智慧公安以大數據、云計算、人工智能、物聯網和移動互聯網技術為支撐，以“打、防、管、控”為目的，綜合研判為核心，共享信息數據資源，融合業務功能，構建公安智慧大數據平臺，實現公安信息數字化、網絡化和智能化。智慧公安大數據平臺，全面感知、綜合分析、整合公安業務資源和社會化信息資源，提供高效的警務管理手段，拓展便民服務空間。

無人機是利用無線電遙控設備和程序控制裝置操縱的不載人飛機，或者由車載計算機自主地操作。無人機按應用領域，可分為軍用與民用。民用方面，包括在航拍、農業、快遞運輸、災難救援、測繪、拍攝等領域的應用。通過無人機可實現高分辨率影像的采集，在彌補衛星遙感獲取不到影像同時，解決傳統衛星遙感重訪周期過長，應急不及時等問題。

視頻圖像識別分析主要包括視頻圖片信息的采集及傳輸、視頻圖片檢測和分析處理三個環節。通過智能分析模塊，對視頻畫面進行識別、檢測、分析，對異常情況進行目標和軌跡標記。智能分析模塊基于人工智能和模式識別原理的算法。

行人檢測與行人再標識是智慧公安和智能安防系統中的關鍵技術。行人檢測是計算機視覺領域的一個重要研究方向，不同行人之間的表觀差異較大，如行人的服裝、姿態變化?；谏疃葘W習的方法在性能上更有優勢，成為該領域的主流方法。行人再標識是視頻監控研究領域的關鍵組成部分，目的是對出現在監控攝像頭視域內的某個目標行人，在監控網絡其他攝像頭視域內的大量行人中將這個目標行人標識出來。

行人再標識，先根據行人特征表達方法獲取行人圖像的特征，對大量的行人圖像進行訓練，得到合適的衡量行人圖像之間相似性的判別方法。對拍攝的某個目標行人的圖像，將其與其他行人圖像進行匹配，找到與其相似性最高的行人圖像，實現目標行人的再標識。

車輛識別目前分為兩個大類：基于車牌信息的車輛識別方法和基于車輛表觀信息的車輛識別方法?；谲嚺菩畔⒌能囕v識別方法，總體分為三個功能模塊：車牌定位、字符分割和字符識別。車牌定位是在獲取圖像中檢測車牌所在位置；字符分割將車牌圖像中的字符從整體圖像中分割成字符個體；字符識別是對分割的字符圖像進行識別，將圖像信息轉換為字符信息。目前，車牌識別技術比較成熟，在各種交通控制與管理場合得到應用。

基于車輛表觀信息的車輛識別方法，即基于車輛外觀的識別方法，采用將車標和車型識別相結合的方法。車標識別通過計算機視覺、圖像處理與模式識別，從車輛圖像中提取車標信息，獲得機動車車輛品牌信息。車標識別技術是智能交通系統中一個重要研究領域，具有較高的實用價值。車標識別技術常用方法分為五種，分別是基于邊緣直方圖的方法、結合2DPCA-ICA和SVM的方法、基于Hu不變矩的方法、基于SIFT描述子的方法和基于模板匹配的方法。

智慧公安無人機圖像識別分析系統，包括數據中心、重點人員預警、重點車輛預警、系統管理。

數據中心

大數據中心提供對海量數據的處理、存儲、計算、分析、數據挖掘和數據服務。數據資源涉及公安所有的數據資源類型，包括市局各部門、各專業警種等業務系統數據，各種社會數據資源和部省資源；涵蓋各種結構化數據，以及視頻、圖片、音頻、文檔、互聯網數據、電子筆錄等半結構化和非結構化數據。

數據中心建設包括以下內容：

數據接入，包括元數據管理、數據定義、數據讀取、數據處理；數據來源包括視頻圖像、外部數據、內部警務數據。數據接入，包括無人機圖像數據對接、重點人臉庫接口對接、重點車輛庫接口對接。

數據治理，包括資源編目、數據血緣管理、標簽管理、數據質量管理、數據運維管理。

數據組織，建立基礎數據庫、主數據庫、關聯數據庫、專題數據庫、主題數據庫。

數據服務，包括數據服務接口、API網關。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。