸多小的封閉單元，因此，邊緣計算的應用環(huán)境也相對較好。（3）在社會生活中，普通公民也會基于生產生活的需要自行安裝監(jiān)控設備（這在一些城鄉(xiāng)結合部、農村地區(qū)尤為突出），社會監(jiān)控體系中還可能包括一些車載的監(jiān)控裝備等其他的監(jiān)控類型，暫將這些統(tǒng)稱為零散監(jiān)控。這類監(jiān)控分布隨意，設備類型紛繁多樣，邊緣計算的應用環(huán)境相對較差。

圖3 邊緣計算應用于視頻偵查的路徑體系

邊緣服務器的配置需要結合下層監(jiān)控設備數量、分布距離和視頻生成速度等各種因素進行綜合考量。邊緣計算平臺系統(tǒng)可按業(yè)務需求在網絡中進行分層部署[11]。公安監(jiān)控的布置有規(guī)劃，此類邊緣服務器可以街區(qū)或自然村落等為標準進行配置。社會監(jiān)控分布重點集中，可以單位為基點進行邊緣服務器的配置。而零散監(jiān)控的分布雜亂無章，可以按照探頭數量進行具體的配置。邊緣服務器的配置具有靈活性，在現(xiàn)有狀況的基礎下還要考慮到周遭范圍的后續(xù)發(fā)展、建設情況，因此完全可以基于實際情況或增或裁。良好的配置可以保障邊緣服務器始終處于高效運轉狀態(tài)，真正實現(xiàn)分流減壓的作用。

監(jiān)控探頭記錄的視頻數據在邊緣端得到初步處理。從偵查角度而言，不存在運動主體的視頻圖像基本上無偵查價值，因為視頻偵查的基礎就是監(jiān)控探頭所拍攝的犯罪行為過程或犯罪嫌疑人的蹤跡。在邊緣端，無偵查價值的數據通過各種算法（如光流法、幀間差分法等[12]）在邊緣端被過濾，存在運動目標（連接幀容量[13]劇烈變化）和無法處理的圖像數據被篩選出來。之后，這些含有潛在偵查價值的數據在邊緣端得到優(yōu)化，邊緣節(jié)點利用密碼學原理對視頻監(jiān)控數據進行加密，然后通過通信手段進行加密傳輸。

云中心接收到視頻監(jiān)控數據后，可以充分發(fā)揮云計算的優(yōu)勢開展大數據的挖掘、分析和共享等工作。得到再次處理的監(jiān)控數據上升為偵查情報，能為偵查決策、犯罪預警和偵查措施的實施提供支撐，改善視頻偵查技戰(zhàn)法的應用環(huán)境。云端平臺支持下開發(fā)的各種警用APP得到根源上的優(yōu)化升級，基于視頻監(jiān)控體系的警務智能應用也將得到進一步的發(fā)展。

4 邊緣計算模型下的視頻偵查數據資源管理

邊緣計算應用于視頻偵查的最大價值就在于對視頻偵查數據資源的管理。雖然邊緣計算模型在監(jiān)控體系中的應用可以為公安系統(tǒng)各部門（如治安、交通等）所應用，但這些應用都可以建立在視頻偵查技術的基礎上。邊緣計算模型可以規(guī)范化視頻偵查的數據資源管理，為視頻數據的分布式收集、存儲、傳輸、共享和優(yōu)化等提供科學路徑。依托視頻監(jiān)控體系建立的邊緣計算架構下，邊緣服務器的功能應當是多樣化的且處于快速發(fā)展的狀態(tài)，視頻偵查應用僅僅是視頻監(jiān)控數據的重要應用之一。在具體安排上，視頻偵查可以作為一個單獨的程序設置在邊緣服務器。此時，就牽扯到各應用模塊之間的隔離問題。對邊緣端計算資源與數據資源的隔離操作可以充分借鑒云平臺的處理模式，基于不同的訪問權限和各應用模塊之間的獨立運行，使用VM切換技術[14]和Docker容器技術[15]保證隔離。

