交通事故中車輛碰撞痕跡的計算機識別方法

王放明，王崢，柴智勇

?

交通事故中車輛碰撞痕跡的計算機識別方法

王放明，王崢，柴智勇

（中國汽車技術(shù)研究中心，天津300300，中國）

車輛碰撞痕跡識別包括以下兩方面的內(nèi)容：一是判別碰撞痕跡為何種類型；二是判別碰撞痕跡為哪輛車所遺留。碰撞痕跡識別的重點為肇事車輛的同一認定。

車輛鑒定；痕跡；車輛同一認定

1　判別分析

判別碰撞痕跡為何種類型及哪個車輛所形成，實際上是判斷一個個體樣本歸屬于哪個總體和車輛同一認定的問題。

圖1是車輛碰撞痕跡灰度圖。圖像灰度值可以描述為分布函數(shù)F1（x）， F2（x）， …，F(xiàn)q（x）。

圖1 車輛碰撞痕跡灰度圖

多元統(tǒng)計學中的判別分析正是研究判斷個體所屬類型的統(tǒng)計方法。判別問題用統(tǒng)計的語言來表達，就是已有q 個總體π1，π2，…，πq。它們的分布函數(shù)分別為F1（x）， F2（x）， …，F(xiàn)q（x），每個Fi（x）都是p維函數(shù)。對于一個新給定的樣品x，我們要判斷它是來自哪一個總體。當然，我們應該要求判別準則在某種意義下是最優(yōu)的，例如錯判的概率最小或錯判的損失最小等。判別分析的基本方法是計算個體與總體之間的空間距離。

定義：設(shè)Θ是點集，d（·，·）是Θ×Θ到［0，∞）的函數(shù)，對于Θ中的任意點 xi， xj和 xk，若d （xi，xj）（簡記為 dij） 滿足：

（i） dij≥0 ，當且僅當 xi=xj時取等號；

（ii） dij=dji；

（iii） dij≤dik+dkj（三角不等式）。

則稱dij為點 xi和 xj的距離。

設(shè)每個個體有p個變量，因此可把一個個體視為p維空間中的一個點，n個個體就是p維空間中的n個點，很自然的想到用它們之間的距離來衡量它們之間的靠近程度。常用的距離如下：

⑴明考夫斯基距離：

取 m=1，2 ，∞分別可得到絕對距離、歐氏距離和切比雪夫距離：

⑵方差加權(quán)距離：

⑶馬氏距離：

實際在進行碰撞痕跡的分類判別時，要運用以上公式。個體中的各個變量是從痕跡圖像中提取出來的一些反映痕跡深度、寬度等車輛種類特征信息的參數(shù)，總體則是由大量的統(tǒng)計實驗提取出來的反映各種碰撞痕跡特征信息的一些特征參數(shù)。可計算出樣本碰撞痕跡信息與所建庫中已有的碰撞痕跡信息之間的空間距離。樣本碰撞痕跡歸類于距離小者，其判別精度主要取決于碰撞痕跡表面痕跡特征提取的準確度。經(jīng)實踐驗證，利用以上方法在碰撞痕跡分類上的準確率可達90%。

同時，本方法還可作為碰撞痕跡認定的粗選步驟。作為碰撞痕跡的粗選步驟時，可計算樣本碰撞痕跡數(shù)據(jù)與庫中所存碰撞痕跡數(shù)據(jù)的空間距離，按距離從小到大進行排序，距離越小，樣本碰撞痕跡與庫中碰撞痕跡為同一車輛所形成的可能性越大。由此，可將肇事車輛認定的查找范圍縮小，以加快肇事車輛認定的速度。

2　相關(guān)分析

2.1基本概念

相關(guān)分析是進行匹配的基本算法。相關(guān)分析的基礎(chǔ)是相關(guān)函數(shù)，相關(guān)函數(shù)描述了兩個變量之間的相互關(guān)系。兩個隨機信號x（t） 和y（t）的互相關(guān)函數(shù)定義為：

