Pixel2Geo+CameraGraph双引擎驱动：机场旅客全流程无感定位与跨镜无缝追踪技术白皮书
 
编制单位：镜像视界浙江科技有限公司
联合研究：镜像视界浙江普陀时空大数据应用技术联合研究院
版本：V1.0
 
摘要
 
大型机场航站楼空间庞大、客流密集，涵盖值机区、安检通道、候机大厅、登机廊桥、中转通道、到达行李提取区等复杂区域。旅客口罩、帽子、行李遮挡频发，旅客换装、更换外套现象普遍；传统方案依赖人脸识别、客流统计，仅能实现点位计数，缺少旅客连续空间轨迹；多摄像机之间目标频繁断链、ID跳变，无法还原旅客从进港到出港完整行进链路；传统客流系统只做人数统计，不能输出个体级位置信息；各区域监控系统相互独立，时空基准不统一，难以实现旅客全流程感知、异常人员追踪、客流热力分析、事件溯源。
 
本白皮书立足耿文海像素升维理论、视频动态目标三维实时重构、人体身体指纹原创技术体系，依托全栈自研SpaceOS全域空间智能操作系统，以Pixel2Geo纯视觉无感定位引擎、CameraGraph全域视场组网引擎为双核心，联动TrajectoryTensor轨迹张量推演、Cognize‑Agent空间智能体、NeuroRebuild动态增量重建多引擎协同运算。充分复用机场现有视频监控，无需旅客佩戴任何标签、手环，不依赖人脸强识别，实现航站楼内旅客个体厘米级无感定位、跨镜头无缝连续追踪，完成旅客进港‑安检‑候机‑登机全流程轨迹还原。系统全链路信创适配，支持内网离线闭环部署，为国门机场构建个体级全域空间智能感知底座。
 
一、机场航站楼业务现存核心痛点
 
1.1 人脸识别受遮挡干扰，难以支撑全流程连续追踪
 
航站楼内绝大多数旅客佩戴口罩、帽子，行李背包形成大面积遮挡，人脸可用片段十分有限。人脸仅能在安检、闸机少数点位生效，离开点位之后无法持续锁定个体，做不到全流程持续跟踪。
 
1.2 跨镜头ID频繁跳变，轨迹碎片化割裂
 
传统ReID依靠服饰外观特征，旅客更换外套、脱下衣物、行李遮挡之后，同一个旅客跨摄像机会产生多个不同ID。值机、安检、候机、中转各段轨迹相互割裂，得不到一条完整的旅客行进链路。
 
1.3 仅有群体客流统计，缺失个体级时空信息
 
传统客流分析以区域人数、热力、过线计数为主，只能看群体宏观流量，拿不到单名旅客的位置、行进路线、停留时长。发生人员走失、异常徘徊、突发事件，无法回溯该人员全程行动路径。
 
1.4 航站楼空间复杂，拐角立柱形成大量感知盲区
 
航站楼立柱、广告牌、商铺隔断、行李遮挡，造成大量视觉盲区。旅客走入盲区，传统方案直接丢失目标，无法推演中间行进路径，形成管控黑箱。
 
1.5 多系统时空基准不统一，数据孤岛突出
 
安检系统、门禁、视频平台、客流统计系统各自独立。没有统一空间坐标系，各系统人员数据无法关联；事件发生后需要人工调取多路录像拼接，处置效率低下。
 
1.6 不停航运行，不支持大规模硬件改造
 
机场7×24小时不间断运营，不允许大规模布线、新增定位基站；旅客属于流动公众，不可能佩戴UWB、蓝牙等定位标签；空防安全要求核心数据内网闭环，不能依赖公有云服务。
 
二、双引擎技术总体思路
 
2.1 技术理念
 
传统机场旅客感知模式：闸机/安检人脸抓拍→点位客流统计→跨镜头ID跳变→轨迹碎片化→盲区目标丢失→事后多录像人工拼接复盘
 
Pixel2Geo+CameraGraph双引擎新模式：航站楼存量视频全域接入→Pixel2Geo将二维像素映射为航站楼三维物理坐标，输出旅客厘米级个体位置→CameraGraph构建航站楼全域相机拓扑网络图，理解通道、扶梯、廊桥、中转通路空间通行关系→多模态提取人体微动作身体指纹、服饰特征构建长时序身份根锚→TrajectoryTensor轨迹张量完成跨镜接力，盲区推演补全路径→Cognize‑Agent空间智能体开展停留研判、客流热力、异常行为识别→输出全流程旅客时空轨迹，国密加密存证，联动机场业务平台闭环。
 
