董景峰，楊若怡，周康康，謝明江

（東北林業(yè)大學(xué) 工程技術(shù)學(xué)院，黑龍江 哈爾濱 150040）

1 引言

隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展，人們對(duì)民用航空的需求也不斷增長(zhǎng)，與此同時(shí)，人們對(duì)航空服務(wù)質(zhì)量的要求也越來越高，為人們提供安全、舒適的環(huán)境和服務(wù)是我們所倡導(dǎo)的[1]。21世紀(jì)以來，國(guó)內(nèi)外對(duì)機(jī)場(chǎng)旅客與航站樓內(nèi)部運(yùn)營(yíng)管理有一定的研究。像北京首都國(guó)際機(jī)場(chǎng)的任海平提出了APM線數(shù)字化管理工作平臺(tái)的建設(shè)方案，并就首都機(jī)場(chǎng)自動(dòng)旅客運(yùn)輸系統(tǒng)的設(shè)計(jì)原則、體系架構(gòu)、構(gòu)建步驟及實(shí)施效果進(jìn)行闡述[2]。蘭德隆與布朗交通技術(shù)針對(duì)國(guó)內(nèi)大型機(jī)場(chǎng)航站樓排隊(duì)時(shí)間過長(zhǎng)、樓內(nèi)空間不足、日益多元化的旅客出行需求等問題，介紹旅客流程的各個(gè)環(huán)節(jié)上國(guó)際先進(jìn)機(jī)場(chǎng)航站樓使用的新技術(shù)及新理念，以提升旅客流程上的處理效率，滿足不同旅客出行需求。

針對(duì)機(jī)場(chǎng)航站樓內(nèi)航班到達(dá)后人們從行李輸送傳送帶上領(lǐng)取行李現(xiàn)狀，我們發(fā)現(xiàn)放置在傳送帶上的行李箱擺放不一，很多行李箱把手遠(yuǎn)離人們的身體。從傳送帶上拖拉行李時(shí)，往往因?yàn)榘咽蛛x身體過遠(yuǎn)，導(dǎo)致人們的腰部或脊椎受損。針對(duì)此問題，本文提出了設(shè)計(jì)托運(yùn)行李箱掃描識(shí)別旋轉(zhuǎn)裝置，可以將行李箱把手自動(dòng)旋轉(zhuǎn)至面向取箱者，從而避免旅行者取箱困難的產(chǎn)生和不必要的傷害，同時(shí)為旅行者提供更安全舒適的服務(wù)。

針對(duì)上述提出的設(shè)計(jì)，以市場(chǎng)調(diào)查銷售量最高的拉桿式行李箱為例，經(jīng)圖像獲取在Matlab 中進(jìn)行設(shè)計(jì)。在圖像預(yù)處理時(shí)，通過圖像灰度處理、降噪處理、二值化處理[3]，實(shí)現(xiàn)噪聲抑制，突出圖像目標(biāo)特征。對(duì)于圖像中行李箱定位方法，運(yùn)用Matlab 軟件中imcrop函數(shù)進(jìn)行圖像裁剪，減少算法的冗余度，針對(duì)行李箱輪廓進(jìn)行有效提取，避免邊緣信息丟失。利用imrotate 函數(shù)進(jìn)行圖像旋轉(zhuǎn)，并輸出旋轉(zhuǎn)后的圖像和旋轉(zhuǎn)的角度。

綜上所述，為了滿足機(jī)場(chǎng)的高效運(yùn)行、避免對(duì)乘機(jī)旅客造成不必要的傷害，我們提出了行李箱掃描、把手識(shí)別和旋轉(zhuǎn)角度計(jì)算方法。總體思路是：首先將要識(shí)別的行李箱進(jìn)行目標(biāo)圖像預(yù)處理，然后對(duì)行李箱把手進(jìn)行坐標(biāo)點(diǎn)的確定，最后進(jìn)行角度計(jì)算。

2 行李箱自動(dòng)識(shí)別旋轉(zhuǎn)基本流程

該系統(tǒng)主要分為行李箱圖像預(yù)處理和角度計(jì)算與旋轉(zhuǎn)兩大部分。

首先，對(duì)行李箱圖像進(jìn)行灰度處理，再運(yùn)用中值濾波對(duì)灰度后的圖像降噪，然后確定降噪后圖像二值化的閾值，并對(duì)降噪后的圖像進(jìn)行二值化。確定像素值為0 時(shí)圖像中行李箱輪廓的四個(gè)最值邊緣點(diǎn)坐標(biāo)，并根據(jù)這四個(gè)最值確定裁剪后的矩形圖像在原始圖像中左上角的坐標(biāo)、裁剪圖像后的寬度和長(zhǎng)度。接著再次對(duì)剪切后的圖像進(jìn)行二值化處理，然后確定截切后的圖像黑色出現(xiàn)的四個(gè)最值點(diǎn)的坐標(biāo)，并判斷最值出現(xiàn)的次數(shù)是否大于閾值。

