詹紅梅

（廈門瑞為信息技術有限公司，福建 廈門 361000）

0 引言

在2008年的全國民航工作會議上，中國民用航空局黨組提出了全面推進建設民航強國的戰(zhàn)略構想，建設強大的民航不是一句空洞的口號，而是一個實實在在的落地工程，具有創(chuàng)新的技術突破和應用?；贏I技術自助通行防尾隨，解決當前旅客及行李無法精準識別，旅客并行及抱行通行無法識別、小孩匍匐爬行無法識別等問題，并將技術轉(zhuǎn)化為產(chǎn)品化落地應用。

1 防尾隨技術應用概述

1.1 機場防尾隨的應用需求

民航局《中國民航推進四型機場行動綱要》（2020-2035年）要求在2035年實現(xiàn)標桿機場引領世界發(fā)展，2021年到2030年是四型機場建設的全面推進階段[1]。旅客全流程自助通行是“平安、綠色、智慧、人文”機場的重要內(nèi)容，可以有效提升旅客的服務體驗感。當前北、上、廣、深等一線城市及其他千萬級機場已逐步在預安檢、安檢、登機等場景應用自助通行系統(tǒng)，其中因人員尾隨問題出現(xiàn)眾多旅客漏檢、誤檢導致設備無法正常運行，旅客全流程自助通行服務無法快速全面推廣，智慧機場建設發(fā)展速度放緩，機場自助通行系統(tǒng)急需更有成效的防尾隨技術支持。

1.2 自助通行防尾隨技術分析

目前機場自助通行系統(tǒng)應用的主要的防尾隨技術主要如下：

（1）紅外對射式光電傳感器防尾隨技術：通過對射式光電傳感器可精確檢測閘機通道中通過的物體，并傳送信號給控制器，控制扇門的開閉。通過對射式光電傳感器來實現(xiàn)人物的進出感應，防尾隨方法策略單一，無法準確識別各種過閘情況，對于拖行李箱等情況不友好，容易造成誤夾的情況，存在安全隱患[2]。

（2）紅外成像防尾隨技術：紅外傳感器提供的紅外成像分析通道內(nèi)的人體數(shù)量，成像判斷進入通道內(nèi)的熱源體是否為并排行走的人體或前后同步行走的人體，從而判斷是否存在尾隨行為。該種技術對于尾隨響應較慢，只能監(jiān)控閘機門前的一小塊區(qū)域，監(jiān)測范圍小，缺乏靈活性[3]。

（3）視頻防尾隨技術：視頻防尾隨是一種常用的防尾隨技術，視頻防尾隨是在通道內(nèi)放置攝像頭，采用視頻圖像分析技術識別判斷通道中是否有兩個人及以上，對于超過一個人進入通道內(nèi)的，按照用戶方約定的協(xié)議提供報警信息給后臺以實現(xiàn)防尾隨控制處置。視頻防尾隨技術相較于前兩種技術應用成本較高，防尾隨效果取決于監(jiān)控范圍及視頻圖像分析技術和算法的優(yōu)劣[4]。

1.3 當前防尾隨存在的問題

目前在機場自助通行場景中，紅外對射和紅外成像防尾隨技術均有應用，視頻防尾隨技術作為輔助方式配合使用，但因為技術本身的缺陷在旅客自助通行時仍無法識別以下場景：旅客及行李無法精準識別，旅客并行及抱行通行無法識別、小孩匍匐爬行無法識別。機場自助通行通道依托軟硬件高度集中化的閘機，需要系統(tǒng)間邏輯互通、信息互通、軟硬件高效協(xié)同，由于閘機系統(tǒng)內(nèi)通行邏輯不開放，視頻防尾隨技術無法與閘機開關門聯(lián)動、防尾隨報警存在漏洞[5]。

基于防尾隨技術的實現(xiàn)方式，當前機場自助通行防尾隨應用主流的研究方向一是防尾隨技術結(jié)合現(xiàn)場通行場景，對防尾隨監(jiān)控區(qū)域（光電傳感、紅外傳感、視頻監(jiān)控區(qū)域）、通行邏輯上優(yōu)化升級提升防尾隨效果；二是算法優(yōu)化升級，通過更加精準的算法提升防尾隨效果。

2 AI防尾隨應用

機場自助通行防尾隨應用最關鍵的兩個方面是防尾隨的精準識別、閘機設備安全通行及開關門控制的無縫銜接。本AI防尾隨研究應用主要研究內(nèi)容在于采用多傳感器信息融合的閘機防尾隨方法，能夠精準識別各種傳統(tǒng)方式難以判斷的復雜場景，有效的防止誤夾、誤放的情況發(fā)生。