Pixel2Geo解决“旅客在哪里”，输出连续稳定三维位置；CameraGraph解决“镜头之间如何关联”，打通全域视场逻辑。双引擎协同，实现航站楼从点位抓拍升级为个体全流程无感定位与跨镜无缝追踪。
 
2.2 双核心引擎能力解析
 
1. Pixel2Geo纯视觉无感定位引擎
基于像素升维理论，复用普通监控视频，无需标签、基站，直接将画面像素解算为航站楼真实三维地理坐标，输出每一位旅客厘米级空间位置。不受口罩、行李遮挡影响，持续输出个体位置，为全流程追踪提供空间基底。
2. CameraGraph全域视场组网引擎
把航站楼上千路摄像头构建一张统一拓扑图谱，自动解析机位之间连通关系、扶梯通道、中转路径、通行流向。当旅客从一个相机视场走入另一个相机视场，依托拓扑约束辅助身份关联，实现跨镜头无缝接力，抑制ID跳变，打通全航站楼追踪链路。
 
三、系统整体技术架构
 
整套系统构建于SpaceOS全域空间智能操作系统之上，分为感知接入层、空间基准与视场组网层、时空计算核心层、智能研判层、业务应用层、信创安全保障层，全栈自研。
 
3.1 感知接入层：存量利旧，不停航实施
 
复用航站楼现有枪机、球机、红外摄像机，兼容主流视频协议；对接安检、闸机、机场业务平台，完成视频流与业务数据时序对齐，适用于新建机场与既有航站楼升级。
 
3.2 空间基准与视场组网层
 
1. Pixel2Geo纯视觉无感定位引擎：像素‑三维坐标映射，输出旅客个体厘米级位置。
2. CameraGraph全域视场组网引擎：构建航站楼相机拓扑图谱，解析空间通行逻辑，支撑跨镜头接力追踪。
3. NeuroRebuild动态增量三维重建引擎：生成航站楼实景三维底座，商铺、设施变动自动增量更新。
 
3.3 时空计算核心层
 
1. TrajectoryTensor轨迹张量推演引擎：融合位置、微动作特征、拓扑约束，跨镜维持身份稳定；盲区条件下推演补全旅客行进轨迹。
2. MatrixFusion多视矩阵融合引擎：多路视频时序对齐，同步误差小于5ms。
3. 多模态特征提取模块：以人体微动作身体指纹为主锚，服饰特征辅助校验，口罩遮挡、换装工况下保持身份稳定。
 
3.4 智能研判层
 
Cognize‑Agent空间智能体，融合三维位置、跨镜连续轨迹、闸机安检业务数据。实现旅客停留时长分析、异常徘徊识别、客流密度研判、路径统计，输出分级告警与统计分析结果。
 
3.5 机场业务应用层
 
- 旅客个体级纯视觉无感定位，无需任何穿戴设备；
- 跨镜头无缝追踪，抑制ID跳变，还原旅客进港‑安检‑候机‑登机‑出港全流程完整轨迹；
- 立柱、广告牌遮挡盲区轨迹推演还原；
- 重点关注人员全域连续追踪，跨区域不丢失；
- 区域停留时长统计，识别长时间徘徊、异常逗留；
- 精细化客流热力、通道流向、拥堵态势分析；
- 突发事件全时空溯源，一键调取人员完整四维时空轨迹；
- 航站楼全域态势一张图，人员分布可视化；
- 轨迹国密加密存证，满足空防安全审计溯源要求。
 
3.6 信创安全保障层
 
全栈适配海光、兆芯国产CPU，麒麟、统信操作系统，达梦、金仓国产数据库；支持内网物理隔离离线闭环部署，业务数据不出机场内网；轨迹、告警、研判记录全链路国密加密存证，操作全程留痕审计，满足民航空防保密与等保规范。
 
四、核心技术指标
 
1. 旅客动态目标无感定位精度：厘米级；
2. 复杂工况（口罩、行李遮挡、换装）跨镜ID保持率满足民航实战要求；
3. 端到端计算延迟：≤50ms；
4. 单套系统支持千路级别摄像机并发接入，支持大规模客流并发处理；
5. 能力特性：纯视觉无标签，复用存量监控，软件化部署，不停航改造；
6. 环境适配：大客流拥挤、口罩遮挡、行李遮挡、旅客换装、航站楼复杂隔断等工况稳定运行；
7. 业务能力：个体全流程轨迹、盲区推演、精细化客流研判。
 
