基于视觉感知技术的机场旅客定位系统设计与实现

刘 涌，查 明

（上海宝信软件股份有限公司 上海 201900）

1 引言

通常飞机航班管理很重视实时性，飞机需要严格遵照设定的时间起飞，这样才能提升机场空间使用的周转率、提升机场资源的使用效益[1]。乘客需要在规定时间内到达机场候机并且严格遵守时间登机和值机；但是，在机场运营过程中，经常出现乘客误机的事情，这不仅给乘客的出行造成不便，也不利于机场资源的高效运转。建立旅客定位系统、基于定位系统实现对机场可控区域内未登记旅客的实时确认是解决这一问题的有效措施，同时乘客还可以利用这种定位系统寻找同机伙伴或者机组服务人员，享受智慧机场建设成果的福利[2]。传统上机场旅客定位系统是采用主动寻的方式实现，即需要待寻目标随身携带或者装备应答式定位信号发射装置，将定位信息通过Wi-Fi网络或者局域网进行点对点发送或者点对面广播，由定位系统采集这种信号并进行解析，从中辨识出待寻的目标的精准位置。这种系统操作和实现起来比较简单，但是只有当用户发起定位请求时通过复杂的通信链路选择才能实现定位，并且定位系统无法自动进行寻的和定位，因此无法达到主动进行目标定位的目的[3-4]。因此，本文基于视觉感知技术设计旅客定位系统，重点对非合作目标（也就是不确定待定位目标的身份信息，只要定位系统打开，即可搜索并定位所有符合预设标准的待寻目标）进行主动定位，从而在机场有限空间范围内确定所有待登记乘客的位置和身份信息，及时进行点对点或者点对面的广播时信息推送，提醒旅客及时登机。

2 基于视觉感知的旅客定位系统工作原理

2.1 视觉感知技术概述

视觉感知技术是图像处理和目标识别技术的综合，主要是利用摄像头采集到的图像信息进行目标识别和定位。高清晰的广角摄像头分布在特定空间区域内，对指定目标或者进入空间区域的目标进行面部特征采集，之后将采集到的图像信息通过高速网络进行快速传输，经过计算机进行特征分析并与数据库中预存的人员信息进行特征比对，根据比对得到的特征判断目标的身份和位置，完成特定的功能[5]。

2.2 旅客定位系统组成

基于视觉感知技术的旅客定位系统主要由以下分系统组成：图像采集分系统，可以是高清晰的广角摄像头，分布在待检空间区域的特定位置；局域网络分系统，具有大带宽、快速传输的性质，能够确保大数据量的图片和视频信息进行快速传递；计算机处理分系统，主要对采集到的图像和视频信息进行实时处理，包括预处理、特征识别、特征比对、特征判别、结果输出等功能；数据库分系统，主要实现存储功能，既需要存储历史信息，也需要实现与相关身份信息识别部门的联网并用，具有数据快速读取和存储功能。

2.3 旅客定位系统架构模式

基于视觉感知技术的机场旅客定位系统采用中心节点+子节点的架构模式实现。中心节点具有计算能力较强的计算机系统组成，计算机系统除了需要搭配常规CPU之外，还需要具备强大的GPU处理能力，这样才能快速运行图形图像处理算法、实现在线快速计算；子节点主要是各种分布式摄像头和存储器，摄像头的布设依据机场待监测区域的空间分布情况和最大候机人数进行综合确定，采用高空云台进行架设，存储器包括图像特征存取数据库和特征比对数据库，特征比对数据库包括所有购买相关班次机票的旅客，待飞机候机时间开始后，特征比对数据库开始启动直至飞机起飞后或者待机结束后该数据库关闭，这样做以减少数据库工作时间并减轻定位系统的工作压力、降低资源无效消耗率。

子节点和中心节点共同协调配合完成旅客身份识别和定位功能；子节点也具有旅客身份识别和定位的能力，从而降低中心节点的资源消耗、提高中心节点的工作效率。具体来说，可以对机场候机楼进行区域划分，在入口一定距离范围内的旅客由中心节点进行特征采集和比对识别，经过该区域、继续进入候机楼内部区域的旅客由子节点进行特征采集和比对识别；相应地对特征比对数据库内的已知身份信息进行分类，可以分为活跃用户和非活跃用户两类，将中心节点识别并对比的数据归结为非活跃用户、将子节点识别并比对的数据归结为活跃用户，这两类用户信息可以由中心计算机和子节点计算机进行分别调用，这样可以提升数据库信息的输出速度。对旅客身份进行识别和确定之后，根据摄像头架设位置、采集到的旅客图像特征像素大小等几何尺寸信息，预估出旅客在候机大厅内部的准确位置，从而便于机场服务人员第一时间对旅客进行身份识别、位置确定并及时联系上旅客。

另外，旅客信息数据库需要进行在线维护，具体来说就是当某一批次登机旅客中的第一位进入机场待检区域后，摄像头第一时间采集到旅客的特征信息上传至中心节点计算机，此时该批次所有旅客的身份信息全部进入缓存待调用状态，供中心节点和子节点计算机进行调用；当待机时间结束或者登机时间结束后，该批次所有旅客的身份信息全部在数据库中清除，释放出空间调用和读取下一批次旅客身份信息。