4.1 視頻監(jiān)控數據的分布式收集、存儲

融合社會數據，擴建偵查大數據庫關系著大數據偵查的未來發(fā)展。視頻偵查作為一項重要的偵查技術，其效能發(fā)揮所依據的視頻數據資源尚大有開發(fā)潛力。目前，社會上絕大多數的視頻監(jiān)控數據并不直接為偵查部門所掌握，在犯罪案件的偵辦中往往需要耗費大量人力、物力四處調取監(jiān)控數據。邊緣計算的融入則可以借助邊緣服務器實現(xiàn)對零散監(jiān)控的整合，將無數個未知的監(jiān)控探頭數據源轉化為具體可操的邊緣端，并以開放式的獨特安排為未來發(fā)展預留空間。每一個邊緣端都是偵查信息收集的前沿陣地?；诖?，偵查機關可以借社會監(jiān)控裝置的整合實現(xiàn)偵查信息資源的分布式收集，對視頻監(jiān)控數據的收集能力得到大幅提高。

同時，海量數據的存儲問題始終困擾著云計算效能的發(fā)揮。在邊緣計算模型下，視頻監(jiān)控數據首先在邊緣端進行一次預處理，對視頻數據進行短暫存儲并自動分流，這一操作能有效減緩云端平臺的存儲壓力。雖然每一個邊緣端點的存儲能力都無法與云端相提并論，但無數個邊緣端的存儲能力同樣不容小覷。視頻圖像數據中可能包含著重要的偵查信息，而數據在邊緣端的分布式存儲還能有效保障偵查信息的安全性問題，避免因為黑客、不法分子對云端的攻擊所致的偵查情報泄漏。

4.2 視頻數據的加密傳輸、共享

監(jiān)控探頭所記錄的各種視頻信息關系社會公共安全，具有偵查價值的視頻信息更影響著犯罪的打擊與治理。一旦某些關鍵視頻數據被不法截取、篡改，則可能造成偵查情報線索或關鍵犯罪證據效力的滅失。在邊緣計算模型下，公安機關可以通過對邊緣端的設計，使經過初步處理的視頻數據得到一次加密，通過通信技術傳輸的視頻數據是經加密技術保護的數據。大批量帶有“防護盾”的視頻數據向指定的云端平臺進行輸送，有關偵查信息的安全性得到充分保障，在傳輸過程中被竊取的可能性大大降低，如Deborah 團隊開發(fā)的Open mHealth 平臺[16]，可以實現(xiàn)對健康數據的標準化處理和存儲[17]。邊緣計算在視頻傳輸領域的應用經驗可以無障礙地移植到視頻監(jiān)控體系的建設中。邊緣節(jié)點可以實現(xiàn)圖像識別與視頻分析，根據視頻分析結果，聯(lián)動視頻數據存儲策略，既高效保留價值視頻數據，同時提高邊緣節(jié)點存儲空間利用率[18]。

邊緣端數據的優(yōu)化還包括對非結構化數據格式的調節(jié)。每一個邊緣服務器對應著數量較少的監(jiān)控探頭，雖然這些探頭之間可能因為各項參數配置的差異產生異構化的數據，但是對某種或簡單幾種類型的數據格式進行調整并不會對時延性造成明顯影響。在明確了監(jiān)控探頭產生的數據類型后，確定一種統(tǒng)一的數據格式，然后在視頻數據源頭附近完成轉換，就能保障經各邊緣端處理過的數據具有兼容性。接下來，含有偵查信息的視頻數據就能實現(xiàn)跨區(qū)域共享，偵查機關可以在本部云平臺實現(xiàn)異地視頻數據的調取，偵查機關的跨區(qū)域協(xié)作成本大大降低。視頻監(jiān)控信息的可信共享還能為視頻偵查合成作戰(zhàn)提供基礎支撐。此外，邊緣計算對視頻點播技術的優(yōu)化可以為視頻偵查提供支持。視頻偵查平臺的建設需要滿足高強度的實踐需求，加快視頻檢索與分析速度能為偵查活動的開展贏得寶貴時機。