（1）如果大于閾值則說明行李箱的中軸線與坐標(biāo)軸平行或者垂直，然后根據(jù)最值出現(xiàn)次數(shù)最少的位置確定旋轉(zhuǎn)角度為0°、90°、180°或者270°。

（2）如果小于閾值，則計(jì)算四個(gè)最值點(diǎn)圍成四邊形的邊長(zhǎng)，并判斷第三長(zhǎng)邊的起點(diǎn)、終點(diǎn)的坐標(biāo)值的大小情況，確定行李箱的擺放情況，然后再分別計(jì)算每一種情況需要旋轉(zhuǎn)的角度。

利用imrotate 函數(shù)旋轉(zhuǎn)，并輸出旋轉(zhuǎn)后的圖像和旋轉(zhuǎn)的角度。整體流程圖如圖1所示。

圖1 整體流程圖

3 圖像預(yù)處理

針對(duì)一張攝像頭拍攝的行李箱圖像，如果不經(jīng)過處理可能會(huì)存在著不必要或者多余的干擾信息，即圖像噪聲，它嚴(yán)重影響了圖像的質(zhì)量，并且會(huì)影響后續(xù)的旋轉(zhuǎn)過程及結(jié)果。因此，在行李箱圖像的角度計(jì)算和旋轉(zhuǎn)之前要對(duì)圖像進(jìn)行預(yù)處理。

3.1 灰度處理

行李箱圖像的色彩需要大量的存儲(chǔ)空間，增加算法的冗余度，導(dǎo)致程序運(yùn)行時(shí)間較長(zhǎng)，并且行李箱的圖像色彩不會(huì)影響圖像的旋轉(zhuǎn)結(jié)果。因此本文首先利用Matlab 中的rgb2gray 對(duì)行李箱圖像進(jìn)行灰度處理。rgb2gray采用的是對(duì)R(紅色)，G(綠色)，B(藍(lán)色)分量進(jìn)行加權(quán)平均：0.298 9R+0.587 0G+0.114 0B?；叶群蟮膱D片對(duì)比如圖2所示。

圖2 圖像灰度處理運(yùn)行結(jié)果

具體代碼如下：

rgb=imread('xlx');

imshow(rgb)

title('原圖','fontname',宋體','FontSize',30);

I=rgb2gray(rgb);

imshow(I);

title('灰度圖像','fontname','宋體','FontSize',30);

是 否

3.2 降噪處理

圖像降噪的方法有：均值濾波器、自適應(yīng)維納濾波器、中值濾波器、形態(tài)學(xué)噪聲濾除器、小波去噪等。圖像中出現(xiàn)椒鹽噪聲會(huì)對(duì)旋轉(zhuǎn)的結(jié)果產(chǎn)生嚴(yán)重的影響，因此必須要去除掉圖像中的椒鹽噪聲，如果用普通的線性濾波器只能將其壓低，而無法徹底消除。因此，中值濾波器作為非線性濾波器具有著明顯的優(yōu)勢(shì)[4-5]。

中值濾波器是一種非線性平滑濾波器，其主要功能是讓周圍像素值的中值代替與周圍像素灰度值差別較大的像素值，從而可以消除孤立的噪聲點(diǎn)，所以中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效；基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)鄰域的中值代替，鄰域稱為窗，窗開的越大，輸出的結(jié)果就越平滑，但也可能把有用的信號(hào)特征抹掉。所以窗的大小確定需要根據(jù)實(shí)際的信號(hào)特征來確定。窗一般為二維模板，一般為奇數(shù)行列的矩陣，也可以是不同的形狀，如線狀、圓形等。

然后將窗內(nèi)的像素值按照大小進(jìn)行排序，二維中值濾波輸出為g(x,y)=med{f(x-k,y-l),(k,l ∈W)}，其中，W 為窗，f(x,y),g(x,y)分別為原始圖像和處理后圖像。通過窗的滑動(dòng)可以做到既去除噪聲又能保護(hù)圖像的邊緣，從而獲得降噪的效果。具體代碼如下：