2.1 AI防尾隨應用技術路線

采用三種傳感器分別獲取同一時刻的圖像，將獲取的圖像分別進行校正和對齊，并進行圖像歸一化處理，將歸一化的圖像傳入預訓練的神經(jīng)網(wǎng)絡模型，得到圖像中人頭的位置坐標。若人頭數(shù)量大于1，則判斷為尾隨；若人頭數(shù)量小于或等于1，則判斷為非尾隨。

圖1 AI防尾隨技術路線

2.2 AI防尾隨的技術應用

（1）融合歸一感知技術。采用多傳感器融合歸一感知技術。傳感器包括深度傳感器、熱成像傳感器以及RGB攝像頭，采用其中三種進行圖像采集。采用三種傳感器融合歸一形成立體式探測，較傳統(tǒng)防尾隨探測更加精準。使用深度傳感器獲得檢測范圍內(nèi)的深度圖，深度傳感器為結(jié)構光相機、雙目相機、TOF相機；使用熱成像傳感器，獲得檢測范圍內(nèi)的熱成像數(shù)據(jù)，將其轉(zhuǎn)換為單通道灰度圖像；使用RGB可見光攝像頭，獲得三通道彩色圖像。將三種傳感器獲得的圖像進行校正和對齊，并分別進行圖像歸一化，歸一化公式見公式一。上述三種方式采集的圖像獲取時間差接近于0，可以以避免出現(xiàn)因沒有幀同步而導致圖像無法對齊的問題而引起的誤差。

其中，xi表示圖像上某點處的像素值，min表示圖像中最小的像素值取0，max表示圖像中最大的像素值取255。

三種傳感器圖像校正和對齊依賴于預先對傳感器進行標定的結(jié)果。在分別標定完每種傳感器后，即可采集到每種傳感器的標準成像。然后對多傳感器進行對齊標定。標定完畢后，通過映射矩陣可將深度傳感器圖像、熱成像圖像、可見光圖像對齊到同一坐標系中。將歸一化后的三種傳感器圖像傳入預訓練的神經(jīng)網(wǎng)絡模型，經(jīng)模型前向傳播后得到圖像中人頭的位置坐標。

（2）深度學習技術。AI防尾隨技術采用深度學習技術。預訓練的神經(jīng)網(wǎng)絡模型為：神經(jīng)網(wǎng)絡包括輸入層、隱含層和輸出層，其中，隱含層可以有n層，n為大于或等于1的正整數(shù)；隱含層中的某幾層為特征提取子網(wǎng)絡，可并列存在多個特征提取子網(wǎng)絡，特征提取子網(wǎng)絡之后的激活值為提取的特征。首先將至少兩張圖像分別傳入對應的特征提取子網(wǎng)絡進行特征提取，得到至少兩組特征，采用對應位子相加、特征維度連接的方法將所有的特征進行特征融合，將融合后的特征傳入目標定位子網(wǎng)絡，經(jīng)隱含層和輸出層處理后得到圖像中人頭的位置坐標和置信度；根據(jù)預設的閾值與置信度進行比較，判斷位置坐標。在對傳感器圖像數(shù)據(jù)進行特征提取時，通過深度學習技術，提取更加穩(wěn)定、魯棒的圖像特征。正式應用時為訓練成熟的神經(jīng)網(wǎng)絡模型。

圖2 神經(jīng)網(wǎng)絡模型預測人頭位置流程圖

（3）多目標跟蹤算法。采用多目標跟蹤算法用于自助通行的防尾隨檢測。跟蹤檢測過程中對每個目標進行跟蹤，賦予其id號，監(jiān)測目標行動軌跡，根據(jù)連續(xù)多幀的檢測結(jié)果綜合得到當前幀中每個目標的id號，能夠過濾掉短暫出現(xiàn)的誤檢，同時也能夠為短暫出現(xiàn)的漏檢預測一組預估的位置坐標，從而實現(xiàn)更加精準的閘機防尾隨監(jiān)測。