對信號能量無限的情況則取其均值形式：

在實際應用中信號不可能是無限長的，即 是有限值，但 要適當?shù)卮螅蛊錁?gòu)成的統(tǒng)計方差小到可以接受，實用估計為：

對于二維數(shù)據(jù) 與 的相關(guān)函數(shù)定義為：

由離散數(shù)據(jù)對相關(guān)函數(shù)的估計公式為：

相關(guān)函數(shù)描述了兩信號之間的相互關(guān)系，而相關(guān)系數(shù)則描述了兩信號之間的相關(guān)程度，相關(guān)系數(shù)是標準化和中心化的相關(guān)函數(shù)。相關(guān)系數(shù)定義為：

其中：

由離散數(shù)據(jù)對相關(guān)系數(shù)的估計為：

考慮到計算工作量，相關(guān)系數(shù)的實用公式為：

上式可化為：

式（14）和式（15）是便于計算機實現(xiàn)的實用算法。實際比對時，將樣本肇事車輛認定的圖像數(shù)據(jù)與庫中已有車輛的圖像數(shù)據(jù)進行相關(guān)分析，計算出相關(guān)系數(shù)，按相關(guān)系數(shù)的大小進行排序，相關(guān)系數(shù)越大，樣本肇事車輛認定與庫中車輛是同一車輛的可能性越大。這樣，就實現(xiàn)了肇事車輛認定。

2.2多尺度相關(guān)分析

通過對相關(guān)函數(shù)的譜分析可知，當圖像信號中的高頻成分較少時，相關(guān)函數(shù)曲線較平緩，但相關(guān)的拉入范圍（由可能的近似位置到正確的相關(guān)的點間距離）較大；反之，當圖像高頻成分較多時，相關(guān)函數(shù)曲線較陡，相關(guān)精度較高，但相關(guān)拉入范圍較小。此外，當信號中存在高頻窄帶隨機噪聲或信號中存在較強的高頻信號時，相關(guān)函數(shù)出現(xiàn)多峰值，因此會出現(xiàn)錯誤匹配。綜合考慮相關(guān)結(jié)果的正確性（或稱為可靠性）與精度（準確性），一般的方法是，采用一種被稱為分頻道相關(guān)的方法，即先對信號進行低通濾波，進行粗相關(guān)，然后逐漸加入較高的頻率成分，在逐漸變小的區(qū)域內(nèi)進行精相關(guān)。

分頻道相關(guān)的方法是一個由粗到精的過程，它利用了肇事車輛圖像從低頻到高頻的所有信息。在實際使用時，分頻道相關(guān)（多級相關(guān)）采用不同的采樣間隔對圖像信號進行提取，采樣間隔由大到小，在不同的采樣間隔上進行相關(guān)分析。

在肇事車輛認定痕跡比對中，我們知道，實際有用的信息集中在中頻段（5～20波峰波谷/1mm），高頻段和低頻段的信息價值不大?；诖?，我們采用了一種多尺度相關(guān)分析的方法。所謂多尺度相關(guān)分析方法，是基于小波痕跡紋理痕跡提取的一種方法。小波分析方法將肇事車輛痕跡圖像按灰度分解并重構(gòu)成從高到低多個頻率段上的信息，我們可以將樣本肇事車輛痕跡分解出來的這些信息與已建好數(shù)據(jù)庫中的痕跡進行相關(guān)分析，將各層上相關(guān)的結(jié)果乘以各自的權(quán)重系數(shù)，然后相加，得到總的相關(guān)性。設(shè)ρ1， ρ2…ρN為取各尺度上的相關(guān)系數(shù)，n1，n2…nN所取各尺度上的權(quán)重，則總的相關(guān)系數(shù)為：

權(quán)重是由統(tǒng)計實驗得出。

2.3比對策略

由于測量數(shù)據(jù)的起始位置無法確定，我們所截取的某部分肇事車輛痕跡究竟與庫中已有痕跡的哪部分痕跡如何對應，事先我們是不知道的，因此，在實際比對算法中，必須不斷對樣本痕跡數(shù)據(jù)按部位進行移位，然后再進行相關(guān)分析，取相關(guān)程度最大的那一組作為相關(guān)比對結(jié)果。