經(jīng)過中值濾波降噪處理后的灰度圖像與原灰度圖像的對(duì)比如圖3所示。

圖3 圖像降噪處理運(yùn)行結(jié)果

3.3 圖像二值化

接著對(duì)降噪后的圖像進(jìn)行二值化。圖像二值化是將圖像上像素點(diǎn)的灰度值設(shè)置為0 或255，目的是進(jìn)一步減小多余數(shù)據(jù)量，使所要提取的圖像特征更明顯。二值化處理過程中，確定適當(dāng)?shù)拈撝涤葹橹匾鼘⒅苯記Q定處理效果。由于本研究流程對(duì)獲取的行李箱圖像的處理速度和精確度要求都較高。傳統(tǒng)平均值法、設(shè)定閾值法呈現(xiàn)效果并不理想，而雙峰法[6]、最大熵閾值法[7-8]和大律法[9]都需要相當(dāng)?shù)挠?jì)算時(shí)間，因此在確定閾值時(shí)利用graythresh函數(shù)，其功能是使用最大類間方差法[10-11]找到一個(gè)合適的閾值。利用這個(gè)閾值通常比人為設(shè)定的閾值能更好地把一張灰度圖像轉(zhuǎn)換為二值圖像；最后，使用im2bw函數(shù)，將找到的閾值輸入，就可轉(zhuǎn)變成一個(gè)二值圖。程序?yàn)椋?/p>

level=graythresh(f);%f為降噪后的灰度圖像

bw=im2bw(f,level);

將降噪后得圖像二值化處理，運(yùn)行結(jié)果如圖4所示。

圖4 圖像二值化處理運(yùn)行結(jié)果

3.4 圖像剪裁

為確定圖像中行李箱的位置及輪廓，通常采用邊緣檢測(cè)、形態(tài)學(xué)處理等方法。邊緣檢測(cè)的方法有很多，Roberts 算子[12]、Sobel 算子[13-14]、Prewitt 算子[15-16]在不同場(chǎng)合中有不同的優(yōu)勢(shì)。Roberts算子會(huì)丟失一部分邊緣，而且受噪聲的影響也較大；Sobel 算子和Prewitt算子雖然在邊緣提取時(shí)速度快，但是會(huì)因?yàn)榛旌显肼暤挠绊懚`判，該系統(tǒng)運(yùn)行環(huán)境復(fù)雜，因此并不適合。綜上所述，邊緣檢測(cè)不適用于本研究過程，但為了方便進(jìn)行圖像旋轉(zhuǎn)和角度計(jì)算，減少算法的冗余度，縮短角度計(jì)算的時(shí)間，需要運(yùn)用Matlab軟件中的imcrop 對(duì)圖像進(jìn)行剪切，該函數(shù)對(duì)圖像中行李箱有效輪廓的自動(dòng)截取，返回一個(gè)保留行李箱輪廓的最小矩形的剪裁區(qū)域。程序?yàn)椋?/p>

[mmin,indexmmin]=min(m);

[mmax,indexmmax]=max(m);

[nmin,indexnmin]=min(n);

[nmax,indexnmax]=max(n);

f1=imcrop(f,[nmin,mmin,abs(nmax- nmin),abs(mmax-mmin)]);

其中，f表示需要進(jìn)行切割的圖像；(nmin,mmin)表示所要切割出的矩形圖像在原始圖像中左上角的坐標(biāo)，|n max-nmin|為切割圖像的寬度，|m max-mmin|為切割圖像的高度。運(yùn)行結(jié)果如圖5所示。

圖5 圖像剪裁運(yùn)行結(jié)果

4 角度計(jì)算與旋轉(zhuǎn)

4.1 問題分析

在角度計(jì)算之前需要對(duì)剪切后的圖像再次進(jìn)行3.3 的二值化處理，即行李箱圖像上所有像素組成一個(gè)0-1矩陣，其中1表示黑色像素。以圖像的左上角像素為原點(diǎn)，矩陣行增大的方向?yàn)閅軸正方向，列增大的方向?yàn)閄軸正方向，建立直角坐標(biāo)系。設(shè)定行李箱把手在最上方時(shí)為靠近旅客的一側(cè)，如圖6所示。

圖6 設(shè)定行李箱旋轉(zhuǎn)后位置

行李箱的輪廓看作由若干個(gè)逆時(shí)針旋轉(zhuǎn)的向量組成。對(duì)于一個(gè)隨機(jī)擺放的行李箱，為確定旋轉(zhuǎn)到圖6所示位置所需要的角度，即將底邊向量旋轉(zhuǎn)到與X 軸反方向的位置，如圖7 所示（圖中空心箭頭向量為行李箱底邊向量）。

