肇事車輛剎車痕跡圖像處理技術(shù)在司法鑒定中的應(yīng)用

陽(yáng) 雁，劉 斌，蔣邵衡，陳漢彬，武 政

處理交通事故發(fā)生當(dāng)時(shí)的肇事車輛剎車痕跡圖像是在交通事故發(fā)生以后的關(guān)鍵工作。為了及時(shí)準(zhǔn)確地獲取信息，現(xiàn)場(chǎng)勘查時(shí)在有條件的情況下，只需找出肇事車輛事故發(fā)生時(shí)剎車痕跡圖像，再借助專業(yè)的技術(shù)將其采集下來(lái)，通過(guò)圖像處理技術(shù)，就可以溯源到肇事車輛。同時(shí)，這也為交通事故的定量分析提供了直接的依據(jù)。本文主要以交通事故現(xiàn)場(chǎng)剎車痕跡圖像特征為依據(jù)，探討解決優(yōu)化圖像處理，通過(guò)對(duì)Powell 算法、遺傳算法以及蟻群算法其具體優(yōu)缺點(diǎn)作為切入點(diǎn)進(jìn)行分析與比較研究，有效的將這三者進(jìn)行結(jié)合，進(jìn)而延伸出全新的、更加實(shí)用的特征匹配算法。

1 肇事車輛剎車痕跡圖像處理步驟

1）建立車輛輪胎剎車痕跡圖像數(shù)據(jù)庫(kù)。將采集到的肇事車輛剎車痕跡圖像資料進(jìn)行強(qiáng)化處理，以不同的圖像用不同的形式進(jìn)行退化之后的形態(tài)為依據(jù)，相應(yīng)的做出適當(dāng)?shù)膭?dòng)態(tài)性補(bǔ)充與修正。然后對(duì)經(jīng)過(guò)了增強(qiáng)處理后的圖像進(jìn)行幾何形態(tài)的修正，最后還要對(duì)灰度數(shù)值的差值進(jìn)行進(jìn)一步的處置。

2）基于肇事車輛剎車痕跡圖像特征對(duì)圖像分類。在對(duì)交通事故的事發(fā)現(xiàn)場(chǎng)剎車痕跡進(jìn)行勘查時(shí)，需要借助二維重建的方式對(duì)事故現(xiàn)場(chǎng)的剎車痕跡圖像信息進(jìn)行配準(zhǔn)處理，需要尋找特征突出且相對(duì)顯眼的紋路。

3）剎車痕跡圖像特征匹配。兩個(gè)及兩個(gè)以上的剎車痕跡圖像所擁有的特征匹配數(shù)量應(yīng)該是成偶數(shù)的，其被匹配的特征也應(yīng)是多個(gè)的，當(dāng)少數(shù)圖像難以確定匹配時(shí)，對(duì)于全局的匹配并不會(huì)產(chǎn)生影響。

4）找尋可能適用于剎車痕跡圖像的可變換模型，并在模型之間進(jìn)行比較，選取適用效果最佳的模型，進(jìn)而得出變換的參考數(shù)據(jù)。參考數(shù)據(jù)的得到需要借助相應(yīng)的圖像配準(zhǔn)算法，合理的配準(zhǔn)算法可以縮短配算所用的時(shí)長(zhǎng)，以收獲最佳的配準(zhǔn)效果。

5）存在特殊的情況，對(duì)圖像進(jìn)行二次采樣。以變換函數(shù)為依據(jù)，在相近的圖像之間進(jìn)行變換，直到將圖像調(diào)整到最佳的使用要求，其最常使用的方法是最近鄰插值以及雙線性插值。

