基于視覺感知技術的機場旅客定位系統設計與實現

劉 涌，查 明

（上海寶信軟件股份有限公司 上海 201900）

1 引言

通常飛機航班管理很重視實時性，飛機需要嚴格遵照設定的時間起飛，這樣才能提升機場空間使用的周轉率、提升機場資源的使用效益[1]。乘客需要在規定時間內到達機場候機并且嚴格遵守時間登機和值機；但是，在機場運營過程中，經常出現乘客誤機的事情，這不僅給乘客的出行造成不便，也不利于機場資源的高效運轉。建立旅客定位系統、基于定位系統實現對機場可控區域內未登記旅客的實時確認是解決這一問題的有效措施，同時乘客還可以利用這種定位系統尋找同機伙伴或者機組服務人員，享受智慧機場建設成果的福利[2]。傳統上機場旅客定位系統是采用主動尋的方式實現，即需要待尋目標隨身攜帶或者裝備應答式定位信號發射裝置，將定位信息通過Wi-Fi網絡或者局域網進行點對點發送或者點對面廣播，由定位系統采集這種信號并進行解析，從中辨識出待尋的目標的精準位置。這種系統操作和實現起來比較簡單，但是只有當用戶發起定位請求時通過復雜的通信鏈路選擇才能實現定位，并且定位系統無法自動進行尋的和定位，因此無法達到主動進行目標定位的目的[3-4]。因此，本文基于視覺感知技術設計旅客定位系統，重點對非合作目標（也就是不確定待定位目標的身份信息，只要定位系統打開，即可搜索并定位所有符合預設標準的待尋目標）進行主動定位，從而在機場有限空間范圍內確定所有待登記乘客的位置和身份信息，及時進行點對點或者點對面的廣播時信息推送，提醒旅客及時登機。

2 基于視覺感知的旅客定位系統工作原理

2.1 視覺感知技術概述

視覺感知技術是圖像處理和目標識別技術的綜合，主要是利用攝像頭采集到的圖像信息進行目標識別和定位。高清晰的廣角攝像頭分布在特定空間區域內，對指定目標或者進入空間區域的目標進行面部特征采集，之后將采集到的圖像信息通過高速網絡進行快速傳輸，經過計算機進行特征分析并與數據庫中預存的人員信息進行特征比對，根據比對得到的特征判斷目標的身份和位置，完成特定的功能[5]。

2.2 旅客定位系統組成

基于視覺感知技術的旅客定位系統主要由以下分系統組成：圖像采集分系統，可以是高清晰的廣角攝像頭，分布在待檢空間區域的特定位置；局域網絡分系統，具有大帶寬、快速傳輸的性質，能夠確保大數據量的圖片和視頻信息進行快速傳遞；計算機處理分系統，主要對采集到的圖像和視頻信息進行實時處理，包括預處理、特征識別、特征比對、特征判別、結果輸出等功能；數據庫分系統，主要實現存儲功能，既需要存儲歷史信息，也需要實現與相關身份信息識別部門的聯網并用，具有數據快速讀取和存儲功能。

2.3 旅客定位系統架構模式

基于視覺感知技術的機場旅客定位系統采用中心節點+子節點的架構模式實現。中心節點具有計算能力較強的計算機系統組成，計算機系統除了需要搭配常規CPU之外，還需要具備強大的GPU處理能力，這樣才能快速運行圖形圖像處理算法、實現在線快速計算；子節點主要是各種分布式攝像頭和存儲器，攝像頭的布設依據機場待監測區域的空間分布情況和最大候機人數進行綜合確定，采用高空云臺進行架設，存儲器包括圖像特征存取數據庫和特征比對數據庫，特征比對數據庫包括所有購買相關班次機票的旅客，待飛機候機時間開始后，特征比對數據庫開始啟動直至飛機起飛后或者待機結束后該數據庫關閉，這樣做以減少數據庫工作時間并減輕定位系統的工作壓力、降低資源無效消耗率。

子節點和中心節點共同協調配合完成旅客身份識別和定位功能；子節點也具有旅客身份識別和定位的能力，從而降低中心節點的資源消耗、提高中心節點的工作效率。具體來說，可以對機場候機樓進行區域劃分，在入口一定距離范圍內的旅客由中心節點進行特征采集和比對識別，經過該區域、繼續進入候機樓內部區域的旅客由子節點進行特征采集和比對識別；相應地對特征比對數據庫內的已知身份信息進行分類，可以分為活躍用戶和非活躍用戶兩類，將中心節點識別并對比的數據歸結為非活躍用戶、將子節點識別并比對的數據歸結為活躍用戶，這兩類用戶信息可以由中心計算機和子節點計算機進行分別調用，這樣可以提升數據庫信息的輸出速度。對旅客身份進行識別和確定之后，根據攝像頭架設位置、采集到的旅客圖像特征像素大小等幾何尺寸信息，預估出旅客在候機大廳內部的準確位置，從而便于機場服務人員第一時間對旅客進行身份識別、位置確定并及時聯系上旅客。

另外，旅客信息數據庫需要進行在線維護，具體來說就是當某一批次登機旅客中的第一位進入機場待檢區域后，攝像頭第一時間采集到旅客的特征信息上傳至中心節點計算機，此時該批次所有旅客的身份信息全部進入緩存待調用狀態，供中心節點和子節點計算機進行調用；當待機時間結束或者登機時間結束后，該批次所有旅客的身份信息全部在數據庫中清除，釋放出空間調用和讀取下一批次旅客身份信息。