4.3 視頻數據的規(guī)范化運轉

視頻監(jiān)控數據數據的不規(guī)范運轉抑制了視頻偵查技術的發(fā)展。視頻圖像的時間序列問題就是其中之一。實踐中，經常會有偵查人員在發(fā)現(xiàn)可疑情況后，通過種種方法校正視頻圖像的時間。在智能手機、PC 端使用時，設備的時間通過網絡自動校準。但是，監(jiān)控裝置由于缺少相關裝置經常會存在時間上的錯誤，而為每一臺監(jiān)控配備SIM 卡也并不現(xiàn)實。但在邊緣計算模型下，可以通過邊緣端的校正，建立時間同步的時序數據庫。經過這種處理，偵查人員在依據時間線索追蹤犯罪嫌疑人、被害人等軌跡時就無需再考慮時間差的問題，可以有效提高視頻偵查的效率。

邊緣計算模型下，視頻數據規(guī)范運轉。監(jiān)控探頭生成的視頻數據，沿著邊緣服務器利用通信技術向云端傳輸。云端可以對各邊緣端、邊緣端可以對各監(jiān)控探頭可以實現(xiàn)有序管理。對智能識別的緊急情況可以自動調整所轄監(jiān)控探頭的方向、角度，并通過與臨近邊緣端的協(xié)作實現(xiàn)突發(fā)性刑事犯罪的動態(tài)化、全方位追蹤記錄。同時，邊緣端智能識別的突發(fā)性案件可以經有效識別后向偵查機關自動預警，使視頻信息應用同步化。視頻數據的規(guī)范化收集、存儲、處理和傳輸，能夠形成有序的數據庫資源，在犯罪偵查中可以做到精準協(xié)作、快速反應。

5 邊緣計算應用于視頻偵查的價值場景

不同的數據、算法與業(yè)務的結合具有特異性，構建起數據的算法模型并基于該模型設計最佳價值場景是視頻偵查技術的發(fā)展基礎。邊緣計算本身由海量的終端設備構成，眾多終端可采用統(tǒng)一的開源操作系統(tǒng)，以便形成開源生態(tài)環(huán)境[19]?；陂_源管理設計的邊緣計算模型，以視頻數據為對象要素，推動視頻數據在運轉中不斷提高偵查價值，并最終服務于視頻偵查各種價值場景。在邊緣計算的上層模型中，從邊緣端傳送至云端的視頻數據面向視頻偵查體系的不同部門，應用主體的差異使邊緣業(yè)務形態(tài)各異。這種差異根源于邊云協(xié)同模式的區(qū)別與邊緣端及云端所運行的程序選擇不同，而正是這種區(qū)別化的技術組合，使流經邊緣計算模型的視頻監(jiān)控數據產生多維度的應用價值，為視頻偵查不同價值場景的創(chuàng)建提供了重要前提。

5.1 視頻偵查合成作戰(zhàn)

合成作戰(zhàn)的精髓在于集成以偵查機關為主導的公安、社會資源，降低警種、部門間的協(xié)作成本，發(fā)揮犯罪打擊的整體效能。這種理念在大數據偵查背景下應當得到進一步的發(fā)展完善。實踐中，關于視頻偵查的研究十分豐富，視頻導偵（以視頻偵查技術獲取情報信息進而引導偵查）的觀念得到一線部門的重視。但是也有學者認識到了當前視頻偵查發(fā)展的瓶頸，并籍此提出了視頻偵查技術與其他偵查技術的合成作戰(zhàn)理念。隨著邊緣計算模型在視頻監(jiān)控體系的應用，有望實現(xiàn)網絡帶寬與時延的彈性管理，在安全、低時延和可信共享的基礎上進一步釋放視頻偵查效能。依托視頻監(jiān)控數據構建視頻偵查合成作戰(zhàn)平臺具有實踐上的可行性與應用價值。