2 肇事車輛剎車痕跡圖像優(yōu)化

在對(duì)肇事車輛剎車痕跡圖進(jìn)行了校正處理之后，肯定會(huì)丟失和損失一定數(shù)量的現(xiàn)場(chǎng)數(shù)據(jù)信息，所以如何降低圖像的丟失率也是需要克服的難題。比如確定圖像的尺寸，在要求一定尺寸的圖像最大限度的信息包含量的同時(shí)，對(duì)圖像所反映的現(xiàn)場(chǎng)實(shí)際情況的細(xì)節(jié)要盡可能的清晰明了。Powell 算法、遺傳算法以及蟻群算法是現(xiàn)階段圖像配準(zhǔn)算法的集中主要算法，這些算法都有各自的優(yōu)點(diǎn)和缺點(diǎn)。蟻群算法的運(yùn)算速度不夠迅速，并且得出的答案針對(duì)局部的圖像，不是整體最佳的答案。所以，基于蟻群算法的此類缺陷，進(jìn)行了改正和優(yōu)化。第一，對(duì)于蟻群算法運(yùn)算過(guò)慢這一缺點(diǎn)，是借助遺傳算法對(duì)蟻群算法中的參考數(shù)值進(jìn)行改進(jìn)優(yōu)化，從而達(dá)到加速運(yùn)算的目的。第二，基于蟻群算法的所得結(jié)果進(jìn)食局限于部分圖像這一點(diǎn)，其解決方法是利用Powell 算法進(jìn)行填充，這是以Powell 算法具有尋求局部最佳結(jié)果的極強(qiáng)性能為依據(jù)的。具體來(lái)說(shuō)，就是首先借用蟻群算法收獲一個(gè)局部的最佳答案，再利用Powell 算法進(jìn)行優(yōu)化和補(bǔ)充，進(jìn)而得到整體的最佳答案。

通常情況下，整體算法的優(yōu)化流程大致分為兩大步驟：第一步驟先用蟻群算法進(jìn)行較低分辨率的圖像配準(zhǔn)。因?yàn)閯傞_(kāi)始處理的圖像過(guò)小，因此在進(jìn)行數(shù)據(jù)之間的計(jì)算時(shí)，其運(yùn)算速率會(huì)比較快，其優(yōu)化的過(guò)程會(huì)在較短的時(shí)間內(nèi)完成；第二步驟在高分辨率的圖像上用Powell 算法進(jìn)行尋優(yōu)處理，以蟻群算法下最佳的答案為計(jì)算開(kāi)始的節(jié)點(diǎn)。其具體的操作流程如下：

1）利用小波分解的方式將即將進(jìn)行配準(zhǔn)處理的預(yù)處理，通過(guò)此手段獲得規(guī)格較小的子圖像，再對(duì)新得的子圖像進(jìn)行處理，這也是圖像尋優(yōu)的過(guò)程。實(shí)現(xiàn)這些過(guò)程離不開(kāi)蟻群算法的技術(shù)支撐，同時(shí)借助相近圖像數(shù)據(jù)的插值方法，對(duì)分辨率不達(dá)標(biāo)的圖形進(jìn)行二次處理，一上線加快運(yùn)算速度、收獲最佳結(jié)果的目的。進(jìn)而極大的提高圖像配準(zhǔn)的準(zhǔn)確度，減輕圖像灰化的程度。

2）對(duì)于利用Powell 方法進(jìn)行尋優(yōu)，其過(guò)程開(kāi)始的起點(diǎn)就是通過(guò)蟻群算法所得出的最佳結(jié)果，作為圖像配準(zhǔn)的參考數(shù)據(jù)。由于Powell 算法開(kāi)始的節(jié)點(diǎn)是選取了蟻群算法的最優(yōu)配準(zhǔn)結(jié)果，這為Powell 的優(yōu)化提供了非常有幫助的初始起點(diǎn)，這就對(duì)優(yōu)化結(jié)果的影響較小，同時(shí)也對(duì)Powell 算法參考數(shù)據(jù)的優(yōu)化順序產(chǎn)生較小的影響，不必再依照?qǐng)D形構(gòu)成的特征進(jìn)行參考數(shù)據(jù)之間的順序優(yōu)化，同時(shí)相比于隨機(jī)或默認(rèn)的選擇初始節(jié)點(diǎn)來(lái)進(jìn)行的Powell計(jì)算方法，這種將蟻群算法的最優(yōu)結(jié)果直接作為計(jì)算初始點(diǎn)的方法更加的節(jié)約其優(yōu)化的時(shí)間。嚴(yán)格按照蟻群算法來(lái)對(duì)分辨率較低的圖像進(jìn)行最優(yōu)化的選擇，這是突出蟻群算法相對(duì)簡(jiǎn)化的插值方法，對(duì)信息計(jì)算的用時(shí)較短，可以確保圖像的擇優(yōu)可以在較短的用時(shí)之內(nèi)完成，相比于Powell 算法其工作效率比較理想。

