随着平安城市的建设,公共视频监控系统在社会治安防控、刑事犯罪打击、智慧交通指挥、风险预测预警等方面起到了重要作用。其庞大丰富的视频图像资源为公安案件侦查提供线索,协助侦查干警迅速锁定嫌疑对象、固定案件证据、还原案发现场,提高案件侦破的准确性与效率。伴随视频监控系统的快速发展与应用,面对海量视频图像资源,侦查人员如何高效、准确、完整地找到涉案信息,是目前视频侦查工作中亟待解决的问题。知识图谱是一种结构化的知识描述,具有强大的语义关联性,能较好的组织和管理数据,而应用在视频侦查工作中可以进一步提高侦查效率、充分挖掘线索,将视频信息巨大的资源优势转化为侦查机关的实时战斗力。本文研究了视频侦查领域知识图谱的构建,完成以下三部分内容:1)构建视频侦查知识图谱的数据层。从数据源出发,基于BiLSTM-CRF命名实体识别联合模型抽取文本语料中的实体,以依存句法分析为基础抽取实体的语义关系,利用特征词的词性序列抽取实体的属性;利用D2R实现结构化数据到三元组的映射,初步形成视频侦查的知识库,并将案例中抽取的实体链接到该知识库中;提出以词典的方式对抽取和融合后的知识进行管理;使用图数据库Neo4j对结构化的视频侦查知识进行存储。2)构建视频侦查知识图谱的模式层。通过对视频侦查知识概括总结,整理了视频侦查本体的五个要素{C,AC,R,X,I},并详细阐述了视频侦查领域本体的构建方法;使用Protégé生成视频侦查本体模型,主要包括概念类、对象属性和数据属性三者的编辑;基于构建好的本体模型,初步研究了知识推理的模式。3)实现和应用视频侦查知识图谱。通过对Deepfinder平台的配置,实现知识图谱的可视化,并研究了视频侦查知识图谱的更新方式;提出了知识图谱在视频侦查工作中的应用流程和思想,通过视频侦查案例说明了知识图谱在视频侦查工作中的实践情况。