視頻大數據分析為公安合成作戰(zhàn)中偵查破案提供了強大的可視化信息支撐[20]。從設備端生成并向上傳輸的視頻監(jiān)控數據，在邊緣端得到初步處理后，在云端結合人車分類檢索技術、深度學習技術等對海量數據進行綜合處理，產生人特征數據庫、車特征數據庫、線索數據庫等各種基礎性數據庫。依托類型化的基礎數據庫，云端可以架構相應的應用平臺，如基于車特征數據庫可以建立車輛查稽平臺，實現(xiàn)對監(jiān)控圖像中車輛信息的管控。圍繞各種視頻偵查平臺，偵查人員可以搭建起從情報獲取、痕跡追蹤，到證據固定、犯罪嫌疑人抓捕的全鏈條式視頻偵查技術方案。邊緣端所實現(xiàn)的目標數據結構化，可以打破不同地域間視頻監(jiān)控數據的共享壁壘，實現(xiàn)視頻偵查跨地域作戰(zhàn)的實時監(jiān)測指揮。視頻偵查合成作戰(zhàn)的指揮者，可以做到對不同部門、不同地域、不同警種人員的高效交流協(xié)調，充分利用各警種、部門的人員、資源，做到情報信息的集約共享，提高視頻導偵精度。視頻偵查合成作戰(zhàn)平臺還能夠支持基于視頻監(jiān)控體系的戰(zhàn)術規(guī)劃，對相關部門和人員進行任務派遣，對任務完成情況進行確認和考核，對視頻偵查全程進行記錄、分析和總結。視頻偵查合成作戰(zhàn)平臺可以依托視頻監(jiān)控體系，形成獨立的作戰(zhàn)模塊，為各種犯罪案件的偵破提供新的解決思路。

視頻偵查合成作戰(zhàn)場景不僅僅包括依托視頻監(jiān)控體系所形成的偵查資源合成，還包括視頻偵查技術與其他偵查技術、偵查措施的合成。邊緣計算模型下，視頻偵查基于視頻數據的高效管理可以與當前應用較為成熟的刑事科學技術、技術偵查措施和網絡偵查手段實現(xiàn)更好的融合。例如，通過視頻監(jiān)控發(fā)現(xiàn)犯罪嫌疑人丟棄的煙頭、水瓶時，可以利用DNA 技術、指紋鑒定技術等迅速鎖定犯罪嫌疑人。邊緣計算模型下的視頻監(jiān)控數據規(guī)模大大減少，為各種偵查技術手段的融合帶來了質效上的提升。

5.2 智能輔助偵查

在偵查與犯罪的博弈視角下，快速反應能力是決定雙方勝敗的重要因素。犯罪分子通常會選擇在作案后迅速隱匿，而偵查人員則會僅僅抓住案發(fā)后的黃金破案時段。現(xiàn)實中，并非所有的犯罪案件的發(fā)生都可以通過主動應對得到預防和抑制，偵查機關在絕大多數情況下所扮演的都是被動應對的角色。偵查工作的特征對邊緣計算應用下的數據傳輸、運算速度提出了要求。因為偵查中的犯罪預警、措施應對能力直接關系到案件能否順利偵破。當前，視頻偵查工作都是在案件受理后，由專人對現(xiàn)場周遭的監(jiān)控探頭情況進行實地調查，然后對可能涉及的監(jiān)控探頭所記錄的視頻信息進行人工檢索。事實上，公安機關可以通過監(jiān)控平臺對公安聯(lián)網監(jiān)控探頭的朝向等進行調整，但人工操作的角度調整更多的是以最佳拍攝視角為標準，普遍缺乏監(jiān)控探頭間配合的考量，且這種調整都是固定角度的。這種工作模式極有可能錯過寶貴的偵查線索。

