肇事车辆刹车痕迹图像处理技术在司法鉴定中的应用

阳 雁，刘 斌，蒋邵衡，陈汉彬，武 政

处理交通事故发生当时的肇事车辆刹车痕迹图像是在交通事故发生以后的关键工作。为了及时准确地获取信息，现场勘查时在有条件的情况下，只需找出肇事车辆事故发生时刹车痕迹图像，再借助专业的技术将其采集下来，通过图像处理技术，就可以溯源到肇事车辆。同时，这也为交通事故的定量分析提供了直接的依据。本文主要以交通事故现场刹车痕迹图像特征为依据，探讨解决优化图像处理，通过对Powell 算法、遗传算法以及蚁群算法其具体优缺点作为切入点进行分析与比较研究，有效的将这三者进行结合，进而延伸出全新的、更加实用的特征匹配算法。

1 肇事车辆刹车痕迹图像处理步骤

1）建立车辆轮胎刹车痕迹图像数据库。将采集到的肇事车辆刹车痕迹图像资料进行强化处理，以不同的图像用不同的形式进行退化之后的形态为依据，相应的做出适当的动态性补充与修正。然后对经过了增强处理后的图像进行几何形态的修正，最后还要对灰度数值的差值进行进一步的处置。

2）基于肇事车辆刹车痕迹图像特征对图像分类。在对交通事故的事发现场刹车痕迹进行勘查时，需要借助二维重建的方式对事故现场的刹车痕迹图像信息进行配准处理，需要寻找特征突出且相对显眼的纹路。

3）刹车痕迹图像特征匹配。两个及两个以上的刹车痕迹图像所拥有的特征匹配数量应该是成偶数的，其被匹配的特征也应是多个的，当少数图像难以确定匹配时，对于全局的匹配并不会产生影响。

4）找寻可能适用于刹车痕迹图像的可变换模型，并在模型之间进行比较，选取适用效果最佳的模型，进而得出变换的参考数据。参考数据的得到需要借助相应的图像配准算法，合理的配准算法可以缩短配算所用的时长，以收获最佳的配准效果。

5）存在特殊的情况，对图像进行二次采样。以变换函数为依据，在相近的图像之间进行变换，直到将图像调整到最佳的使用要求，其最常使用的方法是最近邻插值以及双线性插值。

2 肇事车辆刹车痕迹图像优化

在对肇事车辆刹车痕迹图进行了校正处理之后，肯定会丢失和损失一定数量的现场数据信息，所以如何降低图像的丢失率也是需要克服的难题。比如确定图像的尺寸，在要求一定尺寸的图像最大限度的信息包含量的同时，对图像所反映的现场实际情况的细节要尽可能的清晰明了。Powell 算法、遗传算法以及蚁群算法是现阶段图像配准算法的集中主要算法，这些算法都有各自的优点和缺点。蚁群算法的运算速度不够迅速，并且得出的答案针对局部的图像，不是整体最佳的答案。所以，基于蚁群算法的此类缺陷，进行了改正和优化。第一，对于蚁群算法运算过慢这一缺点，是借助遗传算法对蚁群算法中的参考数值进行改进优化，从而达到加速运算的目的。第二，基于蚁群算法的所得结果进食局限于部分图像这一点，其解决方法是利用Powell 算法进行填充，这是以Powell 算法具有寻求局部最佳结果的极强性能为依据的。具体来说，就是首先借用蚁群算法收获一个局部的最佳答案，再利用Powell 算法进行优化和补充，进而得到整体的最佳答案。

通常情况下，整体算法的优化流程大致分为两大步骤：第一步骤先用蚁群算法进行较低分辨率的图像配准。因为刚开始处理的图像过小，因此在进行数据之间的计算时，其运算速率会比较快，其优化的过程会在较短的时间内完成；第二步骤在高分辨率的图像上用Powell 算法进行寻优处理，以蚁群算法下最佳的答案为计算开始的节点。其具体的操作流程如下：

1）利用小波分解的方式将即将进行配准处理的预处理，通过此手段获得规格较小的子图像，再对新得的子图像进行处理，这也是图像寻优的过程。实现这些过程离不开蚁群算法的技术支撑，同时借助相近图像数据的插值方法，对分辨率不达标的图形进行二次处理，一上线加快运算速度、收获最佳结果的目的。进而极大的提高图像配准的准确度，减轻图像灰化的程度。

2）对于利用Powell 方法进行寻优，其过程开始的起点就是通过蚁群算法所得出的最佳结果，作为图像配准的参考数据。由于Powell 算法开始的节点是选取了蚁群算法的最优配准结果，这为Powell 的优化提供了非常有帮助的初始起点，这就对优化结果的影响较小，同时也对Powell 算法参考数据的优化顺序产生较小的影响，不必再依照图形构成的特征进行参考数据之间的顺序优化，同时相比于随机或默认的选择初始节点来进行的Powell计算方法，这种将蚁群算法的最优结果直接作为计算初始点的方法更加的节约其优化的时间。严格按照蚁群算法来对分辨率较低的图像进行最优化的选择，这是突出蚁群算法相对简化的插值方法，对信息计算的用时较短，可以确保图像的择优可以在较短的用时之内完成，相比于Powell 算法其工作效率比较理想。

3 肇事车辆刹车痕迹图像实际检验评价

充分利用现场条件，对事故现场肇事车辆刹车痕迹拍摄两张不同角度的照片，再通过matlab 处理程序进行算法处理，再将其计算方法与本文所介绍的计算方法进行特征方面的匹配，来比较使用不同算法而进行的图像配准的不同效果。在配准的过程中，在每张图像中都选取不同特征节点来匹配，借助蚁群算法、遗传算法以及Powell 算法分别对不同的特征节点进行与之相匹配的图像的特征进行优化配对，不同的算法得出的特征匹配结果也不尽相同。

基于现阶段的技术应用实践可以得出，从局部的择优能力来看，Powell 算法具有明显的优势。但其作用的发挥首先需要保证Powell 算法能够及时准确的进入图像的内部空间范围之内；遗传算法局部择优的能力同样优异，而计算时长无法确定是其弊端。借助蚁群算法而进行的特征匹配其最佳结果都是徘徊于整体最佳结果的邻近位置，运算时间过程是其弊端。所以，相对而言，蚁群算法在特征的匹配方面比较理想，但需要对其进行优化改进后再加以利用。图像特征选取的是否精准直接影响图像配准的准确度，虽然Powell 算法在图像特征的选择上有较强的择优性能，但其图像的涵盖范围过于局限，视线范围也过于拘泥。利用蚁群算法虽然确保了图像特征选择的质量，但是其运算时长过长，也不利于事故的勘查。

4 结语

本文将传统的图像匹配技术与新型运算方法相结合，更加具有时效性。肇事车辆刹车痕迹图像通过遗传算法将蚁群算法的参考数据进行优化处理之后，可以得到我们想要的理想结果。这项技术的进步，既节省时间又能使肇事车辆刹车痕迹图像进行准确匹配，同时蚁群算法极佳的整体运算又能缩小了查找范围，再加上运用Powell 算法对局部择优的极强性能，最终达到图像处理的理想结果。优化刹车痕迹图像算法是交通事故现场图像匹配技术的改革和进步，能够极大地将交通事故现场勘查技术进行推进，进而让肇事交通事故得到及时有效的追踪或溯源，让人民的人身财产安全得到更加有效的保障。