圖7 行李箱向量輪廓示意圖

經(jīng)分析，通過獲得行李箱圖像的X值最大、最小，Y值最大、最小的四個(gè)點(diǎn)，可得到行李箱底邊向量，即圖8中的四個(gè)點(diǎn)。

據(jù)分析，行李箱擺放的情況不同，四個(gè)最值關(guān)鍵點(diǎn)出現(xiàn)的情況共有8種，將這四個(gè)點(diǎn)按照逆時(shí)針的方向連接可圍成一個(gè)四邊形，如圖9所示。如果將四邊形四條邊向量的模按降序的方式排序，不難發(fā)現(xiàn)底邊向量的模始終排在第3位。

對(duì)于行李箱的中軸線垂直或者平行坐標(biāo)軸的情況，如圖10所示，存在多個(gè)X最大、最小值，Y最大、最小值點(diǎn)。這時(shí)不能通過四個(gè)最值點(diǎn)連接成四邊形來判斷底邊的向量，但可利用行李箱把手處的最值出現(xiàn)次數(shù)最少來判斷行李箱的擺放情況。

圖8 行李箱輪廓中的四個(gè)最值點(diǎn)

圖9 八種最值出現(xiàn)情況

圖10 行李箱中軸線平行坐標(biāo)軸

4.2 算法設(shè)計(jì)

Step 1：找出圖像中所有行李箱的點(diǎn)，即灰度值為0的點(diǎn)，然后用min,max 函數(shù)找出四個(gè)最值并返回最值所在的位置，代碼如下：

[y,x]=find(f2(:,:)==0);

[ymin,indexymin]=min(y);

[ymax,indexymax]=max(y);

[xmin,indexxmin]=min(x);

[xmax,indexxmax]=max(x);

Step 2：利用find 函數(shù)確定每一個(gè)最值出現(xiàn)的次數(shù)，并將這些最值出現(xiàn)的次數(shù)寫入向量A，然后求出向量A所有元素的和，即為四個(gè)最值出現(xiàn)的總次數(shù)T。然后根據(jù)總次數(shù)T 是否大于閾值φ來判斷行李箱的中軸線是否與坐標(biāo)軸平行。φ值過大會(huì)導(dǎo)致即使行李箱中軸線與坐標(biāo)軸平行，但還是按照不平行計(jì)算，增加算法的復(fù)雜度。行李箱任意擺放時(shí)，每個(gè)最值都可能出現(xiàn)多次，φ值過小會(huì)導(dǎo)致將任意擺放的行李箱按照中軸線與坐標(biāo)軸平行來計(jì)算，增大算法的錯(cuò)誤率。因此，必須確定一個(gè)合適的φ值，經(jīng)過大量實(shí)驗(yàn)，φ=100 時(shí)算法能夠?qū)崿F(xiàn)理想的效果。具體代碼如下：

numymin=find(y==ymin);

numymax=find(y==ymax);

numxmin=find(x==xmin);

numxmax=find(x==xmax);

A=[length(numymin),length(numxmin),length(numymax),length(numxmax)];

T=sum(A);

Step 3：當(dāng)最值出現(xiàn)的總次數(shù)T大于閾值φ時(shí)，用min 函數(shù)確定向量A中的最小值a，若Y的最小值出現(xiàn)的次數(shù)為a，即時(shí)，需要旋轉(zhuǎn)的角度α=0o。

同理：

代碼如下：

Step 4：當(dāng)最值出現(xiàn)的總次數(shù)T 小于閾值φ時(shí)，將出現(xiàn)ymin值時(shí)對(duì)應(yīng)的像素坐標(biāo)(xy=ymin,ymin)(y=ymin即為Step 1 中min，max 函數(shù)返回的最值所在的位置)和(xmax,yx=xmax),(xy=ymax,ymax),(xmin,yx=xmin)按順序?qū)懭胱鴺?biāo)向量E，因?yàn)檫@四個(gè)點(diǎn)圍成的是封閉四邊形，為了方便計(jì)算可以再將第一個(gè)點(diǎn)寫在向量的末尾構(gòu)成一個(gè)循環(huán)封閉的向量。然后順序計(jì)算每?jī)蓚€(gè)相鄰點(diǎn)之間的距離并寫入距離向量D，即圖11 中的(x1,y1)→(x2,y2) 為 D1， (x2,y2)→(x3,y3) 為 D2，(x3,y3)→(x4,y4)為D3，(x4,y4)→(x1,y1)為D4。然后將向量D按降序的方式排序，并確定第三長(zhǎng)的線段，即行李箱底邊在原來距離向量D 中的位置i(i=1,2,3,4)。此時(shí)行李箱底邊向量的起點(diǎn)坐標(biāo)(x1=E2i-1,y1=E2i)；終點(diǎn)坐標(biāo)(x2=E2i+1,y2=E2i+2)。接著用這兩個(gè)坐標(biāo)判斷行李箱的擺放情況，如圖11所示。