在邊緣計算模型下，邊緣端能在一定程度下實現(xiàn)對所轄監(jiān)控探頭的自動化調整。在識別運動物體后，相鄰監(jiān)控探頭能夠在同一邊緣管理器的控制下實現(xiàn)一定范圍內的配合，進而做到監(jiān)控視角的自動調整、對焦或軌跡追蹤。當人跡相對較少時（如夜晚時分、特殊場所等），這種運行模式能替代偵查人員對監(jiān)控體系做出及時調整。在人臉、車輛識別等技術愈發(fā)成熟的背景下，某些監(jiān)控探頭已經具備了強大的識別能力。在此基礎上，監(jiān)控探頭所識別、記錄的人像、車輛等信息通過邊緣端迅速完成與云端的匹配、比對，出現(xiàn)可疑人員、車輛時再通過邊緣端自動下達指令，通過各邊緣端、各監(jiān)控探頭的自動配合對可疑線索進行追蹤，為偵查人員的介入爭取寶貴時間。

隨著邊緣AI 芯片的逐漸成熟，邊緣端能夠自動實現(xiàn)的偵查功能也將越來越強大。深度學習是AI警務發(fā)展的重要推手，而邊緣計算模型下的視頻偵查體系為深度學習提供了良好的應用環(huán)境。從技術上講，當前能應用于邊緣端的深度學習技術僅包括部分智能推理階段，這是因為邊緣端的算力相對云端差距懸殊。但由于邊緣計算CROSS 價值（ECC（邊緣計算聯(lián)盟）給出的邊緣計算的定義中提及五大關鍵要素，即聯(lián)接（Connectivity）、業(yè)務實時性（Real-time）、數據優(yōu)化（Optimization）、應用智能（Smart）、安全與隱私保護（Security），簡稱邊緣計算的CROSS 價值。英文CROSS 有跨越的意，突破CROSS 代表的這五道關，邊緣計算的價值將得到更加充分的釋放）的快速發(fā)展，基于邊緣推理的邊緣AI芯片不斷迭代更新?？梢灶A見，邊緣計算與AI 技術的融合將極大推動邊緣端智能輔助偵查能力的提升與發(fā)展。

5.3 偵查內部監(jiān)督

當犯罪打擊陷入窘境，適度擴張偵查權的呼聲便隨之高漲。偵查自由（為確保偵查行為的靈活性而相對自由的開展偵查）是偵查人員對抗監(jiān)督的主要理由。基于偵查權或潛在或直接的權利威脅屬性，對偵查權進行規(guī)制是法治建設的應有之義。但是，不得不承認偵查自由的主張也存在一定的合理性，實踐中多次發(fā)生的檢察機關不適當介入所引發(fā)的沖突即是例證。在偵查權規(guī)制的主體選擇中，本文始終認為不應當忽視公安內部監(jiān)督的優(yōu)越性，來自同一組織成員的監(jiān)督會有效減少彼此之間的惡性對抗?；诠矆?zhí)法規(guī)范化建設的目標，公安機關內部安裝了相對完善的監(jiān)控探頭體系。以東部地區(qū)某市派出所為例，除民警生活區(qū)外基本上實現(xiàn)了監(jiān)控全覆蓋。這些監(jiān)控探頭客觀真實地記錄了發(fā)生在公安機關內部的偵查行為實施過程，產生的視頻監(jiān)控數據為偵查權的內部規(guī)制提供了有利條件。