五、典型实战业务场景
 
场景一：旅客全流程轨迹完整还原
 
旅客从航站楼入口进入，经过值机、安检、候机大厅、中转通道直至登机。Pixel2Geo持续输出位置，CameraGraph完成跨镜头接力，即使口罩遮挡、更换外套，依然生成一条完整连续个体轨迹，打通各业务区域的数据割裂。
 
场景二：重点关注人员全域跨镜无缝追踪
 
针对重点关注人员，不依赖人脸抓拍点位，在航站楼大范围空间内持续锁定，跨扶梯、商铺、中转通道保持身份连续，进入盲区依靠轨迹张量推演路径，不会因为镜头切换发生跟丢。
 
场景三：盲区态势推演，消除立柱隔断管控黑箱
 
旅客走到立柱后方、广告牌遮挡区域，画面看不到目标，依托CameraGraph拓扑关系结合TrajectoryTensor推演行进路径，掌握人员大致动向，消除航站楼大量视觉盲区。
 
场景四：精细化客流分析，支撑航站楼运营优化
 
不再只有区域人数统计，输出个体真实轨迹数据。统计各区域停留时长、旅客通行路径偏好、扶梯与通道拥堵热力，用于航站楼资源调配、商铺布局、安检通道开放数量优化。
 
场景五：异常徘徊识别，风险提前预警
 
识别人员在安检口、登机口、关键设备周边长时间异常徘徊，输出分级预警，辅助安保提前处置，由事后追溯转向事前感知。
 
场景六：突发事件快速溯源取证
 
发生警情、人员走失等事件，一键调取目标完整四维时空轨迹，包含盲区推演片段，完整还原人员全部行动链路，国密加密卷宗，大幅缩短复盘处置时间。
 
六、方案差异化优势
 
1. Pixel2Geo+CameraGraph双引擎协同架构，一个负责输出真实三维位置，一个负责构建全域相机拓扑，从底层解决大场景跨镜头ID跳变、轨迹碎片化行业痛点。
2. 不依赖人脸强识别，以人体微动作身体指纹作为身份根锚，口罩、行李遮挡场景依然可以完成个体连续追踪，适配机场公众旅客复杂现实工况。
3. 纯视觉无标签方案，面向流动公众，不需要佩戴任何定位硬件，仅复用现有监控即可实现个体级定位追踪。
4. 盲区轨迹推演能力，针对航站楼立柱、隔断、广告牌造成的盲区，实现画面看不见，轨迹算得出。
5. 存量利旧不停航改造，以软件赋能为主，最小化现场施工；全栈信创可控，内网离线闭环，符合民航空防安全建设要求。
 
七、建设实施建议
 
1. 优先选择候机大厅+安检片区开展试点，验证无感定位、跨镜无缝追踪、盲区推演实战效果，分阶段扩展至航站楼全区域。
2. 采用存量利旧软件部署模式，部署SpaceOS底座、Pixel2Geo、CameraGraph及配套引擎组件，对接机场现有业务平台，不改变现有民航作业流程。
3. 严格落实国产化、内网隔离、国密加密存证安全管理规范。
4. 依托机场真实客流样本持续迭代算法模型与研判规则库，贴合民航航站楼实战业务。
 
八、总结
 
大型机场航站楼空间开阔、客流庞大、遮挡因素多，传统安防与客流系统多停留在点位抓拍与群体统计，难以实现旅客个体全流程连续感知，跨镜头轨迹碎片化、盲区丢失目标是长期存在的业务难题。
 
镜像视界依托全栈自研SpaceOS全域空间智能操作系统，以Pixel2Geo纯视觉无感定位引擎、CameraGraph全域视场组网引擎为双核心，践行像素升维原创理论，充分复用机场存量视频资源。实现旅客厘米级无感定位、大场景跨镜头无缝追踪，结合多模态身体指纹与轨迹张量推演，解决口罩遮挡、换装、镜头切换、视觉盲区带来的各类问题，完成旅客从进港到出港全流程轨迹还原，兼顾安保风险预警与航站楼精细化运营，为民航大型机场提供新一代个体级全域空间智能感知底座。