3 基于視覺感知的旅客定位系統關鍵技術解析

3.1 攝像頭圖像信息的預處理

對于攝像頭采集到的圖像信息，在輸入計算機進行特征分析前需要進行預處理。首先需要灰度化，將攝像頭RGB 3個通道的亮度進行加權求和，然后取平均值，利用此平均值作為灰度化的基礎；灰度化結束后，需要對灰度圖像進行空間變換，通過平移、轉置、旋轉、縮放等幾何處理方法將校正采集到的圖像與攝像頭成像角度、透視關系等參數之間的隨機誤差，必要時可以采用灰度插值算法進行輔助計算，通過空間變換對圖像信息進行補充和修復，確保圖像信息中位置信息的無缺失或者少缺失。對于一些不清晰的圖像，必要時可以進行降噪處理，此時可以利用鄰域去噪法，將圖像在頻率域中進行處理，利用鄰域圖像信息數據對受到噪聲污染的圖像信息進行補充，從而獲得高清晰的圖像。

3.2 圖像信息的特征提取

利用圖像信息進行旅客身份識別和定位時，可以選擇臨近像素點之間的距離作為圖像特征。對特定時刻的圖像數據進行分析，可以利用邊緣檢測的方法進行特征信息的提取。將攝像頭采集到的機場旅客圖像中局部強度不連續的像素集合作為待檢測邊緣，基于不同檢測邊緣之間的陰影、亮度等的變化進行邊界分割，將這些特征結合旅客的面部特征（比如臉部輪廓）和體型特征等定義為邊緣檢測算子，利用不同的邊緣檢測算子識別方法進行特征提取。

3.3 人臉特征信息的跟蹤

進行旅客身份識別和定位時，高清攝像頭采集進入視場內的旅客臉部信息，在一段時間內采集到的特征信息組成時間數據序列，中心計算機利用該段時間數據序列進行特征提取和比對時，需要從該段序列信息中抽取某個時刻或者某段時間內的特征信息進行計算。實現這一目的可以使用全局最近鄰算法。

全局最近鄰算法的核心思想是在特定時刻t，將攝像頭所檢測到的人臉特征信息表示為集合，其中m和n表示攝像頭所具有的橫向和縱向的像素分辨率（也就是所采集到的圖像的縱橫兩個方向的像素數），x表示所選擇的狀態變量（一般選擇為距離）；將目標集合在該時刻的狀態表示為；特征矩陣表示該時刻所檢測到的旅客人臉特征信息與目標特征信息之間關聯方式的集合，在此情況下多目標追蹤過程可以表示為公式（1）所示的最優化問題：

求解公式（1），即可獲得特定時刻所檢測到的旅客人臉特征信息與目標特征信息之間的關聯方式，從而實現對旅客信息的實時跟蹤。

將旅客特征信息與目標數據庫中預存的特征信息進行比對，設定目標信息重合度閾值，當旅客特征信息與目標特征信息重合度達到該閾值時，即可認定兩者的特征信息高度匹配、屬于同一個人，從而給出相關的信息數據。

3.4 旅客目標定位

為了進行旅客目標的定位，需要建立攝像頭坐標系和特征旅客本體坐標系，根據兩者之間的空間角度關系確定坐標系之間的轉換矩陣，結合坐標系變換關系和旅客與攝像頭之間的距離，計算出旅客位置相對于攝像頭之間的結合關系，將它們同時變換到空間慣性坐標系中。在空間慣性坐標系中利用幾何關系對旅客相對于攝像頭的位置進行計算，必要時考慮到旅客圖像的面積輪廓，利用輪廓在攝像頭視場中所占用的像素比例數來對空間位置進行修正。

4 結語

基于視覺感知技術的旅客機場定位系統不同于傳統的主動式定位系統，它避免了無線信號的發射與搜尋，可以利用攝像頭采集到的圖像信息直接進行計算，不易受到無線電信號的干擾。但是，這種技術對攝像頭采集到的圖像信息質量要求較高，圖像需要高清，同時旅客特性比較好識別和尋找，這樣才能快速識別并減少對計算機計算能力的壓力；另外，需要提前布設好攝像頭的空間位置，建立攝像頭坐標系與旅客坐標系以及慣性坐標系之間的變換關系，這樣才能計算出相對精確的旅客位置信息。本文分析了基于視覺感知的旅客定位系統的工作原理，明確了視覺感知技術的基本原理并設計了旅客定位系統的組成和架構模式，實現了硬件設備的搭建；在此基礎上對基于視覺感知的旅客定位系統關鍵技術進行了分析，重點分析了攝像頭圖像信息的預處理技術、圖像信息的特征提取技術、人臉特征信息的追蹤技術和旅客目標定位技術，這些技術共同構成了旅客定位系統的軟件運算基礎。后續研究過程中，需要對軟硬件之間的接口進行設計和優化，同時結合具體任務需求對硬件設備進行選型分析和搭建，對軟件算法部分進行改進，在能夠滿足實際使用需求的前提下，進一步探索提高圖像處理速度和定位精度的方法。