圖11 端點(diǎn)坐標(biāo)確定示意圖

根據(jù)以上四種情況，利用三角函數(shù)進(jìn)行旋轉(zhuǎn)角度的計(jì)算，其角度判斷過程如下：

代碼如下：

4.3 圖像旋轉(zhuǎn)

行李箱圖像的旋轉(zhuǎn)運(yùn)用的是Matlab 函數(shù)庫(kù)中的imrorate函數(shù)，該函數(shù)的調(diào)用格式有三種形式：

將圖像的數(shù)據(jù)矩陣P 繞圖像中心點(diǎn)旋轉(zhuǎn)angle度，設(shè)置圖像逆時(shí)針旋轉(zhuǎn)為正，順時(shí)針旋轉(zhuǎn)為負(fù)，返回旋轉(zhuǎn)后的圖像矩陣。

使用參數(shù)method可以改變插值算法，參數(shù)method可以為下面這三個(gè)值：

'nearest'：最鄰近線性插值(Nearest-neighbor interpolation)

'bilinear'：雙線性插值(Bilinear interpolation)

'bicubic'：雙立方插值(Bicubic interpolation)

Q=imrotate(P,angle,method,bbox)

bbox參數(shù)用于指定輸出圖像屬性：

'crop'：對(duì)旋轉(zhuǎn)后的圖像Q進(jìn)行裁剪，保持旋轉(zhuǎn)后輸出的圖像Q的尺寸和輸入圖像P的尺寸一致。

'loose'：使輸出的圖像足夠大，以保證源圖像旋轉(zhuǎn)后超出圖像尺寸范圍的情況下，防止像素值丟失。上文已經(jīng)求出任意行李箱應(yīng)該旋轉(zhuǎn)的角度，所以本文采用第一種調(diào)用格式，并輸出需要旋轉(zhuǎn)的角度α，最后輸出旋轉(zhuǎn)后的圖像。具體代碼如下：

B=imrotate(f, angle);

Disp(['需要逆時(shí)針旋轉(zhuǎn)的角度為:',num2str(angle),'°'])

imshow(B);

title('旋轉(zhuǎn)后的圖像');

5 運(yùn)行結(jié)果

針對(duì)行李箱不同的四種擺放情況，本文給出了各自的運(yùn)行結(jié)果，如圖12所示（圖中的旋轉(zhuǎn)角度為逆時(shí)針旋轉(zhuǎn)所需的角度）。由圖可知，本系統(tǒng)可以實(shí)現(xiàn)將行李箱把手旋轉(zhuǎn)到靠近人的一側(cè)，雖然在旋轉(zhuǎn)時(shí)具有一定的誤差，但可以忽略不計(jì)，并不影響正常的使用。

圖12 運(yùn)行情況

6 結(jié)束語

本文利用Matlab 仿真，對(duì)行李箱進(jìn)行了圖像灰度處理、中值濾波降噪處理、圖像二值化，并用imcrop函數(shù)進(jìn)行圖像裁剪等，該方法解決了行李箱邊緣輪廓提取的問題。然后運(yùn)用數(shù)學(xué)三角函數(shù)求得行李箱所需旋轉(zhuǎn)的角度，最后運(yùn)用imrotate 函數(shù)實(shí)現(xiàn)圖像的旋轉(zhuǎn)。通過改造航站樓行李提取輸送設(shè)備及其控制系統(tǒng)，應(yīng)用本文提出的方法進(jìn)行攝像頭掃描行李箱圖像并進(jìn)行識(shí)別和計(jì)算旋轉(zhuǎn)角度，繼而由控制系統(tǒng)實(shí)現(xiàn)可旋轉(zhuǎn)平臺(tái)旋轉(zhuǎn)。其可以解決機(jī)場(chǎng)航站樓內(nèi)因旅客行李積壓給機(jī)場(chǎng)運(yùn)行和旅客自身帶來的不便，方便旅客快速提取行李箱。在物流和生產(chǎn)流通等其他環(huán)節(jié)也可運(yùn)用以上過程實(shí)現(xiàn)原材料、成品、半成品等物資的高效率輸送。