另外，我們實際測得的肇事車輛痕跡信息的每一部分是不盡相同的。為在提高測量速度的同時不損失所測量肇事車輛痕跡的信息量，我們根據(jù)實際比對經(jīng)驗，沿某一方向選取痕跡最為豐富最顯著的三部分進行測量，每一部分測10個圖像。這樣，在實際痕跡比對時，就提供了多種比對策略，可以將三部分數(shù)據(jù)同時參與比對，取其平均值作為比對結(jié)果，也可以任意選取一部分或者兩部分進行比對。

3　人工輔助比對

由計算機自動給出的比對結(jié)果是一個將庫中已有車輛痕跡圖像與所測肇事車輛認定痕跡圖像按相關(guān)程度大小進行的排序。排位越靠前，其與所測樣本痕跡是由同一車輛形成的可能性越大。因此，要想準確的確定痕跡是哪輛車所形成，同時，也為了符合人工比對的習慣，我們還需要加入一些輔助比對手段。本文采用的是線框圖比對方法。

特征接合比對法，是車輛痕跡檢驗中一種應用比較普遍、有效的檢驗方法，特別適用比較車輛痕跡的線條狀特征。在可視化圖形工具集中，操作者可以將被比對的兩幅痕跡圖像放在一起，通過調(diào)整兩者之間的相對位置，可以進行線條特征的相互接合比對，得出現(xiàn)場痕跡和樣本痕跡中線條特征是否符合的檢驗結(jié)論，如圖2。由于這種線條狀擦痕是車輛碰撞接觸面上細微結(jié)構(gòu)的反映，它們都是特定的，均屬個別特征，故采用接合線條的方法判別兩者是否同一，是確定肇事車輛的有效方法。

表1 采用相關(guān)比對法之結(jié)果

表2 采用多尺度相關(guān)比對法之結(jié)果

圖2 同一車輛碰撞痕跡橫截面樣本特征的接合

4　比對測試結(jié)果報告

為驗證算法及比對策略的可靠性，分別對十幾輛車做了碰撞模擬實驗，每輛車遺留一個痕跡，經(jīng)采樣并將數(shù)據(jù)處理后錄入數(shù)據(jù)庫中；然后再用這些車同一部位各留一個痕跡，將其與數(shù)據(jù)庫中的已有樣本進行比對。分別采用多種比對方法和比對策略進行了車輛認定。取得了比較滿意的結(jié)果。

采用相關(guān)分析法進行車輛認定結(jié)果如表1。

采用多尺度相關(guān)分析法進行車輛認定結(jié)果如表2。

由表1可看出，采用所有位置比對與采用單一位置比對相比，前者有更高的識別率。

由表2與表1比較可以看出，采用多尺度相關(guān)分析方法比對與采用普通的相關(guān)分析方法相比，采用多尺度相關(guān)分析方法能夠在一定程度上提高識別率。

5　結(jié)論

1、本文介紹了判別分析方法的基本原理，介紹了兩向量的空間距離，并將其用在肇事車輛的類型判別上。

2.、介紹相關(guān)分析方法的理論及使用公式，提出了一種基于小波分析的多尺度相關(guān)分析方法，并將其用在肇事車輛痕跡識別上。

3、采用本文提出的識別方法進行實踐驗證，結(jié)果證明是可行和有效的。

［1］ 王放明.隨機動力學及其應用［M］. 北京：國防工業(yè)出版社，2000年.

Computer identification method of vehicle collision traces in traffic accident

WANG Fangming，WANG Zheng，CHAI Zhiyong
（China Automotive Technology & Research Center， Tianjin300300， China）

Identification of vehicle collision trace includes the following two aspects： first， distinguish collision trace type. Second，distinguish the collision trace of which vehicle left. The key for identification of the collision trace is identity recognition of vehicle.

Vehicle identification；trace； vehicle identity recognition