3 肇事車輛剎車痕跡圖像實(shí)際檢驗(yàn)評(píng)價(jià)

充分利用現(xiàn)場(chǎng)條件，對(duì)事故現(xiàn)場(chǎng)肇事車輛剎車痕跡拍攝兩張不同角度的照片，再通過(guò)matlab 處理程序進(jìn)行算法處理，再將其計(jì)算方法與本文所介紹的計(jì)算方法進(jìn)行特征方面的匹配，來(lái)比較使用不同算法而進(jìn)行的圖像配準(zhǔn)的不同效果。在配準(zhǔn)的過(guò)程中，在每張圖像中都選取不同特征節(jié)點(diǎn)來(lái)匹配，借助蟻群算法、遺傳算法以及Powell 算法分別對(duì)不同的特征節(jié)點(diǎn)進(jìn)行與之相匹配的圖像的特征進(jìn)行優(yōu)化配對(duì)，不同的算法得出的特征匹配結(jié)果也不盡相同。

基于現(xiàn)階段的技術(shù)應(yīng)用實(shí)踐可以得出，從局部的擇優(yōu)能力來(lái)看，Powell 算法具有明顯的優(yōu)勢(shì)。但其作用的發(fā)揮首先需要保證Powell 算法能夠及時(shí)準(zhǔn)確的進(jìn)入圖像的內(nèi)部空間范圍之內(nèi)；遺傳算法局部擇優(yōu)的能力同樣優(yōu)異，而計(jì)算時(shí)長(zhǎng)無(wú)法確定是其弊端。借助蟻群算法而進(jìn)行的特征匹配其最佳結(jié)果都是徘徊于整體最佳結(jié)果的鄰近位置，運(yùn)算時(shí)間過(guò)程是其弊端。所以，相對(duì)而言，蟻群算法在特征的匹配方面比較理想，但需要對(duì)其進(jìn)行優(yōu)化改進(jìn)后再加以利用。圖像特征選取的是否精準(zhǔn)直接影響圖像配準(zhǔn)的準(zhǔn)確度，雖然Powell 算法在圖像特征的選擇上有較強(qiáng)的擇優(yōu)性能，但其圖像的涵蓋范圍過(guò)于局限，視線范圍也過(guò)于拘泥。利用蟻群算法雖然確保了圖像特征選擇的質(zhì)量，但是其運(yùn)算時(shí)長(zhǎng)過(guò)長(zhǎng)，也不利于事故的勘查。

4 結(jié)語(yǔ)

本文將傳統(tǒng)的圖像匹配技術(shù)與新型運(yùn)算方法相結(jié)合，更加具有時(shí)效性。肇事車輛剎車痕跡圖像通過(guò)遺傳算法將蟻群算法的參考數(shù)據(jù)進(jìn)行優(yōu)化處理之后，可以得到我們想要的理想結(jié)果。這項(xiàng)技術(shù)的進(jìn)步，既節(jié)省時(shí)間又能使肇事車輛剎車痕跡圖像進(jìn)行準(zhǔn)確匹配，同時(shí)蟻群算法極佳的整體運(yùn)算又能縮小了查找范圍，再加上運(yùn)用Powell 算法對(duì)局部擇優(yōu)的極強(qiáng)性能，最終達(dá)到圖像處理的理想結(jié)果。優(yōu)化剎車痕跡圖像算法是交通事故現(xiàn)場(chǎng)圖像匹配技術(shù)的改革和進(jìn)步，能夠極大地將交通事故現(xiàn)場(chǎng)勘查技術(shù)進(jìn)行推進(jìn)，進(jìn)而讓肇事交通事故得到及時(shí)有效的追蹤或溯源，讓人民的人身財(cái)產(chǎn)安全得到更加有效的保障。