轨迹分析系统，分析目标人员在时间范围内所有详细轨迹情况，以时间轴和列表的形式展示，并通过该人员所有轨迹信息的碰撞得到该人员的“同住人”、“同行人”、“可能工作地”、“可能居住地”、”常去酒店“、“常去城市”等信息。

轨迹分析系统，包括轨迹分析、同住人、同行人、可能工作地、可能居住地、常去酒店、常去城市。

视频侦查的应用过程中，需要对关注目标的行进路线进行实时观察。目标追踪和轨迹描述分为单摄像头和跨摄像头两个情况。

单摄像头追踪是在同一视频镜头内，通过特征或者模型的匹配，对特定对象进行从进入画面到消失过程中每一时刻位置信息的标注。跨多摄像头的轨迹追踪是对特定目标出现的时空特征进行分析，对目标出现的空间位置序列按照时间节点顺序进行排列，并给出其在特定时间段内的运动轨迹，用于案情分析和人员筛查等。

视频侦查办案中，将目标发现结果分摄像头进行总结，将关注目标的性别、人数、体态、运动方向、交通工具、时间等进行归纳和罗列，对比各个不同监控视频的对应地点和时间来综合判定嫌疑人的轨迹。

车辆追踪是当前发现犯罪嫌疑人的重要手段之一。对可疑车辆进行特征提取，包括车辆牌照、型号等，实现以车找人的侦查方式。通过治安卡口系统、闯红灯系统、电子警察系统等，对于车辆的监控信息，如车牌、车标、车身信息等进行获取。通过对视频数据进行采集并支持视频目标搜索，获取可疑车辆的行动路线，并在地图上实时展示，提高侦查效率。

视频监控是安全防范系统的重要组成部分，监控系统包括前端摄像机、传输线缆、视频监控平台。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。视频监控主要包括城市公共区域建设的“天网”系统、社会视频监控系统、卡口监控系统。视频监控采集的视频图像数据具有极高的价值。当发生案件时，可以运用视频监控发现线索、锁定目标、证实犯罪，作为新的侦查途径。

视频识别主要包括视频信息的采集及传输、视频检测和分析处理三个环节。通过智能分析模块，对视频画面进行识别、检测、分析，对异常情况进行目标和轨迹标记。智能分析模块基于人工智能和模式识别原理的算法。

深度学习是机器学习的一个子类，是机器学习众多算法中的一种，是拥有多个隐藏层的神经网络。深度学习可以理解为多层神经网络，是一种学习的模式，采用具有深度的模型进行学习。深度学习具有其他算法不具备的显著优势，特别在AI领域的应用中，使得深度学习解决问题的效果尤为突出，广泛应用于语音识别、图像识别、文本理解等众多领域。

机器学习是让机器从大量样本数据中自动学习其规律，并根据学习到的规律预测未知数据的过程。机器学习的目标是发现数据中暗藏的规律，由此对未知进行预测。这个过程要通过学习来实现，学习用到的材料则是大数据。

机器学习通过人工智能来分析、探索和预测趋势，并根据过去的变化预测未来的趋势。通过经典的机器学习算法，为客户提供智能应用程序，包括频繁模式挖掘、聚类、分类、推荐引擎（获得用户行为并从中发现用户可能喜欢的事物）、频繁子项挖掘（利用一个项集，如查询记录和购物目录，去识别经常一起出现的项目）。

人工智能是计算机科学与技术专业的一门重要的专业课程，运用计算机模拟和延伸人脑功能，模仿人脑所从事的推理、识别、理解、设计、学习、思考等思维活动，以此解决预测、规划等需要人类专家才能处理的复杂问题。人工智能关键技术包括专家系统、自然语言理解、人工神经网络。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。