摘要：近年来在国内外相关政策的引领下，民航旅客行李跟踪建设受到航司、机场等各相关方的高度关注，各方致力于在2021年年底实现全国千万级机场间国内航线行李全流程跟踪、2025年年底面向所有中小机场实现国内航线的行李跟踪全覆盖和国际航线有突破。基于此，本文从行李跟踪建设过程中的异常行李识别环节出发，探索利用人工智能技术实现旅客行李的识别匹配，对于采用更加绿色、可持续和无接触服务的方法，实现高效、节能、环保的行李跟踪建设进行展望与分析。
从第四次工业革命开始，人工智能、机器学习、虚拟现实等不同技术的融合给人们的生活带来广泛而深刻的影响。目前，人工智能已能帮助解决在自然语言处理、语音识别、机器视觉、概念逻辑运算、专家系统、神经计算等方面的众多问题。在民航旅客出行方面，基于深度学习的人脸识别技术已广泛应用于旅客机场安检。通过对旅客安检时人证合一的高效验证、判断，实现旅客无接触的识别认证。然而，目前在民航领域利用人工智能技术实现对物体的识别认证仍处于空白。随着近几年民航旅客行李的研究应用成为热点，如何在行李处理过程中高效识别行李，有效跟踪旅客行李，并帮助旅客找回丢失的行李越来越受到广泛关注。
旅客行李识别现状分析
旅客在交运行李时，行李会被绑上一张行李牌，是识别该行李的标志和旅客领取托运行李的凭证。目前，行李牌上面的条形码是该行李的唯一标识信息，当行李牌受污染、损坏时行李信息将无法有效读取。近几年随着RFID技术的普及以及民航局相关政策指引，部分机场已将传统行李牌更换为带RFID芯片的行李牌，并在行李处理过程中利用光学扫描、OCR、RFID扫描设备扫描行李牌信息来获取跟踪行李信息。这种方式虽在很大程度上提高了行李的识别率，但每张行李牌的成本在原来的基础上也相应的增加了近0.2元，并且将行李信息嵌入RFID芯片的行李牌，系挂在行李上的解决方式，仍旧无法解决发生行李牌脱落时行李的识别问题，只能通过线下登记旅客航班信息、行李的外观信息等联系查找。同时，两种处理方式均会消耗大量的纸质行李牌。
因此，本文提出一种通过深度学习、视觉识别的人工智能技术将行李图像作为行李识别的唯一身份认证ID的行李识别方法，分析行李图像特征并绑定到对应的旅客，对旅客行李图像进行分类识别，不仅能解决无牌行李的识别，同时能解决无需投入RFID芯片成本，甚至在不久的将来，行业内会取消纸质行李牌，大大减少了行李牌耗材成本投入，同时更加有利于绿色环保，引领中国能源互联网建设，助力国家实现“双碳”战略目标。
基于人工智能的旅客行李识别解决方案
（一）获取旅客行李图像
为实现旅客行李的智能识别，首先得获得旅客行李的原始图像。本文提出两种方式获取机场旅客行李原始图像：一种是旅客自己通过智能手机上的应用程序上传待托运的行李图像；另一种是旅客交运时，在机场柜台或自助设备通过固定式拍照设备获取行李图像。无论哪种方式，行李图像上传时都需绑定对应旅客信息。
（二）建立行李图像分类模型
基于采集的大量的机场旅客行李图像，提取行李图像特征值，得到每一幅行李图像的特征向量。可提取的特征值包括行李的尺寸、颜色、品牌、纹理以及贴纸、划痕等其他独特的标记。
基于卷积神经网络建立行李图像分类模型。根据提取的行李图像特征向量，构建神经网络训练集对卷积神经网络进行训练，输入层为机场行李图像特征向量，在卷积层用卷积方式对输入的行李图像进行降维处理、并经过池化层的压缩处理、提取图像的主要特征，最后通过SoftMax层的归一化处理后输出一个多维向量，向量的维度即分类的总类别数，向量中每一个值即为输入图片属于该类别的概率。本文随机选取90%的行李图像作为训练样本对卷积神经网络进行训练，确定网络的具体结构及参数，再用10%的行李图像数据作为测试样本对训练好的神经网络进行测试，最终确定旅客行李图像的分类模型。
（三）基于分类模型和多特征的行李图像查找匹配
通过训练好的卷积神经网络对行李图像进行分类后，可进一步缩小待查找的行李图像的匹配范围。识别行李时，首先获取该行李的原始图像作为输入，经过训练好的卷积神经网络算法确定待查找图像的类别，然后提取待查找图像的颜色、尺寸、纹理、划痕等多个特征，可根据实际情况对各类特征设置不同的权值，并用统一的特征向量来表示提取出的多种特征。最后利用图像相似度匹配算法计算多特征结合的特征向量与旅客行李图像数据库中对应类别图像的特征向量的相似度，以确定待查找的行李图像的匹配程度。（作者单位：上海国际机场股份有限公司）
本文刊登于《空运商务》2021年第11期
来源：民航管理，作者：廖国胜