（4）AI防尾隨自助通行閘機的應用。機場旅客全流程自助服務包含值機、預安檢、安檢、登機等環(huán)節(jié)，當前在安檢和登機場景智慧機場建設中自助通行主要采用閘機系統(tǒng)通行服務方式?；跈C場旅客通行身份核驗要求、閘機控制要求、監(jiān)控要求、安全要求等，AI防尾隨在閘機系統(tǒng)應用時重點考慮兩方面：一是實現(xiàn)防尾隨能力的提升，解決傳統(tǒng)防尾隨誤識、漏識和異常通行問題；二是防尾隨設計與閘機系統(tǒng)開關門控制、預警、安全控制的高效協(xié)同，整體上提高旅客通行效率和服務體驗感，減少地服人員工作量。

圖3 閘機防尾隨傳感器配置及檢測區(qū)示意圖

防尾隨功能實現(xiàn)：自助通行系統(tǒng)結(jié)合AI防尾隨和紅外光電防尾隨技術，搭載TOF攝像頭、熱成像傳感器以及RGB攝像頭實現(xiàn)現(xiàn)場感知，并融合多模態(tài)防尾隨算法，與閘機通行主控應用軟件協(xié)同聯(lián)動，構成一套完整的防尾隨閘機的通行控制系統(tǒng)。

防尾隨精準識別行為：閘機防尾隨檢測系統(tǒng)可識別旅客正常通行行為，識別干擾項，不會誤判，包括但不限于以下干擾情況：攜帶背包（前背及后背）、攜帶拉桿箱（拉桿箱上搭置服飾）、各種發(fā)飾發(fā)色、各色帽子、各類發(fā)型等。閘機防尾隨檢測系統(tǒng)可識別旅客異常通行行為，不會造成漏判，并做出對應警示等。

配套輔助功能：當系統(tǒng)檢測到識別區(qū)域內(nèi)多于一名旅客，會觸發(fā)防尾隨預警，系統(tǒng)自動發(fā)出聲光報警；并能判斷潛在的尾隨風險，并予以提醒，防止人員快速闖閘等違規(guī)行為。

3 AI防尾隨技術及應用創(chuàng)新點

AI防尾隨技術融合了多傳感器識別判斷，自優(yōu)化圖像處理算法，并配合閘機系統(tǒng)協(xié)同聯(lián)動，滿足了機場自助通行的高安全、高效率、高準確的業(yè)務需求，主要創(chuàng)新點如下：

（1）傳感器信息融合方式創(chuàng)新：AI防尾隨將三種傳感器輸出的圖像經(jīng)過特征提取后對不同傳感器圖像的特征進行信息融合，使用融合后的多傳感器信息判斷人頭位置，能夠使得檢測出的人頭位置更加準確，防止人頭漏檢、誤檢情況的發(fā)生，效果大大優(yōu)于僅使用單一傳感器信息進行人頭檢測的效果。

（2）防尾隨圖像處理算法創(chuàng)新：AI防尾隨在圖像特征融合與人頭檢測時使用深度學習技術，相較于傳統(tǒng)的圖像處理方法擁有更強的泛化能力和更精確的檢測結(jié)果。基于AI防尾隨技術設計的自助通行設備系統(tǒng)在投入應用后可以通過對各類識別場景的學習不斷優(yōu)化算法識別模型，若通行場景新的變化，只需升級通行檢測算法軟件，不需要改動硬件設備，自適應及升級能力較傳統(tǒng)設備系統(tǒng)更強。

（3）與閘機系統(tǒng)間高效協(xié)同創(chuàng)新：AI防尾隨技術在與閘機通行主控應用軟件協(xié)同聯(lián)動，構成一套完整的防尾隨閘機的通行控制系統(tǒng)，實現(xiàn)了高效的協(xié)同。在防尾隨功能方面，可監(jiān)控的防尾隨區(qū)域范圍更廣泛，識別行為更加精準；在通行邏輯控制方面，打通了與閘機開關門控制的邏輯，能有效的防止誤夾、誤放的情況發(fā)生。在預警提示方面，識別為尾隨即會自動發(fā)出聲光報警；并予以提醒，防止人員快速闖閘等違規(guī)行為，同時保障人員安全。AI防尾隨與閘機系統(tǒng)高效協(xié)同，實現(xiàn)了閘機整體服務能力的跳躍式升級。

4 結(jié)語

經(jīng)過筆者公司團隊持續(xù)研究、開發(fā)，AI防尾隨技術在機場自助通行閘機系統(tǒng)上已經(jīng)實現(xiàn)產(chǎn)品化應用，目前在重慶江北機場安檢通道、廈門福州機場和安徽蕪宣機場登機場景正式使用，對通行尾隨情況實現(xiàn)了有效監(jiān)控，實現(xiàn)了機場旅客無故障自助通行，提升旅客服務體驗感。