大量的偵查違法行為都可以通過邊緣處理器自動識別并向云端預警。偵查內部監(jiān)督場景下，邊緣節(jié)點需要具備一定的智能識別能力。由于視頻對象的特殊性，相關數據的安全性問題也必須引起足夠重視。以訊問室為例，公安部門各業(yè)務警種與派出所都配備標準化的訊問室，房間內均勻分布的探頭可以實現(xiàn)無死角監(jiān)控。而依據相關規(guī)定，訊問室內的人員坐落位置是相對固定的?；诔墒斓哪繕朔治鰴z測技術，邊緣端可以實現(xiàn)對訊問室內人員人數的自動識別。在人像較長時間缺失、人像出現(xiàn)較長時間或者數據流異常增大（如目標活動強度突然變化等原因，此時可能出現(xiàn)刑訊、非法取證等行為）時觸發(fā)自動報警，后臺監(jiān)管者及時介入。此外，訊問室一般都配備室溫濕度LED 電子鐘，邊緣端基于數字識別技術可以實現(xiàn)對訊問室環(huán)境指標的自動分析與預警，避免訊問中偵查違法行為的發(fā)生，例如疲勞訊問、高低溫變相肉刑等。在云端，監(jiān)管者還可以結合音頻系統(tǒng)、網上辦案平臺等及時對可疑線索進行核實確認，而邊緣端的智能化將極大地解放后臺監(jiān)管者的人力勞動，提高偵查監(jiān)督的全面性、同步性。

在以審判為中心的訴訟體制改革背景下，偵查權的規(guī)制也是檢察機關和審判機關面臨的重要課題。對于控辯雙方程序性爭議的證明，由控方承擔證明責任[21]。同偵查機關在視頻偵查中的做法一致，檢察機關、審判機關的工作人員面對偵查行為合法性的質疑也需要對相關監(jiān)控材料進行人工核驗。而在邊緣計算模型下，邊緣端的智能處理能夠有效地輔助外部監(jiān)督主體發(fā)現(xiàn)偵查權運行中的違法問題，降低監(jiān)督、證明成本。其基本原理同公安系統(tǒng)的內部監(jiān)督基本一致，但需要更加側重視頻的完整性及人工痕跡檢驗。

6 結語

視頻偵查數據的指數般增長，導致云端存儲空間和云計算的壓力快速增大。雖然相關大數據技術的發(fā)展亦十分迅速，但兩者之間不成比例的增長速度仍然帶來巨大難題，而在不考慮內容價值的基礎上盲目擴大云端存儲規(guī)模是不理性的，因此，邊緣計算在視頻偵查中的應用必然成為近幾年的趨勢，但是任何一項新技術在出現(xiàn)時都不可能是完美的，因此也必須充分考慮邊緣計算在視頻偵查中的應用困難與挑戰(zhàn)。邊緣計算在視頻偵查中的應用需要其他技術的配合，其應用程度也因此受到其他因素的制約，如邊緣AI芯片的研發(fā)問題等。

視頻偵查技術的應用在大幅提升偵查效能的同時，占用了大量的警力資源、偵查資源，視頻偵查技術的發(fā)展迫切需要引進新的算法模型。在大數據的處理模式中，邊緣計算的架構天然地與視頻監(jiān)控體系具備相當的融合性，其模型層次也與偵查部門層級設置相契合。以邊緣計算模型解決視頻偵查困境，核心思路就是為邊緣端賦能，從技術層面替代警力過濾無價值視頻信息數據。邊緣端的智能化還有望解決困擾安防行業(yè)多年的數據異構、共享問題，進一步釋放視頻偵查潛力。面對邊緣計算在工業(yè)、商務領域中的成熟應用，偵查部門也應當保持新技術的敏感性，以更開放、更包容的姿態(tài)參與到邊緣計算的發(fā)展中來，積極共建以引領司法大數據改革。盡管邊緣計算在視頻偵查中的應用還存在種種困難與挑戰(zhàn)，但卻能為視頻偵查技術的發(fā)展瓶頸提供切實可行的解決思路。在邊緣計算與視頻偵查的融合中，大數據偵查也必將迎來新的發(fā)展階段。