3 基于视觉感知的旅客定位系统关键技术解析

3.1 摄像头图像信息的预处理

对于摄像头采集到的图像信息，在输入计算机进行特征分析前需要进行预处理。首先需要灰度化，将摄像头RGB 3个通道的亮度进行加权求和，然后取平均值，利用此平均值作为灰度化的基础；灰度化结束后，需要对灰度图像进行空间变换，通过平移、转置、旋转、缩放等几何处理方法将校正采集到的图像与摄像头成像角度、透视关系等参数之间的随机误差，必要时可以采用灰度插值算法进行辅助计算，通过空间变换对图像信息进行补充和修复，确保图像信息中位置信息的无缺失或者少缺失。对于一些不清晰的图像，必要时可以进行降噪处理，此时可以利用邻域去噪法，将图像在频率域中进行处理，利用邻域图像信息数据对受到噪声污染的图像信息进行补充，从而获得高清晰的图像。

3.2 图像信息的特征提取

利用图像信息进行旅客身份识别和定位时，可以选择临近像素点之间的距离作为图像特征。对特定时刻的图像数据进行分析，可以利用边缘检测的方法进行特征信息的提取。将摄像头采集到的机场旅客图像中局部强度不连续的像素集合作为待检测边缘，基于不同检测边缘之间的阴影、亮度等的变化进行边界分割，将这些特征结合旅客的面部特征（比如脸部轮廓）和体型特征等定义为边缘检测算子，利用不同的边缘检测算子识别方法进行特征提取。

3.3 人脸特征信息的跟踪

进行旅客身份识别和定位时，高清摄像头采集进入视场内的旅客脸部信息，在一段时间内采集到的特征信息组成时间数据序列，中心计算机利用该段时间数据序列进行特征提取和比对时，需要从该段序列信息中抽取某个时刻或者某段时间内的特征信息进行计算。实现这一目的可以使用全局最近邻算法。

全局最近邻算法的核心思想是在特定时刻t，将摄像头所检测到的人脸特征信息表示为集合，其中m和n表示摄像头所具有的横向和纵向的像素分辨率（也就是所采集到的图像的纵横两个方向的像素数），x表示所选择的状态变量（一般选择为距离）；将目标集合在该时刻的状态表示为；特征矩阵表示该时刻所检测到的旅客人脸特征信息与目标特征信息之间关联方式的集合，在此情况下多目标追踪过程可以表示为公式（1）所示的最优化问题：

求解公式（1），即可获得特定时刻所检测到的旅客人脸特征信息与目标特征信息之间的关联方式，从而实现对旅客信息的实时跟踪。

将旅客特征信息与目标数据库中预存的特征信息进行比对，设定目标信息重合度阈值，当旅客特征信息与目标特征信息重合度达到该阈值时，即可认定两者的特征信息高度匹配、属于同一个人，从而给出相关的信息数据。

3.4 旅客目标定位

为了进行旅客目标的定位，需要建立摄像头坐标系和特征旅客本体坐标系，根据两者之间的空间角度关系确定坐标系之间的转换矩阵，结合坐标系变换关系和旅客与摄像头之间的距离，计算出旅客位置相对于摄像头之间的结合关系，将它们同时变换到空间惯性坐标系中。在空间惯性坐标系中利用几何关系对旅客相对于摄像头的位置进行计算，必要时考虑到旅客图像的面积轮廓，利用轮廓在摄像头视场中所占用的像素比例数来对空间位置进行修正。

4 结语

基于视觉感知技术的旅客机场定位系统不同于传统的主动式定位系统，它避免了无线信号的发射与搜寻，可以利用摄像头采集到的图像信息直接进行计算，不易受到无线电信号的干扰。但是，这种技术对摄像头采集到的图像信息质量要求较高，图像需要高清，同时旅客特性比较好识别和寻找，这样才能快速识别并减少对计算机计算能力的压力；另外，需要提前布设好摄像头的空间位置，建立摄像头坐标系与旅客坐标系以及惯性坐标系之间的变换关系，这样才能计算出相对精确的旅客位置信息。本文分析了基于视觉感知的旅客定位系统的工作原理，明确了视觉感知技术的基本原理并设计了旅客定位系统的组成和架构模式，实现了硬件设备的搭建；在此基础上对基于视觉感知的旅客定位系统关键技术进行了分析，重点分析了摄像头图像信息的预处理技术、图像信息的特征提取技术、人脸特征信息的追踪技术和旅客目标定位技术，这些技术共同构成了旅客定位系统的软件运算基础。后续研究过程中，需要对软硬件之间的接口进行设计和优化，同时结合具体任务需求对硬件设备进行选型分析和搭建，对软件算法部分进行改进，在能够满足实际使用需求的前提下，进一步探索提高图像处理速度和定位精度的方法。